基于三支决策的竞争情报服务商选择研究*

宋杰鲲 马晓萍 陈 锐 步中华 徐小峰

(1.中国石油大学(华东)经济管理学院 青岛 266580；2.青岛中石大科技创业有限公司 青岛 266580)

0 引 言

竞争情报(CI)是关于企业竞争环境、竞争对手和竞争策略的信息和研究[1]，在支持企业决策、应对和预警企业危机、跟踪既有或潜在的竞争对手以及指导企业战略制定等方面有着重要的作用。越来越多的企业在内部设置CI部门，构建CI系统。但由于竞争对手不断增多，所处环境日趋复杂，加之产品或服务的扩展，企业需要更加全面、深入的情报信息。特别在大数据时代，政府、行业协会、科研与学术机构、互联网、新闻媒体、交流会或展会等为企业提供了广泛的多源数据[2]，如何籍由先进的数据挖掘和情报分析技术生成企业所需的独特的情报产品，指导企业科学决策，成为企业CI的关键。然而，受限于自身人力、技术、财力等资源条件，绝大多数企业在资金、效率、质量等方面难以满足CI需求，与专业的CI服务商合作成为企业CI的重要途径。构建系统、全面的CI服务商评价指标体系，选择贴近实际的指标表述方式，建立科学的优选决策模型，有助于企业对候选CI服务商进行评价、分类，选择高质量的CI服务商。

学者们针对企业是否需要专业的CI服务、CI服务商的CI特点以及CI服务评价等进行研究。姚伟等指出企业可根据CI开发成本、保密性、情报有效期以及技术、市场和产品信息需求等确定是否需要外部CI服务[3]。柯健等总结了美国、法国等国家的CI进展，指出中小企业CI需要专业的第三方参与[4]。支凤稳等的研究表明近89%的科技型中小微企业需要依托CI服务机构以满足其长远发展和长期CI的需求[5]。廖婷等认为情报能力介于萌芽与发展阶段之间的企业需要专业的CI服务以获取信息情报和情报决策策略；同时指出，盈利性CI服务商和科技情报研究机构等CI服务主体拥有情报人才、信息等关键资源，能够运用情报分析技术提供个性化产品和服务[6]。官思发和李宗洁以美国战略竞争情报从业者协会的专业CI服务商为样本，指出他们注重CI分析框架的科学性与合理性、高水平情报人员的参与以及先进情报分析技术的应用[7]。陈峰以我国情报界“五路大军”为例，认为专业化CI服务单位能够满足高端用户的四层次需求，在决策咨询和思想智慧服务需求方面通过高素质、高水平专家参与，为特定用户提供量身定制服务，形成独特价值情报[8]。蔡蓉英等指出CI服务外包选择时应注重服务商情报内容的匹配性、业务能力、诚信与信息沟通等[9]。王延飞等认为评价情报机构的情报服务应注重产品的智慧品质、智能信息技术应用以及情报人员的业务技能等[10]。孙建军和李阳认为新时代情报服务要体现需求、价值、成本、效率相均衡的智慧绿色取向以及情报技术、规范化制度和高素质情报人才的智慧融合[11]。张海涛等认为面向用户，情报智慧要通过情报分析挖掘技术，实现事物发展的解释预测和智能管理决策[12]。罗立群和李广建认为智慧情报服务应充分利用智能技术提供最优解决方案，对主动和自适应情报系统进行仿真处理，形成群体智慧情报产品[13]。郑荣等认为产业CI智慧服务具有个性化、智能化生产，规范化、互动化交流以及专家学者积极参与等特征[14]。

由文献梳理可知，学者们普遍认同企业CI服务需要专业CI服务商的支持，他们分析了企业CI服务需求的特征或要求，包括智能信息技术、智慧决策、高层次专家参与、规范化制度、高效沟通、个性化需求满足等，但是鲜有关于CI服务商的系统性评价和选择方面的探讨。随着企业获取高质量CI的需求日益强烈以及专业CI服务商的不断增多，科学选择合适的CI服务商将成为重要的课题。此外，对CI服务商评价时，不同指标可以采用实数、区间数、模糊数等多种表征形式；CI服务商选择时往往也不是绝对意义上的“接受”或“拒绝”，通常是根据排序选择一定数量的服务商，部分被选中或未被选中的服务商实属“有待进一步考察”，即具有“三分而治”的特征。为此，本文将构建CI服务商评价指标体系，基于混合属性的直觉模糊数转换，构建CI服务商选择的直觉模糊三支决策模型，以期为企业CI服务商选择提供系统、规范的决策支持。

