程 平（博士生導師），晏 露

一、引言

推動企業(yè)高質量發(fā)展的關鍵在于科技創(chuàng)新，提升企業(yè)科技創(chuàng)新能力的主要抓手在于研發(fā)創(chuàng)新。伴隨著人民生活水平的提高，人民消費偏好和消費方式日益更替，新產品的迭代速度越來越快，企業(yè)的競爭壓力加劇，這對企業(yè)的研發(fā)創(chuàng)新工作提出了巨大挑戰(zhàn)。由于研發(fā)創(chuàng)新工作的復雜性和產出的不確定性，如何對其績效實施科學化的管理是學界和業(yè)界一直在探索的問題?？冃Ч芾砉ぷ髦饕煽冃в媱澋闹贫?、績效溝通、績效評價、績效反饋以及績效結果的應用五部分組成。其中，績效評價作為績效管理工作的重中之重，在項目管理中是基于預期的目標，依據一定的流程和標準，對項目實施過程及其結果的效率、效果、程序等進行客觀、公正的判斷，旨在通過有效的評價過程，提升項目運作的透明度、明確項目的合理性、提高項目的質量。企業(yè)的研發(fā)活動是科技創(chuàng)新的動力源泉，如何對研發(fā)工作的績效做出科學合理的評價對于評估企業(yè)的高質量發(fā)展效果亦十分重要。

伴隨著人工智能等新一代信息技術的不斷發(fā)展，機器學習方法在財會領域已經有了較為成熟的研究和應用，主要集中在財務風險評估、風險管理、客戶信用評估、成本控制、收入預測等領域，這些研究為機器學習方法應用于績效評價領域奠定了堅實的基礎。在項目績效評價研究方面，張愛華和黃明惠[1]采取理論與實證相結合的方法對軟科學項目績效評價指標體系進行研究，通過確定軟科學項目績效評價指標及其權重，結合德爾菲法和模糊綜合評價法，構建我國軟科學項目績效評價指標體系，并對軟科學研究類項目進行了實證分析。程平等[2]從項目投入和產出要素入手，提出規(guī)劃設計類項目績效評價方法，構建了規(guī)劃設計類項目績效評價指標體系，并引入數據包絡分析法以及機器學習算法，設計出基于DEA-CART模型的項目績效評價模型，為規(guī)劃設計類項目績效評價提供了借鑒。王忠等[3]研究發(fā)現，在科研項目分類績效評價體系中，科研人員、科研經費和固定資產作為統一的資源投入，科研人員和科研經費重要程度較高，是開展科研活動必不可少的資源投入。于宗緒等[4]運用層次分析法和模糊綜合評價法，對北京某區(qū)水環(huán)境治理PPP項目3個項目片區(qū)的11個子項目進行績效評價并提出相關建議，為城市水環(huán)境治理PPP項目績效評價體系的構建提供了參考。吳東平等[5]從項目特征、經濟評價、管理控制及產出影響四個方面，選取24個KPI指標，建立了基于BP神經網絡的PPP項目績效評價方法，具有較高的應用價值。曾凡龍等[6]從財務和非財務角度構建了我國上市物料企業(yè)績效評價體系，并通過熵權—VIKOR算法確定了各評價指標的權重以及各樣本企業(yè)的期望績效值，同時構建了基于AGA-BP神經網絡的企業(yè)績效評價和預測模型，并對模型進行訓練和測試，以驗證模型的實用性和有效性。

