以大數據研究為背景的AHP算法應用策略研究

河源市職業技術學校 鄢創輝

大數據本身類型復雜，AHP算法在龐大數據的包裹下無法對其可用性進行分析。目前應對AHP算法可用性的評估方案進行研究分析。隨著計算機技術的不斷發展和應用，大數據研究為背景的AHP算法在企業過程中取得了不小的經濟利潤以及社會效益.為了實現對AHP算法進行科學評價和選擇.本文概述了大數據統計，闡述了以大數據研究為背景的AHP算法應用策略。

隨著計算機技術應用的不斷推廣，大數據成為新經濟的生產要素和資產，充分利用數據分析技術將是企業制勝的關鍵。需要結合相關的數據資料建立大數據評價模型。大數據需要使用者更高水平的對技術方法的選擇。知識經濟的最大特點在于更好地滿足不同的需求并且開發出潛在的需求。

一、大數據與AHP概述

大數據是指大量以文字、圖片、視頻等形式存在的非結構化和半結構化（左軍.層次分析法中判斷矩陣的間接給出法[J].系統工程,2013,6(6):56-63）。完整的智能流程是將數據輸入數據倉庫，進而得到目標分析數據。結構化的數據便于分析和處理，我們結合可視化圖標的最終目標將每一個概念的范疇、亞概念，具體化為變量、解釋變量和虛擬變量。采取消元降維技術，在相關性分析的基礎上對非線性變化進行判斷，數據擬合，進行擬合優良的數理趨勢模型選擇。

AHP法在進行決策問題處理的過程中，由于考慮因素較多，故而一些因素都難以被具體量化。AHP法全稱為Analytic Hierarchy Process，該類方法對各因素的定量比較進行逐層分析，從而促進決策問題的有效解決，實現相關利益的取得。在構建AHP法模型的過程中，首先是建立階梯層次結構模型（徐澤水.朱建軍.劉士新.王夢光A}{I,中兩類標度法的關系研究[J].系統工程理論與實踐,201319(7):97-101），在借助AHP法進行相關作業的過程中，需要將問題元素按照一定的特性分為若干層次，在構建階梯層次結構模型的過程中確保每個層次的子元素低于9個。其次是構造各個層次中的所有判斷矩陣。一是根據相關的標度規定對其進行量化，然后是加強層次單排序、總排序及一致性的檢驗，一致性的檢驗方法如下：CR=CI/RI。其中，CR可以斷定矩陣的一致性符合規范標準，此外，RI指的是隨機一致性指標。為了確保操作與層次單排序一致性，在構建大數據供應鏈時允許用戶從數據庫中提取數據，并從海量數據中挖掘不為人知、無法直觀得出的結論。

二、以大數據研究為背景的AHP算法應用

1.統計軟件的應用

在運用AHP法進行相關問題處理的過程中，需要充分反映出企業需求的各個因素。目前，技術因素包括大數據預測機制、獲取以及據分析技術。大數據預測機制用來降低供應斷裂風險，并依據數據分析對未來產品（李有文,吳祈宗.判斷矩陣不一致性的一種處理方法[期刊論文].華北工學院學報2001,22(5)）的流量進行預測。而大數據獲取能力主要考察伙伴企業能否有效的實現對于客戶行為的數據分析。成本因素指的是企業與其合作所需的成本，一般包括運作、交易成本是分析供應鏈合作伙伴交貨期對供應鏈總周期影響的重要指標，其一般從交貨可靠性以及風險管理方面體現。

