Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений icon

Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений



НазваниеГу-вшэ формирование портфеля клиентов с использованием метода дерева решений
Дата конвертации03.07.2012
Размер295.73 Kb.
ТипДокументы
скачать >>>







Бродецкий Г.Л.

Д.т.н., проф. ГУ-ВШЭ

Широян К.С.

Аспирант ГУ-ВШЭ


ФОРМИРОВАНИЕ ПОРТФЕЛЯ КЛИЕНТОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ДЕРЕВА РЕШЕНИЙ



Введение. В статье рассматривается модель, позволяющая эффективно организовать процедуры формирования портфеля клиентов логистической компании. Рыночная экономика построена на кооперации между звеньями различных цепочек поставок. Компании осуществляют свой выбор: с кем сотрудничать, а с кем нет – на основе различных требований к поставщикам и клиентам. Существует масса критериев, по которым компании формируют свою базу поставщиков или клиентов: от самых субъективных критериев и до критериев, основанных на точных экономических расчетах. Основная задача данной работы, которая представлена ниже, – найти стратегию формирования портфеля клиентов логистического провайдера, которая обеспечивает наилучший эффект по многим критериям (критерии будут формализованы ниже).

Атрибуты модели формирования портфеля клиентов. Модель представлена на примере компании АВС, работающей на рынке логистических услуг. В продуктовом портфеле компании АВС есть следующие услуги: транспортировка, хранение товаров, упаковка, подбор, переупаковка и т. д. Компания АВС нацелена на работу в основном с компаниями из следующих отраслей экономики: электроника, текстиль и медицина. По мере развития своих операционных возможностей, компания АВС достигла определенных успехов в своих индустриальных решениях по упаковке, транспортировке и обработке грузов. Поэтому в данный момент компания АВС старается привлечь как можно больше новых клиентов «своих» отраслей, которым будут интересны ее «ноу хау». Ее потенциальных клиентов удобно представлять тремя группами: «электронщики», «текстильщики» и «медики». Краткие характеристики клиентов таких групп следующие:

  • Группа «Высокие технологии»

    • клиенты High Tech отрасли

    • объем перевозок в месяц составляет примерно 2000 отправлений

    • высоколиквидные грузы (мобильные телефоны, фотоаппараты, камеры, ноутбуки и т.д.
      )

    • средний вес грузов составляет 3-4 килограмма

  • Группа «Текстиль»

    • клиенты текстильной отрасли

    • объем перевозок в месяц составляет примерно 1000 отправлений

    • менее ликвидный груз по сравнению с товарами клиентов группы № 1 (одежда, обувь, аксессуары)

    • средний вес одного отправления составляет 25-30 килограммов

  • Группа «Медицина»

    • клиенты «медицинской» отрасли

    • объем перевозок в месяц составляет примерно 500 отправлений

    • неликвидный груз, но с высокой стоимостью (различные био образцы, анализы, кровь и.т.д.)

    • средний вес одного отправления составляет около 12 килограммов (сами био образцы составляют небольшую часть груза, однако перевозятся в термоконтейнерах, объемный вес которых составляет примерно 10-15 килограммов в зависимости от вида контейнера).


Рассматривается модель, в формате которой задача поиска стратегии формирования портфеля клиентов представлена в виде задачи многокритериальной оптимизации со следующими критериями:

  • Критерий К1 – ожидаемая прибыль от работы с клиентом

  • Критерий К2 – ожидаемая выручка от работы с клиентом (показатели этого критерия связаны с показателями предыдущего, но они формализуются здесь отдельно, чтобы при желании дать менеджеру возможность формализовать показатель рентабельности в виде отдельного частного критерия).

  • Критерий К3 – средние ожидаемые потери ввиду порчи / потери груза в процессе транспортировки (учет рисков транспортировки)

  • Критерий К4 – упущенная выгода в случае отказа клиента от взаимодействия (учет рисков потерь клиентов).

Представление модели деревом решений. Формализуется следующая модель переговорного процесса между менеджером компании АВС и клиентом. Компания АВС ведет переговоры по заключению контрактов с тремя описанными выше группами клиентов. Предполагаем, что обе стороны (АВС и конкретный клиент) согласовали операционный процесс и договорились о правовой составляющей взаимоотношений. Наиболее важная экономическая составляющая вопроса – согласование тарифов по обработке грузов (сюда входит прием груза на складе отправителя, доставка до центра обработки грузов, процесс обработки в этом центре и доставка конечному получателю).