綜觀上述研究，現有文獻對項目績效評價研究采用的方法主要有層次分析法、模糊評價法、熵權—VIKOR算法等，運用機器學習算法對項目進行評價的研究較少，且鮮有涉及研發(fā)項目績效評價方面的研究。機器學習方法作為人工智能的核心領域，在處理復雜數據以及構建模型方面具有顯著的優(yōu)勢，其已廣泛應用于不同的研究領域。邱澤國等[7]以中國銀聯信用數據為研究樣本，采用隨機森林、決策樹等信用評估分類算法，構建了個人信用風險評估體系。朱文會等[8]研究發(fā)現，決策樹算法應用于區(qū)域風險管控模式預測是可行的。楊東紅等[9]以網絡評論信息有用性為研究對象，使用7種目前比較常用的機器學習算法，構建網絡評論信息有用性預測模型，結果表明隨機森林和決策樹算法的預測準確率比較理想。周寶建[10]建立了基于決策樹算法的個人信用數據分析模型，結果表明該模型可對個人信用狀況做出較為準確的預測。王明等[11]為實現養(yǎng)殖互聯網平臺用戶的自動化運營，防止用戶流失，采用區(qū)間估計和決策樹算法建模，對豬場用戶的平臺使用情況進行用戶流失分析，為養(yǎng)殖互聯網平臺的豬場用戶研究提供可靠的數據模型。周毓萍等[12]運用梯度提升決策樹、BP神經網絡等算法構建了針對商業(yè)銀行的個人信用評價模型，進一步提高了個人信用評價的準確性。

有鑒于此，本文針對A企業(yè)研發(fā)項目績效評價存在的主要問題，引入CART決策樹機器學習算法，提出了一種研發(fā)項目績效評價方法，并從項目投入、項目過程管理、項目產出以及項目預期效果四個方面建立了研發(fā)項目績效評價指標體系。借助機器學習工具對數據進行特征提取，構建了基于CART決策樹算法的研發(fā)項目績效評價模型，并對模型結果進行了分析和應用。

二、A企業(yè)研發(fā)項目績效評價現狀與問題分析

（一）研發(fā)項目績效評價的現狀描述

A企業(yè)成立于2015年7月，是我國新能源汽車的制造商，主要從事豪華智能電動車的設計、研發(fā)、制造和銷售。為了遵循企業(yè)“用科技改變出行，讓更多人受益”的發(fā)展理念，A企業(yè)戰(zhàn)略性地專注于研發(fā)價格在20萬元至50萬元范圍內的新能源汽車。A企業(yè)研發(fā)項目選擇的大多是自研模式，主要研究方向包括：汽車性能模擬技術、電機配置、車載智能操作系統、混合動力汽車技術、自動輔助駕駛系統、發(fā)動機燃燒過程分析等。為了加快企業(yè)高質量發(fā)展步伐，A企業(yè)近幾年加大了研發(fā)項目投入，為確保研發(fā)投入得到有效產出，建立合理有效的績效管理體系已成為A企業(yè)研發(fā)項目管理工作的重中之重。

現階段，A企業(yè)研發(fā)項目績效評價遵循《A企業(yè)研發(fā)項目績效考核辦法》，主要圍繞產品研發(fā)的工作目標，旨在按計劃實現各階段目標，為項目組成員的薪酬分配提供依據，激發(fā)企業(yè)的創(chuàng)新活力。經過調研發(fā)現，A企業(yè)主要從研發(fā)項目的完成程度以及項目成果評估兩個維度進行績效考核，其中項目完成程度的權重為40%，項目成果評估的權重為60%，現行研發(fā)項目的考核工作由績效監(jiān)督管理委員會牽頭完成，項目組成員的獎金分配機制由項目負責人提出，并經研發(fā)總監(jiān)審核。同時，A企業(yè)現階段僅針對已結題的項目進行考核，無固定的考核周期，一般在項目完成后的一個月以內進行。

（二）研發(fā)項目績效評價存在的問題

A企業(yè)目前的研發(fā)項目績效管理對研發(fā)項目質量和效率的提升有一定作用，但是客觀來講，A企業(yè)研發(fā)項目的績效管理仍處于較低水平，存在研發(fā)項目績效管理流程缺失、激勵機制不完善等問題。

1.績效評價側重點失衡，忽略了投入與產出的比例。A企業(yè)當前是通過研發(fā)項目完成程度和項目成果評估兩個維度進行績效考核，涉及的二級指標包括研發(fā)項目計劃完成率、研發(fā)周期控制情況、產品市場銷量、專利申請數量等。企業(yè)目前對研發(fā)項目的績效考核側重于結果考核，這與研發(fā)工作的性質相違背，忽略了高質量發(fā)展下投入與產出的比例。依據上述評價標準無法全面了解研發(fā)項目的進展以及實施情況，可能會造成項目執(zhí)行過程中某些關鍵信息的流失，在一定程度上也可能造成研發(fā)經費的浪費。