可視化過程要遵循等概率準則。大數據統計專注于建模及統計分析，通過建立合理模型來充分發掘數據內容，進而展現實現可以鉆取、切片、切塊、旋轉等數據。

在測量階段，需要揭示過程輸出缺陷與問題或與其潛在原因關系的圖，AHP是一種有效的分析工具。在改進階段，穩健參數設計是工程實際問題中很有價值的統計方法。

2.建立層次結構模型

層次分析法在于構造判斷矩陣以及從判斷矩陣中求得被比較元素的排序權重.在不確定情況下，決策者將區間判斷矩陣作為兩兩比較的判斷矩陣.到目前新的排序算法將近似算法和優化算法兩大類進行研究.通過對區域的研究構建了區域經濟發展水平的評價指標體系。在對評價指標確定之后，相關的人員還需要構建起相關的層次結構模型，從而提取用戶維度收入、用戶維度去重用戶數、業務維度綜合業務量、終端維度終端均價、終端維度高等級終端占比。AHP是對定定性問題進行定量分析的一種簡便、靈活而又實用的多準決策方法（張坤.基于AHP和BP的信息安全風險評估研究[D].河北工程大學,2016）。它的特點是根據對一定客觀現實的主觀判斷結構(主要是兩兩比較)把專家意見和分析者的客觀判斷。利用層次之間的總排序計算所有元素的相對權重并進行排序（孟猛,胡盛紅.基于AHP法的信息安全風險評估模型應用研究[J].熱帶農業工程,2014(01)）。第一步進行調研，第二步調研結果生成專家矩陣，第三步是綜合價值計算，采用扇區級泰森多邊形進行GIS展示可獲得直觀形象的價值地圖。通過AHP權重賦予計算而得的綜合價值，可直觀的判斷出影響綜合價值的核心價值緯度。Saaty矩陣A=(Q0是AHP的關鍵之一，從判斷矩陣的修正創立了一種新的改進算法--模糊綜合評價模型，運用模糊評價的方法對數據進行分析與處理，首先是分析問題.其次是構造各層的判斷矩陣；第三步：利用方根法計算各層元素的排序權值（肖龍,戚涌,李千目.基于AHP和模糊綜合評判的信息安全風險評估[J].計算機工程與應用,2015(22)）。新的改進AHP算法可以直接利用已求解出的規范化的特征向量和判斷矩陣進行一斂性的判斷，避免了判斷矩陣繼續修正，進而對同一指標所得到的若干個不同的判斷矩陣，利用幾何平均法的運算量，提高了排序結果和指標權值的可信度。

3.構建大數據指標體系

運用大數據技術實時更新和監測。大數據挖掘的重點包括搜尋成本、信息軌跡數據。以三個維度構建大數據征信的采集有交易風險。因為在構建判斷矩陣時，傳統AHP法以一個精確值比較兩個指標之間的重要性，而大數據環境下將定性指標和定量AHP法結合起來，以方法簡單、適用面廣、系統——再檢驗規避了諸多風險。評價模型改進了傳統AHP法存在的問題，有效解決樂專家思維即面對數據的拓展能有效構建模型的能力（魏翠萍,李繼乾,韓麗麗.不確定型AHP中殘缺區間數判斷矩陣的性質及排序方法[期刊論文].曲阜師范大學學報(自然科學版)2015,25(3)）。大數據背景下跨境電商信用評價指標的權重將傳統AHP法和三角FAHP法進行對比，最終實現了在互聯網界面準確、實時地傳輸評價結果。

4.層次總排序及一致性檢驗

目前對于不確定、在非線性AHP系統方面的大多是柔性系統，也無法用不確定AHP中權重由區間數表示。由于待比較區間數A與B表示的相對重要性兩兩比較的結果可以是重要性程度的相對比較，因此需要加強層次總排序及一致性檢驗（Saaty TL.The Anal yti c H i erarchy Prooem[M].N ew York:M c(raw-Hill,2015:l-45）。

總之，隨著企業財務預算管理的不斷增多，通過上述的分析以及判斷，獲得了各層元素的權重，但是為了進一步促進相關分析的準確性以及科學性，還需要加強對于層次總排序及一致性檢驗。企業在構建構建大數據供應鏈的過程中，為了進一步對技術因素、交貨因素、成本因素以及管理因素進行有效的考量，進而加強對于技術因素的考量，推動企業快速發展。