1 CI服务商评价指标体系构建

对CI服务商进行评价应从多维度进行，综合学者们的研究成果，从CI产品质量角度，应满足企业智慧决策的需求，凸显企业的个性化需求，形成独特化CI；同时，要重点关注CI动态预测的内容，为企业竞争提供战略性、长期性支持。从支撑资源角度，一是需要高层次、高水平CI人才的参与；二是具备CI服务所需要的智能信息搜集技术、智能分析挖掘技术等先进智能信息技术；三是具备成熟、规范的CI制度与流程并架构合作双方共同遵循的一致性CI系统标准；四是拥有多样、便捷的沟通渠道。从CI成本角度，要注重服务商报价与其CI质量、分析效率的均衡，倡导情报资源的简约化、绿色化。从产品交付速度角度，除了要求CI服务商在规定期限内交付最终产品的可靠性要求外，更要考察其满足企业临时需求的能力。由此构建CI服务商评价指标体系如表1所示。

2 基于三支决策的CI服务商选择模型

CI服务商选择具有“接受”“拒绝”“待进一步考察”的“三分而治”特征，这就要求决策时不能对诸多备选CI服务商仅基于数量要求，按照评价结果排序做出“接受”或是“拒绝”的二支选择，而是需要兼顾排序给出三支分类。三支决策是满足上述要求的有效方法。三支决策是Yao基于粗糙集理论提出的一种决策模型[15]，其利用2个状态Z、ZC和3个行动aP、aB、aN描述决策过程，其中，Z和ZC分别表示样本处于和不处于状态Z，aP、aB和aN分别表示接受、延迟和拒绝样本。通过不同状态、不同行动组合而成的风险矩阵，计算出两个决策阈值α和β。计算、比较某一样本对应状态Z的条件概率相对决策阈值的大小，从而判定样本属于接受、延迟或是拒绝。CI服务商评价指标体系中既有定量指标又有定性指标，可以表征为实数、模糊数、语言变量等形式，均可以统一转换为信息较少失真的直觉模糊数，本文以直觉模糊数为CI服务商评价指标表征形式，给出其三支决策的建模步骤如下：

表1 CI服务商评价指标及其含义

2.1 构建综合评价矩阵

λx=(1-(1-u)λ,vλ)

(1)

x1+x2=(u1+u2-u1u2，v1v2)

(2)

由此形成综合评价矩阵X=[xij]n×8。

2.2 指标权重确定

首先，应用直觉模糊熵方法对指标进行客观赋权，反映各CI服务商在指标数值间的差异。计算第j项指标的直觉模糊熵[16]：

(3)

其中，sij=uij-vij和fij=1-uij-vij分别为直觉模糊数xij的得分与犹豫度，则指标客观权重为：

(4)

其次，鉴于指标数量较少且无分层，应用G1法进行指标的主观赋权[17]。由l位专家共同根据指标间的相对重要性进行排序，继而按照1-1.8标度法确定相邻两个指标Cj-1、Cj(j=2,3,…,8)之间的重要程度之比rj，则各指标的权重公式为：

(5)

最后，考虑到主、客观权重间的妥协，以其线性组合后的组合权重与二者的离差平方和最小为目标函数，构建非线性规划模型：

s.t. 0≤θ≤1

(6)

2.3 条件概率确定

条件概率的确定是三支决策的关键，包含主观和客观两种方法。相比主观方法，客观方法更加可信，有关研究日益增多，其又可划分为已知决策属性值或类标签、未知决策属性值或类标签两种情形[18]。考虑到CI服务商选择缺乏有效的历史决策属性值，选取未知决策属性值情形下的条件概率确定方法，主要有TOPSIS方法[19-20]、灰色关联分析-TOPSIS方法[18]和VIKOR方法[21]。由于VIKOR方法源于TOPSIS，且可以兼顾群体效用和个体遗憾，而灰色关联分析可以充分利用样本信息，反映样本数据的内在规律，本文应用灰色关联分析改进的VIKOR方法确定条件概率[22]。具体步骤如下：