2.績效評價方法主觀因素大，考核結果反饋程度低?，F階段，A企業(yè)研發(fā)項目績效評價的指標權重是由績效監(jiān)督管理委員會根據經驗共同商討決定，這種評價方式主觀性較強。同時，A企業(yè)的績效監(jiān)督環(huán)節(jié)流于形式，在績效應用環(huán)節(jié)，由項目負責人根據團隊成員的表現確定項目獎金的分配系數。由于項目負責人對研發(fā)團隊成員容易產生刻板印象，亦會參雜一些人情世故，未盡可能地對團隊成員進行量化評價，得到的評價結果難以令人信服，對研發(fā)人員的激勵作用亦有限。

三、研發(fā)項目績效評價體系構建

（一）設計思路

針對A企業(yè)研發(fā)項目存在的績效評價側重點失衡、考核主觀性強等問題，為了建立科學、有效的研發(fā)項目績效評價體系，需要梳理出A企業(yè)研發(fā)項目實施過程中的關鍵控制點，同時將績效評價指標與關鍵控制點進行匹配?；谠u價指標、評價流程和評價方法的A企業(yè)研發(fā)項目績效評價框架設計如圖1所示。

圖1 研發(fā)項目績效評價框架

如圖1所示，在績效評價指標方面，本文提出從研發(fā)項目投入、研發(fā)項目過程管理、研發(fā)項目產出、研發(fā)項目預期效果四個方面去構建。在績效評價流程方面：根據A企業(yè)研發(fā)項目的特點，首先確定研發(fā)項目績效評價指標；然后完成有關數據的采集和預處理操作，構建基于機器學習算法的研發(fā)項目績效評價分析模型，運用訓練集和測試集數據對模型進行訓練和驗證，從而得到研發(fā)項目的績效評價結果。在績效評價方法方面：首先從研發(fā)項目投入、研發(fā)項目過程管理、研發(fā)項目產出以及研發(fā)項目預期效果等維度確定本次研發(fā)項目績效評價的指標；其次將評價指標作為CART算法的特征提??；最后構建基于支持CART算法的研發(fā)項目績效評價模型，得到對績效評價結果產生影響的各因素重要特征排序，將此排序結果作為績效評價權重確定的參考值，同時作為績效監(jiān)督環(huán)節(jié)關注的重點。

（二）研發(fā)項目績效評價指標體系構建

研發(fā)項目績效評價指標體系的構建需要以推動企業(yè)高質量發(fā)展為導向，指標選取的合理性直接影響模型結果的準確性。同時，指標應反映研發(fā)項目的整體情況，并遵循可執(zhí)行性、計量性以及可比性的原則。本文結合A企業(yè)研發(fā)項目的特點，從研發(fā)項目投入、研發(fā)項目過程管理、研發(fā)項目產出以及研發(fā)項目預期效果四個方面設計了研發(fā)項目績效評價的指標體系，如圖2所示。

圖2 研發(fā)項目績效評價指標體系

研發(fā)項目投入是高質量發(fā)展背景下衡量企業(yè)創(chuàng)新投入的指標，是評估企業(yè)高質量發(fā)展的重要因素，其主要包括人力和財力兩個方面的投入，研發(fā)經費的落實和項目團隊成員的配置都會對研發(fā)項目的進度、質量等產生影響，進而影響研發(fā)項目的績效評價結果。遵循指標選取的可操作性原則，本文選取資金到位率和項目組綜合學歷兩個指標衡量研發(fā)項目的投入力度。對于研發(fā)項目而言，項目過程管理主要體現在資金管理和項目進度管理兩方面：資金管理主要表現在項目經費使用的合規(guī)性上；項目進度管理表現在完成及時率和團隊協作程度兩方面，完成及時率可以反映研發(fā)項目在時間成本上的投入和項目組的工作效率。

