以大数据研究为背景的AHP算法应用策略研究

河源市职业技术学校 鄢创辉

大数据本身类型复杂，AHP算法在庞大数据的包裹下无法对其可用性进行分析。目前应对AHP算法可用性的评估方案进行研究分析。随着计算机技术的不断发展和应用，大数据研究为背景的AHP算法在企业过程中取得了不小的经济利润以及社会效益.为了实现对AHP算法进行科学评价和选择.本文概述了大数据统计，阐述了以大数据研究为背景的AHP算法应用策略。

随着计算机技术应用的不断推广，大数据成为新经济的生产要素和资产，充分利用数据分析技术将是企业制胜的关键。需要结合相关的数据资料建立大数据评价模型。大数据需要使用者更高水平的对技术方法的选择。知识经济的最大特点在于更好地满足不同的需求并且开发出潜在的需求。

一、大数据与AHP概述

大数据是指大量以文字、图片、视频等形式存在的非结构化和半结构化（左军.层次分析法中判断矩阵的间接给出法[J].系统工程,2013,6(6):56-63）。完整的智能流程是将数据输入数据仓库，进而得到目标分析数据。结构化的数据便于分析和处理，我们结合可视化图标的最终目标将每一个概念的范畴、亚概念，具体化为变量、解释变量和虚拟变量。采取消元降维技术，在相关性分析的基础上对非线性变化进行判断，数据拟合，进行拟合优良的数理趋势模型选择。

AHP法在进行决策问题处理的过程中，由于考虑因素较多，故而一些因素都难以被具体量化。AHP法全称为Analytic Hierarchy Process，该类方法对各因素的定量比较进行逐层分析，从而促进决策问题的有效解决，实现相关利益的取得。在构建AHP法模型的过程中，首先是建立阶梯层次结构模型（徐泽水.朱建军.刘士新.王梦光A}{I,中两类标度法的关系研究[J].系统工程理论与实践,201319(7):97-101），在借助AHP法进行相关作业的过程中，需要将问题元素按照一定的特性分为若干层次，在构建阶梯层次结构模型的过程中确保每个层次的子元素低于9个。其次是构造各个层次中的所有判断矩阵。一是根据相关的标度规定对其进行量化，然后是加强层次单排序、总排序及一致性的检验，一致性的检验方法如下：CR=CI/RI。其中，CR可以断定矩阵的一致性符合规范标准，此外，RI指的是随机一致性指标。为了确保操作与层次单排序一致性，在构建大数据供应链时允许用户从数据库中提取数据，并从海量数据中挖掘不为人知、无法直观得出的结论。

二、以大数据研究为背景的AHP算法应用

1.统计软件的应用

在运用AHP法进行相关问题处理的过程中，需要充分反映出企业需求的各个因素。目前，技术因素包括大数据预测机制、获取以及据分析技术。大数据预测机制用来降低供应断裂风险，并依据数据分析对未来产品（李有文,吴祈宗.判断矩阵不一致性的一种处理方法[期刊论文].华北工学院学报2001,22(5)）的流量进行预测。而大数据获取能力主要考察伙伴企业能否有效的实现对于客户行为的数据分析。成本因素指的是企业与其合作所需的成本，一般包括运作、交易成本是分析供应链合作伙伴交货期对供应链总周期影响的重要指标，其一般从交货可靠性以及风险管理方面体现。

可视化过程要遵循等概率准则。大数据统计专注于建模及统计分析，通过建立合理模型来充分发掘数据内容，进而展现实现可以钻取、切片、切块、旋转等数据。

在测量阶段，需要揭示过程输出缺陷与问题或与其潜在原因关系的图，AHP是一种有效的分析工具。在改进阶段，稳健参数设计是工程实际问题中很有价值的统计方法。

2.建立层次结构模型

层次分析法在于构造判断矩阵以及从判断矩阵中求得被比较元素的排序权重.在不确定情况下，决策者将区间判断矩阵作为两两比较的判断矩阵.到目前新的排序算法将近似算法和优化算法两大类进行研究.通过对区域的研究构建了区域经济发展水平的评价指标体系。在对评价指标确定之后，相关的人员还需要构建起相关的层次结构模型，从而提取用户维度收入、用户维度去重用户数、业务维度综合业务量、终端维度终端均价、终端维度高等级终端占比。AHP是对定定性问题进行定量分析的一种简便、灵活而又实用的多准决策方法（张坤.基于AHP和BP的信息安全风险评估研究[D].河北工程大学,2016）。它的特点是根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断。利用层次之间的总排序计算所有元素的相对权重并进行排序（孟猛,胡盛红.基于AHP法的信息安全风险评估模型应用研究[J].热带农业工程,2014(01)）。第一步进行调研，第二步调研结果生成专家矩阵，第三步是综合价值计算，采用扇区级泰森多边形进行GIS展示可获得直观形象的价值地图。通过AHP权重赋予计算而得的综合价值，可直观的判断出影响综合价值的核心价值纬度。Saaty矩阵A=(Q0是AHP的关键之一，从判断矩阵的修正创立了一种新的改进算法--模糊综合评价模型，运用模糊评价的方法对数据进行分析与处理，首先是分析问题.其次是构造各层的判断矩阵；第三步：利用方根法计算各层元素的排序权值（肖龙,戚涌,李千目.基于AHP和模糊综合评判的信息安全风险评估[J].计算机工程与应用,2015(22)）。新的改进AHP算法可以直接利用已求解出的规范化的特征向量和判断矩阵进行一敛性的判断，避免了判断矩阵继续修正，进而对同一指标所得到的若干个不同的判断矩阵，利用几何平均法的运算量，提高了排序结果和指标权值的可信度。

3.构建大数据指标体系

运用大数据技术实时更新和监测。大数据挖掘的重点包括搜寻成本、信息轨迹数据。以三个维度构建大数据征信的采集有交易风险。因为在构建判断矩阵时，传统AHP法以一个精确值比较两个指标之间的重要性，而大数据环境下将定性指标和定量AHP法结合起来，以方法简单、适用面广、系统——再检验规避了诸多风险。评价模型改进了传统AHP法存在的问题，有效解决乐专家思维即面对数据的拓展能有效构建模型的能力（魏翠萍,李继乾,韩丽丽.不确定型AHP中残缺区间数判断矩阵的性质及排序方法[期刊论文].曲阜师范大学学报(自然科学版)2015,25(3)）。大数据背景下跨境电商信用评价指标的权重将传统AHP法和三角FAHP法进行对比，最终实现了在互联网界面准确、实时地传输评价结果。

4.层次总排序及一致性检验

目前对于不确定、在非线性AHP系统方面的大多是柔性系统，也无法用不确定AHP中权重由区间数表示。由于待比较区间数A与B表示的相对重要性两两比较的结果可以是重要性程度的相对比较，因此需要加强层次总排序及一致性检验（Saaty TL.The Anal yti c H i erarchy Prooem[M].N ew York:M c(raw-Hill,2015:l-45）。

总之，随着企业财务预算管理的不断增多，通过上述的分析以及判断，获得了各层元素的权重，但是为了进一步促进相关分析的准确性以及科学性，还需要加强对于层次总排序及一致性检验。企业在构建构建大数据供应链的过程中，为了进一步对技术因素、交货因素、成本因素以及管理因素进行有效的考量，进而加强对于技术因素的考量，推动企业快速发展。