程 平（博士生導(dǎo)師），晏 露

一、引言

推動(dòng)企業(yè)高質(zhì)量發(fā)展的關(guān)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(fèi)偏好和消費(fèi)方式日益更替，新產(chǎn)品的迭代速度越來(lái)越快，企業(yè)的競(jìng)爭(zhēng)壓力加劇，這對(duì)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(fù)雜性和產(chǎn)出的不確定性，如何對(duì)其績(jī)效實(shí)施科學(xué)化的管理是學(xué)界和業(yè)界一直在探索的問(wèn)題?？?jī)效管理工作主要由績(jī)效計(jì)劃的制定、績(jī)效溝通、績(jī)效評(píng)價(jià)、績(jī)效反饋以及績(jī)效結(jié)果的應(yīng)用五部分組成。其中，績(jī)效評(píng)價(jià)作為績(jī)效管理工作的重中之重，在項(xiàng)目管理中是基于預(yù)期的目標(biāo)，依據(jù)一定的流程和標(biāo)準(zhǔn)，對(duì)項(xiàng)目實(shí)施過(guò)程及其結(jié)果的效率、效果、程序等進(jìn)行客觀、公正的判斷，旨在通過(guò)有效的評(píng)價(jià)過(guò)程，提升項(xiàng)目運(yùn)作的透明度、明確項(xiàng)目的合理性、提高項(xiàng)目的質(zhì)量。企業(yè)的研發(fā)活動(dòng)是科技創(chuàng)新的動(dòng)力源泉，如何對(duì)研發(fā)工作的績(jī)效做出科學(xué)合理的評(píng)價(jià)對(duì)于評(píng)估企業(yè)的高質(zhì)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(shù)的不斷發(fā)展，機(jī)器學(xué)習(xí)方法在財(cái)會(huì)領(lǐng)域已經(jīng)有了較為成熟的研究和應(yīng)用，主要集中在財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)管理、客戶信用評(píng)估、成本控制、收入預(yù)測(cè)等領(lǐng)域，這些研究為機(jī)器學(xué)習(xí)方法應(yīng)用于績(jī)效評(píng)價(jià)領(lǐng)域奠定了堅(jiān)實(shí)的基礎(chǔ)。在項(xiàng)目績(jī)效評(píng)價(jià)研究方面，張愛(ài)華和黃明惠[1]采取理論與實(shí)證相結(jié)合的方法對(duì)軟科學(xué)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系進(jìn)行研究，通過(guò)確定軟科學(xué)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)及其權(quán)重，結(jié)合德?tīng)柗品ê湍：C合評(píng)價(jià)法，構(gòu)建我國(guó)軟科學(xué)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系，并對(duì)軟科學(xué)研究類項(xiàng)目進(jìn)行了實(shí)證分析。程平等[2]從項(xiàng)目投入和產(chǎn)出要素入手，提出規(guī)劃設(shè)計(jì)類項(xiàng)目績(jī)效評(píng)價(jià)方法，構(gòu)建了規(guī)劃設(shè)計(jì)類項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系，并引入數(shù)據(jù)包絡(luò)分析法以及機(jī)器學(xué)習(xí)算法，設(shè)計(jì)出基于DEA-CART模型的項(xiàng)目績(jī)效評(píng)價(jià)模型，為規(guī)劃設(shè)計(jì)類項(xiàng)目績(jī)效評(píng)價(jià)提供了借鑒。王忠等[3]研究發(fā)現(xiàn)，在科研項(xiàng)目分類績(jī)效評(píng)價(jià)體系中，科研人員、科研經(jīng)費(fèi)和固定資產(chǎn)作為統(tǒng)一的資源投入，科研人員和科研經(jīng)費(fèi)重要程度較高，是開(kāi)展科研活動(dòng)必不可少的資源投入。于宗緒等[4]運(yùn)用層次分析法和模糊綜合評(píng)價(jià)法，對(duì)北京某區(qū)水環(huán)境治理PPP項(xiàng)目3個(gè)項(xiàng)目片區(qū)的11個(gè)子項(xiàng)目進(jìn)行績(jī)效評(píng)價(jià)并提出相關(guān)建議，為城市水環(huán)境治理PPP項(xiàng)目績(jī)效評(píng)價(jià)體系的構(gòu)建提供了參考。吳東平等[5]從項(xiàng)目特征、經(jīng)濟(jì)評(píng)價(jià)、管理控制及產(chǎn)出影響四個(gè)方面，選取24個(gè)KPI指標(biāo)，建立了基于BP神經(jīng)網(wǎng)絡(luò)的PPP項(xiàng)目績(jī)效評(píng)價(jià)方法，具有較高的應(yīng)用價(jià)值。曾凡龍等[6]從財(cái)務(wù)和非財(cái)務(wù)角度構(gòu)建了我國(guó)上市物料企業(yè)績(jī)效評(píng)價(jià)體系，并通過(guò)熵權(quán)—VIKOR算法確定了各評(píng)價(jià)指標(biāo)的權(quán)重以及各樣本企業(yè)的期望績(jī)效值，同時(shí)構(gòu)建了基于AGA-BP神經(jīng)網(wǎng)絡(luò)的企業(yè)績(jī)效評(píng)價(jià)和預(yù)測(cè)模型，并對(duì)模型進(jìn)行訓(xùn)練和測(cè)試，以驗(yàn)證模型的實(shí)用性和有效性。