Модель будет учитывать, что компания АВС может предлагать различные варианты тарифных предложений исходя из согласованного операционного процесса, а также в зависимости от выбора клиентом типа упаковки и покупки / отказа от дополнительного сервиса. На рис.1 кратко представлена структура процесса организации переговоров в виде дерева решений (см., например, [1,2]). Переговорный процесс заканчивается (для менеджера) либо заключением контракта с конкретными коммерческими условиями, либо потерей клиента. Рассматриваемая в статье задача состоит в нахождении наилучшей стратегии формирования клиентской базы. В качестве управляющих параметров модели выступает возможность изменения тарифных предложений в ходе переговорного процесса.

Ввиду ограниченности объема статьи, приведем иллюстрацию процедур формирования клиентской базы на примере только одной группы клиентов - группы «Высокие технологии» (см. рис.2А и 2Б).




Рисунок 1. Общий вид дерева решений для формирования базы клиентов


Переговоры с указанной группой клиентов предполагают предложение менеджером клиенту различных вариантов дополнительных услуг: по видам упаковки для транспортировки груза (упаковка влияет на сохранность груза во время перевозки); выяснение факта, застрахован ли груз в сторонней страховой компании (СК). Не зависимо от наличия страховки во внешней СК компания АВС предлагает клиентам купить дополнительную услугу, обусловливающую «повышение ответственности компании АВС за груз, находящийся в зоне ее ответственности» (принятый к перевозке, обработке, хранению и т.д.). В случае согласия на покупку данной услуги клиенту гарантируется получение компенсации от фирмы АВС при наступлении «страхового случая» (потери, порчи и т.д.). Отказ от услуги никаких дополнительных гарантий не дает, но и не прекращает дальнейших процедур переговорного процесса. В соответствии с решением клиента для обоих вариантов указанных сценариев (согласие / отказ от указанной услуги) дальнейшие переговоры будут продолжены на основе различных предложений, предусматривающих разные размеры скидок. Особенность структуры процесса переговоров представлена на рисунке 2 для клиентов группы «Высокие Технологии» (аналогичные фрагменты дерева решений имеют место и для остальных групп клиентов). В частности, фрагменты переговорного процесса, относящиеся к решениям клиентов, могут развиваться по различным сценариям, которые представлены на дереве решений. Соответствующие оценки будут представлены оговоренными в контрактах размерами скидок.

Концевые вершины дерева решений представляют собой результаты переговоров компании со своими клиентами и характеризуются следующим набором показателей: сумма ожидаемой прибыли от работы с клиентом в заданных (по ветке) условиях; ожидаемая выручка; сумма ожидаемых потерь; упущенная выгода. Это - показатели частных критериев, которые подлежат оптимизации.


Представим более подробные характеристики клиентов компании АВС, по которым будем производить анализ. Информация по ожидаемым значениям для показателей рассматриваемых логистических процессов, связанных с реализацией будущих контрактов, по каждой группе потенциальных клиентов представлена в табл. 1. Эти данные рассчитаны на основании предполагаемых объемов поставок для данных клиентов, а также скорректированы с учетом имеющейся базы клиентов компании АВС.




Рисунок 2А. Фрагмент дерева решений по формированию базы клиентов (группа «Высокие технологии», упаковка вида А)


Таблица 1

Краткие характеристики клиентов

Параметр

Группа «Высокие Технологии»

Группа «Текстиль»

Группа «Медицина»

Объем перевозок в месяц (ед. отправок)

2000

1000

500

Риск потери грузов, (% от общего кол-ва)

10

7

5

Страховой тариф1 (% от стоимости груза)

0,95%

1%

0,40%

0,50%

0,70%

0,75%

Средняя стоимость 1-го кг продукции (у.е.)

30000

10000

50000

Средний вес 1-го отправления (кг)

3,5

27,5

12,5

Средний тариф2 на перевозку 1 кг (руб.)

1150

2500

2100

Издержки на перевозку

1 кг (руб.)

541,2

1476

1168,5




Рисунок 2Б. Фрагмент дерева решений по формированию базы клиентов (группа «Высокие технологии», упаковка вида Б)


Приведенные в табл.1 данные будут использованы для расчета показателей частных критериев. Предварительно представим алгоритмы расчетов показателей по каждому частному критерию.

