基于層次分析法的互聯(lián)網(wǎng)企業(yè)倒閉原因分析

高菊菊,晏建學(xué)

(云南財(cái)經(jīng)大學(xué) 商學(xué)院,云南 昆明 650221)

本文通過(guò)收集并整理2016—2020年互聯(lián)網(wǎng)領(lǐng)域1300多家倒閉的企業(yè)(具備一定規(guī)模)的生存發(fā)展數(shù)據(jù)，以及對(duì)近二十個(gè)行業(yè)的探索分析，找出其從創(chuàng)建發(fā)展到倒閉背后的共性原因。針對(duì)互聯(lián)網(wǎng)企業(yè)發(fā)展倒閉背后的各項(xiàng)原因的權(quán)重，引入層次分析法進(jìn)行建模和分析計(jì)算，來(lái)進(jìn)一步探究互聯(lián)網(wǎng)行業(yè)繁榮背后的暗潮。

1 分析方法

本文以2016—2020年的互聯(lián)網(wǎng)企業(yè)發(fā)展相關(guān)數(shù)據(jù)為基礎(chǔ)，建立各因素指標(biāo)項(xiàng)模型，采用層次分析法計(jì)算各層級(jí)權(quán)重，并進(jìn)行矩陣一致性判斷，最后找出互聯(lián)網(wǎng)企業(yè)一定的生存發(fā)展規(guī)律并得出結(jié)論。

1.1 主要步驟

1.1.1 構(gòu)建由目標(biāo)層、準(zhǔn)則層和方案層所構(gòu)成的層次分析結(jié)構(gòu)模型

針對(duì)目標(biāo)問(wèn)題分析可能涉及的因素，基于這些因素的內(nèi)部關(guān)系，設(shè)計(jì)構(gòu)造出各因素之間相互連接的階梯狀層次結(jié)構(gòu)，由高到低依次是目標(biāo)層、準(zhǔn)則層和方案層。

1.1.2 構(gòu)建判斷矩陣

依據(jù)構(gòu)建的階梯型層次結(jié)構(gòu)，對(duì)于每個(gè)單層次結(jié)構(gòu)，將目標(biāo)因素記為,與其相關(guān)的影響因素指標(biāo)，，…，有支配關(guān)系，接下來(lái)將這些因素兩兩對(duì)比，進(jìn)一步探究各因素指標(biāo)對(duì)的影響程度，然后選取數(shù)字 1～9 及其倒數(shù)作為衡量影響程度的標(biāo)度，構(gòu)建出判斷矩陣。

1.1.3 計(jì)算各層級(jí)權(quán)重

根據(jù)上一步建立的矩陣來(lái)對(duì)各因素影響程度的權(quán)重進(jìn)一步計(jì)算。得出矩陣的最大特征根以及經(jīng)過(guò)歸一化處理的特征向量=[,,…,]。因而，只需對(duì)最大特征根方程求解即可：=，然后對(duì)做歸一化處理，將歸一化的特征向量作為本層次影響因素，，…，對(duì)于目標(biāo)因素的權(quán)重。

1.1.4 一致性檢驗(yàn)

對(duì)矩陣進(jìn)行一致性檢驗(yàn)，通過(guò)計(jì)算一致性指標(biāo)來(lái)測(cè)量成對(duì)比較矩陣一致性是最直接有效的方法。若CR值小于或等于0.1，就說(shuō)明比較矩陣一致性是合理的；但是如果 CR值在0.1之上且不包含0.1，就需要對(duì)比較矩陣做進(jìn)一步修正。=(-)(-1)，=，其中，值為平均隨機(jī)一致性指標(biāo)，共涉及1～11階矩陣，各階矩陣RI值見(jiàn)表6。

2 原因分析

互聯(lián)網(wǎng)對(duì)人類(lèi)生活的影響是多面且長(zhǎng)久而持續(xù)的，服務(wù)與技術(shù)不斷推陳出新。本文通過(guò)收集整理2016—2020年1300多家互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)，并結(jié)合各大互聯(lián)網(wǎng)數(shù)據(jù)分析公司的研究成果，對(duì)此從多個(gè)角度進(jìn)行分析，設(shè)計(jì)出三個(gè)關(guān)鍵原因。

一是市場(chǎng)問(wèn)題：商業(yè)模式匱乏、行業(yè)競(jìng)爭(zhēng)、市場(chǎng)偽需求、業(yè)務(wù)調(diào)整；二是政策/法律問(wèn)題：政策監(jiān)管、法律法規(guī)風(fēng)險(xiǎn)；三是資金問(wèn)題：現(xiàn)金流斷裂、燒錢(qián)、定價(jià)/成本問(wèn)題、融資能力不足。