Step 1：由评价矩阵X确定正、负理想解分别为：

x+=(x1+,x2+,…,x8+)=((maxiui1, minivi1), (maxiui2, minivi2), …,(maxiui8, minivi8))

(7)

x-=(x1-,x2-,…,x8-)=((miniui1, maxivi1), (miniui2, maxivi2), ,(miniui8, maxivi8))

(8)

Step 2：计算服务商pi的总体效用值Si和个体遗憾值Ri：

(9)

其中，两个直觉模糊数x1=(u1,v1)和x2=(u2,v2)的距离根据下式计算[14]：

(10)

式中，si和fi分别为xi的得分和犹豫度，i=1,2。

Step 3：确定最大、最小的总体效用值和个体遗憾值：

S+=miniSi，S-=maxiSi，R+=miniRi，R-=maxiRi

(11)

Step 4：计算服务商pi与正、负理想解的灰色关联度：

(12)

其中：

i=1,2,…,n;j=1,2,…,8

(13)

i=1,2,…,n;j=1,2,…,8

(14)

式中，ρ是分辨系数，ρ∈[0, 1]，取值越小，分辨能力越大，一般取0.5。

Step 5：基于灰色关联分析计算服务商pi的总体效用值和个体遗憾值：

(15)

最大、最小的总体效用值和个体遗憾值分别为：

ζ+=miniζi，ζ-=maxiζi，ξ+=miniξi，ξ-=maxiξi

(16)

Step 6：基于VIKOR-灰色关联分析确定服务商pi的利益比率：

(17)

其中，σ表示群体效用与个体遗憾之间的折衷系数，0≤σ≤1，若σ>0.5，表示从众原则。

Step 7：服务商pi的利益比率值越小，表明其属于状态Z的概率越大，有条件概率：

P(Z|pi)=1-Qi,i=1,2,…,n

(18)

2.4 决策阈值的确定

阈值是三支决策的另一个关键，由损失函数确定。实际中决策者通常很难给出不同状态下各行动的风险损失精确值，更倾向于使用区间数、模糊数、语言变量、直觉模糊数等不确定形式表述，为此，学者们根据各类不确定形式的线性或非线性排序规则，提出了相应的阈值确定方法[23-24]。针对线性排序存在较大信息失真的不足，Liu等以经典粗糙集概率阈值的实际语义为基础，从优化角度提出了一种广义、可扩展、满足非线性排序的确定阈值对(α,β)的方法[25]。设专家将三种行动aP(接受CI服务商)、aB(进一步考察CI服务商)和aN(拒绝CI服务商)在两种状态Z(可接受)、ZC(不可接受)下的风险损失值表述为直觉模糊数，如表2所示。

表2 风险损失矩阵

则求解α和β的最优化模型如下：

(19)

(20)

其中，π为风险指数，0≤π≤1，取值越大，表明越偏好风险，越小则越厌恶风险。

2.5 CI服务商分类排序

依据求得的阈值对(α,β)可对CI服务商进行分类：若服务商pi的条件概率P(Z|pi)≥α，可以接受该服务商；若P(Z|pi)≤β，应拒绝该服务商；若β≤P(Z|pi)≤α，说明该服务商可作为候补，有待进一步评价。另外，P(Z|pi)越大，意味着该服务商越倾向于被选择。如果出现α=β的情形，则三支决策退化为二支决策模式，即P(Z|pi)≥α，接受该服务商；若P(Z|pi)<α，拒绝该服务商。

3 实例分析

某科技有限公司采取多元化发展战略，为了获得高质量CI，支持企业长远发展，公司邀请相关领域的5位专家对符合资质的六家CI服务商A～F进行评价。专家的权重相同，均为0.2。经过统计，A～F的高层次人员数量依次为22.5、18.5、20.5、22、24、21。5位专家分别给出每个服务商其他7项指标的评估数据，如表3～表7所示。其中，C1和C7用[0, 1]上的模糊数表示；C2、C4～C6和C8用包含7级语言变量集{最低, 很低, 低, 一般, 高, 很高, 最高}的不确定语言变量表示。

