混合云环境下企业IT 投资决策指标体系研究

陈冬林，姚梦迪，邓国华，2

(1.武汉理工大学 经济学院，湖北 武汉430070;2.江汉大学 商学院，湖北 武汉430056)

云计算被称为第三代的互联网，通过基础架构虚拟化的服务方式提供IT 资源服务［1］;按照运营模式其可分为3 种：公共云、私有云和混合云［2］。公共云具有较高的可扩展性，但性能往往滞后;私有云一般具有较高的可靠性，但可扩展性却有限;针对不同云模式的优缺点，结合企业不同业务模式对云计算性能方面要求的不同，混合云模式成为企业能够接受的理想方案。混合云结合了公共云和私有云的优点，在私有云中保存内部核心系统控制，而将其他部分服务移至公共云中，以减少IT 投资费用。用户根据自身因素和业务需求选择合适的整合方式，制订其使用混合云的规则和策略，对企业进行合适的IT 投资战略部署具有重要的意义。

现阶段对于混合云的研究以系统和技术为主，如文献［3 -4］利用随机密钥遗传算法解决QoS 约束条件下客户成本最低的混合云资源分配问题;RAJESH 将客户所有应用系统分解成任务，利用整数规划方法建立时间约束条件下私有云效用最大化和成本最低目标的资源分配模型［5］，缺乏对混合云环境下云服务多实例的采纳及投资决策研究。对于企业IT 投资决策的研究主要是对IT 决策机制的构成与框架进行展开，如文献［6］从定性的角度，着重分析云计算3种服务模式对企业IT 决策机制的影响，提出了云环境的IT 决策机制框架，但缺乏定量分析企业视角下的IT 投资决策混合云服务的指标。混合云服务采纳各评价指标的权重作为综合评价的关键，其选择的合理性直接影响企业IT 投资决策的正确性。文献［7］介绍了专家评分法和层次分析法，主要依靠专家的经验，缺乏样本数据。文献［8］采用非线性主成分分析法，从客观角度确定评价指标权重，但存在数据量大时赋权难度大的问题。灰色综合评价法结合专家评判，建立在对评估指数进行层次分析的基础上，从而提高评估的准确性。

笔者根据目前关于混合云的研究中并未完整构建影响企业IT 投资决策的指标体系，且影响混合云服务质量指标体系的不完善，以及数据的相对缺乏，使量化分析存在着一定困难的问题，归纳了在混合云环境下，影响企业进行IT 投资决策的5 个指标，并通过引入灰色评价系统计算指标权重，给出了这些定性指标的量化模型，以此作为评价混合云环境下企业进行IT 投资决策的基础，更具科学性和说服力，且具有简单易行、便于推广的特点。该指标体系的建立将有助于企业从众多的混合云服务中结合自身业务需求选取合适的云服务产品，对企业IT 战略规划具有重要意义。

1 混合云环境下IT 决策指标组合方法

随着云计算的发展，混合云服务已经成为云计算市场的主流发展趋势，能为企业提供众多的云计算服务实例［9-10］。目前中小型企业在使用云计算服务时，存在多种选择方案：从成本的角度出发，单一使用公共云可以降低企业IT 成本，对于没有过多时间和精力关注基础设施投资的中小型企业来说，可以提供极大便利，但是不得不面对公共云出现如宕机、云迁移和数据安全等突发的故障问题;从安全性角度出发，私有云在确保数据安全性的同时却无法进行灵活的扩展;混合云则可以较好地解决这些问题。

混合云环境下企业进行IT 投资决策的因素包括成本和云服务质量CQoS(Cloud QoS)。其中成本因素包括云计算成本和云存储成本，而云存储成本包括数据存储、检索和传输成本。CQoS 包括执行时间、安全性、可用性和可靠性等因素。借鉴网格和Web 服务的QoS 的计算模型，可以定义成本、CQoS 的计算方法。

