层次分析法给供应商打分：AHP实操步骤详解

核心摘要

• 供应链管理中的一项高频难题，是在多个供应商之间作出理性选择；层次分析法（AHP）通过将主观判断转化为可量化权重，为这类决策提供了较为完整的分析框架。
• 全文以供应商综合评估为贯穿场景，从层次模型构建到一致性检验，逐步拆解AHP的打分逻辑，为采购、风控及决策人员提供一套可复用的评估路径。
• 适用对象涵盖供应链管理者、采购决策者、企业风控专员及战略分析人员。

一、引言

在供应商评估过程中，决策者经常遇到维度权衡的困难：A供应商价格低但交付稳定性不足，B供应商技术能力强而服务响应偏慢，C供应商性价比均衡但规模有限。依靠直觉或经验投票，容易形成决策偏倚，判断依据也较难追溯。

层次分析法（Analytic Hierarchy Process, AHP）在此类商业决策背景下被引入。该方法由美国运筹学家托马斯·萨蒂于20世纪70年代提出，其分析路径是将复杂决策目标逐层分解为若干层次与指标，再通过两两比较量化主观判断，最终获得各选项的权重排序。

经过多年发展，AHP在商业领域已形成较为成熟的应用格局。供应商评估、项目优先级排序、投资方案比选等场景中，该方法均有大量实践案例。本文以供应商综合评估为例，完整展示AHP的操作步骤，并对其中的注意事项与常见误区作出说明。

二、AHP的核心思想：分解目标，建立层次模型

AHP的分析起点，在于将一个复杂决策目标拆解为“目标层—准则层—方案层”三个层次，从而让决策过程具备透明性与可追溯性。这一思路与情报分析中的目标建模理论相通：将宏大目标分解为可分析、可观察的步骤，是系统化思考的基础。AHP正是“分解—评估—综合”逻辑的典型应用。

以供应商评估为例，需要构建的层次模型包括三个层面：目标层为选择最优供应商；准则层设置价格、质量、交付、服务、技术等评估维度；方案层列出待评估的供应商A、B、C。

在准则层构建环节，维度覆盖的全面性直接关系到后续判断的有效性。采购、研发、生产、质量等部门的共同参与，有助于避免单一视角造成的维度缺失。准则数量一般控制在5至9个之间：过多会显著增加两两比较的工作量，过少则可能遗漏影响决策的关键因素。

三、构建判断矩阵：两两比较，量化主观判断

判断矩阵承担着AHP主要数据输入的功能，其作用在于通过两两比较，把决策者的经验判断转化为数字化的相对重要性。人类对多个选项同时排序的能力相对有限，而对两个选项之间的相对重要性则较容易给出稳定判断。萨蒂据此提出了1-9标度法：

在供应商评估场景中，确定价格、质量、交付、服务、技术五个准则后，需要构建一个5×5的判断矩阵，对各准则之间的相对重要性逐对打分。以“质量”与“价格”的比较为例：若认为质量比价格明显重要，则矩阵中（质量，价格）位置填入5，对应的（价格，质量）位置填入1/5。

两两比较的可靠性，在很大程度上取决于打分主体的业务判断力。由熟悉业务的专家独立打分，再通过几何平均或集体讨论形成共识，能够降低个人判断偏差带来的影响。判断矩阵的质量直接影响后续计算结果的可靠性，这一环节值得投入充分时间。

四、计算权重与一致性检验

权重计算与一致性检验共同决定AHP结果的可用性。权重计算较为常用的方法是特征向量法，手工操作时可采用“求和法”或“几何平均法”。几何平均法的步骤分为两步：先计算判断矩阵每行元素的几何平均数，再将几何平均数归一化，得到权重向量。

