1. 項(xiàng)目概述從拍腦袋到結(jié)構(gòu)化決策在項(xiàng)目評(píng)審、方案選擇、資源分配這些日常工作中我們常常面臨一個(gè)難題如何從幾個(gè)各有優(yōu)劣的選項(xiàng)中選出一個(gè)“最好”的很多時(shí)候決策過(guò)程是模糊的甚至是“拍腦袋”決定的。比如公司要采購(gòu)一批服務(wù)器A品牌性能強(qiáng)但價(jià)格貴B品牌性價(jià)比高但售后一般C品牌服務(wù)好但技術(shù)老舊。領(lǐng)導(dǎo)問(wèn)“你覺(jué)得選哪個(gè)好”你可能會(huì)說(shuō)“我覺(jué)得A不錯(cuò)性能是硬道理?！钡@樣的回答缺乏說(shuō)服力因?yàn)樗豢紤]了單一因素忽略了價(jià)格、服務(wù)、穩(wěn)定性等其他同樣重要的維度。層次分析法就是為解決這類多準(zhǔn)則決策問(wèn)題而生的結(jié)構(gòu)化工具。它不是什么高深莫測(cè)的數(shù)學(xué)魔法而是一套將人的主觀判斷進(jìn)行量化并通過(guò)邏輯計(jì)算得出相對(duì)客觀結(jié)論的方法。簡(jiǎn)單說(shuō)它幫你把“我覺(jué)得”變成“根據(jù)我們的判斷標(biāo)準(zhǔn)和權(quán)重計(jì)算結(jié)果是...”。我第一次接觸AHP是在一個(gè)產(chǎn)品選型項(xiàng)目中當(dāng)時(shí)團(tuán)隊(duì)對(duì)三個(gè)候選方案爭(zhēng)論不休每人都有自己的偏好。引入層次分析法后我們不僅快速達(dá)成了共識(shí)更重要的是決策過(guò)程變得透明、可追溯每個(gè)人都能看到自己的意見(jiàn)是如何被納入最終結(jié)果的。這遠(yuǎn)比單純投票或領(lǐng)導(dǎo)一言堂要科學(xué)得多。2. 核心思路拆解像搭積木一樣構(gòu)建決策模型層次分析法的核心思想非常直觀可以概括為“分解、判斷、綜合”。它把復(fù)雜的決策問(wèn)題分解為目標(biāo)、準(zhǔn)則、方案等層次形成一個(gè)樹(shù)狀結(jié)構(gòu)然后通過(guò)兩兩比較的方式確定各層次中元素的相對(duì)重要性最后進(jìn)行綜合計(jì)算得到各方案對(duì)總目標(biāo)的權(quán)重排序。2.1 構(gòu)建層次結(jié)構(gòu)模型這是第一步也是最關(guān)鍵的一步?jīng)Q定了整個(gè)分析的框架是否合理。你需要像搭積木一樣把問(wèn)題結(jié)構(gòu)化。目標(biāo)層最高層問(wèn)題的最終目的。比如“選擇最優(yōu)的服務(wù)器供應(yīng)商”。準(zhǔn)則層中間層為實(shí)現(xiàn)目標(biāo)所涉及的中間環(huán)節(jié)也就是決策需要考慮的各個(gè)方面。比如“性能”、“價(jià)格”、“售后服務(wù)”、“技術(shù)生態(tài)”。方案層最底層待選的方案或措施。比如“供應(yīng)商A”、“供應(yīng)商B”、“供應(yīng)商C”。這里有個(gè)常見(jiàn)的坑準(zhǔn)則層劃分不合理。要么過(guò)于籠統(tǒng)比如只分“技術(shù)”和“非技術(shù)”導(dǎo)致比較時(shí)難以把握要么過(guò)于瑣碎列出十幾二十個(gè)準(zhǔn)則導(dǎo)致后續(xù)兩兩比較的工作量巨大且容易產(chǎn)生矛盾。我的經(jīng)驗(yàn)是準(zhǔn)則數(shù)量控制在3-7個(gè)為佳并且要確保它們之間盡量相互獨(dú)立。例如“價(jià)格”和“總擁有成本TCO”就有重疊最好合并或明確區(qū)分。2.2 構(gòu)造判斷成對(duì)比較矩陣這是AHP的精髓也是主觀性體現(xiàn)最明顯的一步。我們需要對(duì)同一層次下的元素就其對(duì)于上一層次某個(gè)準(zhǔn)則的重要性進(jìn)行兩兩比較。比較時(shí)我們使用一個(gè)1-9的比例標(biāo)度這是由AHP創(chuàng)始人薩蒂教授提出的符合人類判斷的心理習(xí)慣。