物流战略评估 – 12Reads管理百科

说明是物流战略评估

物流战略评估是指以物流战略的实施过程及其结果为对象，通过对影响并反映物流战略管理质量的各要素的总结和分析，判断物流战略是否实现预期目标的管理活动。

物流战略评估的内容

在实际操作中，物流战略评估一般分为物流战略实施前的评估、物流战略实施中的评估、物流战略实施后的评估三个层次。

(一)物流战略实施前的评估

即物流战略分析评估，它是一种对企业所处现状环境的评估，通过对物流评估企业物流活动的内外环境状况的优势、劣势、机会、威胁几个方面进行具体的分析，以发现最佳发展机遇，此种评估也可称作物流现状分析评估。分析企业物流战略实施所面临的外部环境和内部环境，既要考虑企业所处的宏观环境，也不能忽视企业所在行业的环境和企业的实际情况，通过环境的分析来发现物流战略的优势、劣势，进而明确物流战略实施的机会和威胁，实现对物流战略的正确分析和综合认识。

(二)物流战略实施中的评估

即物流战略选择评估，它是在物流战略的执行过程中进行，是对物流战略执行情况与物流战略目标差异的及时获取和及时处理，是一种动态评估。

(三)物流战略实施后的评估

即物流战略绩效评估，它是在期末对物流战略目标完成情况的分析、评价和预测，是一种综合性评估。

物流战略评估的原则

(一)全面性

全面性评价原则是指对物流战略实施的诸多方面，所有过程进行全方面、多层次的全面评价，不宜过分突出某一项目或某一过程，不能偏听偏信，要在充分搜集有关信息后再进行判断。物流战略评估应该覆盖企业物流战略管理活动的各个流程，避免出现以偏赅全的情况。

(二)实用性

物流战略评估应该从物流战略的实际情况出发，结合科学有效的评估方法，要确保评估体系的实用性和可操作性。一般的评估和评价活动都涉及评价指标体系，评价指标体系要繁简适当，计算评价方法简便易行。在能基本保证评价结果的客观性、全面性的条件下，指标体系尽可能简化，减少或去掉一些对评价结果影响较小的指标；要做到所设计的评价指标所需的数据易于采集，适应目前的科技管理水平；各项评价指标及其相应的计算方法，各项数据都要标准化、规范化；计算方法、表述方法要简便、明确、易于操作。

(三)可行性

即评价一种物流战略能够具体实现的可行程度，认真考虑物流战略能否成功地实。施。企业是否有足够的财力、人力或者其他资源、技能、技术、诀窍和组织优势来保证物流战略的顺利实施；换言之，企业是否具有有效实施物流战略的核心能力。评估指标设置的可行性是整个评估环节中至关重要的一环。

物流战略评估的方法

物流战略评估要借助一定的评估方法来实现，目前可以借鉴的战略活动评估和测试的相关方法归纳起来主要包括：层次分析法、网络分析法、平衡计分法、KPI法、模糊评价法、组合赋权法等。

(一)层次分析法

层次分析法(Analytic Hierarchy Process，AHP)是美国运筹学家T．L．Saaty教授于20世纪70年代初期提出的，AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。层次分析法把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述。而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。该方法自1982年被介绍到我国以来，以其定性与定量相结合处理各种决策因素的特点，以及其系统灵活简洁的优点，迅速地在我国社会经济各个领域内得到了广泛的重视和应用。

AHP法的特点是将思维过程数学化、系统化，以便使决策依据易于被人接受。同时，AHP对定量信息的需求不多，但决策人员对决策问题的本质、所包含的系统要素及其相互之间的逻辑关系必须掌握得十分透彻；AHP对无结构化的系统评价及多目标决策问题更为适用，AHP方法解决问题的基本思路，就是把系统各因素之间的隶属关系由高到低排成若干层次，建立不同层次元素之间的相互关系，根据对一定客观现实的判断，就每一层次相对重要性给予确定，利用数学方法，确定表达每一层次的全部元素的相对重要性次序的权值，通过排序结果，对问题进行分析和决策。这种方法既不单纯地追求高深数学知识，又不片面地注重定性行为的逻辑推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解清晰，把多目标、多准则的决策问题化为多层次单目标的两两对比问题，然后辅之以简单的数学运算。