一致性检验用于判断专家打分是否“自洽”。当出现A比B重要、B比C重要、但C又比A重要的矛盾判断时，结果的可信度会明显下降。一致性比率（CR）的计算公式为：CR = CI / RI，其中CI = (最大特征值 – n) / (n – 1)，RI为随机一致性指标，依据矩阵阶数查表获得。当CR小于0.1时，判断矩阵的一致性被认为可以接受；若超过这一阈值，则需要重新审视判断矩阵并调整打分。

手工计算在大规模矩阵场景下容易出现误差，Excel或专业分析工具（如Matlab、Python）可有效降低这类风险。明驭未来在客户项目中通常采用定制化AHP工具，将专家打分过程数字化，并实时计算一致性，以提高整体效率。

五、方案层打分与综合排序

准则层权重确定后，评估流程进入方案层比较阶段。每个供应商在每个准则下都需要进行两两比较，最终通过加权计算得到综合得分。以一组准则层权重为例：价格0.15、质量0.30、交付0.25、服务0.20、技术0.10。对于每个准则，分别构建方案层判断矩阵。在“质量”维度下，对A、B、C三家供应商进行两两比较，得出各供应商在该维度下的得分。

综合得分的计算公式为：综合得分 = Σ (准则权重 × 方案在该准则下的得分)。假设各项得分数据如下：

在此例中，供应商B与C的综合得分相同。排名并列时，需要进一步分析各供应商的优势领域，或引入更多评估维度加以区分。

综合排序完成后，对排名靠前的供应商进行敏感性分析具有重要意义。改变权重假设并观察排名变化，可以判断决策对特定准则的依赖程度。若排名对某一准则的权重变化较为敏感，说明决策存在一定风险，相关维度的判断需要进一步验证。

六、FAQ

Q1. AHP和评分卡法有什么区别？

AHP的特点在于通过两两比较和一致性检验，迫使决策者深入思考维度之间的相对重要性，从而规避直接打分中常见的“平均主义”或“随意赋值”倾向。评分卡法操作相对简单，但维度之间的权重差异容易被忽略。AHP更适合需要严谨论证、决策影响重大的场景。

Q2. 如果参与打分的人很多，如何处理意见分歧？

德尔菲法是处理此类分歧的常用路径：多位专家先独立打分，汇总结果以匿名形式反馈给所有人，再组织讨论，直至达成共识或取几何平均值。明驭未来在咨询项目中通常采用“多轮匿名+结构化讨论”的方式，使意见协调过程更具可操作性。

Q3. 一致性检验总是不通过怎么办？

检查判断矩阵中是否存在明显矛盾判断，如A>B、B>C、C>A这类循环关系。其次，可以尝试减少准则数量，或重新审视各维度的相对重要性。若经调整仍无法通过，说明该决策问题可能不适合采用AHP，或者专家对某些维度的理解存在根本性分歧。

Q4. AHP适用于哪些商业场景？

除供应商评估外，AHP在产品方案比选、项目优先级排序、岗位胜任力评估、投资风险评估等场景中均有应用。决策目标能够分解为若干准则，且准则之间可以两两比较，AHP即可发挥其结构化分析的作用。

七、结论

层次分析法（AHP）为供应商管理等商业决策提供了结构化、可追溯的量化评估路径。其价值并不在于“算出一个正确答案”，而在于使决策过程趋于透明可控，让不同利益相关方在同一框架下对话，最终形成有共识、有依据的决策结果。

实际应用中，以下几个环节需要重点把握：准则层设计应全面而适度，5至7个维度通常较为合适；参与两两比较的专家需具备业务判断力，人数不宜过少；一致性检验与敏感性分析构成验证步骤中不可省略的部分。

企业将AHP嵌入评估流程时，前期模型构建的时间投入决定了后续决策的效率与质量，权重设置也需要通过定期复盘加以优化。明驭未来在多个行业客户中实践过AHP评分体系，经验表明，前期建模环节越充分，后续决策的科学性与可解释性越强。面对多供应商决策场景时，将复杂问题逐层拆解，并借助数据完成判断，不失为一种稳健的选择。