智慧机场数据治理中面向决策的框架：一种熵–DEMATEL(Entropy–DEMATEL)方法

《Systems》：A Decision-Oriented Framework for Data Governance in Smart Airports: An Entropy–DEMATEL Approach

　　

摘要：机场运营的迅速数字化使机场转变为复杂的数据驱动型生态系统，有效的数据治理已成为关键挑战。尽管已有研究探讨了航空业大数据应用，但较少关注机场层面数据治理挑战间的相互依存结构。本研究提出一种面向决策的分析框架，整合熵(Entropy)法与决策实验室分析法(Decision-Making Trial and Evaluation Laboratory, DEMATEL)，分两个连续阶段系统性地识别、排序并建模机场生态系统中关键大数据挑战间的因果交互关系。研究人员以伊斯坦布尔机场(Istanbul Airport, IGA)为案例，通过基于专家的评估对九项关键挑战（包括数据隐私、数据集成、组织文化及法规合规等）进行分析。结果表明，数据隐私与安全不仅是最关键因素，也是主要因果驱动因素，影响伦理考量与法规合规等多个下游挑战。研究结果进一步表明，技术与组织障碍高度互联，需采取序列化的系统级干预而非孤立解决方案。通过结合客观赋权与因果分析，本研究为机场数据治理提供了整体且可操作的决策支持框架，可为机场当局及政策制定者设计更具韧性、安全且数据驱动的运行环境提供实践参考。

论文解读：智慧机场数据治理中面向决策的熵–DEMATEL框架研究

该研究发表于《Systems》。机场数字化与大数据分析(big data analytics, BDA)在航空业的应用日益广泛，智慧机场依赖异构数据源（乘客生物特征信息、物联网(Internet of Things, IoT)传感器、航班运行数据等）来支持实时决策、提升效率与安全性。然而现有文献多聚焦于航空公司层面的BDA应用或单一技术维度的大数据议题，缺乏针对机场层级——尤其是大型枢纽机场——数据治理挑战间相互依赖关系的系统性分析。机场面临数据隐私与跨境合规（如欧盟《通用数据保护条例》(General Data Protection Regulation, GDPR)及国际民航组织(International Civil Aviation Organization, ICAO)附件17）、遗留系统集成困难、数据质量参差、组织缺乏数据驱动文化及专业人才短缺等多维障碍，且这些因素彼此影响。为填补此空白，研究人员以伊斯坦布尔机场(IGA)为案例，采用熵(Entropy)法与决策实验室分析法(DEMATEL)相结合的双阶段混合多准则决策(multicriteria decision-making, MCDM)框架，旨在同时获得各大数据挑战的客观权重及其因果驱动—受驱关系，从而为机场数据治理提供量化依据与干预顺序建议。

主要关键技术方法

研究人员选取土耳其伊斯坦布尔机场(IGA)为案例研究对象，采用目的性(判断性)抽样(purposive/judgmental sampling)遴选5名具5年以上航空管理、BDA或航空IT及安全系统经验并具决策职责的专家组成专家组（来自IGA、IST Systems及IST Bili?im A.?.）。经文献综述与专家论证确定9项大数据挑战评价准则：数据隐私与安全(data privacy and security, DPS)、数据集成挑战(data integration challenges, DINT)、数据管理与组织(data management issues)、技术与平台应用问题(technological and application issues)、合格人力与知识匮乏(lack of qualified workforce and knowledge, WF-KNOW)、组织惰性与缺乏数据驱动文化(organizational reluctance and lack of a data-driven culture, ORG-CULT)、数据质量与海量数据(data quality and huge volume of data, DQ-VOL)、法规合规与政策需求(regulatory compliance, REG-COMP)、伦理考量(ethical considerations, ETHICS)。研究人员收集专家对准则重要性评分构建熵决策矩阵，以及专家对准则间相互影响程度评分构建DEMATEL直接关系矩阵，先后执行熵法客观赋权与DEMATEL因果映射分析，并以总关系矩阵均值设阈值(α)过滤弱关联，最后将熵权重与DEMATEL的被影响度(R)、影响度(D)、中心度(D+R)、原因度(D?R)联合解读。