Saaty教授认为，研究一个大系统可以在时间和空间上进行逐级分解。从系统的层次性出发，把系统与环境分开，由高层次到低层次进行逐级分解，把整个系统分解为一个金字塔式的树状层次结构。层次分析法解决问题时，首先根据问题的性质和要达到的目的，将系统分解为不同的组成要素，然后按要素间的相互关联影响和隶属关系，南高到低排成若干层次；在每一层次按某一规定规则，对该层次各要素逐对进行比较，写成矩阵形式，利用一定数学方法，计算该层各要素对于该准则的相对重要性次序的权重以及对于总体目标的组合权重，并进行排序，利用排序结果对问题进行分析和决策。

利用层次分析法求解多目标决策问题，一般计算过程有四步：①建立问题的递阶层次结构模型；②构造两两比较判断矩阵；③层次单排序及其一致性检验；④层次总排序。

1．建立问题的递阶层次结构模型

应用层次分析法决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分，这些元素又按其属性及关系形成若干层次，上一层次的元素作为准则对下一层次的有关元素起支配作用。这些层次可以分为三类：第一是最高层(目标层)：只有一个元素，一般是分析问题的预定目标或理想结果；第二是中间层(准则层)：包括了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需要考虑的准则、子准则；第三是最底层(方案层)：包括了为实现目标可供选择的各种措施、决策方案等。

递阶层次结构的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地，层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个，这是因为支配的元素过多会给两两比较带来困难。一个好的层次结构对于解决问题是极为重要的，如果在层次划分和确定层次元素间的支配关系上举棋不定，那么应该重新分析问题，弄清元素间相互关系，以确保建立一个合理的层次结构。

2．构造两两比较判断矩阵

在建立递阶层次结构以后，上下层元素问的隶属关系就被确定了。下一步是要确定各层次元素的权重。对于大多数社会经济问题，特别是比较复杂的问题，元素的权重不容易直接获得，这时就需要通过适当的方法导出它们的权重，层次分析法利用决策者给出判断矩阵的方法导出权重。记准则层元素C所支配的下一层次的元素为 $U 1$ ， $U 2$ ，…， $U m$ 。针对准则C，决策者比较两个元素 $U i$ 和 $U j$ 哪一个更重要，重要程度如何，并按表l中定义的比例标度对重要性程度赋值，形成判断矩阵A=( $a_\ddot{y})_m\times n$ ，其中 $a_\ddot{y}$ 就是元素 $U i$ 与 $U j$ 相对于准则C的重要性比例标度。

**标度的含义**
标度	含义
1	表示两个元素相比，具有同样重要性
3	表示两个元素相比，一个元素比另一个元素稍微重要
5	表示两个元素相比，一个元素比另一个元素明显重要
7	表示两个元素相比，一个元素比另一个元素强烈重要
9	表示两个元素相比，一个元素比另一个元素极端重要
2，4，6，8	分别表示标度1～3，3～5，5～7，7～9的中值

判断矩阵A具有如下性质：① $a_\ddot{y}$ >0；②以 $a_\ddot{y}$ =1／ $a_\ddot{y}$ ；③ $a_\ddot{y}$ =1，称为正互反判断矩阵。根据判断矩阵的互反性，对于一个n个元素构成的判断矩阵只需给出其上(或下)三角的，n(n-1)个判断即可。

