基于AHP-線性分配法的企業云計算投資決策

鄧國華，陳冬林，姚夢迪

（1.江漢大學大數據研究中心，武漢430056；2.武漢理工大學經濟學院，武漢430070）

0　引言

在“互聯網+”新時代，市場和客戶需求的多變性要求企業采取靈活的企業策略來應對市場、客戶的改變和競爭者的行動。現今企業IT預算有限的環境下，云計算低成本、即付即用的計費模式、彈性、資源高度虛擬化及可擴展性等優勢使得企業不需要大量資金投入就可以獲取便宜的計算資源，云計算及其解決方案對商業企業有較大的吸引力[1,2]，云計算也逐漸成為現階段企業的新型IT交付模式[3]。按照部署模式，云計算解決方案可以分為私有云解決方案、公共云解決方案、混合云解決方案和社區云解決方案四種類型[4]。Amazon EC2、阿里云等公共云發展極其迅速，但公共云解決方案中企業應用系統的業務數據都存儲在第三方的公共云服務商處。而現階段各大云計算服務商的云計算標準都不一致，因此可能存在數據鎖定和信息安全等風險[1]。另外公共云和混合云解決方案中數據遷移成本較高，現階段其可用性也無法保證，時有云服務器宕機和中毒等問題發生，導致很多企業對于將企業應用系統部署到云端持觀望態度；私有云在安全性和可用性方面有保證，但投資成本過高，對一般中小企業而言無法承擔。因此部分私有云和部分公共云的混合云解決方案也是企業云計算投資決策的一個重要備選方案。本文主要研究一般性企業的云計算投資決策，而社區云多用于特定行業或群體，故暫不考慮社區云解決方案。

本文在已有研究基礎之上，結合企業業務系統云計算投資特點，提出了企業云計算投資決策的指標體系，并從企業業務分解出發，利用AHP和線性分配法給出投資決策模型的求解過程，為企業進行業務應用系統的云計算投資決策提供理論支持。

1　企業云計算投資決策模型

1．1　企業云計算投資決策評價指標

企業進行云計算投資決策時不僅需要考慮云計算解決方案的成本因素，還需要考慮安全性、可用性、互操作性、競爭力等云服務質量因素。因此企業云計算投資決策評價指標主要包括：成本、安全性、可用性、互操作性和競爭力。

（1）成本。成本是指企業應用系統部署某類云計算模式所需的總費用支出，一般利用總體擁有成本（TCO）來核算云計算部署模式的總成本。TCO主要由資金費用和運營費用組成[5，6]，即：

其中，資金費用為私有云和混合云部署模式下前期所需的一次性IT基礎設施投入費用；運營費用為后期部署運營所需運營費用，包括環境費用、維護管理費用、部署配置費用、人力費用、以及云計算服務費用。云計算服務費用包含計算服務費用、存儲服務費用和數據傳輸服務費用。

（2）安全性。安全性一直是客戶對企業應用系統進行云計算部署考量的主要指標。涉及企業核心業務數據的企業應用系統對云計算的安全性要求較高，而公共云解決方案中企業應用系統的業務數據和用戶數據都存儲在云端。企業失去對數據的控制，因此存在數據泄露、數據鎖定、數據控制權、數據完整性、抵御網絡蠕蟲病毒、版權保護、隱私保護等安全性問題[1,5]。

（3）可用性。可用性是指云計算部署方案服務系統能正常運行的時間所占比例，可以通過平均無故障時間（MTTF）與平均修復時間（MTTR）和MTTF之和的比值來表示[13]。影響系統可用性的因素很多，硬件、軟件和網絡都可能會出現故障，通過增加硬件冗余可以提高硬件的可靠性，進而提高系統的總體可用性。考慮系統冗余設計下的可用性形式化公式為[7]：

其中，n表示系統冗余設計數量。

（4）互操作性。互操作性主要指云計算部署方案與對應方案同類型服務商之間的交互能力。現階段各大公共云服務商的技術標準都不一致，因此可能存在數據鎖定風險。互操作性是云計算投資決策需考慮的重要因素[8]，一般為定性指標，可通過用戶經驗來描述，在此給出近似的計算公式：

其中，No表示云計算部署方案支持的平臺數量；Nr指企業要求部署方案需要支持的平臺數量。

（5）競爭力。競爭力指云計算部署方案實施對企業競爭能力的提升程度，主要通過財務能力、產品競爭能力和核心業務能力來衡量。云計算具有低成本、快速彈性、可擴展性等優勢[1,2]，但私有云、公共云和混合云三類云計算模式對企業競爭能力的影響各有不同。