(1)混合云环境下，面向客户的总成本为：

式中：Cc为云计算成本;Cs为云存储成本。

式中：Cs1为数据存储成本;Ct为云数据检索成本;Cs2为云传输成本。则：

混合云环境下，面向客户的组合服务质量HCQoS 很大程度上依赖于服务平台的安全性、可用性和可靠性这3 个因素。此外，服务平台的执行时间也会在一定程度上影响用户的决策行为。

(2)安全性。用户数据保存在云中，对数据的控制完全依赖于云供应商，因此，安全性是客户对企业云服务组合质量评价的主要指标。混合云相对于私有云或公共云来说，由于跨云间的管理和认证，对安全需求会更大。

(3)可用性。可用性主要指服务能在特定时间、特定条件下被客户成功访问的能力。其对于服务来说是最重要的参数，表明服务可被使用的可能性。一般用百分比来表示其在合约规定中能够被访问的时间比例。

(4)可靠性。可靠性是指企业能为客户提供稳定、准确无误服务的能力。混合云下需要通过容错机制等技术来保障服务的高可靠性。

(5)执行时间。即等待时间，指系统从接收指令到完成数据分析等所需要的时间。执行时间的长短将极大地影响用户的服务满意程度。

综上所述，应选择总成本、安全性、可用性、可靠性和执行时间作为混合云环境下企业进行IT投资决策的评价指标。

2 灰色综合评价方法

2.1 制定评价指标的评分等级标准

(1)评价指标xi是定性指标，根据定性指标的描述规则，确定为“高、较高、中、低”［11］。设定评价灰类为4 类，评价灰类序号集为e=(1，2，3，4)，评价指标集记为P。

(2)表示第j个专家对第s个方案中指标xi的评分。这样，k个专家针对第s个方案中各指标的评分可以组成评价矩阵：

其中：i=1，2，…，p;j=1，2，…，k。

(3)确定评价灰类：

第1 灰类“高”(e=1)，⊗1∈［4，∞)，其白化权函数为：

第2 灰类“较高”(e=2)，⊗2∈［0，3，6］，其白化权函数为：

第3 灰类“中”(e=3)，⊗3∈［0，2，4］，其白化权函数为：

第4 灰类“低”(e=4)，⊗4∈［0，1，2］，其白化权函数为：

2.2 计算评价指标权重

(1)确定灰色评价权矩阵。指标Vi属于第e个评价灰类的评价灰数为：

指标Vi属于各个灰类的总评价灰数为：

第s个方案的第Vi个评价指标的第e个灰类的评价权为：

第s个方案的灰色评价权矩阵：

(2)假定各评价灰类的等级值向量C=(4，3，2，1)，则第s个方案中各评价指标的灰色定量化向量为：

(3)采用两两比较法求解权重向量。以任一指标与其他指标逐一比较，从而求解各指标间的重要程度，如假定有n个评价指标V1，V2，…，Vn，wij表示评价指标Vi与Vj的相对重要度之比，记为：

由此，组成比较矩阵W= ( wij)n×n。求解其特征方程可得各特征值λ1，λ2，…，λn，相应的特征向量作归一化处理后即为权重向量λ=(λ1，λ2，…，λn)。

2.3 计算最优和最劣参考向量的灰关联度

(1)计算最优和最劣参考向量。对由定量向量和灰色向量组成的最终评价矩阵，选取各评价指标Vi的相对最优值，组成最优参考向量xg。同理，选取各评价指标的相对最劣值，组成最劣参考向量xb，具体方法如下(m为评价方案数，n为评价指标数，∨表示取优，∧表示取劣)：

(2)计算与最优和最劣参考向量的灰关联度。对由评价矩阵和最优参考向量所组成的最优关联评价矩阵进行初值化处理：fi与fg之间的灰关联系数可以表示为：

式中，ρ 为分辨系数，通常取0.5。

同理可得与最劣参考向量的灰关联度。

2.4 综合评价

γig和γib分别表示第i个方案中与最优参考向量和最劣参考向量的灰关联度，vi表示第i个方案相对最优方案向量xg的从属值，方案i相对最劣方案向量xb的从属值为(1 -vi)，则称(1 -vi)为方案i的优偏离度，vi为方案i的劣偏离度。