3．层次单排序及其一致性检验

通过两两比较得到的判断矩阵A不一定满足判断矩阵的互反性条件，AHP采用一个数量标准来衡量A的不一致程度。

设 $W = (W 1, W 2,\dots, W n) T$ 是阶判断矩阵的排序权重向量，当A为一致性判i断矩阵时，有：

用 $W = (W 1, W 2,\dots, W n) T$ 右乘上式，得到AW=nW，表明w为A的特征向量，且特征根为n。即对于一致的判断矩阵，排序向量W就是A的特征向量。如果A是一致的互反矩阵，则有以下性质： $a_\ddot{y}=a_{ik}\times a_{kj}$ 。当A具有一致性时， $λ m a x = n$ ，将 $λ m a x$ 对应的特征向量归一化后( $\sum_{i=1}^n W_i=1$ )，记为 $W = (W 1, W 2,\dots, W n) T$ ，W称为权重向量，它表示 $U 1$ ， $U 2$ ，…， $U m$ 在C中的权重。

如果判断矩阵不具有一致性，则 $λ m a x > n$ ，此时的特征向量W就不能真实地反映 $U 1$ ， $U 2$ ，…， $U m$ 在目标中所占比重，定义衡量不一致程度的数量指标：

$CI=\frac{\lambda_{max}-n}{n-1}$

对于具有一致性的正互反判断矩阵来说，CI=0，由于客观事物的复杂性和人们认识的多样性，以及认识可能产生的片面性与问题的多少、规模大小有关，仅依靠CI值作为A是否具有满意一致性的标准是不够的。为此，引进了平均随机一致性指标Rf。Rr是多次重复进行随机判断矩阵特征值的计算后取算术平均数得到的，对于n-1～11，平均随机一致性指标R工的取值用表来确定。

**RI取值表**
维数	1	2	3	4	5	6	7	8	9	10	11
RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45	1.49	1.51

定义CR为一致性比例， $CR=\frac{CI}{RI}$ ，当CR<O．1时，则称判断矩阵具有满意的一致性，否则就不具有满意一致性。

4．层次总排序

计算同一层次所有因素对于最高层(总目标)相对重要性的排序权值，称为层次总排序，这一过程是由高层次到低层次逐层进行的。最底层(方案层)得到的层次总排序，就是n个被评价方案的总排序。若上一层次A包含m个因素 $A 1$ ， $A 2$ ，…， $A m$ ，其层次总排序权值分别为 $a 1$ ， $a 2$ ，…， $a m$ ，下一层次B包含m个因素 $B 1$ ， $B 2$ ，…， $B n$ ，它们对于因素A_j的层次单排序的权值分别为 $b 1 j$ ， $b 2 j$ ，…， $b m j$ (当 $B k$ 与 $A j$ 无关时，取b+kj为0)，此时B层次的总排序权值如表所示。

Image:各层次元素的组合权重.jpg

如果B层次某些因素对于 $A i$ 的一致性指标为CI，相应的平均随机一致性指标为码，则B层次总排序一致性比例为：

$CR=\frac{\sum_{j=1}^m a_j CI_j}{\sum_{j=1}^m a_j RI_j}$

当CR<0．1，认为层次总排序的结果具有满意的一致性。

如不满足一致性条件，需对判断矩阵进行调整。层次分析法最终得到方案层各决策方案相对于总目标的权重，并给出这一组合权重所依据整个递阶层次结构所有判断的总一致性指标。据此，决策者可以作出决策。AHP通过分析影响目标的一系列因素，比较其相对重要性，最后选出得分最高的方案即为最优方案。

AHP模型使各决策层之间相互联系，并能推出跨层次之间的相互关系。模型的顶层为企业的总目标，然后逐层分解成各项具体的准则、子准则等，直到管理者能够量化各子准则的相对权重为止。层次分析法能够为决策者解决各种复杂系统问题，但它也存在一些缺憾。AHP未能考虑到不同决策层或同一层次之间的相互影响，AHP模型只是强调各决策层之间的单向层次关系，即下一层对上一层的影响。因此，在实际工作中对总目标层进行逐层分解时，时常会遇到各因素交叉作用的情况。