1．2　基于企業業務分解的云計算投資決策模型

企業管理信息系統按照經營業務的性質不同可包括：生產管理系統、財務管理信息系統、項目管理系統、客戶關系管理系統、業務交易系統等[9]。企業各項業務性質特點決定了企業不同應用系統對負荷能力、安全級別、可用性、互操作性等指標的要求也不盡相同。如若企業所有業務應用系統都采用相同的云計算投資決策方案，可能無法滿足部門業務系統的個性需求，故需要基于成本、安全性、可用性、互操作性和競爭力五個指標屬性對每個業務應用系統進行針對性的云計算投資方案決策。基于以上分析，本文構建了基于企業業務分解的云計算投資決策模型，如圖1所示。

圖1基于企業業務分解的云計算投資決策模型

根據圖1知，基于企業業務分解的云計算投資決策模型包括四個層次：總目標層、業務分解目標層、決策指標體系層和方案層。其中，云計算投資決策方案可以用集合D表示，即D={d1,d2,d3}，其中，d1為私有云解決方案；d2為公共云解決方案；d3為混合云解決方案。假定企業應用系統集為S，則基于業務分解的企業云計算投資決策集可以表示為：其中，j表示企業應用系統選定第j類云計算投資決策方案；sidj表示企業應用系統si的云計算投資決策方案為dj。

2　AHP-線性分配法

層次分析法（AHP）利用專家經驗建立判斷矩陣，將定性分析與定量分析結合起來進行決策分析，在一定程度上避免了主觀意識對決策的影響，是一種非常實用的決策分析工具，在系統評價和決策分析中有著廣泛的應用。線性分配法最早由肯塔基大學Bernardo教授提出[10]，線性分配法是一種常用的有限方案多目標決策分析方法，其主要思路是利用指標的相對權重系數和指標下的各方案的排序來構造排序優勢度矩陣，再以優勢度矩陣為系數建立整數規劃模型，來求解排序優勢度大的方案[11，12]。

本文將采用AHP-線性分配法的組合決策方法。AHP主要用于確定指標權重，而線性分配法在AHP的基礎上進一步確定優勢度矩陣，來求解最佳的云計算投資決策方案。AHP-線性分配法的主要步驟如下。

2．1　構建云計算投資決策模型的決策矩陣

假定有m個備選云計算決策方案，n個決策評價指標，mij表示第i個備選云計算決策方案的第j個評價指標值。則企業云計算投資決策模型的初始決策矩陣M為：

2．2　利用AHP計算評價指標權重

（1）構建判斷矩陣。先按照標度法的要求，對行業專家進行問卷調查，得出指標的判斷矩陣：A=(aij)m×n。

2．3　利用線性分配法求解最優決策方案

（1）構造優勢度矩陣。根據決策矩陣M，確定方案對目標屬性指標的排序，以此構造方案的排序優勢度矩陣R：

其中，rij表示第i個方案排在第j位的優勢程度，優勢程度用總權重來表示。顯然，優勢度矩陣R為非負矩陣，即rij≥0。由于權向量滿足規范化條件eTW=1，固方案的排序優勢度矩陣具有以下性質：

（2）最優排序矩陣求解。假定最優排序矩陣P=(pik)n×n，其中，pik=0或pik=1。當pik=1時說明第i個方案排在第k位，而pij=0,j=1,2,…n,j≠k；pjk=0,j=1,2,…n,j≠i。另外，每個方案只能排在一個位置，且每個位置只允許有一個方案，因此可以采用0-1整數規劃模型求解最優排序矩陣。

求解結果，如果pi1=1，則方案sid1排第一位；根據pik的值對備選方案進行排序，從中選擇最優方案。

3　企業云計算投資決策算例

以企業客戶關系管理系統（CRM）的云計算投資決策為例，假定CRM系統為s1，則CRM系統的投資決策方案集為DSCRM={s1d1,s1d2,s1d3}，其中，s1d1表示私有云解決方案；s1d2表示公共云解決方案；s1d3表示混合云解決方案。

