基于AHP-线性分配法的企业云计算投资决策

邓国华，陈冬林，姚梦迪

（1.江汉大学大数据研究中心，武汉430056；2.武汉理工大学经济学院，武汉430070）

0　引言

在“互联网+”新时代，市场和客户需求的多变性要求企业采取灵活的企业策略来应对市场、客户的改变和竞争者的行动。现今企业IT预算有限的环境下，云计算低成本、即付即用的计费模式、弹性、资源高度虚拟化及可扩展性等优势使得企业不需要大量资金投入就可以获取便宜的计算资源，云计算及其解决方案对商业企业有较大的吸引力[1,2]，云计算也逐渐成为现阶段企业的新型IT交付模式[3]。按照部署模式，云计算解决方案可以分为私有云解决方案、公共云解决方案、混合云解决方案和社区云解决方案四种类型[4]。Amazon EC2、阿里云等公共云发展极其迅速，但公共云解决方案中企业应用系统的业务数据都存储在第三方的公共云服务商处。而现阶段各大云计算服务商的云计算标准都不一致，因此可能存在数据锁定和信息安全等风险[1]。另外公共云和混合云解决方案中数据迁移成本较高，现阶段其可用性也无法保证，时有云服务器宕机和中毒等问题发生，导致很多企业对于将企业应用系统部署到云端持观望态度；私有云在安全性和可用性方面有保证，但投资成本过高，对一般中小企业而言无法承担。因此部分私有云和部分公共云的混合云解决方案也是企业云计算投资决策的一个重要备选方案。本文主要研究一般性企业的云计算投资决策，而社区云多用于特定行业或群体，故暂不考虑社区云解决方案。

本文在已有研究基础之上，结合企业业务系统云计算投资特点，提出了企业云计算投资决策的指标体系，并从企业业务分解出发，利用AHP和线性分配法给出投资决策模型的求解过程，为企业进行业务应用系统的云计算投资决策提供理论支持。

1　企业云计算投资决策模型

1．1　企业云计算投资决策评价指标

企业进行云计算投资决策时不仅需要考虑云计算解决方案的成本因素，还需要考虑安全性、可用性、互操作性、竞争力等云服务质量因素。因此企业云计算投资决策评价指标主要包括：成本、安全性、可用性、互操作性和竞争力。

（1）成本。成本是指企业应用系统部署某类云计算模式所需的总费用支出，一般利用总体拥有成本（TCO）来核算云计算部署模式的总成本。TCO主要由资金费用和运营费用组成[5，6]，即：

其中，资金费用为私有云和混合云部署模式下前期所需的一次性IT基础设施投入费用；运营费用为后期部署运营所需运营费用，包括环境费用、维护管理费用、部署配置费用、人力费用、以及云计算服务费用。云计算服务费用包含计算服务费用、存储服务费用和数据传输服务费用。

（2）安全性。安全性一直是客户对企业应用系统进行云计算部署考量的主要指标。涉及企业核心业务数据的企业应用系统对云计算的安全性要求较高，而公共云解决方案中企业应用系统的业务数据和用户数据都存储在云端。企业失去对数据的控制，因此存在数据泄露、数据锁定、数据控制权、数据完整性、抵御网络蠕虫病毒、版权保护、隐私保护等安全性问题[1,5]。

（3）可用性。可用性是指云计算部署方案服务系统能正常运行的时间所占比例，可以通过平均无故障时间（MTTF）与平均修复时间（MTTR）和MTTF之和的比值来表示[13]。影响系统可用性的因素很多，硬件、软件和网络都可能会出现故障，通过增加硬件冗余可以提高硬件的可靠性，进而提高系统的总体可用性。考虑系统冗余设计下的可用性形式化公式为[7]：

其中，n表示系统冗余设计数量。

（4）互操作性。互操作性主要指云计算部署方案与对应方案同类型服务商之间的交互能力。现阶段各大公共云服务商的技术标准都不一致，因此可能存在数据锁定风险。互操作性是云计算投资决策需考虑的重要因素[8]，一般为定性指标，可通过用户经验来描述，在此给出近似的计算公式：

其中，No表示云计算部署方案支持的平台数量；Nr指企业要求部署方案需要支持的平台数量。

（5）竞争力。竞争力指云计算部署方案实施对企业竞争能力的提升程度，主要通过财务能力、产品竞争能力和核心业务能力来衡量。云计算具有低成本、快速弹性、可扩展性等优势[1,2]，但私有云、公共云和混合云三类云计算模式对企业竞争能力的影响各有不同。