標(biāo)度含義1表示兩個(gè)因素相比具有同等重要性3表示兩個(gè)因素相比前者比后者稍微重要5表示兩個(gè)因素相比前者比后者明顯重要7表示兩個(gè)因素相比前者比后者強(qiáng)烈重要9表示兩個(gè)因素相比前者比后者極端重要2, 4, 6, 8上述相鄰判斷的中間值倒數(shù)若因素i與j的重要性之比為a_ij則因素j與i的重要性之比為a_ji 1/a_ij例如對(duì)于“選擇服務(wù)器”這個(gè)目標(biāo)我們認(rèn)為“性能”比“價(jià)格”明顯重要但不是強(qiáng)烈重要那么可以打5分。相應(yīng)地“價(jià)格”相對(duì)于“性能”的重要性就是1/5。假設(shè)我們有四個(gè)準(zhǔn)則性能(P)、價(jià)格(C)、服務(wù)(S)、生態(tài)(E)。通過(guò)專家或團(tuán)隊(duì)討論我們得到針對(duì)“目標(biāo)層”的判斷矩陣可能如下性能(P)價(jià)格(C)服務(wù)(S)生態(tài)(E)性能(P)1537價(jià)格(C)1/511/33服務(wù)(S)1/3315生態(tài)(E)1/71/31/51這個(gè)矩陣的含義是第一行性能比價(jià)格重要5倍比服務(wù)重要3倍比生態(tài)重要7倍。矩陣必須滿足“互反性”即對(duì)角線對(duì)稱位置的數(shù)字互為倒數(shù)。實(shí)操心得構(gòu)造判斷矩陣時(shí)最容易出現(xiàn)“不一致”的情況。比如你認(rèn)為A比B重要3倍B比C重要2倍那么理論上A應(yīng)該比C重要6倍。但如果你在實(shí)際比較A和C時(shí)只打了4分就產(chǎn)生了邏輯不一致。雖然AHP允許一定程度的不一致后面會(huì)檢驗(yàn)但過(guò)于混亂的判斷會(huì)嚴(yán)重影響結(jié)果的可信度。我的建議是團(tuán)隊(duì)討論時(shí)可以先用“重要性排序”把準(zhǔn)則粗略排個(gè)序再細(xì)化打分能有效減少矛盾。2.3 層次單排序及其一致性檢驗(yàn)這一步的目的是從判斷矩陣中計(jì)算出各元素相對(duì)于其上層準(zhǔn)則的權(quán)重。常用方法是“特征根法”。計(jì)算權(quán)重向量將判斷矩陣的每一列進(jìn)行歸一化使每列之和為1。將歸一化后的矩陣按行求和。對(duì)行和向量再次進(jìn)行歸一化得到的向量就是權(quán)重向量W。 以上述矩陣為例計(jì)算后可能得到權(quán)重向量 W [0.55, 0.10, 0.25, 0.10]^T。這意味著在“選擇服務(wù)器”時(shí)性能的權(quán)重是55%價(jià)格是10%服務(wù)是25%生態(tài)是10%。一致性檢驗(yàn) 由于判斷是人為主觀給出的可能不一致所以必須檢驗(yàn)其邏輯合理性。計(jì)算最大特征根 λ_max通過(guò)公式 AW λ_max W 近似計(jì)算A是原判斷矩陣W是權(quán)重向量。計(jì)算一致性指標(biāo) CICI (λ_max - n) / (n - 1)其中n是矩陣階數(shù)。查詢平均隨機(jī)一致性指標(biāo) RI這是一個(gè)標(biāo)準(zhǔn)值與矩陣階數(shù)n有關(guān)。計(jì)算一致性比率 CRCR CI / RI。檢驗(yàn)標(biāo)準(zhǔn)當(dāng)CR 0.10時(shí)認(rèn)為判斷矩陣的一致性是可以接受的。否則就需要重新調(diào)整判斷矩陣中的元素值。在我們的例子中假設(shè)計(jì)算得到 CR 0.05 0.1那么通過(guò)一致性檢驗(yàn)這個(gè)權(quán)重分配是合理的。注意事項(xiàng)很多初學(xué)者會(huì)忽略一致性檢驗(yàn)或者看到CR略大于0.1就覺(jué)得“差不多得了”。這是大忌。CR超標(biāo)意味著你的判斷邏輯自相矛盾計(jì)算出的權(quán)重沒(méi)有意義。必須回頭檢查打分過(guò)程看是哪個(gè)兩兩比較出了問(wèn)題。