研發(fā)項目產出是高質量發(fā)展背景下衡量企業(yè)創(chuàng)新產出的指標，亦是企業(yè)關注的重點，主要體現在成本節(jié)約率、質量達標率、項目文檔資料歸檔率等方面。其中，成本節(jié)約率體現了研發(fā)項目經費的預算執(zhí)行情況，同時與高質量發(fā)展下倡導的資源節(jié)約理念相呼應。由于研發(fā)工作的特殊性，項目資料是企業(yè)的無形資產，為了提高項目資料的完整性，將項目文檔資料歸檔率納入項目績效評價體系。產品質量直接影響市場銷量，對研發(fā)項目成果質量的檢驗亦是研發(fā)管理工作不可或缺的一部分。預計利潤貢獻額、專利申請數量以及技術通用性是研發(fā)項目預期效果在經濟效益、科研成果等方面的表現，在一定程度上可以反映研發(fā)項目的價值。

（三）決策樹算法原理與研發(fā)項目績效評價方法

決策樹是一種基于概率統計的有監(jiān)督學習的機器學習方法，它衡量的是對象屬性和對象值之間的一種映射，樹中的每個內部節(jié)點表示對每個屬性的判斷，如果符合判斷條件，便會對其進行分支處理，判斷條件越多，樹枝越茂盛。目前C4.5、ID3和CART算法是三種常用的決策樹算法，其中CART算法的預測結果為概率值，可以同時解決分類和回歸問題。分類是不斷降低不確定性的過程，本文研究的研發(fā)項目績效評價是一個分類問題，相對于ID3和C4.5，CART在構建分類樹時不再采用信息增益或者信息增益率，而采用基尼指數作為節(jié)點分裂評價準則，由此簡化了大量的對數運算過程?；嶂笖捣从沉藰颖镜牟淮_定性，基尼指數越小，樣本之間的差異越小，數據集的純度越高。

本文將CART算法應用于研發(fā)項目績效評價中，主要是考慮到決策樹易于理解和解釋的特點，并可呈現可視化結果示意圖，容易提取到各特征的規(guī)則。由于研發(fā)項目績效評價的影響因素之間是相互獨立的，沒有關聯性，CART算法能夠高效地處理這些不相關的特征?？紤]到A企業(yè)研發(fā)項目績效評價維度較多，CART算法與回歸樹在面對A企業(yè)此種問題時相比其他決策樹顯得更加穩(wěn)健。CART決策樹最終會計算出各個特征的熵值，本文根據熵值計算各個績效評價指標的相對重要程度，由此作為績效評價權重設置的參考值，以解決A企業(yè)研發(fā)項目績效考核主觀性較強的問題。因此，本文采用CART決策樹算法構建研發(fā)項目績效評價模型具有可操作性和合理性。

（四）研發(fā)項目績效評價流程

基于CART決策樹算法的A企業(yè)研發(fā)項目績效評價流程主要由四個步驟構成：首先是采集研發(fā)項目績效評價指標所涉及的項目成本、項目團隊成員概況、項目進展和成果等相關信息；其次需對數據進行預處理操作；然后對研發(fā)項目績效評價指標進行特征提?。蛔詈髽嫿ɑ贑ART決策樹算法的研發(fā)項目績效評價模型，對模型進行訓練，并對模型結果進行分析。具體流程如圖3所示。

圖3 基于CART算法的研發(fā)項目績效評價流程

如圖3所示的績效評價流程，首先需要完成數據的準備工作，包括數據的采集和預處理操作，從ERP系統、項目管理系統以及人力資源系統采集研發(fā)項目績效評價相關的項目成本支出明細、項目進度信息、項目預期成果信息以及項目團隊成員的基本信息等數據。然后運用SQL語句對數據進行數據類型轉換、數據格式統一、數據量化等數據清洗和數據轉換操作。最后通過數據的抽取，得到研發(fā)項目績效評價整合的數據表。