1．2　基于企业业务分解的云计算投资决策模型

企业管理信息系统按照经营业务的性质不同可包括：生产管理系统、财务管理信息系统、项目管理系统、客户关系管理系统、业务交易系统等[9]。企业各项业务性质特点决定了企业不同应用系统对负荷能力、安全级别、可用性、互操作性等指标的要求也不尽相同。如若企业所有业务应用系统都采用相同的云计算投资决策方案，可能无法满足部门业务系统的个性需求，故需要基于成本、安全性、可用性、互操作性和竞争力五个指标属性对每个业务应用系统进行针对性的云计算投资方案决策。基于以上分析，本文构建了基于企业业务分解的云计算投资决策模型，如图1所示。

图1基于企业业务分解的云计算投资决策模型

根据图1知，基于企业业务分解的云计算投资决策模型包括四个层次：总目标层、业务分解目标层、决策指标体系层和方案层。其中，云计算投资决策方案可以用集合D表示，即D={d1,d2,d3}，其中，d1为私有云解决方案；d2为公共云解决方案；d3为混合云解决方案。假定企业应用系统集为S，则基于业务分解的企业云计算投资决策集可以表示为：其中，j表示企业应用系统选定第j类云计算投资决策方案；sidj表示企业应用系统si的云计算投资决策方案为dj。

2　AHP-线性分配法

层次分析法（AHP）利用专家经验建立判断矩阵，将定性分析与定量分析结合起来进行决策分析，在一定程度上避免了主观意识对决策的影响，是一种非常实用的决策分析工具，在系统评价和决策分析中有着广泛的应用。线性分配法最早由肯塔基大学Bernardo教授提出[10]，线性分配法是一种常用的有限方案多目标决策分析方法，其主要思路是利用指标的相对权重系数和指标下的各方案的排序来构造排序优势度矩阵，再以优势度矩阵为系数建立整数规划模型，来求解排序优势度大的方案[11，12]。

本文将采用AHP-线性分配法的组合决策方法。AHP主要用于确定指标权重，而线性分配法在AHP的基础上进一步确定优势度矩阵，来求解最佳的云计算投资决策方案。AHP-线性分配法的主要步骤如下。

2．1　构建云计算投资决策模型的决策矩阵

假定有m个备选云计算决策方案，n个决策评价指标，mij表示第i个备选云计算决策方案的第j个评价指标值。则企业云计算投资决策模型的初始决策矩阵M为：

2．2　利用AHP计算评价指标权重

（1）构建判断矩阵。先按照标度法的要求，对行业专家进行问卷调查，得出指标的判断矩阵：A=(aij)m×n。

2．3　利用线性分配法求解最优决策方案

（1）构造优势度矩阵。根据决策矩阵M，确定方案对目标属性指标的排序，以此构造方案的排序优势度矩阵R：

其中，rij表示第i个方案排在第j位的优势程度，优势程度用总权重来表示。显然，优势度矩阵R为非负矩阵，即rij≥0。由于权向量满足规范化条件eTW=1，固方案的排序优势度矩阵具有以下性质：

（2）最优排序矩阵求解。假定最优排序矩阵P=(pik)n×n，其中，pik=0或pik=1。当pik=1时说明第i个方案排在第k位，而pij=0,j=1,2,…n,j≠k；pjk=0,j=1,2,…n,j≠i。另外，每个方案只能排在一个位置，且每个位置只允许有一个方案，因此可以采用0-1整数规划模型求解最优排序矩阵。

求解结果，如果pi1=1，则方案sid1排第一位；根据pik的值对备选方案进行排序，从中选择最优方案。

3　企业云计算投资决策算例

以企业客户关系管理系统（CRM）的云计算投资决策为例，假定CRM系统为s1，则CRM系统的投资决策方案集为DSCRM={s1d1,s1d2,s1d3}，其中，s1d1表示私有云解决方案；s1d2表示公共云解决方案；s1d3表示混合云解决方案。

3．1　投资决策评价指标计算

（1）成本计算。在公共云解决方案下无需资金费用、环境费用和管理费用；而私有云解决方案采用自建基础设施，故无需云计算服务费用投入；混合云解决方案涉及上述所有费用支出。企业客户关系管理系统（CRM）的三种解决方案成本数据参考文献[8，13]，如表1所示。其中云计算服务费用按照计算服务、存储服务和数据传输服务三类云服务核算，计算服务采用Amazon EC2的预留实例和按需实例组合模式；存储服务和数据传输也采用Amazon的S3和数据传输服务。假定公共云模式中需要使用按需实例来应对20%的时间的顶峰负荷；混合云模式下，以系统的平均负荷（假定为顶峰负荷的一半）部署私有云，超过平均负荷则使用Amazon EC2按需实例；私有云模式按照系统的顶峰负荷设计。

（2）安全性。公共云的数据安全性一直饱受质疑，企业对部署于自有数据中心的私有云的安全性最为认可。而混合云模式需要内部私有云和公共云的大量网络通信，相比公共云安全风险可能更大。结合专家意见，在此给出CRM系统的私有云、公共云、混合云三类解决方案安全性的评估分别为：非常高、高、中等。

