莊計龍 陳敏剛

摘 要：近年來，隨著科學(xué)技術(shù)的飛速發(fā)展，信息化、數(shù)字化社會正在形成。伴隨而來的是數(shù)據(jù)質(zhì)量問題越來越凸顯。本文在分析了當(dāng)前數(shù)據(jù)質(zhì)量評價標(biāo)準(zhǔn)的基礎(chǔ)上，確定以GB/T 25000.24為基礎(chǔ)構(gòu)建數(shù)據(jù)質(zhì)量評價模型，并對指標(biāo)權(quán)重進(jìn)行研究。相比使用單個權(quán)重計算方法，本文綜合Delphi法、層次分析法和基于信息熵的熵權(quán)系數(shù)法計算綜合權(quán)重，使得權(quán)重進(jìn)一步客觀。針對當(dāng)層次分析法的判斷矩陣經(jīng)計算不滿足一致性時，重新構(gòu)造判斷矩陣成本高的問題，文章引入了誘導(dǎo)矩陣修正法來修正判斷矩陣以盡可能避免重新構(gòu)造判斷矩陣。最后本文開發(fā)了相應(yīng)的數(shù)據(jù)質(zhì)量評價系統(tǒng)，有效地提高了數(shù)據(jù)質(zhì)量評價工作的質(zhì)量和效率。

關(guān)鍵詞：數(shù)據(jù)質(zhì)量;評價模型;層次分析法;熵權(quán)系數(shù)法

文章編號：2095-2163（2019）04-0071-05 中圖分類號：TP311.13 文獻(xiàn)標(biāo)志碼：A

0 引 言

近年來，隨著科學(xué)技術(shù)的飛速發(fā)展，信息化、數(shù)字化社會正在形成。計算機(jī)系統(tǒng)軟件已經(jīng)滲透到生活的各個方面，這些軟件不斷地產(chǎn)生新的海量數(shù)據(jù)。此外，不僅僅是IT行業(yè)，越來越多的行業(yè)涉及到了數(shù)據(jù)的處理，如銀行、保險、零售業(yè)、等等，數(shù)據(jù)已經(jīng)成為新時代最重要的資產(chǎn)之一[1]。

但這些數(shù)據(jù)可能由于人為錄入的錯誤、人為篡改、機(jī)械故障等原因，往往會存在數(shù)據(jù)屬性缺失、數(shù)據(jù)相似重復(fù)、數(shù)據(jù)屬性值異常等問題。這些錯誤可能會造成數(shù)據(jù)冗余，浪費存儲的空間，甚至可能導(dǎo)致數(shù)據(jù)分析挖掘時產(chǎn)生嚴(yán)重的偏差[2]。在對數(shù)據(jù)進(jìn)行分析挖掘之前，數(shù)據(jù)質(zhì)量的好壞對于人們能否準(zhǔn)確利用數(shù)據(jù)獲得決策信息非常重要，甚至決定著數(shù)據(jù)應(yīng)用的成敗[3]。雖然目前關(guān)于數(shù)據(jù)質(zhì)量的研究已經(jīng)蓬勃興起，但工作主要集中在數(shù)據(jù)的存儲、管理、挖掘分析等方面，數(shù)據(jù)質(zhì)量問題沒有得到足夠的重視[4]。這些缺失數(shù)據(jù)或錯誤數(shù)據(jù)等原因?qū)е铝藬?shù)據(jù)不能很好地利用，甚至造成很大的決策失誤。因此已有越來越多的專家、學(xué)者意識到數(shù)據(jù)質(zhì)量對數(shù)據(jù)分析挖掘的重要性并投身于相應(yīng)的數(shù)據(jù)質(zhì)量研究中。

1 構(gòu)建數(shù)據(jù)質(zhì)量評價模型

1.1 GB/T數(shù)據(jù)質(zhì)量模型

數(shù)據(jù)質(zhì)量研究的誕生和發(fā)展主要是在國外，因此早期國內(nèi)相關(guān)研究中的主要理論依據(jù)都是根據(jù)ISO/IEC發(fā)布的一系列標(biāo)準(zhǔn)。隨著國內(nèi)對數(shù)據(jù)質(zhì)量的關(guān)注度逐漸提高，中國對數(shù)據(jù)質(zhì)量測量的標(biāo)準(zhǔn)化也有了實質(zhì)性的進(jìn)展。在GB/T 25000.12-2017和GB/T 25000.24-2017（2018年5月1日開始實施）這2個國家標(biāo)準(zhǔn)中，為計算機(jī)系統(tǒng)中以某種結(jié)構(gòu)化形式保存的數(shù)據(jù)定義了一種通用的數(shù)據(jù)質(zhì)量模型，從固有的以及依賴系統(tǒng)的角度劃分了質(zhì)量特性以及對應(yīng)的屬性。其中包括15個特性，63個屬性。

1.2 裁剪構(gòu)建數(shù)據(jù)質(zhì)量評價模型

裁剪指標(biāo)的依據(jù)來源主要有：

（1）根據(jù)最新的國家相關(guān)數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn);