通常調(diào)整標(biāo)度最大如9或1/9或與其他判斷明顯沖突的那幾項(xiàng)能有效降低CR值。2.4 層次總排序及其一致性檢驗(yàn)層次單排序得到了各準(zhǔn)則對(duì)目標(biāo)的權(quán)重以及各方案對(duì)每個(gè)準(zhǔn)則的權(quán)重。層次總排序就是要計(jì)算各方案對(duì)總目標(biāo)的最終權(quán)重。例如我們分別針對(duì)“性能”、“價(jià)格”、“服務(wù)”、“生態(tài)”這四個(gè)準(zhǔn)則對(duì)三個(gè)供應(yīng)商A、B、C進(jìn)行兩兩比較得到四個(gè)判斷矩陣并分別計(jì)算出它們的單排序權(quán)重即每個(gè)供應(yīng)商在該準(zhǔn)則下的得分。假設(shè)結(jié)果如下對(duì)“性能”準(zhǔn)則A0.6, B0.3, C0.1對(duì)“價(jià)格”準(zhǔn)則A0.1, B0.6, C0.3對(duì)“服務(wù)”準(zhǔn)則A0.2, B0.3, C0.5對(duì)“生態(tài)”準(zhǔn)則A0.4, B0.4, C0.2而之前我們得到準(zhǔn)則層對(duì)目標(biāo)的權(quán)重為W_criteria [0.55性能 0.10價(jià)格 0.25服務(wù) 0.10生態(tài)]。那么供應(yīng)商A的總得分 0.550.6 0.100.1 0.250.2 0.100.4 0.43 同理計(jì)算B和C的總得分得分最高者即為最優(yōu)方案。層次總排序也需要進(jìn)行一致性檢驗(yàn)但通常只要各單排序通過(guò)檢驗(yàn)且結(jié)構(gòu)合理總排序的一致性是可以接受的。3. 實(shí)操過(guò)程詳解手把手完成一次AHP分析理論講完了我們用一個(gè)更貼近生活的例子來(lái)完整走一遍流程幫一位應(yīng)屆生朋友小張選擇一份工作Offer。他有三個(gè)選擇公司X大廠錢(qián)多壓力大、公司Y中型企業(yè)技術(shù)棧新成長(zhǎng)快、公司Z初創(chuàng)公司潛力股風(fēng)險(xiǎn)高。3.1 第一步與小張溝通建立層次模型經(jīng)過(guò)深入溝通我們提煉出小張選擇工作的主要考慮因素構(gòu)建如下層次結(jié)構(gòu)目標(biāo)層(A)選擇最合適的工作。準(zhǔn)則層(B)B1: 薪酬福利包括薪資、獎(jiǎng)金、股票、五險(xiǎn)一金等B2: 職業(yè)發(fā)展技術(shù)成長(zhǎng)、晉升空間、行業(yè)前景B3: 工作生活平衡加班強(qiáng)度、通勤時(shí)間、假期B4: 公司穩(wěn)定性公司規(guī)模、財(cái)務(wù)狀況、裁員風(fēng)險(xiǎn)方案層(C)公司X 公司Y 公司Z。3.2 第二步構(gòu)造各層判斷矩陣并計(jì)算權(quán)重我們需要小張對(duì)準(zhǔn)則層的四個(gè)因素進(jìn)行兩兩比較。經(jīng)過(guò)引導(dǎo)和思考他給出如下判斷矩陣針對(duì)目標(biāo)層A判斷矩陣 A-B (準(zhǔn)則層對(duì)目標(biāo))AB1-薪酬B2-發(fā)展B3-平衡B4-穩(wěn)定B111/332B23153B31/31/511/2B41/21/321小張的解釋他認(rèn)為職業(yè)發(fā)展(B2)最重要比薪酬(B1)明顯重要(3)比工作生活平衡(B3)強(qiáng)烈重要(5)比公司穩(wěn)定(B4)明顯重要(3)。薪酬(B1)比工作生活平衡(B3)稍微重要(3)比穩(wěn)定(B4)稍微重要(2)。平衡(B3)最不重要。計(jì)算該矩陣的權(quán)重向量和一致性檢驗(yàn)列歸一化列和 131/31/2 4.8333 B1列歸一化 [1/4.8333, 3/4.8333, (1/3)/4.8333, (1/2)/4.8333] ≈ [0.207, 0.621, 0.069, 0.103] 同理計(jì)算其他列...