数据库绩效变异系数和灰色关联度的分析

孔令

摘 要：随着我国绩效评价方法的不断发展以及创新，目前我国大部分的数据库绩效基本评价都在应用绩效评价的方法来进行相关的评价工作。例如目前应用较为广泛的绩效评价方法有三点，首先是SERVQUAL绩效评价方法，其次是LibQUAL+TM绩效评价模型，最后是网络计量学衍生的绩效评价方法。除去上述三种应用较为广泛的评价方法以外，还有很多的绩效评价方法都在应用的过程中。根据相关的工作经验以及工作数据，我们可以得出，多指标并且较为综合的评价方法已经得到了非常大大的认可和应用，文章主要针对数据库绩效变异系数和灰色关联度的相关问题进行详细的论述以及分析，希望通过文章的阐述以及分析能够有效的提升我国数据库评价的具体有效的方法，同时也为我国数据库评价的未来更好的发展贡献一份微薄力量。

关键词：数据库绩效变异；灰色关联度；指标体系；构建

中图分类号：G250.74 文献标志码：A 文章编号：2095-2945（2017）29-0011-02

针对数据库变异系数以及灰色关联度的相关研究，我国已经取得了较大程度的发展，但是在发展的过程中还是在不断的借鉴并且学习国外先进的方法过程之中，在这一问题上我国已经逐渐的形成了较为统一的意见，那就是在这方面的研究过程中，应用最为广泛的是综合性，多指标的评判方法。每一种方法在应用的过程中都会有优点，同时还会伴随着一定的缺点。首先我们根据评价体系的构建方式的不同，可以分为主观筛选绩效评价方法以及相关性的筛选绩效评价方法两种形式。主观性的筛选评价方法由于在进行的过程中主观性太大，存在的评价结果较多，因此在目前的应用过程中较为少见，相关性筛选评价方法由于其较为客观，得出的评价数据较为统一，因此取得了较为广泛的应用。运用于数据库绩效评价指标的权重计算方法较多，但各有优缺点，比如層次分析法和模糊分析法需读者或相关专家参与问卷调查，涉及打分等人为因素，容易导致评价结果有失公允。数据包络分析法和结构方程模型法等则可基于数据库的基础原始数据进行分析，其各项指标权重、评价结果由原始数据计算得到，保证了绩效评价数据的客观准确性。数据库的绩效综合评定方法目前最主要的有三个，首先是加权和评定方法，其次是TOPSIS评定方法，最后是灰色统计分析评定方法。本文这次论述的重点在于灰色统计评定方法即灰色关联度的具体应用分析。

灰色关联度分析这种数据库绩效评价方法最先是由我国邓聚龙先生首先提出的。灰色关联性分析理论是从灰色系统的具体理论中经过分析提出的。这种评价方法的主要思想就是系统进行发展的时候，如果存在两个变化因素保持一致的情况，这种情况就说明两种变化因素的发展较为同步，一致性较高，我们就可以客观的认为两个变化因素存在较大的关联性，反之亦然。针对系统的发展变化过程，灰色关联度能够给变化的具体态势提升相应的量化度量，在研究以及分析系统发展动态方面非常的适合。灰色关联度分析方法主要的优点有两个，首先是灰色关联度能够有效的分析系统中的每一个子系统之间的关联度，其次是灰色关联度还能够通过不同的方法，例如通过多个层次，综合性的分析系统的总体关联度变化，同时还能够根据每一个子系统在总系统中的优劣进行相应的科学判断。

数据库绩效评价体系主要的思想就是通过五维度的具体指标进行相应的多层次，综合性的综合评价，在评价的过程中可以是通过侧面因素进行评价，还可以通过多个不同层次来进行整合性的评价。在数据库绩效评价体系中，主要的评定因素有两种，首先是确定性的评价因素，其次是不确定性的评价因素。在确定性评价因素当中，主要包含了数据库的实际资源数据，数据库的相关检索资源系统实际功能，以及数据库的运行成本等因素；在不确定性评价因素当中，主要包含了数据库的实际使用资源情况，以及数据库的具体运行商等因素，在实际的绩效分析过程中，每一种影响因素都是相互影响的，因此在实际的数据库绩效分析中，我们也称之为灰色评价系统中的一个组成部分。正是由于这样的因素，灰色关联度分析在实际的应用过程中也非常的适用于数据库的绩效分析中。因此我们在实际的分析过程中，通过灰色关联度的应用来对数据库中指标值，最优值两者进行关联度分析，通过对比以及分析找出指标值以及最优值之间的最接近的量度，进而给出每一个数据库的数值的优劣程度，达到我们对同一个时期不同数据库样本的多层次，综合性分析以及研对比。

数据库绩效评价体系的建立主要包含了五个方面。首先是数据库的具体资源内容；其次是数据库的相关资源检索功能；第三是数据库的具体资源使用情况，再次是数据库的运行成本评估；最后是数据库的相关供应商服务等。我们在进行指标层具体指标设计的过程中，主要采用的国外的相关标准目录，同时结合我国的相关标准使用来进行针对性的数据库绩效评价体系的建立和完善。在建立数据库绩效评价系统的过程中，我们首先要尊重原有的研究成果，在原有研究成果的基础上，科学的，系统的进行可操作性的分析。通常情况下我们在建立数据库绩效评价系统的时候，抽取大约28个相关的指标层作为预选指标，通过这28个指标层作为描述性指标进行体系的建立。在这28个指标层中，我们人为的规定其中的18个指标层作为定量指标，另外的10个指标层作为定性指标。在分析的过程中我们采用的分析方法为数据库绩效变异系数法进行分析，在分析的过程中我们先将指标进行初步筛选，将相关的重要性指标以及关联性不强的指标，信息重合率较大的指标进行筛出，最后的数据指标就是我们需要建立的数据库绩效指标体系。

我们在数据库样本选择的过程中，为了有效的提升数据库中数据的可比性，我们要从外文期刊中选择五组较为明显的论文数据作为参考样本指标数据库，这样做的目的在于外文数据库在我国的研究以及数据资源建立的过程中占据的地位越来越重要，这些外文数据库中的相关指标数据能够体现在我国的很多研究资料以及数字研究资料中，能够通过外文资料库的相关指标数据同我国的数据库指标数据进行一种横向的比较。通常情况下我们在样本数据库评价体系量化的过程中，采用的具体数据都是在我国较大，并且具有一定代表性的单位中进行量化收集和统计。endprint