表3 专家1的评价矩阵

表4 专家2的评价矩阵

表5 专家3的评价矩阵

表6 专家4的评价矩阵

表7 专家5的评价矩阵

对上述评价矩阵进行直觉模糊数转化，并按照公式(1)、(2)进行集结，得到直觉模糊综合评价矩阵如表8所示。

表8 专家集结后的综合评价矩阵

由公式(3)计算得到C1～C8这8个指标的直觉模糊熵依次为0.4143、0.5822、0.4900、0.5627、0.5658、0.5661、0.3921、0.5611，根据公式(4)得到指标的客观权重依次为0.1515、0.1081、0.1319、0.1131、0.1123、0.1122、0.1573、0.1135。

5位专家共同给出8个指标的重要性由高到低排序为C1、C4、C7、C2、C3、C8、C6、C5，相邻的重要程度比值为1.4、1.1、1.2、1、1.2、1.2、1.1，按照G1计算公式(5)得到C1～C8这8个指标的主观权重依次为0.2167、0.1173、0.1173、0.1548、0.0740、0.0814、0.1407和0.0977。根据非线性规划模型(6)求得主、客观权重的组合系数均为0.5。由此得到指标的组合权重依次为：0.1841、0.1127、0.1246、0.1340、0.0932、0.0968、0.1490、0.1056。

由表8可知，正、负理想解分别为((0.8677,0.111), (0.4243,0.4748), (0.456,0.544), (0.4227,0.4862), (0.4017,0.4459), (0.4299,0.4834), (0.8677,0.1062), (0.4238,0.4681))、((0.7463,0.2229), (0.2637,0.6097), (0.3515,0.6485), (0.3003,0.5898), (0.281,0.6028), (0.296,0.5987), (0.7333,0.2408), (0.2923,0.6469))。根据公式(9)，可计算各服务商VIKOR下的总体效用值和个体遗憾值，继而确定最大、最小群体效用值及个体遗憾值。

同理，可以根据公式(12)～(16)计算各服务商灰色关联分析下的总体效用值和个体遗憾值(分辨系数取0.5)，确定对应的最大、最小群体效用值及个体遗憾值。将上述计算结果代入公式(17)，取折衷系数0.5，得到服务商A～F的利益比率依次为0.7557、0.8740、0.2938、1.0000、0.0458、0.2347，由此各服务商的条件概率依次为0.2443、0.1260、0.7062、0.0000、0.9542、0.7653。

5位专家分别给出直觉模糊数表示的风险损失矩阵，根据专家权重进行集结得到综合风险损失矩阵如表9所示。

表9 综合风险损失矩阵

设专家均为风险中性，取风险因子为0.5，代入非线性规划模型(19)和(20)，利用Lingo软件求得α=0.7430、β=0.2519。可见，服务商E、F的条件概率均大于α，这表明可以接受这两家服务商；D、B、A的条件概率均小于β，应拒绝这三家服务商；C的条件概率介于α和β之间，可以作为候补服务商，待进一步考察。

4 结 论

在动态、激烈的市场竞争环境中，面对复杂、庞大的多源化信息，企业受制于自身资源、能力等条件，与专业的CI服务商合作成为获取高质量CI的重要途径。本文借鉴学者们的研究成果，从产品质量、支撑资源、成本、交付速度角度构建了企业CI服务商评价指标体系。基于指标表述形式的直觉模糊数转换，结合服务商选择时的“三分”特征，提出了CI服务商选择的直觉模糊三支决策建模步骤，包括构建综合评价矩阵、指标赋权、条件概率确定、决策阈值确定以及服务商分类排序。其中，条件概率的确定采用了灰色关联分析改进的VIKOR方法，无需决策属性值或类标签，并能有效反映数据内在规律；决策阈值的确定采用了基于优化模型的方法，其计算简便并能充分考虑决策者的风险态度。实例分析表明，建立的CI服务商评价指标体系和选择模型可行、有效，为企业CI服务商评价与选择提供了参考。