（2）咨詢相關(guān)領(lǐng)域的專業(yè)人士的意見;

（3）上海軟件中心實習(xí)期間的見聞;

（4）統(tǒng)計相關(guān)信息系統(tǒng)的指標(biāo)要素構(gòu)成。

通過裁剪所得到的數(shù)據(jù)質(zhì)量評價模型完備性、一致性、依從性、準(zhǔn)確性、唯一性、現(xiàn)時性和保密性等7個一級指標(biāo)構(gòu)成。

2 改進(jìn)數(shù)據(jù)質(zhì)量評價指標(biāo)權(quán)重分配方法

2.1 改進(jìn)的層次分析法

處理數(shù)據(jù)質(zhì)量評價過程中的權(quán)重分配需要使用層次分析法[5]。這里使用的層次分析法與傳統(tǒng)意義上的層次分析法有區(qū)別，因而要做相應(yīng)的改變。重新定義層次分析法的層次結(jié)構(gòu)為目標(biāo)層、指標(biāo)維度層。因此新的層次分析法使用步驟如下：

（1）構(gòu)建層次結(jié)構(gòu)模型。層次分析法是確定權(quán)重的基礎(chǔ)。首先需要通過對數(shù)據(jù)的理解和分析去設(shè)定頂層也即目標(biāo)層，其次需要確定指標(biāo)維度層;

（2）判斷矩陣的建立與計算。通過所有指標(biāo)維度的兩兩比較，然后按照某一尺度建立。這里通過邀請專家根據(jù)Santy提出的1-9標(biāo)度方法作為評價尺度來建立判斷矩陣;

其中，R.I.為隨機(jī)一致性指標(biāo)（Random Consistency Index）。對于一致性比例，當(dāng) C.R.<0.1時，認(rèn)為該判斷矩陣通過一致性校驗，說明該判斷矩陣的不一致性程度在容許范圍內(nèi)，則由其導(dǎo)出的特征向量即可作為子特性的權(quán)重向量。當(dāng)C.R.>0.1時，稱D不具有一致性。一般需要再次構(gòu)造判斷矩陣重復(fù)上述過程。為解決重新構(gòu)造判斷矩陣成本高的問題，文章引入了誘導(dǎo)矩陣修正法來修正判斷矩陣以盡可能避免重新構(gòu)造判斷矩陣。具體說來：當(dāng)閥值0.1

誘導(dǎo)矩陣修正法的計算步驟如下：

2.2 面向權(quán)重的熵權(quán)系數(shù)法

這里引入基于信息熵[7]的熵權(quán)系數(shù)法[8]。如果某評價指標(biāo)的熵越小，說明該指標(biāo)提供的信息量就越大，在綜合評價中所起的作用就越大，權(quán)重就越高。反之，若評價指標(biāo)的熵越大，說明該指標(biāo)提供的信息量就越小，在綜合評價中所起的作用就越小，權(quán)重就越低[9]。應(yīng)用熵權(quán)系數(shù)法可以盡可能消除人為因素對計算各指標(biāo)權(quán)重的影響，使評價結(jié)果更為準(zhǔn)確。

在本文實際的數(shù)據(jù)質(zhì)量評價中，使用熵權(quán)系數(shù)法進(jìn)行權(quán)重值求取的步驟如下。

2.2.1 評語集和指標(biāo)集的確立

原始的熵權(quán)系數(shù)法所考慮的評估問題，一般是設(shè)有n個評價對象（方案），m個評估指標(biāo)，這樣的設(shè)定方法并不適合本文數(shù)據(jù)質(zhì)量評價的需求。因而本文對其所表述的含義進(jìn)行如下修改，并將其記為WEWCM（Weight-Oriented Entropy Weight Coefficient Method）。

2.2.2 評價矩陣的建立

2.2.3 指標(biāo)權(quán)重的求解

上文通過專家打分和統(tǒng)計已經(jīng)構(gòu)建了初始評價矩陣。在上述步驟的基礎(chǔ)上，就可結(jié)合信息熵的知識進(jìn)行指標(biāo)權(quán)重的求解。其具體計算步驟如下：

3 數(shù)據(jù)質(zhì)量量化評價設(shè)計與實現(xiàn)

3.1 功能性設(shè)計

功能性設(shè)計如圖1所示。

3.2 技術(shù)架構(gòu)設(shè)計

結(jié)合最新的前后端分離技術(shù)，以及對各類技術(shù)應(yīng)用研究和分析，設(shè)計系統(tǒng)的技術(shù)采用B/S架構(gòu)[10]，如圖2所示。

在前后端分離總體架構(gòu)的基礎(chǔ)上，邏輯上將技術(shù)架構(gòu)分為4個層次，分別是視圖層、業(yè)務(wù)邏輯層、數(shù)據(jù)訪問層和數(shù)據(jù)層。前后端分離后，難以避免跨域問題。解決跨域問題核心代碼如下：

public void addCorsMappings（CorsRegistry registry） {

registry.addMapping（"/**"）

.allowedOrigins（"*"）

.allowCredentials（true）

.allowedMethods（"GET"，"POST"， "DELETE"， "PUT"）

.maxAge（3600）;

