基于犹豫模糊语言的BIS选择方法

基于犹豫模糊语言多准则决策方法的商业智能系统选择建议

摘要

随着数据量的不断增加以及对这些数据分析的需求日益增长，商业智能系统（BIS）在企业未来规划中的重要性愈发凸显。BIS是一套技术、流程、方法论和架构，能够处理大量数据并将其转化为高质量的信息。企业实施BIS用于监控业务流程、获取系统运行报告、在合适的时间以合适的方式分发正确的信息，并分析业务指标。BIS具有包含多种不同且存在冲突准则的混合结构。然而，当信息不明确时，评估和选择备选方案将变得困难。本研究采用犹豫模糊语言术语集（HFLTS）方法论，以克服该多准则决策（MCDM）问题中与不确定性相关的困难。该方法论有助于专家在犹豫情境下的决策过程。本文提出了一种集成的犹豫模糊语言（HFL）MCDM方法论，用于确定最合适的商业信息系统（BIS）。首先采用HFL层次分析法（AHP）确定准则权重；然后通过HFL复杂比例评估法（COPRAS）确定最重要的BIS备选方案。最后，通过一个应用案例展示了该方法论的潜力。

关键词 —商业智能；商业智能系统；犹豫模糊语言术语集；多准则决策

I. 引言

在当今竞争激烈的市场中，组织被迫实施新的先进技术工具，以提升其企业的价值。因此，商业智能（BI）是当前最重要的领域之一。商业智能是一种以技术驱动的流程，用于支持组织的战术和战略商业决策。BI技术通过提供企业状况的历史、当前和预测视图[1]，为用户提供详细的洞察信息。商业智能能够通过观察来自多个来源的历史数据并访问实时数据，实现问题的识别与解决，并支持基于信息的决策制定。

商业智能系统（BIS）从根本上讲是将企业的运营数据转化为高质量、可访问的信息。BIS旨在在正确的时间向正确的人提供正确的信息。由于它有助于将企业数据转变为共同资产，因此该领域持续发展并具有高度竞争性组织内的不同部门[2]。然而，选择最合适的商业信息系统至关重要，许多影响因素会影响这一选择过程。

首先，计划实施商业智能系统的企业应了解其组织的愿景和使命。然后，管理者需要回答以下问题：
- 为什么我们的企业应该实施商业智能？
- 我们企业的业务需求是什么？
- 我们企业从本次实施中获得的投资回报如何？[3]

本文将商业智能系统（BIS）评估视为一个多准则决策（MCDM）问题[4]。BIS具有包含多种不同且相互冲突准则的混合结构。然而，当信息不明确时，对备选方案进行评估和决策十分困难。决策者在表达想法时，难以使用数字而非日常生活中常用的语言表达。犹豫模糊语言术语集（HFLTS）技术[5]能够克服该问题相关的不确定性难题。在决策模型中，使用带有犹豫度的语言术语集有助于决策者更方便地表达意见。决策者（DMs）能够以语言表达而非数值表达来阐述自己的观点。这种方法为决策者提供了更灵活的条件，并呈现出更为现实的结果。

在层次分析法（AHP）中，存在一种简单的层次结构，能够解决复杂的多准则决策问题[6]。在文献中，犹豫模糊语言（HFL）AHP技术用于确定具有犹豫特性的准则重要程度[7, 8]。复杂比例评估法（COPRAS）是另一种实用方法，可同时评估定性和定量准则[9]。使用该方法进行评估时，仅需决策者有限的主观知识。在文献中，已提出犹豫模糊层次COPRAS方法用于可再生能源的评估[10]。

本研究旨在通过使用集成的犹豫模糊语言多准则决策方法来确定最合适的商业智能系统替代方案。采用定性偏好层次分析法来确定准则权重，然后利用HFL COPRAS方法选择最优先的商业智能系统替代方案。本文为商业智能系统的文献贡献了一种集成的犹豫模糊语言多准则决策方法。

本文的结构如下：第2节总结了关于该主题的综合文献综述。第3节给出了所提出的方法论。在第4节，通过一个应用案例来展示该方法论的效率。最后，最后一节提供了结论部分和未来展望。

II. 文献综述

Vukšić 等人[11]强调了业务流程管理和商业智能系统的重要性。Nofal 和 Yusof[12]回顾了2000年至2012年间关于商业智能与企业资源计划集成的研究文章。Antoniadis 等人[13]研究了企业资源计划系统的应用以及商业智能使用扩展。Kubina 等人[14]描述了通过使用商业智能系统提高效率的可能性。Peters 等人[15]构建了一个理论模型，该模型包括商业智能质量、绩效衡量以及企业的知识视角。