3．1　投資決策評價指標計算

（1）成本計算。在公共云解決方案下無需資金費用、環境費用和管理費用；而私有云解決方案采用自建基礎設施，故無需云計算服務費用投入；混合云解決方案涉及上述所有費用支出。企業客戶關系管理系統（CRM）的三種解決方案成本數據參考文獻[8，13]，如表1所示。其中云計算服務費用按照計算服務、存儲服務和數據傳輸服務三類云服務核算，計算服務采用Amazon EC2的預留實例和按需實例組合模式；存儲服務和數據傳輸也采用Amazon的S3和數據傳輸服務。假定公共云模式中需要使用按需實例來應對20%的時間的頂峰負荷；混合云模式下，以系統的平均負荷（假定為頂峰負荷的一半）部署私有云，超過平均負荷則使用Amazon EC2按需實例；私有云模式按照系統的頂峰負荷設計。

（2）安全性。公共云的數據安全性一直飽受質疑，企業對部署于自有數據中心的私有云的安全性最為認可。而混合云模式需要內部私有云和公共云的大量網絡通信，相比公共云安全風險可能更大。結合專家意見，在此給出CRM系統的私有云、公共云、混合云三類解決方案安全性的評估分別為：非常高、高、中等。

表1　CRM系統三類決策方案6年期成本（單位：$）

（3）可用性。私有云一般采用傳統服務工作站模式，假定其可用性為99%。公共云解決方案一般采用較高的系統冗余備份，其可用性相比私有云和混合云更高。假設公共云單個系統的可用性為85%，系統提供3個冗余備份副本，根據上文式（2）得出可用性為99.66%。故假定混合云解決方案的可用性為99.4%。

（4）互操作性。現階段各大公共云服務商的技術標準都不一致，導致用戶系統的互操作性差，存在數據鎖定風險。相比公共云，私有云解決方案平臺靈活性更好，而混合云的互操作性介于兩者之間。在此假設CRM系統私有云、公共云和混合云解決方案的互操作性分別為0.9、0.4、0.6。

（5）競爭力。私有云方案下前期需要大額的IT基礎設施投入，而公共云方案無需前期資金投入，轉移企業資金成本為運營成本，提升企業財務能力靈活度。公共云方案能加快應用系統的開發，讓企業服務更早進入市場，縮短產品生命周期、且系統負荷能力更具彈性，因此公共云方案下的企業產品競爭能力更強。私有云方案下企業需投入大量人力物力在IT基礎設施的維護管理上，而公共云方案下企業能將全部資源投入核心業務上，更加有效地促進核心業務的提升。在此假設CRM系統私有云、公共云和混合云解決方案的競爭力分別為：弱、非常強、中等。

3．2　基于AHP-線性分配法的決策分析過程

根據上述指標值，可得客戶關系管理系統的云計算投資的決策矩陣M為：

選定專家對客戶關系管理系統云計算投資的五個決策指標進行打分，得到判斷矩陣A為：

利用式AHP求得屬性指標權重為：

根據判斷矩陣A和權重矩陣W，可以求得：

根據決策矩陣M和指標權重矩陣W，利用式（4）求得目標屬性指標的排序矩陣R為：

將排序矩陣R代入式（5）和式（6），再利用匈牙利法求解0-1整數規劃問題，得最優排序矩陣P為：

因此，對客戶關系管理系統（CRM）方案集DSCRM進行排序有s1d2＞s1d3＞s1d1，因此客戶關系管理系統（CRM）的最佳云計算投資方案為公共云解決方案s1d2。本文通過實證算例分析證明了決策模型方法理論充分、簡單易行，為企業各業務應用系統的云計算投資決策分析提供了科學有效的理論方法。

4　結論

本文首先在分析影響企業云計算投資決策指標的基礎上，構建基于企業業務分解的云計算投資決策模型。接著介紹了AHP-線性分配法的組合決策方法，將定性指標定量化，并運用該方法對企業云計算投資決策方案進行排序。最后以企業的客戶關系管理系統為實例，基于AHP-線性分配法求解客戶管理系管理系統的最佳云計算投資方案為公共云解決方案。本文基于企業業務分解和利用AHP-線性分配法對企業云計算投資決策進行分析，對企業選擇云計算投資方案具有一定的現實意義。

參考文獻：

[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]鄧國華,陳冬林,姚夢迪等.云環境下基于熵權TOPSIS法的企業IT投資決策[J].數學的實踐與認識,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]劉強,張強.線性分配法及Bernardo方法的改進研究[J].工業工程與管理,2009,14(1).

[12]王應明.基于加權法和線性分配法的有限方案多目標決策新方法[J].控制與決策,1992,(4).

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