利用层次分析法确定某车企营销体系主数据

陈涛

摘要：随着大数据时代的到来，企业进入数字化转型，充分挖掘数据价值，必然需要考虑从业务数据中识别出共享性高的数据作为主数据，以便统一各交易和分析应用系统的语言。本文介绍以层次分析法识别某车营销体系主数据的方法，以此指导企业在数字化转型过程中对现有数据资源集成整合的时间计划优先排序。

关键词：层次分析法;层次结构图;特征向量;矩阵

中图分类号：U461

文献标识码：A

0 引言

随着企业的壮大，企业的业务发展会快于IT应用系统的建设速度，业务应用系统的建设和发展都是业务驱动型，各业务依据当时的业务需要单独建设业务系统并自带数据库。由于组织结构层面的原因，业务系统建设不是由公司整体规划，各业务应用按业务需求单独构建自己的应用系统，这会导致应用系统功能重复、数据重复、交互信息不一致，甚至有可能相互矛盾等问题[1-3]。从而导致数据关联性差，各业务应用系统之间无法实现数据共享。

随着大数据时代的到来，企业无法高效利用数据价值的弊端日益显现。为了解决这个问题，在数据架构层面，企业需对数据进行统一的顶层设计、各应用系统的建设数据架构是基于顶层设计的统一数据架构，这样可以避免数据交互共享时的数据不一致问题。为了保证各业务部门负责建设的业务应用数据语言统一，能够相互交互。构建大数据应用系统的第一步，便是构建统一规范的主数据[4]。

主数据是描述核心业务的基础数据，是各业务应用系统都需要共同使用的数据。主数据不是企业所有建设的信息系统使用的所有数据，只有当该数据具备共享性、惟一识别性、变化缓慢等关键特性的特点，具备相互共享交互的特性才是主数据。这些主数据在进行主数据管理之前经常在各个业务应用系统单独存在，彼此语言不统一。

主数据的识别方法有层次分析法、优序图法和对偶分析法。本文将介绍层次分析法的基本理论并使用层次分析法识别某车企的营销体系主数据。

1 主数据识别理论方法

1.1 层次分析法的简要介绍

层次分析法（Analytic Hierarchy Process，简称AHP），是L.Saaty教授（美国）于1970年左右面向学术界提出的一种用于实现决策最优化的分析方法。他模拟一个人决策的思考过程，开发了一种基于目标、准则和执行层面的分层次思考方法，可以将决策问题分解为相对定性和定量化的分析方法。我国在1980年前后开始接触该方法，并被天津大学的许树柏教授研究、使用。自此，AHP在工业界和学术界得到大范围的使用。

1.2 基本思路

首先，要确定决策的目标，例如购买物品、去哪旅游等等，这作为层次的最上层。基于该最上层目标，开始确认有什么因素或准则会影响此决策目标的考虑，例如物品的价格、质量或品牌等;旅游目的地的风景、成本和时间等。这构成层次分析的中间层，即准则层。最后，是对于目标的实现有什么可行方案，例如对于旅游的目标，备选方案可能有桂林、大理和苏州等。这是最底层，即执行层[5-6]。

2 某车企营销体系主数据识别步骤

2.1 构建某车企营销体系主数据层次结构模型

依据层次分析法的层次结构，我们的目标层是识别某车企的主数据，最下层是有可能成为主数据的数据类别。营销体系有可能成为主数据类别的数据有车辆产品信息、经销商档案、客户档案、行政区域，以及媒介渠道。中间层是判断各类别数据是否作为主数据的准则，主要有4大特性，分别为独立性、共享性、生命周期长和业务价值。各特性的含义如表1所示。

依据上述信息，某车企营销体系主数据识别的层次结构模型如图1所示。

2.2 构造营销体系主数据域成对比较矩阵

构造判断矩阵的中间层和执行层分别针对他们各自的上级，即目标层和中间层，作为决策过程的权重考虑。针对以上目标和准则层，构建目标层与准则层矩阵A（表2）。其中，1代表所对比的因素两两相同;3代表所对比的2个因素一个比另外一个略强;5代表所对比的2个因素一个比另一个强;7代表其中一个比另外一个明显强;9代表一个比另外一个绝对的强。

其次，针对以上5类主数据及其与4大主数据准则构建准则层-备选主数据层矩阵BI（表3-6）。

2.3 层次单排序和一致性检验

按照以上对比矩阵求得特征向量及其层次总排序如下。

W（Z）=（0.16，0.38，0.08，0.38）

W（C1）=（0.24，0.48，0.05，0.02，0.02）

W（C2）=（0.30，0.61，0.02，0.01，0.06）

W（C3）=（0.61，1.21，1.21，0.12）

W（4）=（0.75，0.25）

各備选主数据对识别主数据目标的层次总排序如表7所示。

总排序的一致性检验CI=0：备选主数据的选择中，分别是P2>P3>P1>P4>P5，即经销商档案选为主数据的权重最大为69%、其次为车型产品信息20%、客户档案21%，最后为行政区和媒体渠道。可以按此排序推进主数据的推广和维护进度。

3结束语

利用层次分析法只能从原有的备选主数据中对现有备选主数据进行优先排序，但是没法得出得出更好的新备选方案。该法中决策判断的过程层次分析时较为科学，但是对比矩阵的建设过程还是存在一定的主管因素影响较大。这就使得结果难以让所有的决策者接受。哪怕采取专家群体判断也会面临这个问题，需配合各业务系统使用人员的经验加以判断。加入专家或者行业的经验础后再运用该方法进行确认校核，是较为合适的。

【参考文献】

[1]汪涛.管理运筹学[R].广西大学，层次分析法课件.

[2]王妙琼，马鹏玮，魏凯，等.工业大数据架构分析[J].系统与方案，2018，12（03）.

[3]蒋志明.理想的数据架构的研究和实现[J].信息科技，中国科技信息，2009（24）.

[4]何赛群，赵林海，于慧，等.主数据管理体系构建[J].中国科技信息，2018（17）.

[5]王学建，康小强，李越新.基于层次分析法的主数据识别方法研究[P].电信信息化，2011（07）.

[6]刘涛，李少波，唐向红.基于综合加权法的主数据识别技术研究[P].组合机床与自动化加工技术，2013（03）.