(二)网络分析法

网络分析法(ANP)是美国匹兹堡大学的T．L．Saaty教授于1996年提出的，它是在AHP的基础上发展而形成的一种新的决策方法。AHP方法核心思想是将系统划分为若干层次，只考虑上一层元素对下一层元素的支配和影响关系，同时假设同一层次的元素之间是相互独立的，不存在相互依存的关系。

ANP与AHP的最大不同在于它考虑了不同层次之间的信息反馈与同一层次元素之间的相互依存关系，当各元素相互独立时即为传统AHP递阶层次结构。因此，AHP是ANP的一个特例。

ANP方法考虑系统中低层元素对高层元素的反馈作用，将系统分为两个部分：一个是控制层，包括问题目标及决策准则；另一个是网络层，由所有受控制层支配的元素组成，元素之间有相互作用。当控制层所有的决策准则均被认为是彼此独立的，则是一个典型的AHP递阶层次结构，每个准则的权重可由传统的AHP法获得。网络层由受控制层支配的元素组成，它们相互影响，形成网络结构。ANP方法解决问题的关键是利用“超矩阵”对各种相互作用的因素进行综合分析，得出其混合权重，从而确定选择方案。各因素的相对重要性指标由专家打分、问卷调查等形式得到。

ANP方法的基本步骤：

第一步：建立系统结构模型。对于一个决策问题，首先需要进行系统的分析，研究判断元素之间、层次之间的相互依存及反馈关系，界定决策目标和准则，然后构造出由控制层和网络层形成的ANP模型。

第二步：确定评价体系中各评价指标的权重，构建超矩阵。由于网络分析法考虑了不同层次问的信息反馈和同层元素间的相互依存关系，因此在确定权重时，较层次分析法复杂，不再是简单的两两元素对上层元素的比较，而是需要确定各元素被其他元素的影响程度。各元素的权重值组成的网络型矩阵即超矩阵。

第三步：引人模糊矩阵。由专家对各因素进行打分，通过模糊综合评价方法建立表示各元素对评价结果等级的隶属度的模糊评价矩阵。

第四步：计算结果，分析总水平。

(三)平衡计分卡法

平衡计分卡法是1992年由哈佛大学商学院教授罗伯特·S．卡普兰和复兴国际方案总裁戴维·P．诺顿设计的，是一种全方位的、包括财务指标和非财务指标相结合的策略性评价指标体系，平衡计分卡法最突出的特点是：将企业的远景、使命和发展战略与企业的业绩评价系统联系起来，它把企业的使命和战略转变为具体的目标和评测指标，以实现战略和绩效的有机结合。平衡计分卡(Balanced Score Card，BSC)，作为一种战略绩效评价工具，它以全面系统的视角，从财务、客户、内部业务流程、学习和创新4个维度，采用财务指标与非财务指标、滞后指标与前置指标、短期指标与长期指标相结合的指标体系，评价供应商的短期绩效与长期战略目标。BSC以愿景和战略为中心，从4个维度综合考虑影响企业绩效的各类指标，这4个维度的指标并不是孤立的，平衡计分卡存在着清晰的因果关系链：学习成长指标将在未来影响内部业务指标，内部业务指标则会在未来影响顾客方面的指标，最终对未来财务维度指标产生影响；财务维度指标是对过去业绩的总结和评价，它与企业的发展战略紧密联系，同时作为其他3个维度的最终目标和衡量标准，使企业财务与非财务业绩动因之间构成一条垂直的因果关系链，并贯穿于平衡计分卡的4个维度。在企业物流战略绩效评估中可以运用平衡计分法使经理们能从4个重要方面来观察企业：顾客如何看我们?(顾客角度)；我们必须擅长什么?(内部角度)；我们能否继续提高并创造价值?(学习与创新角度)；我们怎样满足股东?(财务角度)。平衡计分法在战略执行的过程中对战略实施的结果从财务指标、非财务指标进行全面的衡量。平衡计分法解决了传统管理体系的一个严重缺陷。它从顾客、内部业务流程及学习和发展等三个不同的角度测评绩效的指标，弥补了传统财务指标的不足之处。它能使企业在了解财务结果的同时，对自己未来发展能力的增强和无形资产收购方面取得的进展进行监督。平衡计分法并不是取代财务指标，而是对其加以补充。