為節(jié)省篇幅此處省略中間計(jì)算過(guò)程實(shí)際操作建議使用Excel或代碼按行求和并歸一化得到權(quán)重向量W假設(shè)計(jì)算得到 W_B [0.22, 0.52, 0.08, 0.18]^T。即在小張心中職業(yè)發(fā)展權(quán)重高達(dá)52%薪酬22%穩(wěn)定性18%工作生活平衡僅8%。一致性檢驗(yàn)計(jì)算得到 CI0.028, RI0.90 (n4), CR0.031 0.1通過(guò)檢驗(yàn)。接下來(lái)需要針對(duì)每一個(gè)準(zhǔn)則對(duì)三個(gè)公司進(jìn)行兩兩比較。這個(gè)過(guò)程類似我們以“B1-薪酬福利”為例。假設(shè)小張了解到的情況是X公司薪酬最高Y公司次之Z公司最低。他給出判斷矩陣判斷矩陣 B1-C (方案層對(duì)“薪酬”準(zhǔn)則)B1公司X公司Y公司Z公司X137公司Y1/315公司Z1/71/51計(jì)算得到權(quán)重向量 W_{B1} [0.65, 0.28, 0.07]^T CR 0.1通過(guò)檢驗(yàn)。這意味著單從薪酬看X公司得分0.65遙遙領(lǐng)先。重復(fù)這個(gè)過(guò)程為B2、B3、B4準(zhǔn)則分別構(gòu)造判斷矩陣并計(jì)算權(quán)重。假設(shè)最終得到所有單排序結(jié)果如下表準(zhǔn)則權(quán)重公司X公司Y公司ZCRB1: 0.220.650.280.070.02B2: 0.520.300.550.150.05B3: 0.080.100.300.600.08B4: 0.180.700.200.100.013.3 第三步層次總排序計(jì)算現(xiàn)在計(jì)算每個(gè)公司的總得分公司X總得分 (0.22 * 0.65) (0.52 * 0.30) (0.08 * 0.10) (0.18 * 0.70) 0.143 0.156 0.008 0.126 0.433公司Y總得分 (0.22 * 0.28) (0.52 * 0.55) (0.08 * 0.30) (0.18 * 0.20) 0.0616 0.286 0.024 0.036 0.4076公司Z總得分 (0.22 * 0.07) (0.52 * 0.15) (0.08 * 0.60) (0.18 * 0.10) 0.0154 0.078 0.048 0.018 0.1594結(jié)論公司X綜合得分最高(0.433)其次是公司Y(0.408)最后是公司Z(0.159)。根據(jù)AHP分析小張應(yīng)優(yōu)先選擇公司X。3.4 第四步結(jié)果分析與討論這個(gè)結(jié)果很有意思。雖然公司Y在“職業(yè)發(fā)展”權(quán)重最高上得分領(lǐng)先但公司X憑借在“薪酬”和“穩(wěn)定性”上的巨大優(yōu)勢(shì)以及“職業(yè)發(fā)展”上不算低的得分實(shí)現(xiàn)了反超。這清晰地量化了小張潛意識(shí)里的選擇傾向他可能比自己想象的更看重薪酬和穩(wěn)定。AHP并沒(méi)有“創(chuàng)造”決策而是把他復(fù)雜、模糊的偏好清晰地“呈現(xiàn)”了出來(lái)。我們可以進(jìn)行敏感性分析如果小張的想法變了比如經(jīng)歷了996之后他認(rèn)為“工作生活平衡”的權(quán)重從8%提升到20%結(jié)果會(huì)怎樣重新計(jì)算會(huì)發(fā)現(xiàn)公司Y的排名可能會(huì)上升。這展示了AHP的另一個(gè)價(jià)值——它讓決策不再是黑盒你可以通過(guò)調(diào)整參數(shù)看到不同價(jià)值觀導(dǎo)向下的不同結(jié)果。4. 工具與技巧如何高效應(yīng)用AHP手工計(jì)算判斷矩陣和特征值在因素多的時(shí)候非常繁瑣。在實(shí)際應(yīng)用中我們通常借助工具。4.1 軟件與在線工具Excel對(duì)于簡(jiǎn)單的模型準(zhǔn)則和方案不多于5個(gè)Excel完全夠用。利用MMULT函數(shù)做矩陣乘法用SUM和簡(jiǎn)單除法做歸一化再套用一致性檢驗(yàn)公式即可。優(yōu)點(diǎn)是靈活、普及。