完成數據的處理工作后，進入特征提取的工作階段。主要通過研發(fā)項目投入、研發(fā)項目過程管理、研發(fā)項目產出以及研發(fā)項目預期效果四個維度對研發(fā)項目績效評價指標所涉及的數據進行特征提取，同時建立研發(fā)項目績效評價數據集。為了檢驗模型的有效性，此處將數據集分為訓練集和測試集。

接下來構建基于CART算法的研發(fā)項目績效評價模型，選擇基尼指數進行特征選擇。為了使模型所得結果達到最優(yōu)化，首先需運用大量的數據對研發(fā)項目績效評價模型進行訓練。然后代入測試集數據至模型中進行驗證，將誤差降低到最小范圍，最終獲得對研發(fā)項目績效評價結果影響因素相對重要程度的特征排序，為研發(fā)項目績效評價的權重設置提供參考。

四、實例分析

（一）研發(fā)項目績效評價數據來源與數據預處理

1.數據來源。A企業(yè)研發(fā)項目績效評價的數據主要來源于ERP系統、項目管理系統和人力資源管理系統等多個信息系統。從ERP系統可以查看各研發(fā)項目的資金情況，包括研發(fā)項目資金到位金額、資金使用的明細、實際使用資金的數額，可作為項目成本支出相關的數據來源。研發(fā)項目團隊成員學歷信息可從人力資源管理系統獲得。項目管理系統的項目進度跟蹤數據表記錄了項目在各關鍵時間節(jié)點的進展情況和項目的實際研發(fā)周期；研發(fā)項目產出綜合考評表記載了與本項目相關的資料歸檔情況；質量檢驗的達標情況可從項目管理數據表獲得；從研發(fā)項目成果數據表可獲得項目的成果評價信息，包括專利申請數量、預計利潤貢獻額以及管理層對技術通用性的打分情況。將這些數據以數據庫文件的格式導出，方便后續(xù)在MySQL數據庫管理系統中對數據進行預處理操作。為了提高所構建模型的精確性，本文選擇A企業(yè)2017～2021年已結題的研發(fā)項目相關數據作為原始數據。

2.數據預處理。從各系統采集的財務和項目管理等相關數據存在數據冗余、數據類型不一致、數據缺失等情況，需對數據進行清洗、轉換等預處理。首先，建立一個研發(fā)項目績效評價數據庫，將采集的數據導入此庫中，通過項目編號連接各數據表，運用SQL語句修改各字段的數據類型、數據長度，并刪除信息重復的字段。其次，為了實現數據的統一以及后續(xù)使用的便捷性，在此數據庫中新建研發(fā)項目績效評價整合數據表，用于存儲研發(fā)項目績效評價指標的各項數據，如表1所示。最后，運用SQL語句從此庫中的其他相關數據表抽取需要的數據，并插入此數據表中。

在數據抽取過程中，需要通過SQL語句對數據進行計算、統計、比對等處理才能得到表1所需要的數據。由于項目組成員學歷存在差異，此處只考察團隊成員學歷的整體水平，將項目組綜合學歷分為高等學歷、中等學歷和低等學歷三個標準。其中，項目組成員70%及以上的學歷為碩士及以上，則定義該項目組綜合學歷水平為高等學歷；50%及以上的學歷為本科及以上，則定義該項目組綜合學歷水平為中等學歷；其余則定義為低等學歷。研發(fā)項目的績效評價水平分別用字母a、b、c、d表示。其中，a表示績效等級為優(yōu)秀，b表示良好，c表示合格，d表示不合格，部分原始數據如表2所示。

表1 A企業(yè)研發(fā)項目績效評價整合數據表設計

表2 研發(fā)項目績效評價原始數據示例

為了使數據更好地適應算法模型，需對數據的呈現形式做量化處理。項目組綜合學歷水平有高等學歷、中等學歷、低等學歷，分別用數字1、2、3表示，以方便決策樹算法識別。團隊溝通協調能力表現在強、中等、一般、差四個方面，分別用數字1、2、3、4代表。對于資金使用合規(guī)性實行扣分制，每出現一次違規(guī)扣5分。技術通用性總共有優(yōu)秀、良好、一般三個標準，分別用數字1、2、3代替。在數據庫中通過SQL語句依次對上述數據項進行更新操作。經過處理后得到216條數據，最后呈現的詳細數據如表3所示。