綜觀上述研究，現(xiàn)有文獻(xiàn)對(duì)項(xiàng)目績(jī)效評(píng)價(jià)研究采用的方法主要有層次分析法、模糊評(píng)價(jià)法、熵權(quán)—VIKOR算法等，運(yùn)用機(jī)器學(xué)習(xí)算法對(duì)項(xiàng)目進(jìn)行評(píng)價(jià)的研究較少，且鮮有涉及研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)方面的研究。機(jī)器學(xué)習(xí)方法作為人工智能的核心領(lǐng)域，在處理復(fù)雜數(shù)據(jù)以及構(gòu)建模型方面具有顯著的優(yōu)勢(shì)，其已廣泛應(yīng)用于不同的研究領(lǐng)域。邱澤國(guó)等[7]以中國(guó)銀聯(lián)信用數(shù)據(jù)為研究樣本，采用隨機(jī)森林、決策樹(shù)等信用評(píng)估分類算法，構(gòu)建了個(gè)人信用風(fēng)險(xiǎn)評(píng)估體系。朱文會(huì)等[8]研究發(fā)現(xiàn)，決策樹(shù)算法應(yīng)用于區(qū)域風(fēng)險(xiǎn)管控模式預(yù)測(cè)是可行的。楊東紅等[9]以網(wǎng)絡(luò)評(píng)論信息有用性為研究對(duì)象，使用7種目前比較常用的機(jī)器學(xué)習(xí)算法，構(gòu)建網(wǎng)絡(luò)評(píng)論信息有用性預(yù)測(cè)模型，結(jié)果表明隨機(jī)森林和決策樹(shù)算法的預(yù)測(cè)準(zhǔn)確率比較理想。周寶建[10]建立了基于決策樹(shù)算法的個(gè)人信用數(shù)據(jù)分析模型，結(jié)果表明該模型可對(duì)個(gè)人信用狀況做出較為準(zhǔn)確的預(yù)測(cè)。王明等[11]為實(shí)現(xiàn)養(yǎng)殖互聯(lián)網(wǎng)平臺(tái)用戶的自動(dòng)化運(yùn)營(yíng)，防止用戶流失，采用區(qū)間估計(jì)和決策樹(shù)算法建模，對(duì)豬場(chǎng)用戶的平臺(tái)使用情況進(jìn)行用戶流失分析，為養(yǎng)殖互聯(lián)網(wǎng)平臺(tái)的豬場(chǎng)用戶研究提供可靠的數(shù)據(jù)模型。周毓萍等[12]運(yùn)用梯度提升決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)等算法構(gòu)建了針對(duì)商業(yè)銀行的個(gè)人信用評(píng)價(jià)模型，進(jìn)一步提高了個(gè)人信用評(píng)價(jià)的準(zhǔn)確性。

有鑒于此，本文針對(duì)A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)存在的主要問(wèn)題，引入CART決策樹(shù)機(jī)器學(xué)習(xí)算法，提出了一種研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)方法，并從項(xiàng)目投入、項(xiàng)目過(guò)程管理、項(xiàng)目產(chǎn)出以及項(xiàng)目預(yù)期效果四個(gè)方面建立了研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系。借助機(jī)器學(xué)習(xí)工具對(duì)數(shù)據(jù)進(jìn)行特征提取，構(gòu)建了基于CART決策樹(shù)算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型，并對(duì)模型結(jié)果進(jìn)行了分析和應(yīng)用。

二、A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)現(xiàn)狀與問(wèn)題分析

（一）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的現(xiàn)狀描述

A企業(yè)成立于2015年7月，是我國(guó)新能源汽車的制造商，主要從事豪華智能電動(dòng)車的設(shè)計(jì)、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(jià)格在20萬(wàn)元至50萬(wàn)元范圍內(nèi)的新能源汽車。A企業(yè)研發(fā)項(xiàng)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(shù)、電機(jī)配置、車載智能操作系統(tǒng)、混合動(dòng)力汽車技術(shù)、自動(dòng)輔助駕駛系統(tǒng)、發(fā)動(dòng)機(jī)燃燒過(guò)程分析等。為了加快企業(yè)高質(zhì)量發(fā)展步伐，A企業(yè)近幾年加大了研發(fā)項(xiàng)目投入，為確保研發(fā)投入得到有效產(chǎn)出，建立合理有效的績(jī)效管理體系已成為A企業(yè)研發(fā)項(xiàng)目管理工作的重中之重。

現(xiàn)階段，A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)遵循《A企業(yè)研發(fā)項(xiàng)目績(jī)效考核辦法》，主要圍繞產(chǎn)品研發(fā)的工作目標(biāo)，旨在按計(jì)劃實(shí)現(xiàn)各階段目標(biāo)，為項(xiàng)目組成員的薪酬分配提供依據(jù)，激發(fā)企業(yè)的創(chuàng)新活力。經(jīng)過(guò)調(diào)研發(fā)現(xiàn)，A企業(yè)主要從研發(fā)項(xiàng)目的完成程度以及項(xiàng)目成果評(píng)估兩個(gè)維度進(jìn)行績(jī)效考核，其中項(xiàng)目完成程度的權(quán)重為40%，項(xiàng)目成果評(píng)估的權(quán)重為60%，現(xiàn)行研發(fā)項(xiàng)目的考核工作由績(jī)效監(jiān)督管理委員會(huì)牽頭完成，項(xiàng)目組成員的獎(jiǎng)金分配機(jī)制由項(xiàng)目負(fù)責(zé)人提出，并經(jīng)研發(fā)總監(jiān)審核。同時(shí)，A企業(yè)現(xiàn)階段僅針對(duì)已結(jié)題的項(xiàng)目進(jìn)行考核，無(wú)固定的考核周期，一般在項(xiàng)目完成后的一個(gè)月以內(nèi)進(jìn)行。