(四)KPI法

关键业绩指标(Key Performance Indicator，KPI)是通过对企业内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目标的工具，是企业绩效管理的基础。KPI可以使部门主管明确部门的主要责任，并以此为基础，明确部门人员的业绩衡量指标。建立明确的切实可行的KPI体系，是做好绩效管理的关键。

确定关键绩效指标有一个重要的SMART原则。SMART是5个英文单词首字母的缩写：

(1)S代表具体(Specific)，指绩效考核要切中特定的工作指标，不能笼统。

(2)M代表可度量(Measurable)，指绩效指标是数量化或者行为化的，验证这些绩效指标的数据或者信息是可以获得的。

(3)A代表可实现(Attainable)，指绩效指标在付出努力的情况下可以实现，避免设立过高或过低的目标。

(4)R代表现实性(Realistic)，指绩效指标是实实在在的，可以证明和观察。

(5)T代表有时限(Timebound)，指注重完成绩效指标的特定期限。建立KPI指标的要点在于流程性、计划性和系统性。首先，明确企业的战略目标，并在企业会议上利用头脑风暴法和鱼骨分析法找出企业的业务重点，也就是企业价值评估的重点。而后，再用头脑风暴法找出这些关键业务领域的关键业绩指标(KPI)，即企业级KPI。

其次，各部门的主管需要依据企业级KPI建立部门级KPI，并对相应部门的KPI进行分解，确定相关的要素目标，分析绩效驱动因数(技术、组织、人)，确定实现程，分解出各部门级的KPI，以便确定评价指标体系。

再次，各部门的主管和部门的KPl人员一起再将KPI进一步细分，分解为更细的KPI及各职位的业绩衡量指标。这些业绩衡量指标就是员工考核的要素和依据。这种对KPI体系的建立和测评过程本身就是统一全体员工朝着企业战略目标努力的过程，也必将对各部门管理者的绩效管理工作起到很大的促进作用。

指标体系确立之后，还需要设定评价标准。一般来说，指标指的是从哪些方面衡量或评价工作，解决“评价什么”的问题；而标准指的是在各个指标上分别应该达到什么样的水平，解决“被评价者怎样做，做多少”的问题。

最后，必须对关键绩效指标进行审核。比如，审核这样的一些问题：多个评价者对同一个绩效指标进行评价，结果是否能取得一致?这些指标的总和是否可以解释被评估者80％以上的工作目标?跟踪和监控这些关键绩效指标是否可以操作?等等。审核主要是为了确保这些关键绩效指标能够全面、客观地反映被评价对象的绩效，而且易于操作。

每一个职位都影响某项业务流程的一个过程，或影响过程中的某个点。在订立目标及进行绩效考核时，应考虑职位的任职者是否能控制该指标的结果，如果任职者不能控制，则该项指标就不能作为任职者的业绩衡量指标。比如，跨部门的指标就不能作为基层员工的考核指标，而应作为部门主管或更高层主管的考核指标。

绩效管理是管理双方就目标及如何实现目标达成共识的过程，以及增强员工成功地达到目标的管理方法。管理者给下属订立工作目标的依据来自部门的KPI，部门的KPI来自上级部门的KPI，上级部门的KPI来自企业级KPI。只有这样，才能保证每个职位都是按照企业要求的方向去努力。善用KPI考评企业，将有助于企业组织结构集成化，提高企业的效率，精简不必要的机构、不必要的流程和不必要的系统。