專業(yè)軟件如Expert Choice,Super Decisions等。它們提供了圖形化界面自動(dòng)完成所有計(jì)算和一致性檢驗(yàn)甚至能做復(fù)雜的網(wǎng)絡(luò)層次分析ANP。適合商業(yè)用途和復(fù)雜決策。在線AHP計(jì)算器網(wǎng)上有很多免費(fèi)的AHP計(jì)算網(wǎng)頁(yè)你只需要輸入判斷矩陣它就能輸出權(quán)重和一致性比率。非常方便快捷適合一次性分析。編程實(shí)現(xiàn)使用Pythonnumpy庫(kù)進(jìn)行矩陣運(yùn)算、MATLAB或R語(yǔ)言。這給了你最大的靈活性可以批量處理數(shù)據(jù)、自動(dòng)化分析流程、集成到更大的系統(tǒng)中。對(duì)于需要反復(fù)進(jìn)行AHP分析或處理大量數(shù)據(jù)的研究者來(lái)說(shuō)這是最佳選擇。# 一個(gè)簡(jiǎn)單的Python示例使用numpy計(jì)算權(quán)重和CR import numpy as np def ahp_weight(matrix): 計(jì)算判斷矩陣的權(quán)重向量近似算法算術(shù)平均法 n matrix.shape[0] # 列歸一化 col_sum matrix.sum(axis0) norm_matrix matrix / col_sum # 按行求平均得到權(quán)重 weights norm_matrix.mean(axis1) return weights def ahp_consistency(matrix, weights): 計(jì)算一致性比率CR n matrix.shape[0] # 計(jì)算最大特征根近似值 AW np.dot(matrix, weights) lambda_max (AW / weights).mean() CI (lambda_max - n) / (n - 1) # RI值表 (n1-10) RI_dict {1:0, 2:0, 3:0.52, 4:0.89, 5:1.12, 6:1.26, 7:1.36, 8:1.41, 9:1.46, 10:1.49} RI RI_dict[n] CR CI / RI return CR, lambda_max # 示例使用小張的A-B矩陣 A np.array([[1, 1/3, 3, 2], [3, 1, 5, 3], [1/3, 1/5, 1, 1/2], [1/2, 1/3, 2, 1]]) weights ahp_weight(A) CR, lambda_max ahp_consistency(A, weights) print(權(quán)重向量:, weights) print(最大特征根:, lambda_max) print(一致性比率 CR:, CR) if CR 0.1: print(通過(guò)一致性檢驗(yàn)) else: print(未通過(guò)一致性檢驗(yàn)需調(diào)整判斷矩陣)4.2 提升判斷質(zhì)量的技巧德?tīng)柗品▽＜艺{(diào)查法對(duì)于重要決策不要只依賴一個(gè)人的判斷?？梢匝?qǐng)多位相關(guān)領(lǐng)域的專家或利益相關(guān)者獨(dú)立填寫(xiě)判斷矩陣然后綜合他們的意見(jiàn)如取幾何平均數(shù)能有效減少個(gè)人偏見(jiàn)。逆向檢查計(jì)算出權(quán)重后反過(guò)來(lái)問(wèn)自己“這個(gè)權(quán)重分配是否符合我最真實(shí)的感覺(jué)”如果感覺(jué)明顯不符說(shuō)明在打分時(shí)可能出現(xiàn)了系統(tǒng)性偏差需要重新審視比較過(guò)程。聚焦差異兩兩比較時(shí)如果覺(jué)得兩個(gè)因素確實(shí)很難區(qū)分重要性比如“3分”還是“4分”一個(gè)技巧是先找出你認(rèn)為差異最明顯的一對(duì)因素給它打分然后以它為錨點(diǎn)去衡量其他因素。5. 常見(jiàn)問(wèn)題與局限性AHP是一個(gè)非常強(qiáng)大的工具但它并非萬(wàn)能。