（二）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)存在的問(wèn)題

A企業(yè)目前的研發(fā)項(xiàng)目績(jī)效管理對(duì)研發(fā)項(xiàng)目質(zhì)量和效率的提升有一定作用，但是客觀來(lái)講，A企業(yè)研發(fā)項(xiàng)目的績(jī)效管理仍處于較低水平，存在研發(fā)項(xiàng)目績(jī)效管理流程缺失、激勵(lì)機(jī)制不完善等問(wèn)題。

1.績(jī)效評(píng)價(jià)側(cè)重點(diǎn)失衡，忽略了投入與產(chǎn)出的比例。A企業(yè)當(dāng)前是通過(guò)研發(fā)項(xiàng)目完成程度和項(xiàng)目成果評(píng)估兩個(gè)維度進(jìn)行績(jī)效考核，涉及的二級(jí)指標(biāo)包括研發(fā)項(xiàng)目計(jì)劃完成率、研發(fā)周期控制情況、產(chǎn)品市場(chǎng)銷量、專利申請(qǐng)數(shù)量等。企業(yè)目前對(duì)研發(fā)項(xiàng)目的績(jī)效考核側(cè)重于結(jié)果考核，這與研發(fā)工作的性質(zhì)相違背，忽略了高質(zhì)量發(fā)展下投入與產(chǎn)出的比例。依據(jù)上述評(píng)價(jià)標(biāo)準(zhǔn)無(wú)法全面了解研發(fā)項(xiàng)目的進(jìn)展以及實(shí)施情況，可能會(huì)造成項(xiàng)目執(zhí)行過(guò)程中某些關(guān)鍵信息的流失，在一定程度上也可能造成研發(fā)經(jīng)費(fèi)的浪費(fèi)。

2.績(jī)效評(píng)價(jià)方法主觀因素大，考核結(jié)果反饋程度低。現(xiàn)階段，A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的指標(biāo)權(quán)重是由績(jī)效監(jiān)督管理委員會(huì)根據(jù)經(jīng)驗(yàn)共同商討決定，這種評(píng)價(jià)方式主觀性較強(qiáng)。同時(shí)，A企業(yè)的績(jī)效監(jiān)督環(huán)節(jié)流于形式，在績(jī)效應(yīng)用環(huán)節(jié)，由項(xiàng)目負(fù)責(zé)人根據(jù)團(tuán)隊(duì)成員的表現(xiàn)確定項(xiàng)目獎(jiǎng)金的分配系數(shù)。由于項(xiàng)目負(fù)責(zé)人對(duì)研發(fā)團(tuán)隊(duì)成員容易產(chǎn)生刻板印象，亦會(huì)參雜一些人情世故，未盡可能地對(duì)團(tuán)隊(duì)成員進(jìn)行量化評(píng)價(jià)，得到的評(píng)價(jià)結(jié)果難以令人信服，對(duì)研發(fā)人員的激勵(lì)作用亦有限。

三、研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)體系構(gòu)建

（一）設(shè)計(jì)思路

針對(duì)A企業(yè)研發(fā)項(xiàng)目存在的績(jī)效評(píng)價(jià)側(cè)重點(diǎn)失衡、考核主觀性強(qiáng)等問(wèn)題，為了建立科學(xué)、有效的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)體系，需要梳理出A企業(yè)研發(fā)項(xiàng)目實(shí)施過(guò)程中的關(guān)鍵控制點(diǎn)，同時(shí)將績(jī)效評(píng)價(jià)指標(biāo)與關(guān)鍵控制點(diǎn)進(jìn)行匹配?；谠u(píng)價(jià)指標(biāo)、評(píng)價(jià)流程和評(píng)價(jià)方法的A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)框架設(shè)計(jì)如圖1所示。

圖1 研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)框架

如圖1所示，在績(jī)效評(píng)價(jià)指標(biāo)方面，本文提出從研發(fā)項(xiàng)目投入、研發(fā)項(xiàng)目過(guò)程管理、研發(fā)項(xiàng)目產(chǎn)出、研發(fā)項(xiàng)目預(yù)期效果四個(gè)方面去構(gòu)建。在績(jī)效評(píng)價(jià)流程方面：根據(jù)A企業(yè)研發(fā)項(xiàng)目的特點(diǎn)，首先確定研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)；然后完成有關(guān)數(shù)據(jù)的采集和預(yù)處理操作，構(gòu)建基于機(jī)器學(xué)習(xí)算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)分析模型，運(yùn)用訓(xùn)練集和測(cè)試集數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，從而得到研發(fā)項(xiàng)目的績(jī)效評(píng)價(jià)結(jié)果。在績(jī)效評(píng)價(jià)方法方面：首先從研發(fā)項(xiàng)目投入、研發(fā)項(xiàng)目過(guò)程管理、研發(fā)項(xiàng)目產(chǎn)出以及研發(fā)項(xiàng)目預(yù)期效果等維度確定本次研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的指標(biāo)；其次將評(píng)價(jià)指標(biāo)作為CART算法的特征提??；最后構(gòu)建基于支持CART算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型，得到對(duì)績(jī)效評(píng)價(jià)結(jié)果產(chǎn)生影響的各因素重要特征排序，將此排序結(jié)果作為績(jī)效評(píng)價(jià)權(quán)重確定的參考值，同時(shí)作為績(jī)效監(jiān)督環(huán)節(jié)關(guān)注的重點(diǎn)。