Критерий К1ожидаемая прибыль от работы с клиентом. Для расчета данного показателя требуется учесть: 1) ожидаемые месячные объемы перевозок потенциального клиента; 2) предоставленные скидки; 3) покупка (или нет) дополнительной услуги «повышение ответственности»; 4) ожидаемые издержки; 5) ожидаемые потери грузов в денежном эквиваленте.

Критерий К2ожидаемая выручка от работы с клиентом. Для расчета данного показателя используется: 1) ожидаемые месячные объемы перевозок потенциального клиента; 2) предоставленные скидки; 3) покупка (или нет) дополнительной услуги «повышение ответственности».

Критерий К3средние ожидаемые потери ввиду порчи / потери груза в процессе транспортировки. Для расчета данного показателя требуется учесть возникающие риски потерь грузов при обработке, транспортировке и т.д.

Критерий К4упущенная выгода в случае отказа клиента от взаимодействия. Для расчета данного показателя используется: 1) ожидаемые месячные объемы перевозок потенциального клиента; 2) предоставленные скидки; 3) покупка (или нет) дополнительной услуги «повышение ответственности».


Представим возможные экономические результаты по отдельному клиенту (в виде соответствующих показателей по рассматриваемым частным критериям). Они соответствуют концевым вершинам дерева решений для клиентов группы «Высокие технологии» и приведены в табл. 2А (по виду упаковки А) и табл. 2Б (по виду упаковки Б).


Таблица 2 А.

Результаты расчетов по группе «Высокие технологии» (упаковка вида А).

Исход

К1 - Прибыль от работы с клиентом

К2 - Выручка от работы с клиентом

К3 - Сумма компенсации при потере/ порче груза

К4 - Упущенная выгода

А1

2 014 100р.

5 802 500р.

0

0

А2

1 414 100р.

5 802 500р.

600000

0

А3

1 611 600р.

5 400 000р.

0

0

А4

1 011 600р.

5 400 000р.

600000

0

А5

0р.

0р.

0

5 400 000р.

А6

1 846 600р.

5 635 000р.

0

0

А7

1 806 600р.

5 635 000р.

40000

0

А8

1 605 100р.

5 393 500р.

0

0

А9

1 565 100р.

5 393 500р.

40000

0

А10

0р.

0р.

0

5 393 500р.

А11

2 014 100р.

5 802 500р.

0

0

А12

1 414 100р.

5 802 500р.

600000

0

А13

1 611 600р.

5 400 000р.

0

0

А14

1 011 600р.

5 400 000р.

600000

0

А15

0р.

0р.

0

5 400 000р.

А16

2 651 600р.

6 440 000р.

0

0

А17

2 611 600р.

6 440 000р.

40000

0

А18

2 249 100р.

6 037 500р.

0

0

А19

2 209 100р.

6 037 500р.

40000

0

А20

0р.

0р.

0

6 037 500р.


Для удобства изложения прокомментируем исход А1 (переговорного процесса), которые на Рисунок 2А соответствуют следующей траектории: 1. Грузы клиента застрахованы в сторонней страховой компании; 2. Клиент дал согласие на предложенный дополнительный сервис по «повышенной ответственности»; 3. Клиент дал согласие на тарифы с 35% скидкой; 4. Учитывается предусмотренный фактор потерь (0 потерь с вероятностью 90%).

Для такого исхода показатели частных критериев составят: К1 = 2 014 100 рублей; К2 = 5 802 500 рублей; К3 = 0 рублей (потери отсутствуют); К4 = 0 рублей - упущенной выгоды нет, поскольку контракт заключен.

Таблица 2 Б.

Результаты расчетов по группе «Высокие технологии» (упаковка вида Б).

Исход

К1 - Прибыль от работы с клиентом

К2 - Выручка от работы с клиентом

К3 - Сумма компенсации при потере/ порче груза

К4 - Упущенная выгода

Б1

2 205 100р.

5 993 500р.

0

0

Б2

1 605 100р.

5 993 500р.

600000

0

Б3

2 044 100р.

5 832 500р.

0

0

Б4

1 444 100р.

5 832 500р.

600000

0

Б5

0р.

0р.

0

5 832 500р.

Б6

2 088 100р.

5 876 500р.

0

0

Б7

2 048 100р.

5 876 500р.

40000

0

Б8

1 846 600р.

5 635 000р.

0

0

Б9

1 806 600р.

5 635 000р.

40000

0

Б10

0р.

0р.

0

5 635 000р.