(五)模糊评价方法

模糊数学是20世纪60年代由Zadeh L．A首先提出来的。模糊数学理论可采用精确的数学方法来描述模糊性现象。目前模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。模糊综合评价，就是运用模糊数学的基本理论，通过综合考虑影响某事物的各个因素，来对实际问题的优劣作出科学的、综合的评价的方法。具体地说，就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属度等级状况，进行综合性评价的一种方法。模糊综合评价多级模型基本原理如下：

将评价因素组成因素集U，并将U分成若干组：

$U=\cup U_i(U_i\cap U_j=\varnothing,i\neq j)$

则，子因素集 $U i$ ={ $u i 1$ ， $u i 2$ ，…， $u i m i$ }，各个子集包含的因素个数各不相同。于是：

U={ $u i 1$ ， $u i 2$ ，…， $u i m i$ , $u 21$ ;…， $u 2 m 2$ ; $u p i$ ,…， $u p n p$ }

再令U={ $u 1$ , $u 2$ ,…， $u n$ }，称U为二层因素及元素， $u i$ 为一层因素集U的子集。

设评价集V={ $υ1$ , $υ2$ ,…， $υ m$ }。对U={ $u i 1$ ， $u i 2$ ，…， $u i m i$ }中诸因素分别进行单因素评价，确定隶属度函数，得道隶属度，建立模糊映射：

$f^\sim _i$ : $U_i\rightarrow F(\upsilon)$

$f^\sim _i(u_ik)$ =( $r^{(i)} _{k1}$ , $r^{(i)} _{k2}$ ,…， $r^{(i)} _{km}$ ) $\in F(\upsilon)$

的模糊评价矩阵 $R i$ 。以{ $U i$ ,V, $R i$ }为原始模型，在U_i中给出诸因素的权重分配:

$W i$ ={ $ω i 1$ , $ω i 2$ , $ω i n i$ }(各因素的权重值和为1)，

既可以求得综合评价结果：

$S_i=W_i \bigotimes R_i\in F(\upsilon)$ (i=1,2,…，n)

归一化 $S i$ 为 $S ‘ i$ ;

在考虑二层因素集U={ $u 1$ , $u 2$ ,…， $u m$ },以 $S ‘ i$ 作为 $u i$ 因素的单因素评价，建立模糊影射 $f^\sim _i$ : $U\rightarrow F(\upsilon)$ ， $U_i\rightarrow f^\sim(U_i)=S'_i$ ;

得到二层评价矩阵R=( $S ‘1$ , $S ‘2$ ,…， $S ‘ n$ ),以(U,V,R)为原始模型，在U中给出诸因素的权重分配W={ $ω1$ , $ω2$ ,…， $ω n i$ },则可求得又一层的综合评价结果 $S=W\bigotimes R\in F(\upsilon)$ 。

更多层的评价依此类推，将评价的结果与相应的效用值相结合，可求得总体综合评价结果。

模糊综合评价可以用来对人、事、物进行全面、正确而又定量的评价，因此它是提高领导者决策能力和管理水平的一种有效方法。在面对复杂的战略决策方案时，运用模糊综合评价方法，就可能避免由于主观决策失误给工作带来的损失。同时为了提高决策的科学性，应采用层次分析法确定各评价指标的权重。

(六)组合赋权法

指标体系中各评价指标对物流战略效果的贡献大小和重要程度不同，对评价指标问的这种差异需要通过赋以不同权重值的办法表示，多指标评价大多需要事先确定各属性的权重。关于属性权重的确定方法，主要有主观赋权法和客观赋权法。主观赋权法是由评价者根据自己的经验及对属性指标的主观重视程度而赋权的一类方法；而客观赋权法是基于各方案相应各属性的数据而确定的方法。由于两类赋权方法各有优缺点，二者具有一定的互补性，一种合理的做法就是集成或综合主客观权重，这种赋权方法称为组合赋权法。主观权重确定可以借鉴采用AHP法，层次分析法属于主观赋权法，它是对人们主观判断做形式的表达、处理与客观描述，通过构造判断矩阵，计算判断矩阵的最大特征根和特征向量，进而得到方案或目标相对重要性的定量化描述。由于在计算中进行了判断矩阵的一致性检验，它克服了两两相比的不足。前面已经介绍过了AHP法，