表3 處理后的研發(fā)項目績效評價數據

（二）研發(fā)項目績效評價模型構建

CART算法采用一種二分遞歸分割的技術，最后生成的決策樹是二叉樹。獲得A企業(yè)研發(fā)項目績效評價的數據后，通過定義變量、決策樹生成、決策樹剪枝三個步驟構建基于CART算法的研發(fā)項目績效評價模型，具體內容如下：

1.定義變量。對變量進行指定是決策樹建模的基礎工作。首先，將分析對象中的輸出變量定義為目標變量，也稱作因變量；其次，將對結果產生影響的因素定義為輸入變量，也稱自變量。在本文中，將A企業(yè)研發(fā)項目的績效評價水平指定為目標變量，將完成及時率、成本節(jié)約率、資金到位率、項目文檔資料歸檔率等11個指標選定為輸入變量。

2.決策樹生成。決策樹生成是輸入訓練集數據，設置參數條件，最終輸出二叉樹的過程。CART算法在構建分類樹時，采用基尼指數（Gini）作為節(jié)點分裂評價準則進行特征選擇?；嶂笖悼捎脕砹炕瘮祿幕靵y程度，表示樣本集合中隨機選中的樣本被分錯的概率，基尼指數越大表示數據集合中隨機被選中的樣本出現被分錯的概率就越高，也說明此數據集的混亂程度較高、數據不純，反之數據的混亂程度較低、數據的純度較高。假設集合中所有樣本個數為m類，Pm表示第m類樣本被選中的概率，基尼指數的計算公式如下：

3.決策樹剪枝。決策樹是考慮了所有數據點而生成的復雜樹，如果樹的結構過于復雜，表明其存在過擬合的可能性較大，進而會降低模型的準確度，此時必須設定停止條件對其進行剪枝處理，使其結構簡單化，否則決策樹枝會不斷生長，不利于數據的分類。剪枝的方式分為預剪枝和后剪枝，本文選取后剪枝方式進行剪枝處理。后剪枝的過程是先輸入驗證集數據到決策樹算法生成一棵完全生長的決策樹；然后自底層向上層進行剪枝操作；最后通過損失函數確定在哪些結點進行剪枝。損失函數形式如下：

C（T）表示決策樹模型與訓練數據集的擬合程度，|T|為子樹的葉子結點個數，表示模型的復雜程度，α是權衡二者的參數。較大的α使得模型訓練過程傾向于選擇結構簡潔的決策樹，對模型復雜程度的懲罰較大；反之，較小的α意味著模型訓練過程傾向于選擇更加復雜的樹，對模型復雜程度的懲罰較小。

（三）模型測試與結果分析

選取A企業(yè)2017～2021年的數據對模型進行訓練和驗證，按照7∶3的比例將數據分為訓練樣本和測試樣本。由于需要避免因數據集劃分不合理而導致的擬合問題，則需要通過K折交叉驗證法對模型進行選擇，將數據集劃分為k個子集，每次將其中的一個樣本集作為測試集，剩余的k-1個子集的并集作為訓練集，并進行k次交叉驗證，以找到最優(yōu)決策樹。本文基于預處理過后的數據樣本，采用7折交叉驗證的方法對模型進行訓練和測試。

本文采用7折交叉檢驗的方式，將數據劃分為7份，其中6份作為訓練樣本，一份作為驗證樣本，反復重復該過程共計7次。為了避免決策樹過擬合，通過多次交叉驗證，人工調節(jié)模型的參數，并得到最終的參數值。其中，節(jié)點分裂準則選擇Gini，由于本案例涉及的樣本量不大，因此特征劃分標準設置為默認值best。內部節(jié)點分裂的最小樣本數為2，葉子節(jié)點的最小樣本數為4，樹的最大深度為10，葉子節(jié)點的最大數量設定為50，最終得到的結果如圖4所示。