Б11

2 205 100р.

5 993 500р.

0

0

Б12

1 605 100р.

5 993 500р.

600000

0

Б13

2 044 100р.

5 832 500р.

0

0

Б14

1 444 100р.

5 832 500р.

600000

0

Б15

0р.

0р.

0

5 832 500р.

Б16

2 651 600р.

6 440 000р.

0

0

Б17

2 611 600р.

6 440 000р.

40000

0

Б18

2 410 100р.

6 198 500р.

0

0

Б19

2 370 100р.

6 198 500р.

40000

0

Б20

0р.

0р.

0

6 198 500р.


Прокомментируем исход Б15 (переговорного процесса), которые на Рисунок 2Б соответствуют следующей траектории: 1. Грузы клиента не застрахованы в сторонней страховой компании; 2. Клиент дал согласие на предложенный дополнительный сервис по «повышенной ответственности»; 3. Клиента не устроили тарифы с 40% скидкой; 4. Фактор потерь учитывается, т.к. контракт не будет заключен ввиду отказа клиента.


Для такого исхода показатели частные критерии составят: К1 = 0 рублей; К2 = 0 рублей; К3 = 0 рублей (перевозка не состоялась); К4 = 5 832 500 рублей. Обратим внимание на то. что так как клиент отказался от сотрудничества, то все частные критерии кроме упущенной выгоды нулевые.

Далее представим процедуры анализа дерева решений. В соответствии с теорией (см., например, [1, 2]) они предусматривают процедуры свертки и чередующиеся с ними процедуры блокировки.


Процедуры «свертки» для дерева решений. Процедуры свертки в рамках метода дерева решений реализуются для вершин «круглого» типа (для концевых вершин) [1,2]. Формат указанных процедур позволяет заменить заданные распределения вероятностей случайного конечного результата для «круглой» вершины на соотнесенный с ней набор параметров. Которые необходимы для принятия решения в условиях риска. Эта процедура реализуется в соответствии с используемым критерием оценки риска. При нейтральном отношении к риску результат свертки представляется одним параметром. Это средний ожидаемый конечный результат для соответствующих показателей частных критериев. Соответствующий подход в теории риска называют EVC - критерием (Expected Value Criterion). Именно этот подход к учету риска и будет представлен в рассматриваемой модели (представление других подходов потребует формата дополнительной статьи).

Для наглядности рассмотрим процедуру свертки для отдельного фрагмента дерева на рис. 2Б. Такой фрагмент представлен на А-Б и соответствует следующей ситуации: клиент (у которого груз не был застрахован) дал согласие на покупку дополнительного сервиса «повышенная ответственность», но отказался от первоначального коммерческого предложения компании.







Рисунок 3А. Фрагмент дерева решений для интерпретации процедур свертки


В формате фрагмента дерева, представленного на рис. 3А, делаем «свертку» исходов Б13 и Б14 в соответствии с показателями вероятностей для фактора потерь. Получаем модифицированный фрагмент дерева решений с новыми параметрами частных коэффициентов, который представлен на рис. 3Б.





Рисунок 4Б. Фрагмент дерева решений после свертки вершин Б13 и Б14.


В результате последовательного применения процедур свертки такого типа получаем следующее представление для дерева решений (рис.4), которое будет использовано для нахождения наилучших вариантов альтернатив по рассматриваемым частным критериям.





Рисунок 5. Дерево решений после процедур свертки


Оптимизация решения. Как отмечено в [3], в формате задач оптимизации при многих критериях существуют различные методы определения более предпочтительного решения при сравнении альтернатив. Они формализуются своими критериями выбора. Для реализации наилучшего выбора требуется применить один из известных методов решения задач многокритериальной оптимизации. Далее будут представлены ранжирования альтернатив. Которые соответствуют следующим методам многокритериальной оптимизации: по максиминному критерию, по обобщенному максиминному критерию.

Обозначим анализируемые альтернативы следующим образом: ВТ (А) – группа «Высокие Технологии» (упаковка А); ВТ (Б) - группа «Высокие Технологии» (упаковка Б); Т (А) – группа «Текстиль» (упаковка А); Т (Б) - группа «Текстиль» (упаковка Б); М (А) - группа «Медицина» (упаковка А); М (Б) - группа «Медицина» (упаковка Б). Для удобства иллюстрации указанных подходов к решению рассматриваемой задачи многокритериальной оптимизации показатели этих альтернатив по заданным частным критериям представим в табличном виде (табл. 3).