此处不再论述。德尔菲法也属于主观赋权法，它依据系统的程序，采用匿名发表意见的方式，即专家之间不得互相讨论，通过多轮次调查专家对问卷所提问题的看法，经过反复征询、归纳、修改，最后汇总成专家基本一致的看法，以此作为预测的结果。这种方法将定性分析与定量分析有机地结合起来，具有广泛的代表性，较为可靠。

客观权重的确定可以采用熵值法等。

熵(Entropy)的概念源于热力学，它描述了分子运动的无序运动程度和混乱程度，后由c．E．Shannon引入信息论，在信息论中，信息熵是系统无序程度的度量，其表达式为：

$H(x)=-k\sum_{i=1}^m p(xi)Inp(x_i)$

式中：

$x i$ ——第i个状态值(共有m个状态)；

$P (x i)$ ——出现第i个状态值的概率。

设有m个待评对象，记为S={ $S 1$ ， $S 2$ ，…， $S m$ )，有n个评价指标，记为C={ $C 1$ ， $C 2$ ，…， $C n$ )； $S i$ 对 $C j$ 形成原始指标数据矩阵 $X=(x\ddot{y})_m\times n$ ，其中, $x\ddot{y}$ ≥0,0≤i≤m,0≤j≤n。 $x\ddot{y}$ 均为“效益型”(若不是，则可通过规范化转化为效益型)。对于某项指标j，若各待评对象的指标值x\ddot{y}间的差距越大，则该指标在综合评价中所起的作用越大；反之，作用越小。

(1)计算指标值 $x\ddot{y}$ 在指标j下的权重 $P(x\ddot{y})$ ：

$p(x\ddot{y})=\frac{x\ddot{y}}{\sum_{i=1}^m x\ddot{y}}$

(2)计算指标j的熵值 $e j$

$e_j=-k\sum_{i=1}^m p(x\ddot{y})lnp(x\ddot{y})$

其中，k>O，In为自然对数， $e j$ ≥0。

若 $x\ddot{y}$ 对于给定的j全部相等，那么：

$p(x\ddot{y})=\frac{x\ddot{y}}{\sum_{i=1}^m x\ddot{y}}=\frac{1}{m}$

此 $e i$ 时取极大值,即 $e_j=-k\sum_{i=1}^m \frac{1}{m}ln\frac{1}{m}=klnm$ 。

若 $k=\frac{1}{lnm}$ ，于是有0≤ $e j$ ≤1。

(3)计算指标歹的差异性系数 $g j$ ：

$g j$ =1- $e j$

(4)定义权重（将熵值转换为反映差异大小的权数）：

$V_j=\frac{g_j}{\sum_{j=1}^n g_j}$

为了一定程度上避免主观赋权法和客观赋权法各自带来的权值上的偏差，对由主观赋权法得到的权值向量w和客观赋权法得到的权值向量V进行组合，得到综合考虑主客观因素的指标权重向量U:

$U_j=\frac{W_jV_j}{\sum_{j=1}^n W_jV_j}$

并以此作为评价各指。

(5)综合评价值的计算：

根据上述公式求得的第八章物流战略实施、评估与控制 $A i$ 。
$A_i=\sum _{i=1}^m p(x\ddot {y})U_j$
客观权重确定还可以通过调查搜集的实际数据进行无量纲处理，要结合企业物流活动的实际，有时还要用到个别访谈和调查问卷等方法。①个别访谈法。是指企业根据评价检查的需要，结合评价指标体系对物流战略的执行者和企业员工进行单独访谈，以获取有关信息。②调查问卷法。是指企业设置问卷调查表，分别对不同层次物流战略实施活动进行问卷调查，根据调查结果对相关项目作出评价。