圖4 A企業(yè)研發(fā)項目績效評價決策樹

通過對模型進行訓練和驗證，得到訓練集數據績效評價結果實際值與預測值的混淆矩陣熱力圖，如圖5所示。該圖展示了研發(fā)項目績效評價結果測試值和真實值的分布情況：橫軸代表數據的真實歸屬類別，即研發(fā)項目績效評價結果的真實值；縱軸表示研發(fā)項目績效評價結果的預測值。不難發(fā)現，當研發(fā)項目績效評價結果真實值為a時，預測值的正確率為92.98%，當目標變量的真實值分別為b、c、d時，其模型預測值與對應的真實值完全相等?？傮w來看，該決策樹模型構建良好，可為A企業(yè)研發(fā)項目績效評價提供參考。

圖5 混淆矩陣熱力圖

為了獲得各研發(fā)項目績效評價指標特征對于結果的重要性比率，決策樹計算了各特征的熵值，根據熵值計算各特征的相對重要程度，如表4所示。

通過表4可知，對A企業(yè)研發(fā)項目績效評價結果產生重要影響的前三個特征分別是完成及時率、預計利潤貢獻額和資金使用合規(guī)性，隨后是成本節(jié)約率、質量達標率、資金到位率、項目文檔資料歸檔率等。其中，完成及時率體現了項目研發(fā)過程的時效性，在技術不斷更替的時代，新產品作為研發(fā)項目的直接成果，其研發(fā)過程的時效性直接影響產品進入市場的時間和可能獲得的市場份額，進而影響企業(yè)邁向高質量發(fā)展階段的速度，因而其對A企業(yè)項目研發(fā)績效評價結果影響最大。預計利潤貢獻額是對研發(fā)產品所創(chuàng)造價值的直接衡量。高質量發(fā)展背景下對資金使用的合規(guī)性提出了較高要求，企業(yè)各項目需確保資金使用的合理性，將其引入研發(fā)項目績效評價指標體系，可加強對研發(fā)經費使用的事中和事后監(jiān)督。

表4 各特征的重要程度

成本節(jié)約率反映了高質量發(fā)展背景下資源節(jié)約情況。質量達標率是檢驗研發(fā)項目成果的指標之一，其對研發(fā)項目績效評價結果的影響處于中等水平。不難發(fā)現，項目文檔資料歸檔率對結果的影響大于專利申請數量，說明相較于外在的榮譽等軟實力，A企業(yè)更加注重自身內在研發(fā)經驗的積累，積極提升自身的硬實力。項目組綜合學歷對結果的影響程度較小，說明企業(yè)研發(fā)團隊學歷差異不大。值得注意的是，團隊協作程度對模型結果的影響為0，說明并不是所有的特征都被選擇。該結果可作為A企業(yè)研發(fā)項目績效評價權重設置的參考，亦可為A企業(yè)針對研發(fā)項目績效的監(jiān)督提供方向。

五、結語

績效評價是企業(yè)研發(fā)項目創(chuàng)新管理的核心內容，科學、有效的研發(fā)項目績效評價，對企業(yè)的投融資管理和戰(zhàn)略發(fā)展起著重要作用。本文通過對A企業(yè)研發(fā)項目績效評價現狀和問題進行分析，針對A企業(yè)研發(fā)項目存在的績效評價指標單一、考核主觀性較強等問題，從研發(fā)項目投入、研發(fā)項目過程管理、研發(fā)項目產出以及研發(fā)項目預期效果四個維度出發(fā)，選取了成本節(jié)約率、完成及時率、專利申請數量、團隊協作程度、項目組綜合學歷、預計利潤貢獻額、資金到位率等11個指標，構建了基于CART決策樹算法的研發(fā)項目績效評價模型。通過對模型的訓練與實例分析，發(fā)現并不是所有的特征都被選擇，完成及時率是對模型結果影響最大的特征，為A企業(yè)在績效監(jiān)督和反饋方面提供了參考。期望本文的研究思路和研究方法能夠強化企業(yè)高質量發(fā)展下管理會計的職能，并為企業(yè)建立一套科學、規(guī)范的績效評價體系提供指導。