（二）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系構(gòu)建

研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系的構(gòu)建需要以推動(dòng)企業(yè)高質(zhì)量發(fā)展為導(dǎo)向，指標(biāo)選取的合理性直接影響模型結(jié)果的準(zhǔn)確性。同時(shí)，指標(biāo)應(yīng)反映研發(fā)項(xiàng)目的整體情況，并遵循可執(zhí)行性、計(jì)量性以及可比性的原則。本文結(jié)合A企業(yè)研發(fā)項(xiàng)目的特點(diǎn)，從研發(fā)項(xiàng)目投入、研發(fā)項(xiàng)目過(guò)程管理、研發(fā)項(xiàng)目產(chǎn)出以及研發(fā)項(xiàng)目預(yù)期效果四個(gè)方面設(shè)計(jì)了研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的指標(biāo)體系，如圖2所示。

圖2 研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系

研發(fā)項(xiàng)目投入是高質(zhì)量發(fā)展背景下衡量企業(yè)創(chuàng)新投入的指標(biāo)，是評(píng)估企業(yè)高質(zhì)量發(fā)展的重要因素，其主要包括人力和財(cái)力兩個(gè)方面的投入，研發(fā)經(jīng)費(fèi)的落實(shí)和項(xiàng)目團(tuán)隊(duì)成員的配置都會(huì)對(duì)研發(fā)項(xiàng)目的進(jìn)度、質(zhì)量等產(chǎn)生影響，進(jìn)而影響研發(fā)項(xiàng)目的績(jī)效評(píng)價(jià)結(jié)果。遵循指標(biāo)選取的可操作性原則，本文選取資金到位率和項(xiàng)目組綜合學(xué)歷兩個(gè)指標(biāo)衡量研發(fā)項(xiàng)目的投入力度。對(duì)于研發(fā)項(xiàng)目而言，項(xiàng)目過(guò)程管理主要體現(xiàn)在資金管理和項(xiàng)目進(jìn)度管理兩方面：資金管理主要表現(xiàn)在項(xiàng)目經(jīng)費(fèi)使用的合規(guī)性上；項(xiàng)目進(jìn)度管理表現(xiàn)在完成及時(shí)率和團(tuán)隊(duì)協(xié)作程度兩方面，完成及時(shí)率可以反映研發(fā)項(xiàng)目在時(shí)間成本上的投入和項(xiàng)目組的工作效率。

研發(fā)項(xiàng)目產(chǎn)出是高質(zhì)量發(fā)展背景下衡量企業(yè)創(chuàng)新產(chǎn)出的指標(biāo)，亦是企業(yè)關(guān)注的重點(diǎn)，主要體現(xiàn)在成本節(jié)約率、質(zhì)量達(dá)標(biāo)率、項(xiàng)目文檔資料歸檔率等方面。其中，成本節(jié)約率體現(xiàn)了研發(fā)項(xiàng)目經(jīng)費(fèi)的預(yù)算執(zhí)行情況，同時(shí)與高質(zhì)量發(fā)展下倡導(dǎo)的資源節(jié)約理念相呼應(yīng)。由于研發(fā)工作的特殊性，項(xiàng)目資料是企業(yè)的無(wú)形資產(chǎn)，為了提高項(xiàng)目資料的完整性，將項(xiàng)目文檔資料歸檔率納入項(xiàng)目績(jī)效評(píng)價(jià)體系。產(chǎn)品質(zhì)量直接影響市場(chǎng)銷量，對(duì)研發(fā)項(xiàng)目成果質(zhì)量的檢驗(yàn)亦是研發(fā)管理工作不可或缺的一部分。預(yù)計(jì)利潤(rùn)貢獻(xiàn)額、專利申請(qǐng)數(shù)量以及技術(shù)通用性是研發(fā)項(xiàng)目預(yù)期效果在經(jīng)濟(jì)效益、科研成果等方面的表現(xiàn)，在一定程度上可以反映研發(fā)項(xiàng)目的價(jià)值。

（三）決策樹(shù)算法原理與研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)方法

決策樹(shù)是一種基于概率統(tǒng)計(jì)的有監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)方法，它衡量的是對(duì)象屬性和對(duì)象值之間的一種映射，樹(shù)中的每個(gè)內(nèi)部節(jié)點(diǎn)表示對(duì)每個(gè)屬性的判斷，如果符合判斷條件，便會(huì)對(duì)其進(jìn)行分支處理，判斷條件越多，樹(shù)枝越茂盛。目前C4.5、ID3和CART算法是三種常用的決策樹(shù)算法，其中CART算法的預(yù)測(cè)結(jié)果為概率值，可以同時(shí)解決分類和回歸問(wèn)題。分類是不斷降低不確定性的過(guò)程，本文研究的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)是一個(gè)分類問(wèn)題，相對(duì)于ID3和C4.5，CART在構(gòu)建分類樹(shù)時(shí)不再采用信息增益或者信息增益率，而采用基尼指數(shù)作為節(jié)點(diǎn)分裂評(píng)價(jià)準(zhǔn)則，由此簡(jiǎn)化了大量的對(duì)數(shù)運(yùn)算過(guò)程?；嶂笖?shù)反映了樣本的不確定性，基尼指數(shù)越小，樣本之間的差異越小，數(shù)據(jù)集的純度越高。