研究结果

3.1. Entropy Analysis Results（熵分析结果）

研究人员将5位专家对9项准则的重要性评分构建初始决策矩阵，归一化后计算各准则信息熵值与差异系数，得出客观权重。结果显示数据隐私与安全(DPS)权重最高(w=0.243)，其次为伦理考量(ETHICS, w=0.181)、数据管理与组织(w=0.142)、组织惰性与文化(w=0.169与数据集成并列0.129)、法规合规(w=0.129)、人力匮乏(w=0.129与前述并列)、技术与平台问题(w未单独列出但低于前述)、数据质量与体量(w=0.099)。稳健性检验显示熵排名与专家打分算术平均排名Spearman相关系数为ρ=1.00(p<0.001)，证明排序一致但熵法能给出反映离散度的客观量化权重。结论：数据隐私与安全是机场大数据治理中信息含量最大的最关键挑战。

3.2. DEMATEL Analysis Results（DEMATEL分析结果）

研究人员汇总专家对9×9准则间直接影响程度的评分，归一化后计算总关系矩阵(total relation matrix, T)，取矩阵元素均值为阈值(α)剔除弱影响，得出各准则的影响度(D)、被影响度(R)、中心度(D+R)及原因度(D?R)。数据隐私与安全(DPS)与数据集成挑战(DINT)原因度为正(D?R>0)，属"net influencer（净驱动因素/原因组）"，其中DPS的净影响值最大(≈0.437)；伦理考量(ETHICS)原因度负向最大(净受影响值≈0.731)，属"net influenced（净被影响因子/结果组）"，主要受上游技术与组织决策驱动；数据管理问题(D?R≈0.315)与数据集成(D?R≈0.341)亦为主要驱动因素；人力匮乏与组织惰性居中。结论：大数据挑战间存在明确因果链——优先解决作为根因的数据隐私安全与数据集成问题，可间接缓解伦理、合规及质量等下游问题。

讨论与结论翻译总结

讨论部分指出，将数据隐私与安全操作化为根因因素，重新将其从纯技术问题升格为可作用于伦理、监管及组织层面的战略杠杆；伦理问题多为下游后果，需在强化隐私安全控制后配套伦理监督机制；组织与文化阻力（缺乏数据驱动文化与专业人才）与技术—管理准备度不匹配系重要瓶颈，需针对性培训与跨职能推广；数据集成与统一管理是技术互操作性基础，建议推进统一数据模型与标准化接口（如AIDX）。研究局限含专家人数较少(n=5)及横断面设计，未来可扩大专家面、开展纵向追踪或引入模糊认知图(fuzzy cognitive maps, FCMs)，并在不同规模与数字化成熟度机场复测验证。

结论部分翻译如下：

本研究以伊斯坦布尔机场(IGA)为案例，通过熵–DEMATEL组合方法揭示了高流量机场大数据难题经量化验证且具有因果关联的结构。熵分析显示数据隐私与安全(权重=0.243)是最重要议题，且在DEMATEL中为首要驱动因子(净影响=0.437)，表明其是基础性问题并能引致多重系统性困难；主动投资加密、访问控制与安全数据传输协议可降低各层面的伦理失范、不合规及声誉损害风险。伦理考量(权重=0.181)虽具第二高熵权重，却是DEMATEL中最被影响的准则(净影响=0.731)，说明航空大数据中的伦理问题（如乘客画像、行为预测分析）更多是上游技术与管控决策的产物而非前置原因——强化数据治理与安全基础设施对恪守伦理原则至关重要。组织惰性与缺乏数据驱动文化(权重=0.169)及人力与知识匮乏(权重=0.129)构成双重阻力，需在中层推广数据支持决策并开展数据工程、AI模型校验及跨平台集成的定向技能培训。数据集成挑战(权重=0.129；净影响=0.341)与数据管理问题(权重=0.142；净影响=0.315)是技术互操作性的潜在源头，建议改造遗留系统并建立统一数据模型。数据质量与体量(权重=0.099)和法规合规(权重=0.129)互为依存，需统一更新周期与粒度，并将自动化审计与可追溯服务嵌入现有架构。综合熵–DEMATEL模型表明干预策略应分层有序：首先加强网络安全韧性与数据传输中的加密及标准化数据治理；中期投资能力建设与降低职能文盲(对AI与规章)；长期部署伦理监督机构保障算法问责。隐私与安全兼具最高熵权重与最高净驱动力，应最先处理；伦理监督作为下游措施跟进而非替代隐私安全建设；数据集成与管理骨干应与隐私安全措施同期规划。该框架为机场当局及政策制定者提供了便携的决策支持工具，可根据自身运营规模与数字化成熟度重新估计权重与因果方向。