Vajirakachorn 和 Chongwatpol[16]整合了一个商业智能模型，用于管理大数据并将这些数据转化为节庆旅游的洞察。Polyvanyy 等人[17]提出了一种模型，用于设计过程查询方法以定义过程之间的关系。最近，Janković 等人[18]提出了将大数据分析集成到商业智能系统中的建议。

在文献中，尽管关于商业智能的研究很多，但利用多准则决策方法进行商业智能系统选择的研究却不多。关于商业智能系统与多准则决策的研究见表I。

表I. STUDIES CONCERNING商业智能系统 AND多准则决策方法

III. 研究方法论

本节介绍了所提出的研究方法，包括三个步骤：

第一阶段 。确定评价标准和备选方案，并提出BIS选择模型。
第二阶段 。使用HFLAHP方法计算准则的权重。
阶段3 。基于HFL COPRAS方法的商业智能系统选择。

A. HFLTS的概念

现实生活中的不确定环境使决策问题复杂化。语言信息能够克服这种不确定性。在文献中，犹豫模糊集（HFS）由托拉和成川[5]提出，以应对这一挑战。有关HFLTS基础，请参见[26, 27]。

在犹豫模糊文献中，刘和罗德里格斯提出了一种多准则决策方法，其中专家使用语言表达进行评估。该方法发展了一些HFLTS表达式，例如“至少”、“至多”、“大于”、“介于（btw.）”等。

S 被定义为一个语言术语集，S ={s0,… , sg}。HFLTS，Hs，是 S 的一个有序有限子集。

HFLTS的上界Hs+和下界Hs-被描述为：

$$
H_s^+ = \max(s_i) = s_k, s_i ∈ H_S \text{ 且 } s_i ≤ s_k ∀i \quad (1)
$$

$$
H_s^- = \min(s_i) = s_k, s_i ∈ H_S \text{ 且 } s_i ≤ s_k ∀i \quad (2)
$$

HFLTS的包络，env(HS)，是一个具有上下界的语言区间：

$$
\text{env}(H_S) = [H_s^-, H_s^+], H_s^- ≤ H_s^+ \quad (3)
$$

B. HFLAHP方法

为了计算准则权重，应用了定性偏好层次分析法的步骤（有关HFLAHP方法的方法论步骤，请参见[7]）：

步骤1 。首先，构建成对比较矩阵，并通过表II中的语言表达获得专家评估。

表II LINGUISTIC SCALE用于定性偏好层次分析法 AND HFL COPRAS [7]

步骤2 。使用有序加权平均（OWA）算子对具有模糊性的HFLTS进行聚合建议信封[28]。通过这种聚合，获得了模糊数。

步骤3 。涉及聚合模糊数 $=(c_{ijl}, c_{ijm1}, c_{ijm2}, c_{iju})$ 的两两比较矩阵被获得，并求得其互逆值如下：

步骤4 。使用公式(5)计算矩阵中每一行（i）的模糊几何平均。

$$
\lambda_i = (\lambda_{i1} \cdot \lambda_{i2} \cdots \lambda_{in})^{1/n} \quad (5)
$$

步骤5 。对于每个主准则，使用$(\lambda_i)$值计算模糊权重($\omega_i^{CR}$)：

$$
\omega_i^{CR} = \frac{\lambda_i}{\sum_{j=1}^{n} \lambda_j} \quad (6)
$$

步骤6 。对于每个子准则，计算模糊全局权重（$\omega_{ij}^*$）。

$$
\omega_{ij}^* = \omega_i^{CR} \cdot \omega_j^{CR} \quad (7)
$$

步骤7 。所得的模糊数通过(8)去模糊化，去模糊化后的数值通过(9)归一化。

$$
z_{ij}^* = \frac{1}{4}(z_{ijl} + z_{ijm1} + z_{ijm2} + z_{iju}) \quad (8)
$$

$$
z_{ij}^1 = \frac{z_{ij}^ }{\sum_{i=1}^{n} \sum_{j=1}^{m} z_{ij}^ } \quad (9)
$$