3 基于層次分析法建模和計(jì)算權(quán)重

3.1 構(gòu)建層次分析模型

互聯(lián)網(wǎng)企業(yè)倒閉原因的模型構(gòu)建見(jiàn)圖1。

圖1 互聯(lián)網(wǎng)企業(yè)倒閉原因的模型構(gòu)建

3.2 構(gòu)造判斷矩陣計(jì)算權(quán)重

本部分采用Saaty等人提出的九分判斷尺度表確定準(zhǔn)則層各要素權(quán)重值。

首先，對(duì)準(zhǔn)則層各要素權(quán)重進(jìn)行計(jì)算，根據(jù)表1的九分判斷尺度表建立兩兩比較判斷矩陣，計(jì)算每列之和。

表1 九分判斷尺度

其次，將各行元素歸一化，再計(jì)算標(biāo)準(zhǔn)矩陣每行特征向量，就是準(zhǔn)則層各因素的權(quán)重值。

通過(guò)計(jì)算每行平均值，從而得出每行要素相應(yīng)的權(quán)重。計(jì)算結(jié)果見(jiàn)表2。

表2 準(zhǔn)則層的特征向量

后計(jì)算圖1中方案層各項(xiàng)要素的權(quán)重值，見(jiàn)表3。

表3 方案層的特征向量

雖然2020年我國(guó)遭受了嚴(yán)重的疫情影響，但我國(guó)依然是全世界GDP唯一實(shí)現(xiàn)增長(zhǎng)的國(guó)家，互聯(lián)網(wǎng)企業(yè)的淘汰仍在持續(xù)。本部分基于層次分析法，探討這些企業(yè)倒閉的原因及所占權(quán)重變化。見(jiàn)表4、表5。

表4 2020年準(zhǔn)則層的特征向量

表5 2020年方案層的特征向量

3.3 判斷矩陣一致性

因?yàn)樵趦蓛杀容^矩陣中，各元素都是在兩個(gè)因素比較之下所得出的，這難以避免企業(yè)倒閉原因占比和之前不一致的情況，尤其在比較過(guò)程中要素?cái)?shù)量眾多的情形下。所以此時(shí)就必須對(duì)各因素進(jìn)行一致性檢驗(yàn)。此處以準(zhǔn)則層因素為例，具體計(jì)算步驟是將準(zhǔn)則層兩兩比較矩陣與特征向量相乘，獲得賦權(quán)和向量。

(1)

用計(jì)算出的賦權(quán)及向量分別除以相對(duì)應(yīng)的特征向量，計(jì)算得到：1.592/0.53=3.00；0.887/0.29=3.06；0.529/0.18=2.94。

取第二步結(jié)果的平均值即為最大特征根:

=(1.592/0.53+0.887/0.29+0.529/0.18)/3=3.0043

(2)

計(jì)算一致性指標(biāo):

(3)

計(jì)算一致性指標(biāo)，得=0.58。見(jiàn)表6。

表6 隨機(jī)一致性指標(biāo)RI數(shù)值

==00002058=000034<01

通過(guò)了一致性檢驗(yàn)，這說(shuō)明該層次排序結(jié)果合理，無(wú)須對(duì)判斷矩陣進(jìn)行修正。通過(guò)上述假設(shè)所計(jì)算出的權(quán)重值，也得到了企業(yè)的認(rèn)可，并認(rèn)為這些假設(shè)是較為合理的。如果要對(duì)準(zhǔn)則層第二層要素進(jìn)行權(quán)重分配計(jì)算，可參考上述計(jì)算方法和過(guò)程。

同理可計(jì)算出方案層=0.0131<0.1；2020年準(zhǔn)則層=0.0006<0.1；2020年方案層=0.0404<0.1。

4 結(jié)論

從圖2、圖3可以得出，基于層次分析法能夠很好地看出導(dǎo)致互聯(lián)網(wǎng)企業(yè)走向倒閉的各項(xiàng)原因以及各自權(quán)重。互聯(lián)網(wǎng)企業(yè)倒閉的主要原因是市場(chǎng)問(wèn)題，2020年雖然市場(chǎng)競(jìng)爭(zhēng)仍是互聯(lián)網(wǎng)企業(yè)倒閉的主要原因，但燒錢(qián)、融資能力不足問(wèn)題占比大幅度上升，從融資情況中也能發(fā)現(xiàn)一些端倪，獲得投資的這些互聯(lián)網(wǎng)企業(yè)在疫情的沖擊下，流動(dòng)資金快速流失，而融資又出現(xiàn)問(wèn)題，導(dǎo)致其在行業(yè)競(jìng)爭(zhēng)中失去優(yōu)勢(shì)，從而走向倒閉。企業(yè)只有關(guān)心市場(chǎng)風(fēng)向、專(zhuān)心打磨產(chǎn)品、不斷優(yōu)化商業(yè)模式、持續(xù)提升客戶感知，才能在后疫情時(shí)代和未來(lái)發(fā)展道路上保持屹立不倒。

圖2 2016—2019年互聯(lián)網(wǎng)企業(yè)倒閉原因權(quán)重

圖3 2020年互聯(lián)網(wǎng)企業(yè)倒閉原因權(quán)重