}

3.3 系統(tǒng)功能模塊實現(xiàn)

首先明確系統(tǒng)的開發(fā)環(huán)境和開發(fā)工具，前端基于Node框架，所使用的開發(fā)工具為WebStorm，后端基于JDK1.8，所使用的開發(fā)工具為IntelliJ IDEA。這里僅給出數(shù)據(jù)質(zhì)量評價配置模塊的實現(xiàn)說明。

數(shù)據(jù)質(zhì)量評價配置模塊是本文所開發(fā)系統(tǒng)的核心功能模塊，具體實現(xiàn)流程是：在前端系統(tǒng)的數(shù)據(jù)質(zhì)量綜合量化指標(biāo)維度編輯界面，設(shè)置好相應(yīng)規(guī)則約束等字段，然后把數(shù)據(jù)以JSON的形式發(fā)送給后端進(jìn)行相應(yīng)指標(biāo)計算，并將結(jié)果保存到數(shù)據(jù)庫和Redis緩存中，供后面計算總得分、可視化以及評價報告使用。這部分為了提高運算的速度，充分發(fā)揮CPU的性能，系統(tǒng)使用線程池技術(shù)。模塊時序如圖3所示。

4 實 驗

文章使用真實電商領(lǐng)域的數(shù)據(jù)集進(jìn)行數(shù)據(jù)質(zhì)量評價實驗。

（1）利用AHPIM計算權(quán)重。 通過一系列步驟算出權(quán)重為：

W={0.094，0.054，0.104，0.037，0.134，0.292，0.285}，

（2）利用WEWCM計算權(quán)重。通過一系列步驟算出權(quán)重為：

w={0.149，0.184，0.149，0.230，0.184，0.070，0.035}，

（3）綜合AHPIM與WEWCM計算綜合權(quán)重。

根據(jù)公式（10）求得質(zhì)量維度的綜合權(quán)重為：

w^=0.136，0.097，0.151，0.083，0.239，0.198，0.096.

在確定了指標(biāo)的綜合權(quán)重后，權(quán)重也作為電商領(lǐng)域數(shù)據(jù)的默認(rèn)權(quán)重保存到系統(tǒng)中。接下來在所設(shè)計并實現(xiàn)的數(shù)據(jù)質(zhì)量評價平臺上評價數(shù)據(jù)的數(shù)據(jù)質(zhì)量。最后得到評價分?jǐn)?shù)如圖4所示。

5 結(jié)束語

本文研究了數(shù)據(jù)質(zhì)量現(xiàn)狀和方向，分析了目前數(shù)據(jù)質(zhì)量研究存在的不足。針對存在的問題，首先利用GB/T來替代ISO標(biāo)準(zhǔn)，其次綜合多種方法計算權(quán)重，最后設(shè)計并開發(fā)了系統(tǒng)。詳細(xì)展示了數(shù)據(jù)質(zhì)量評價流程和評價方法的使用，對評價結(jié)果進(jìn)行了可視化圖表展示，對系統(tǒng)存在的問題也進(jìn)行了進(jìn)一步的優(yōu)化，驗證了方案和系統(tǒng)的可用性及高效性。

參考文獻(xiàn)

[1]Jaime Campos，Pankaj Sharma，Unai Gorostegui Gabiria，Erkki Jantunen，David Baglee. A Big Data Analytical Architecture for the Asset Management[J]. Procedia CIRP，2017，64.

[2] 張元新. 網(wǎng)絡(luò)開源數(shù)據(jù)可用性評價系統(tǒng)[D]. 哈爾濱工業(yè)大學(xué)，2017.

[3] 楊忠勝. 數(shù)據(jù)質(zhì)量中精確性的研究[D]. 哈爾濱工業(yè)大學(xué)，2013.

[4] 延婉梅. 動車組大數(shù)據(jù)清洗關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 北京交通大學(xué)，2015.

[5] Suvendu Chandan Nayak，Chitaranjan Tripathy. Deadline sensitive lease scheduling in cloud computing environment using AHP[J]. Journal of King Saud University-Computer and Information Sciences，2018，30（2）.

[6] 張炳江.層次分析法及其應(yīng)用案例[M].北京：電子工業(yè)出版社，2014.

[7] Michael W. Grenn，Shahram Sarkani，Thomas Mazzuchi. The requirements entropy framework in systems engineering[J]. Systems Engineering，2014，17（4）.

[8] 湯永利，徐國愛，鈕心忻，等. 基于信息熵的信息安全風(fēng)險分析模型[J]. 北京郵電大學(xué)學(xué)報，2008（2）：50-53.

[9] 文軍. 基于熵權(quán)法的航空公司績效評價研究[J]. 科學(xué)技術(shù)與工程，2009，9（22）：6939-6941.

[10]李大為. 基于B/S架構(gòu)的績效考核管理系統(tǒng)設(shè)計與實現(xiàn)[D]. 吉林大學(xué)，2018.