有目标函数：

求解得到vi的最优值的计算模型为：

根据vi的大小可排出待选方案的优劣次序。

3 某企业混合云决策算例

结合云计算市场现有的云服务，可为企业用户提供IaaS 虚拟服务器和存储，以及SaaS 服务(由于PaaS 服务主要面向开发型企业用户，该类企业不具有代表性，不作考虑)，故可形成如下4种不同的组合决策方案：

方案Ⅰ全部租用IaaS 公共云的虚拟服务器和存储，以及SaaS 方案;

方案Ⅱ租用公共云IaaS 的虚拟服务器和存储，自建私有SaaS 方案;

方案Ⅲ租用公共云IaaS 的虚拟服务器，自建私有云存储和SaaS 方案;

方案Ⅳ完全采用私有云方式，即自建数据中心和开发SaaS 方案。

考虑到硬软件的折旧因素，上述4 种方案中各个指标的考察时间为5 年。

3.1 构造评价矩阵

对上述4 种方案，利用调查问卷方案并结合专家意见确定各层指标的权重，得出投资方案评价指标量化表，如表1 所示，以及权重向量。

表1 投资方案评价指标量化表

权重向量λ=(0.30，0.20，0.10，0.25，0.15)。

3.2 构造最优和最劣参考向量

3.3 灰关联度

与最优参考向量的灰关联度向量为：

与最劣参考向量的灰关联度向量为：

3.4 综合评价

灰色综合评价值V= (0.512 4，0.538 4，0.304 3，0.140 8)，由此可知方案Ⅱ为最佳投资方案，与最终决策结果相符合。

4 结论

结合混合云技术的优势，笔者首先归纳了混合云环境下影响企业进行IT 投资决策的指标;其次运用灰色评价法对各指标进行评价，并充分利用专家评价的模糊性和灰度，将定性指标定量化;最后通过实例说明该方法作出的评价可以应用在实际项目中，对中小型企业进行IT 投资决策具有重要的参考价值。

［1］ BUYYA R，YEO C S，VENUGOPAL S，et al.Cloud computing and emerging IT platforms：vision，hype，and reality for delivering computing as the 5th utility［J］.Future Generation Computer Systems，2009，25(6)：599 -616.

［2］ ZHANG Q，CHENG L，BOUTABA R.Cloud computing：state-of-the-art and research challenges［J］.Journal of Internet Services and Applications，2010，1(1)：7-18.

［3］ WANG Q，WU C，SUN Y. Evaluating corporate social responsibility of airlines using entropy weight and grey relation analysis［J］.Journal of Air Transport Management，2015(42)：55 -62.

［4］ 杨潇，康凯.云计算背景下企业决策机制框架［J］.计算机系统应用，2013(11)：10 -17

［5］ RAJESH R，RAVI V. Supplier selection in resilient supply chains：a grey relational analysis approach［J］.Journal of Cleaner Production，2015(86)：343 -359.

［6］ 胡燕鸿.企业IT 投资决策中的关键要素分析［J］.中国管理信息化，2014(23)：17 -19.

［7］ YANG J J，LI J Q，NIU Y.A hybrid solution for privacy preserving medical data sharing in the cloud environment［J］. Future Generation Computer Systems，2015(43)：74 -86.

［8］ ZHAO X，WEI G.Some intuitionistic fuzzy Einstein hybrid aggregation operators and their application to multiple attribute decision making［J］.Knowledge -based Systems，2013(37)：472 -479.

［9］ SMYTH H，LECOEUVRE L. Differences in decision -making criteria towards the return on marketing investment：a project business perspective［J］. International Journal of Project Management，2015，33(1)：29-40.

［10］ ALTUNTAS S，DERELI T.A novel approach based on DEMATEL method and patent citation analysis for prioritizing a portfolio of investment projects［J］. Expert Systems with Applications，2015，42(3)：1003-1012.

［11］ 蔡红.基于灰色关联的信息技术能力评价模型研究［J］.武汉理工大学学报(信息与管理工程版)，2013，35(3)：378 -381.