本文將CART算法應(yīng)用于研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)中，主要是考慮到?jīng)Q策樹(shù)易于理解和解釋的特點(diǎn)，并可呈現(xiàn)可視化結(jié)果示意圖，容易提取到各特征的規(guī)則。由于研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的影響因素之間是相互獨(dú)立的，沒(méi)有關(guān)聯(lián)性，CART算法能夠高效地處理這些不相關(guān)的特征?？紤]到A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)維度較多，CART算法與回歸樹(shù)在面對(duì)A企業(yè)此種問(wèn)題時(shí)相比其他決策樹(shù)顯得更加穩(wěn)健。CART決策樹(shù)最終會(huì)計(jì)算出各個(gè)特征的熵值，本文根據(jù)熵值計(jì)算各個(gè)績(jī)效評(píng)價(jià)指標(biāo)的相對(duì)重要程度，由此作為績(jī)效評(píng)價(jià)權(quán)重設(shè)置的參考值，以解決A企業(yè)研發(fā)項(xiàng)目績(jī)效考核主觀性較強(qiáng)的問(wèn)題。因此，本文采用CART決策樹(shù)算法構(gòu)建研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型具有可操作性和合理性。

（四）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)流程

基于CART決策樹(shù)算法的A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)流程主要由四個(gè)步驟構(gòu)成：首先是采集研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)所涉及的項(xiàng)目成本、項(xiàng)目團(tuán)隊(duì)成員概況、項(xiàng)目進(jìn)展和成果等相關(guān)信息；其次需對(duì)數(shù)據(jù)進(jìn)行預(yù)處理操作；然后對(duì)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)進(jìn)行特征提取；最后構(gòu)建基于CART決策樹(shù)算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型，對(duì)模型進(jìn)行訓(xùn)練，并對(duì)模型結(jié)果進(jìn)行分析。具體流程如圖3所示。

圖3 基于CART算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)流程

如圖3所示的績(jī)效評(píng)價(jià)流程，首先需要完成數(shù)據(jù)的準(zhǔn)備工作，包括數(shù)據(jù)的采集和預(yù)處理操作，從ERP系統(tǒng)、項(xiàng)目管理系統(tǒng)以及人力資源系統(tǒng)采集研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)相關(guān)的項(xiàng)目成本支出明細(xì)、項(xiàng)目進(jìn)度信息、項(xiàng)目預(yù)期成果信息以及項(xiàng)目團(tuán)隊(duì)成員的基本信息等數(shù)據(jù)。然后運(yùn)用SQL語(yǔ)句對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)類型轉(zhuǎn)換、數(shù)據(jù)格式統(tǒng)一、數(shù)據(jù)量化等數(shù)據(jù)清洗和數(shù)據(jù)轉(zhuǎn)換操作。最后通過(guò)數(shù)據(jù)的抽取，得到研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)整合的數(shù)據(jù)表。

完成數(shù)據(jù)的處理工作后，進(jìn)入特征提取的工作階段。主要通過(guò)研發(fā)項(xiàng)目投入、研發(fā)項(xiàng)目過(guò)程管理、研發(fā)項(xiàng)目產(chǎn)出以及研發(fā)項(xiàng)目預(yù)期效果四個(gè)維度對(duì)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)所涉及的數(shù)據(jù)進(jìn)行特征提取，同時(shí)建立研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)數(shù)據(jù)集。為了檢驗(yàn)?zāi)Ｐ偷挠行?，此處將?shù)據(jù)集分為訓(xùn)練集和測(cè)試集。

接下來(lái)構(gòu)建基于CART算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型，選擇基尼指數(shù)進(jìn)行特征選擇。為了使模型所得結(jié)果達(dá)到最優(yōu)化，首先需運(yùn)用大量的數(shù)據(jù)對(duì)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型進(jìn)行訓(xùn)練。然后代入測(cè)試集數(shù)據(jù)至模型中進(jìn)行驗(yàn)證，將誤差降低到最小范圍，最終獲得對(duì)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果影響因素相對(duì)重要程度的特征排序，為研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的權(quán)重設(shè)置提供參考。

四、實(shí)例分析

（一）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)數(shù)據(jù)來(lái)源與數(shù)據(jù)預(yù)處理

1.數(shù)據(jù)來(lái)源。A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的數(shù)據(jù)主要來(lái)源于ERP系統(tǒng)、項(xiàng)目管理系統(tǒng)和人力資源管理系統(tǒng)等多個(gè)信息系統(tǒng)。從ERP系統(tǒng)可以查看各研發(fā)項(xiàng)目的資金情況，包括研發(fā)項(xiàng)目資金到位金額、資金使用的明細(xì)、實(shí)際使用資金的數(shù)額，可作為項(xiàng)目成本支出相關(guān)的數(shù)據(jù)來(lái)源。研發(fā)項(xiàng)目團(tuán)隊(duì)成員學(xué)歷信息可從人力資源管理系統(tǒng)獲得。項(xiàng)目管理系統(tǒng)的項(xiàng)目進(jìn)度跟蹤數(shù)據(jù)表記錄了項(xiàng)目在各關(guān)鍵時(shí)間節(jié)點(diǎn)的進(jìn)展情況和項(xiàng)目的實(shí)際研發(fā)周期；研發(fā)項(xiàng)目產(chǎn)出綜合考評(píng)表記載了與本項(xiàng)目相關(guān)的資料歸檔情況；質(zhì)量檢驗(yàn)的達(dá)標(biāo)情況可從項(xiàng)目管理數(shù)據(jù)表獲得；從研發(fā)項(xiàng)目成果數(shù)據(jù)表可獲得項(xiàng)目的成果評(píng)價(jià)信息，包括專利申請(qǐng)數(shù)量、預(yù)計(jì)利潤(rùn)貢獻(xiàn)額以及管理層對(duì)技術(shù)通用性的打分情況。將這些數(shù)據(jù)以數(shù)據(jù)庫(kù)文件的格式導(dǎo)出，方便后續(xù)在MySQL數(shù)據(jù)庫(kù)管理系統(tǒng)中對(duì)數(shù)據(jù)進(jìn)行預(yù)處理操作。為了提高所構(gòu)建模型的精確性，本文選擇A企業(yè)2017～2021年已結(jié)題的研發(fā)項(xiàng)目相關(guān)數(shù)據(jù)作為原始數(shù)據(jù)。

