基于AHP-熵权法的电信大数据应用项目风险评估

王家豪

（上海理工大学，上海 200093）

1 引言

近年来，大数据已逐渐成为国内电信运营商的新业务形态。电信运营商在数据资源方面有着体量大、类型多和质量高的特点，这为其在大数据领域的发展提供了优势[1,2]。在对数据进行价值提炼和封装的基础上，电信运营商开始尝试以数据应用平台的形式面向企业和政府提供服务[3,4]。随着社会各领域对电信大数据应用需求的迅速增加，加之其数据的特殊性，此类项目所面临的风险也在逐渐加大，对项目施行有效的风险管理也逐渐引起了业内的重视。

本文综合应用层次分析法和熵权法设计风险评估模型，并结合实例对电信大数据项目的风险评估进行研究。

2 项目风险重要度评估模型

项目风险重要度评估模型由层次分析法和熵权法组合而成。层次分析法是一种多准则的决策分析工具，其优点是能够将定性判断和定量分析结合，解决无法用量化指标度量的复杂问题，而缺点是较多受到决策者的主观影响[5]。熵权法是一种客观权重分析方法，其主要思路是根据评价数值的波动或离散程度来确定权重，判断依据是客观数据的区分度[6]。将AHP和熵权法组合形成的AHP-熵权法，其主要思路是运用AHP和熵权法分别确定评价对象的主观权重和客观权重，并将主、客观权重相互结合后形成风险因素重要度。该方法能够较好地发挥两种方法的优势，提高项目风险评价的精确度。AHP-熵权法模型构建的过程包含主观权重评估、客观权重评估和重要度综合评价三个环节。

2.1 主观权重评估

（1）基于判断标度构造判断矩阵

根据项目风险指标体系的结构，由多名专家基于AHP的1～9级判断标度对指标进行两两比较打分，形成判断矩阵。

（2）对判断矩阵进行一致性检验

其次，根据判断矩阵的阶数查表获得随机一致性指标R.I.并计算一致性指标，。

最后，若CR＜0.1，则可以认为该判断矩阵通过一致性检验。

（3）计算判断矩阵的主观评价权重ui

首先，将判断矩阵各行的元素按列分别相乘；其次，计算所得数据的n次方根，计算后所得的数据即为各评价指标的主观权重，(i=1,2,…,n) 。

2.2 客观权重评估

客观权重采用熵权法进行评估。熵权法的核心思想是：在评价对象的多组数据中，如果某组数据的离散程度越大，信息熵越小，代表其提供的信息量越大，则该组数据的权重应该越大[7]。考虑到项目风险重要度评估的管理实践需要，专家对所有指标的评价结果需要具备一定的数据区分度。评价结果的数据区分度越大，则说明数据具备越高的价值；相反，如果某位专家的评价结果数据非常接近甚至相同，那该专家评价数据的实际价值则较低。

结合熵权法的思想和评价数据的应用特点，在使用AHP获得多名专家对指标体系各级指标的主观权重后，使用熵权法对每位专家的评价数据进行客观权重分析。最后使用客观权重对主观权重进行修正，以此获得更准确的风险重要度评价。

（1）构建原始数据矩阵

将每位专家通过AHP获得的主观权重评估结果作为构建熵权的原始数据矩阵。

在原始数据矩阵中，每行数据代表同一个指标所有专家的主观权重结果数据；每列数据代表某一个专家对所有评价指标的主观权重数据。

（2）数据标准化处理

（3）计算信息熵

定义pij*lnpij=0。

（4）计算熵权

熵权vj代表了每位调研专家评价数据的客观权重：

2.3 重要度综合评价

（1）主、客观权重综合

首先，在各个评价指标维度，将各专家的主观权重uij与其对应的客观权重vj相乘；其次，对所有结果数据进行求和，获得该评价指标维度下的权重综合数据。

（2）指标重要度计算

根据指标体系结构，首先将各级指标权重综合数据做归一化处理；其次将所得的指标权重综合数据按照指标体系的层次结构，分别与其对应的上级指标权重综合数据相乘，所得的结果即为各评价指标的重要度。

3 实证研究

结合前文所述方法，以某省电信运营商的大数据应用平台项目为例，阐述该方法的实际应用，本次研究共邀请10名专家参与。

3.1 项目风险评价指标体系构建

专家通过项目风险沟通会，共同商议项目的风险因素并设计指标体系。由于数据应用平台项目的特点，项目执行的过程不仅包括传统软件项目的设计、开发、交付等环节，还需要对平台用户的使用阶段进行维护和保障。

根据专家讨论的结果，最终确定4类共计12项风险因素，形成项目风险评价指标体系如图1所示。

图1 项目风险指标体系

3.2 主观权重计算

首先，根据项目风险指标体系设计判断矩阵问卷，请每位专家基于1～9判断标度，分别对一级、二级评价指标进行两两比较打分。每位专家形成1个一级评价指标判断矩阵和4个二级评价指标判断矩阵。

其次，对判断矩阵进行一致性检验，并计算一级评价指标的主观权重uAi和二级评价指标的主观权重u Bi，形成主观权重数据矩阵UA和UB。

3.3 客观权重计算

根据式（1）～式（4）计算每位专家指标评分的客观权重，分别形成一级、二级客观权重向量vA和vB。

3.4 风险重要度综合评价

其次，依据评价指标体系结构，对综合结果数据进行归一化处理，并将一、二级指标的权重相乘，即获得项目风险各评价指标的重要度，如表1所示。

表1 项目风险指标重要度

根据风险重要度评估结果，本项目风险重要度依次为：进度延期风险、平台安全风险、需求变更风险、数据安全风险、人员能力风险、项目组织风险、系统维护风险、实施质量风险、投诉监管风险、市场模式风险、项目成本风险和政策管控风险。

4 结语

本文基于电信运营商大数据项目的特点，构建了较为全面的项目风险管理指标体系；提出了基于AHP-熵权法的项目风险重要度评价模型，对主客观赋权方法进行互补，提高了评价方法的科学性和准确性；并应用模型对某省电信运营商大数据应用平台项目进行了重要度评估，评估结果对项目风险管理效率的提升起到了实际作用。