Таблица 3.

Исходные показатели частных критериев для анализируемых альтернатив

 

К1 – прибыль, (у.е.)

К2 — выручка, (у.е.)

К3 – потери, (у.е.)

К4 — упущенная выгода, (у.е.)

ВТ — А

1 839 788,64

5 518 704,81

17 711,70

185 741,44

ВТ — Б

2 060 109,77

5 698 697,71

12 710,30

254 787,04

М — А

3 782 481,43

10 843 854,22

3 450,21

374 192,66

М — Б

3 918 779,62

10 911 153,28

2 552,73

477 690,47

Т — А

11 918 076,08

51 150 350,94

5 084,11

1 746 617,81

Т — Б

13 213 256,16

52 065 194,38

3 249,22

2 380 243,13



Для того чтобы привести все частные критерии к единому направлению оптимизации (максимизации их показателей) изменим формат показателей критериев К3 и К4. А именно, реализуем следующую модификацию указанных показателей: из максимального значения по каждому столбцу вычтем (для критериев К3 и К4 соответственно) анализируемые значения в столбце, а затем добавим 1 (чтобы исключить нулевые показатели). Соответствующие показатели можно интерпретировать как «компенсации» анализируемых издержек в формате указанных частных критериев. Результаты таких процедур модификации представлены в табл. 4.


Таблица 4.

Модифицированные показатели частных критериев для анализируемых альтернатив


 

К1 – прибыль, (у.е.)

К2 — выручка, (у.е.)

К3 – «компенсация» имеющихся потерь, (у.е.)

К4 — «компенсация» упущенной выгоды, (у.е.)

ВТ — А

1 839 788,64

5 518 704,81

1,00

1,00

ВТ — Б

2 060 109,77

5 698 697,71

5 002,40

69 046,60

М — А

3 782 481,43

10 843 854,22

14 262,49

188 452,22

М — Б

3 918 779,62

10 911 153,28

15 159,98

291 950,03

Т — А

11 918 076,08

51 150 350,94

12 628,60

1 560 877,38

Т — Б

13 213 256,16

52 065 194,38

14 463,48

2 194 502,69



Далее как уже отмечалось выше процедуры, процедуры оптимизации при многих критериях будут представлены и проиллюстрированы на основе следующих методов или критериев выбора:

  • Метод максиминного критерия (обозначим его М1)

  • Метод обобщенного максиминного критерия (обозначим его М2)


Метод максиминного критерия (М1).


В формате такого подхода к максимизации частных критериев менеджер для каждой альтернативы выделяет наименьший показатель среди всех частных критериев. На основе найденного для каждой альтернативы наихудшего показателя определяется оптимальное решение. Оно соответствует наибольшему из показателей указанного типа. Процедура представлена в таблице 5.

Таблица 5.


Оптимизация по максиминному критерию

 

К1 – прибыль, у.е.

К2 — выручка, у.е.

К3 – «компенсация» имеющихся потерь, (у.е.)

К4 — «компенсация», упущенной выгоды, (у.е.)

Показатель минимаксного критерия, (у.е.)

ВТ — А

1 839 788,64

5 518 704,81

1,00

1,00

1,00р.

ВТ — Б

2 060 109,77

5 698 697,71

5 002,40

69 046,60

5 002,40р.

М — А

3 782 481,43

10 843 854,22

14 262,49

188 452,22

14 262,49р.

М — Б

3 918 779,62

10 911 153,28

15 159,98

291 950,03

15 159,98р.

Т — А

11 918 076,08

51 150 350,94

12 628,60

1 560 877,38

12 628,60р.

Т — Б

13 213 256,16

52 065 194,38

14 463,48

2 194 502,69

14 463,48р.


Наибольший из показателей последнего столбца табл. 5 соответствует альтернативе «М-Б», он равен 15 159,98 рублей. Поэтому в формате метода максиминного критерия наилучшим решением является приоритетное сотрудничество с клиентами медицинской отрасли с условием использования упаковки вида Б при обработке груза. Дополнительно отметим следующее. Из таблицы 5 видно, что анализируемые решения по критерию М1 ранжируется следующим образом: 1. работа с клиентами «медиками» по стратегии с упаковкой Б; 2. работа с клиентами «текстильщиками» по стратегии с упаковкой Б; 3. работа с клиентами «медиками» по стратегии с упаковкой А; 4. работа с клиентами «текстильщиками» по стратегии с упаковкой А; 5. работа с клиентами «электронщиками» по стратегии с упаковкой Б; 6. работа с клиентами «электронщиками» по стратегии с упаковкой А.