2.數(shù)據(jù)預(yù)處理。從各系統(tǒng)采集的財(cái)務(wù)和項(xiàng)目管理等相關(guān)數(shù)據(jù)存在數(shù)據(jù)冗余、數(shù)據(jù)類型不一致、數(shù)據(jù)缺失等情況，需對(duì)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換等預(yù)處理。首先，建立一個(gè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)數(shù)據(jù)庫(kù)，將采集的數(shù)據(jù)導(dǎo)入此庫(kù)中，通過(guò)項(xiàng)目編號(hào)連接各數(shù)據(jù)表，運(yùn)用SQL語(yǔ)句修改各字段的數(shù)據(jù)類型、數(shù)據(jù)長(zhǎng)度，并刪除信息重復(fù)的字段。其次，為了實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一以及后續(xù)使用的便捷性，在此數(shù)據(jù)庫(kù)中新建研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)整合數(shù)據(jù)表，用于存儲(chǔ)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)的各項(xiàng)數(shù)據(jù)，如表1所示。最后，運(yùn)用SQL語(yǔ)句從此庫(kù)中的其他相關(guān)數(shù)據(jù)表抽取需要的數(shù)據(jù)，并插入此數(shù)據(jù)表中。

在數(shù)據(jù)抽取過(guò)程中，需要通過(guò)SQL語(yǔ)句對(duì)數(shù)據(jù)進(jìn)行計(jì)算、統(tǒng)計(jì)、比對(duì)等處理才能得到表1所需要的數(shù)據(jù)。由于項(xiàng)目組成員學(xué)歷存在差異，此處只考察團(tuán)隊(duì)成員學(xué)歷的整體水平，將項(xiàng)目組綜合學(xué)歷分為高等學(xué)歷、中等學(xué)歷和低等學(xué)歷三個(gè)標(biāo)準(zhǔn)。其中，項(xiàng)目組成員70%及以上的學(xué)歷為碩士及以上，則定義該項(xiàng)目組綜合學(xué)歷水平為高等學(xué)歷；50%及以上的學(xué)歷為本科及以上，則定義該項(xiàng)目組綜合學(xué)歷水平為中等學(xué)歷；其余則定義為低等學(xué)歷。研發(fā)項(xiàng)目的績(jī)效評(píng)價(jià)水平分別用字母a、b、c、d表示。其中，a表示績(jī)效等級(jí)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(shù)據(jù)如表2所示。

表1 A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)整合數(shù)據(jù)表設(shè)計(jì)

表2 研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)原始數(shù)據(jù)示例

為了使數(shù)據(jù)更好地適應(yīng)算法模型，需對(duì)數(shù)據(jù)的呈現(xiàn)形式做量化處理。項(xiàng)目組綜合學(xué)歷水平有高等學(xué)歷、中等學(xué)歷、低等學(xué)歷，分別用數(shù)字1、2、3表示，以方便決策樹(shù)算法識(shí)別。團(tuán)隊(duì)溝通協(xié)調(diào)能力表現(xiàn)在強(qiáng)、中等、一般、差四個(gè)方面，分別用數(shù)字1、2、3、4代表。對(duì)于資金使用合規(guī)性實(shí)行扣分制，每出現(xiàn)一次違規(guī)扣5分。技術(shù)通用性總共有優(yōu)秀、良好、一般三個(gè)標(biāo)準(zhǔn)，分別用數(shù)字1、2、3代替。在數(shù)據(jù)庫(kù)中通過(guò)SQL語(yǔ)句依次對(duì)上述數(shù)據(jù)項(xiàng)進(jìn)行更新操作。經(jīng)過(guò)處理后得到216條數(shù)據(jù)，最后呈現(xiàn)的詳細(xì)數(shù)據(jù)如表3所示。

表3 處理后的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)數(shù)據(jù)

（二）研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型構(gòu)建

CART算法采用一種二分遞歸分割的技術(shù)，最后生成的決策樹(shù)是二叉樹(shù)。獲得A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)的數(shù)據(jù)后，通過(guò)定義變量、決策樹(shù)生成、決策樹(shù)剪枝三個(gè)步驟構(gòu)建基于CART算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型，具體內(nèi)容如下：