C. HFLCOPRAS方法

该方法使用HFLTS表示方案评估。应用HFL COPRAS的步骤如下：

步骤1 。首先，决策者使用表II中的语言表达标度对准则和备选方案进行评估。这些语言术语通过OWA算子转换为模糊数。

步骤2 。由决策者构建的包含HFS的决策矩阵被去模糊化。可通过以下方程求得精确值xij。

$$
x_{ij} = \frac{1}{l(h_{ij})} \sum_{k=1}^{l(h_{ij})} h_{ij}^σ(k) \quad (10)
$$

步骤3 。由决策者构建的决策矩阵通过(11)进行归一化。

步骤4 。通过使用(12)确定加权归一化决策矩阵。

步骤5 。Si-和Si+值通过(13)和(14)计算，适用于有益和非有益准则：

步骤6 。针对每个备选方案，使用(15)计算相对重要性值（Qi）。

步骤7 。获得最大的相对优先级（Qmax）值。

步骤8 。每个备选方案的性能指数（Pi）通过公式(16)确定。

IV. 应用

有一家ABC公司希望实施一个商业智能系统。市场上存在不同的商业智能系统备选方案。为了确定最合适的系统，ABC公司决定采用科学方法。本研究旨在考虑专家偏好的基础上对商业智能系统备选方案进行排序。

该公司必须根据四个主要准则和十六个子准则做出决策。评价标准[1‐3、29‐32]通过文献综述和专家意见确定。这些准则如图1所示。

有四种可能的备选方案[29, 31, 32]：Microsoft、Sisense、Tableau和Qlik。然而，不同的备选方案在大数据的5V特性（即体量、速度、真实性、多样性、价值）方面具有各自的属性。

• 微软 ：微软通过集成 SQL Server 2017、Azure 分析服务 和 Power BI，提供更深入的数据洞察。该集成结合了强大的商业智能功能，通过转换复杂数据来获取商业洞察，并在整个企业范围内共享[33]。
• Sisense ：Sisense 的商业智能软件旨在从任意规模、存在于任何数据源中的复杂数据中轻松且即时地获取洞察[34]。
• Tableau ：Tableau 承诺通过选择颠覆了商业智能领域的分析平台，释放数据的力量，激发人员的潜力[35]。
• Qlik ：Qlik 提供唯一的端到端分析与数据管理服务。这意味着每天都在 transforming 整个组织[36]。

将采用集成的定性偏好层次分析法‐HFL COPRAS方法论来选择最合适的商业信息系统。

为了计算准则权重，首先，决策者使用表II中的量表构建成对比较矩阵。表3列出了决策者使用语言量表提供的主要准则的这些成对比较。各主准则的子准则如表III所示。

表III. THE COMPARISON MATRIX FOR MAIN CRITERIA

表IV. MAIN CRITERIA的THE NORMALIZED WEIGHTS

表III中的这些语言表达通过OWA算子转换为模糊数，并将获得的模糊值归一化，如表IV所示。

为了检查一致性，计算了四个主要准则的一致性比率（CR），根据一致性结果，决策者的评价被发现具有高度一致性。

为了获得表V中给出的相对和全局得分，通过使用 (4)‐(7) 对子准则实施前述步骤。子准则权重通过使用 (8)和(9)进行去模糊化和归一化处理，如表V所示。

关于权重的结果显示，最重要的准则是“可用性 (C23)”。第二重要的准则是“安全性 (C14)”，第三是“核心功能(C21)”。

HFL COPRAS 被应用于确定最合适的商业信息系统。

首先，专家对备选方案进行评估，并使用表II中的语言表达。然后，决策者根据准则与备选方案之间建立了如表六所示的评价矩阵。

表六。 THE EVALUATION MATRIX

表六中的数值使用有序加权平均算子转换为模糊数，并通过公式(10)进行去模糊化。

计算了备选方案的加权归一化决策矩阵。使用 (13)‐(16) 计算了 Qi、Si+、Si−、Pi 值。最后，结果见表 VII。

表VII. THE FINAL RESULTS

根据表VII中的结果，最受青睐的商业智能系统备选方案是“微软”。第二、第三和第四备选方案分别为 A4、A1 和 A3。由于企业政策和隐私原因，其他公司的名称未予披露。

V. 结论

快速变化的竞争性商业环境促使组织通过投资新维度来探索创新方法。商业智能系统是这些维度之一，其应用能够为组织创造更高的价值。然而，企业不得不在多种备选方案中选择最合适的商业信息系统。此类问题的复杂性使得决策更加困难。本研究的主要目的是确定最合适的商业智能系统备选方案。该问题通过使用集成的HFL多准则决策方法得以解决。准则和备选方案来自文献综述、行业报告和专家评审。通过一个应用案例说明了该问题，并给出了结果。最终确定的最合适的商业智能系统是“微软”。

本研究通过提供一种指导研究人员的分析方法，提出了一种评估模型。计划实施商业智能系统的组织可从本研究中受益。此外，由于所提出的模型是通用的，因此可根据企业的具体需求进行调整。

在未来研究中，使用不同的多准则决策方法来解决此问题并比较结果可能会很有趣。从第二个角度来看，可以使用聚合算子来聚合决策者的评价以解决该问题。