表1　CRM系统三类决策方案6年期成本（单位：$）

（3）可用性。私有云一般采用传统服务工作站模式，假定其可用性为99%。公共云解决方案一般采用较高的系统冗余备份，其可用性相比私有云和混合云更高。假设公共云单个系统的可用性为85%，系统提供3个冗余备份副本，根据上文式（2）得出可用性为99.66%。故假定混合云解决方案的可用性为99.4%。

（4）互操作性。现阶段各大公共云服务商的技术标准都不一致，导致用户系统的互操作性差，存在数据锁定风险。相比公共云，私有云解决方案平台灵活性更好，而混合云的互操作性介于两者之间。在此假设CRM系统私有云、公共云和混合云解决方案的互操作性分别为0.9、0.4、0.6。

（5）竞争力。私有云方案下前期需要大额的IT基础设施投入，而公共云方案无需前期资金投入，转移企业资金成本为运营成本，提升企业财务能力灵活度。公共云方案能加快应用系统的开发，让企业服务更早进入市场，缩短产品生命周期、且系统负荷能力更具弹性，因此公共云方案下的企业产品竞争能力更强。私有云方案下企业需投入大量人力物力在IT基础设施的维护管理上，而公共云方案下企业能将全部资源投入核心业务上，更加有效地促进核心业务的提升。在此假设CRM系统私有云、公共云和混合云解决方案的竞争力分别为：弱、非常强、中等。

3．2　基于AHP-线性分配法的决策分析过程

根据上述指标值，可得客户关系管理系统的云计算投资的决策矩阵M为：

选定专家对客户关系管理系统云计算投资的五个决策指标进行打分，得到判断矩阵A为：

利用式AHP求得属性指标权重为：

根据判断矩阵A和权重矩阵W，可以求得：

根据决策矩阵M和指标权重矩阵W，利用式（4）求得目标属性指标的排序矩阵R为：

将排序矩阵R代入式（5）和式（6），再利用匈牙利法求解0-1整数规划问题，得最优排序矩阵P为：

因此，对客户关系管理系统（CRM）方案集DSCRM进行排序有s1d2＞s1d3＞s1d1，因此客户关系管理系统（CRM）的最佳云计算投资方案为公共云解决方案s1d2。本文通过实证算例分析证明了决策模型方法理论充分、简单易行，为企业各业务应用系统的云计算投资决策分析提供了科学有效的理论方法。

4　结论

本文首先在分析影响企业云计算投资决策指标的基础上，构建基于企业业务分解的云计算投资决策模型。接着介绍了AHP-线性分配法的组合决策方法，将定性指标定量化，并运用该方法对企业云计算投资决策方案进行排序。最后以企业的客户关系管理系统为实例，基于AHP-线性分配法求解客户管理系管理系统的最佳云计算投资方案为公共云解决方案。本文基于企业业务分解和利用AHP-线性分配法对企业云计算投资决策进行分析，对企业选择云计算投资方案具有一定的现实意义。

参考文献：

[1]Armbrust M,Fox A,et al.A View of Cloud Computing[J].Communications of the ACM,2010,53(4).

[2]Marston S,Li Z,Bandyopadhyay S,et al.Cloud Computing—The Business Perspective[J].Decision Support Systems,2011,51(1).

[3]Rajkumar B,Yeo C S.Cloud Computing and Emerging IT Platforms:Vision,Hype and Reality for Relivering Computing as the 5th Utility[J].Future Generation Computer Systems,2009,(25).

[4]Mell P,Grance T.The NIST Definition of Cloud Computing[J].Communications of the Acm,2011,53(6).

[5]Hwang K,Dongarra J,Fox G C.Distributed and Cloud Computing:From Parallel Processing to the Internet of Things[M].San Francisco:Morgan Kaufmann,2013.

[6]Martens B,Walterbusch M,et al.Costing of Cloud Computing Services:A Total Costof Ownership Approach[C].System Science(HICSS),2012 45th Hawaii International Conference on.IEEE,2012.

[7]邓国华,陈冬林,姚梦迪等.云环境下基于熵权TOPSIS法的企业IT投资决策[J].数学的实践与认识,2016,46(13).

[8]Garg S K,Versteeg S,Buyya R.A Framework for Ranking of Cloud Computing Services[J].Future Generation Computer Systems,2013,29(4).

[9]Laudon K C,Laudon J P.Management Information Systems:Managing the Digital Firm[M].London:Prentice Hall Press,2015.

[10]Bernardo J J.An Assignment Approach to Choosing R&D Experiments[J].Decision Sciences,1977,8(2).

[11]刘强,张强.线性分配法及Bernardo方法的改进研究[J].工业工程与管理,2009,14(1).

[12]王应明.基于加权法和线性分配法的有限方案多目标决策新方法[J].控制与决策,1992,(4).

[13]Erl T,Puttini R,et al.Cloud Computing:Concepts,Technology&Architecture[M].New York:Pearson Education,2013.