1.定義變量。對(duì)變量進(jìn)行指定是決策樹(shù)建模的基礎(chǔ)工作。首先，將分析對(duì)象中的輸出變量定義為目標(biāo)變量，也稱作因變量；其次，將對(duì)結(jié)果產(chǎn)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(xiàng)目的績(jī)效評(píng)價(jià)水平指定為目標(biāo)變量，將完成及時(shí)率、成本節(jié)約率、資金到位率、項(xiàng)目文檔資料歸檔率等11個(gè)指標(biāo)選定為輸入變量。

2.決策樹(shù)生成。決策樹(shù)生成是輸入訓(xùn)練集數(shù)據(jù)，設(shè)置參數(shù)條件，最終輸出二叉樹(shù)的過(guò)程。CART算法在構(gòu)建分類樹(shù)時(shí)，采用基尼指數(shù)（Gini）作為節(jié)點(diǎn)分裂評(píng)價(jià)準(zhǔn)則進(jìn)行特征選擇?；嶂笖?shù)可用來(lái)量化數(shù)據(jù)的混亂程度，表示樣本集合中隨機(jī)選中的樣本被分錯(cuò)的概率，基尼指數(shù)越大表示數(shù)據(jù)集合中隨機(jī)被選中的樣本出現(xiàn)被分錯(cuò)的概率就越高，也說(shuō)明此數(shù)據(jù)集的混亂程度較高、數(shù)據(jù)不純，反之?dāng)?shù)據(jù)的混亂程度較低、數(shù)據(jù)的純度較高。假設(shè)集合中所有樣本個(gè)數(shù)為m類，Pm表示第m類樣本被選中的概率，基尼指數(shù)的計(jì)算公式如下：

3.決策樹(shù)剪枝。決策樹(shù)是考慮了所有數(shù)據(jù)點(diǎn)而生成的復(fù)雜樹(shù)，如果樹(shù)的結(jié)構(gòu)過(guò)于復(fù)雜，表明其存在過(guò)擬合的可能性較大，進(jìn)而會(huì)降低模型的準(zhǔn)確度，此時(shí)必須設(shè)定停止條件對(duì)其進(jìn)行剪枝處理，使其結(jié)構(gòu)簡(jiǎn)單化，否則決策樹(shù)枝會(huì)不斷生長(zhǎng)，不利于數(shù)據(jù)的分類。剪枝的方式分為預(yù)剪枝和后剪枝，本文選取后剪枝方式進(jìn)行剪枝處理。后剪枝的過(guò)程是先輸入驗(yàn)證集數(shù)據(jù)到?jīng)Q策樹(shù)算法生成一棵完全生長(zhǎng)的決策樹(shù)；然后自底層向上層進(jìn)行剪枝操作；最后通過(guò)損失函數(shù)確定在哪些結(jié)點(diǎn)進(jìn)行剪枝。損失函數(shù)形式如下：

C（T）表示決策樹(shù)模型與訓(xùn)練數(shù)據(jù)集的擬合程度，|T|為子樹(shù)的葉子結(jié)點(diǎn)個(gè)數(shù)，表示模型的復(fù)雜程度，α是權(quán)衡二者的參數(shù)。較大的α使得模型訓(xùn)練過(guò)程傾向于選擇結(jié)構(gòu)簡(jiǎn)潔的決策樹(shù)，對(duì)模型復(fù)雜程度的懲罰較大；反之，較小的α意味著模型訓(xùn)練過(guò)程傾向于選擇更加復(fù)雜的樹(shù)，對(duì)模型復(fù)雜程度的懲罰較小。

（三）模型測(cè)試與結(jié)果分析

選取A企業(yè)2017～2021年的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，按照7∶3的比例將數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本。由于需要避免因數(shù)據(jù)集劃分不合理而導(dǎo)致的擬合問(wèn)題，則需要通過(guò)K折交叉驗(yàn)證法對(duì)模型進(jìn)行選擇，將數(shù)據(jù)集劃分為k個(gè)子集，每次將其中的一個(gè)樣本集作為測(cè)試集，剩余的k-1個(gè)子集的并集作為訓(xùn)練集，并進(jìn)行k次交叉驗(yàn)證，以找到最優(yōu)決策樹(shù)。本文基于預(yù)處理過(guò)后的數(shù)據(jù)樣本，采用7折交叉驗(yàn)證的方法對(duì)模型進(jìn)行訓(xùn)練和測(cè)試。

本文采用7折交叉檢驗(yàn)的方式，將數(shù)據(jù)劃分為7份，其中6份作為訓(xùn)練樣本，一份作為驗(yàn)證樣本，反復(fù)重復(fù)該過(guò)程共計(jì)7次。為了避免決策樹(shù)過(guò)擬合，通過(guò)多次交叉驗(yàn)證，人工調(diào)節(jié)模型的參數(shù)，并得到最終的參數(shù)值。其中，節(jié)點(diǎn)分裂準(zhǔn)則選擇Gini，由于本案例涉及的樣本量不大，因此特征劃分標(biāo)準(zhǔn)設(shè)置為默認(rèn)值best。內(nèi)部節(jié)點(diǎn)分裂的最小樣本數(shù)為2，葉子節(jié)點(diǎn)的最小樣本數(shù)為4，樹(shù)的最大深度為10，葉子節(jié)點(diǎn)的最大數(shù)量設(shè)定為50，最終得到的結(jié)果如圖4所示。

圖4 A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)決策樹(shù)