在實(shí)際使用中會(huì)遇到一些典型問(wèn)題和挑戰(zhàn)。5.1 主觀性的雙刃劍AHP最大的優(yōu)勢(shì)是將主觀判斷結(jié)構(gòu)化但其結(jié)果的質(zhì)量也高度依賴判斷的質(zhì)量。如果參與打分的人對(duì)問(wèn)題理解不深或者帶有強(qiáng)烈偏見(jiàn)那么“垃圾進(jìn)垃圾出”。解決方法確保參與判斷的人具備相關(guān)知識(shí)和經(jīng)驗(yàn)并通過(guò)群體決策如德?tīng)柗品ê鸵恢滦詸z驗(yàn)來(lái)過(guò)濾掉過(guò)于隨意或矛盾的判斷。5.2 “等級(jí)膨脹”問(wèn)題當(dāng)準(zhǔn)則或方案過(guò)多時(shí)比如超過(guò)9個(gè)進(jìn)行兩兩比較會(huì)非常耗時(shí)且容易導(dǎo)致認(rèn)知疲勞判斷質(zhì)量下降。同時(shí)1-9標(biāo)度可能不足以精細(xì)區(qū)分眾多元素的微小差異。解決方法對(duì)準(zhǔn)則進(jìn)行聚類分組建立多級(jí)遞階層次結(jié)構(gòu)?；蛘咴诒仨毐容^大量元素時(shí)考慮使用其他方法如網(wǎng)絡(luò)層次分析法ANP或基于熵權(quán)的TOPSIS法作為補(bǔ)充。5.3 對(duì)方案數(shù)量的敏感度AHP計(jì)算的是相對(duì)權(quán)重而不是絕對(duì)分?jǐn)?shù)。增加或減少一個(gè)方案可能會(huì)導(dǎo)致其他方案之間的排序關(guān)系發(fā)生變化這在某些情況下可能不符合直覺(jué)這被稱為“排名逆轉(zhuǎn)”現(xiàn)象。解決方法在確定分析范圍時(shí)盡可能全面地考慮所有相關(guān)方案。如果方案是動(dòng)態(tài)變化的需要意識(shí)到重新計(jì)算可能導(dǎo)致結(jié)果變化。5.4 無(wú)法處理高度不確定性和關(guān)聯(lián)性AHP假設(shè)各層次內(nèi)部的元素是相互獨(dú)立的。但在現(xiàn)實(shí)中準(zhǔn)則之間、方案之間往往存在關(guān)聯(lián)和反饋。例如“技術(shù)創(chuàng)新”可能同時(shí)影響“成本”和“市場(chǎng)表現(xiàn)”。標(biāo)準(zhǔn)的AHP模型無(wú)法處理這種網(wǎng)絡(luò)關(guān)系。解決方法對(duì)于復(fù)雜系統(tǒng)可以考慮使用其擴(kuò)展方法——網(wǎng)絡(luò)層次分析法ANP它允許元素之間存在相互依存和反饋。5.5 與熵值法等客觀賦權(quán)法的結(jié)合AHP是主觀賦權(quán)法而熵值法是一種根據(jù)數(shù)據(jù)本身離散程度來(lái)確定權(quán)重的客觀賦權(quán)法。兩者各有優(yōu)劣。在實(shí)際研究中為了兼顧決策者的經(jīng)驗(yàn)和數(shù)據(jù)本身的客觀規(guī)律常常采用組合賦權(quán)法。例如用AHP得到主觀權(quán)重W_s用熵值法得到客觀權(quán)重W_o然后通過(guò)一個(gè)加權(quán)公式如 W αW_s (1-α)W_o 得到綜合權(quán)重。α取值取決于你更相信專家經(jīng)驗(yàn)還是數(shù)據(jù)本身。層次分析法是一個(gè)將決策從藝術(shù)推向科學(xué)的橋梁。它不能替代人的最終判斷但它能極大地改善判斷的過(guò)程使其更清晰、更理性、更經(jīng)得起推敲。掌握它意味著你多了一種在復(fù)雜局面中抽絲剝繭、找到關(guān)鍵路徑的思維能力。無(wú)論是工作中的項(xiàng)目評(píng)估、生活中的重大選擇還是學(xué)習(xí)中的方案比較這套思維框架都能讓你受益匪淺。我自己的習(xí)慣是在面對(duì)任何包含三個(gè)以上選項(xiàng)和兩個(gè)以上評(píng)價(jià)維度的選擇時(shí)都會(huì)在腦子里快速過(guò)一遍AHP的流程這能立刻幫我理清思路抓住重點(diǎn)。