通過(guò)對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，得到訓(xùn)練集數(shù)據(jù)績(jī)效評(píng)價(jià)結(jié)果實(shí)際值與預(yù)測(cè)值的混淆矩陣熱力圖，如圖5所示。該圖展示了研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果測(cè)試值和真實(shí)值的分布情況：橫軸代表數(shù)據(jù)的真實(shí)歸屬類別，即研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果的真實(shí)值；縱軸表示研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果的預(yù)測(cè)值。不難發(fā)現(xiàn)，當(dāng)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果真實(shí)值為a時(shí)，預(yù)測(cè)值的正確率為92.98%，當(dāng)目標(biāo)變量的真實(shí)值分別為b、c、d時(shí)，其模型預(yù)測(cè)值與對(duì)應(yīng)的真實(shí)值完全相等?？傮w來(lái)看，該決策樹(shù)模型構(gòu)建良好，可為A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)提供參考。

圖5 混淆矩陣熱力圖

為了獲得各研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)特征對(duì)于結(jié)果的重要性比率，決策樹(shù)計(jì)算了各特征的熵值，根據(jù)熵值計(jì)算各特征的相對(duì)重要程度，如表4所示。

通過(guò)表4可知，對(duì)A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果產(chǎn)生重要影響的前三個(gè)特征分別是完成及時(shí)率、預(yù)計(jì)利潤(rùn)貢獻(xiàn)額和資金使用合規(guī)性，隨后是成本節(jié)約率、質(zhì)量達(dá)標(biāo)率、資金到位率、項(xiàng)目文檔資料歸檔率等。其中，完成及時(shí)率體現(xiàn)了項(xiàng)目研發(fā)過(guò)程的時(shí)效性，在技術(shù)不斷更替的時(shí)代，新產(chǎn)品作為研發(fā)項(xiàng)目的直接成果，其研發(fā)過(guò)程的時(shí)效性直接影響產(chǎn)品進(jìn)入市場(chǎng)的時(shí)間和可能獲得的市場(chǎng)份額，進(jìn)而影響企業(yè)邁向高質(zhì)量發(fā)展階段的速度，因而其對(duì)A企業(yè)項(xiàng)目研發(fā)績(jī)效評(píng)價(jià)結(jié)果影響最大。預(yù)計(jì)利潤(rùn)貢獻(xiàn)額是對(duì)研發(fā)產(chǎn)品所創(chuàng)造價(jià)值的直接衡量。高質(zhì)量發(fā)展背景下對(duì)資金使用的合規(guī)性提出了較高要求，企業(yè)各項(xiàng)目需確保資金使用的合理性，將其引入研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)指標(biāo)體系，可加強(qiáng)對(duì)研發(fā)經(jīng)費(fèi)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(zhì)量發(fā)展背景下資源節(jié)約情況。質(zhì)量達(dá)標(biāo)率是檢驗(yàn)研發(fā)項(xiàng)目成果的指標(biāo)之一，其對(duì)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)結(jié)果的影響處于中等水平。不難發(fā)現(xiàn)，項(xiàng)目文檔資料歸檔率對(duì)結(jié)果的影響大于專利申請(qǐng)數(shù)量，說(shuō)明相較于外在的榮譽(yù)等軟實(shí)力，A企業(yè)更加注重自身內(nèi)在研發(fā)經(jīng)驗(yàn)的積累，積極提升自身的硬實(shí)力。項(xiàng)目組綜合學(xué)歷對(duì)結(jié)果的影響程度較小，說(shuō)明企業(yè)研發(fā)團(tuán)隊(duì)學(xué)歷差異不大。值得注意的是，團(tuán)隊(duì)協(xié)作程度對(duì)模型結(jié)果的影響為0，說(shuō)明并不是所有的特征都被選擇。該結(jié)果可作為A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)權(quán)重設(shè)置的參考，亦可為A企業(yè)針對(duì)研發(fā)項(xiàng)目績(jī)效的監(jiān)督提供方向。

五、結(jié)語(yǔ)

績(jī)效評(píng)價(jià)是企業(yè)研發(fā)項(xiàng)目創(chuàng)新管理的核心內(nèi)容，科學(xué)、有效的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)，對(duì)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(guò)對(duì)A企業(yè)研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)現(xiàn)狀和問(wèn)題進(jìn)行分析，針對(duì)A企業(yè)研發(fā)項(xiàng)目存在的績(jī)效評(píng)價(jià)指標(biāo)單一、考核主觀性較強(qiáng)等問(wèn)題，從研發(fā)項(xiàng)目投入、研發(fā)項(xiàng)目過(guò)程管理、研發(fā)項(xiàng)目產(chǎn)出以及研發(fā)項(xiàng)目預(yù)期效果四個(gè)維度出發(fā)，選取了成本節(jié)約率、完成及時(shí)率、專利申請(qǐng)數(shù)量、團(tuán)隊(duì)協(xié)作程度、項(xiàng)目組綜合學(xué)歷、預(yù)計(jì)利潤(rùn)貢獻(xiàn)額、資金到位率等11個(gè)指標(biāo)，構(gòu)建了基于CART決策樹(shù)算法的研發(fā)項(xiàng)目績(jī)效評(píng)價(jià)模型。通過(guò)對(duì)模型的訓(xùn)練與實(shí)例分析，發(fā)現(xiàn)并不是所有的特征都被選擇，完成及時(shí)率是對(duì)模型結(jié)果影響最大的特征，為A企業(yè)在績(jī)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(qiáng)化企業(yè)高質(zhì)量發(fā)展下管理會(huì)計(jì)的職能，并為企業(yè)建立一套科學(xué)、規(guī)范的績(jī)效評(píng)價(jià)體系提供指導(dǎo)。