Метод обобщенного максиминного критерия (М2)


В формате такого подхода к максимизации частных критериев менеджер для каждой альтернативы также выделяет наименьший показатель среди всех частных критериев (по строке таблицы). Однако, в отличие от максиминного критерия, для заданных частных критериев используются модифицированные показатели. Они рассчитываются как отношение исходно заданного показателя частного критерия к наилучшему (максимальному) показателю по этому частному критерию. Для удобства нахождения модифицированных показателей в таблице 6 дописана дополнительная строка с координатами так называемой утопической точки (УТ – максимальные элементы по столбцам таблицы). На основе найденного для каждой альтернативы наихудшего показателя по строке определяется оптимальное решение. Оно соответствует наибольшему из показателей указанного типа. Указанные процедуры оптимизации представлены в таблице 6.


Таблица 6.

Оптимизация по обобщенному максиминному критерию


 

К1 – прибыль, у.е.

К2 — выручка, у.е.

К3 – «компенсация» имеющихся потерь, (у.е.)

К4 — «компенсация», упущенной выгоды, (у.е.)

Показатель обобщенного минимаксного критерия

ВТ — А

0,139

0,106

0,000

0,000

0,000

ВТ — Б

0,156

0,109

0,330

0,031

0,031

М — А

0,286

0,208

0,941

0,086

0,086

М — Б

0,297

0,210

1,000

0,133

0,133

Т — А

0,902

0,982

0,833

0,711

0,711

Т — Б

1,000

1,000

0,954

1,000

0,954

УТ

13 213 256,16

52 065 194,38

15 159,98

2 194 502,69






Наибольший из показателей последнего столбца табл. 6 соответствует альтернативе «Т-Б», он равен 0,954. Поэтому в формате метода обобщенного максиминного критерия наилучшим решением является приоритетное сотрудничество с клиентами текстильной отрасли с условием использования упаковки вида Б при обработке груза. Из таблицы также 6 видно, что анализируемые решения по критерию М2 ранжируются следующим образом: 1. работа с клиентами «текстильщиками» по стратегии с упаковкой Б; 2. работа с клиентами «текстильщиками» по стратегии с упаковкой А; 3. работа с клиентами «медиками» по стратегии с упаковкой Б; 4. работа с клиентами «медками» по стратегии с упаковкой А; 5. работа с клиентами «электронщиками» по стратегии с упаковкой Б; 6. работа с клиентами «электронщиками» по стратегии с упаковкой А.


Заключение. В работе показано как метод дерева решений может быть использован для оценки эффективности работы с клиентами при формировании клиентской базы. Полученные результаты анализа (ранжирования клиентов по заданной группе частных критериев с использованием соответствующего дерева решений) позволяют менеджеру концентрироваться на работе с наиболее прибыльными клиентами для компании, выделяя больше средств и сотрудников на работу с ними.

Подчеркнем также, что указанный подход, кроме того, можно использовать для оценки эффективности предлагаемых тарифов и выбора наилучших вариантов, предлагаемых клиентам, но это потребует отдельного исследования.


Библиографический список.

  1. Бродецкий Г.Л. Моделирование логистических систем. Оптимальные решения в условиях риска. М.: Вершина, 2006. – 376 с.

  2. Бродецкий Г.Л., Гусев Д.А., Елин Е.А. Управление рисками в логистике. М.: Академия, 2010. – 192 с.

  3. Бродецкий Г.Л., Гусев Д.А., Левина Т.В. Возможности многокритериальной оптимизации запасов с учетом рисков в формате метода дерева решений // Логистика сегодня, №6, 2008.



Аннотация


В работе предложен подход к формированию клиентской базы на основе метода дерева решений. Подход впервые позволит менеджеру учитывать требования к оптимизации выбора клиентов по многим критериям. Представлены иллюстрации в формате предприятия, оказывающего логистические услуги.


Annotation


In the article author propose approach to client’s base generation based on decision tree method. This approach allows taking into account requirements to optimization of customers’ selection based on several criteria. Method is illustrated on logistics company.


РЕЦЕНЗИЯ

на статью Бродецкого Г.Л., Широян К.С.

«Формирование портфеля клиентов с использование метода дерева решений»


Статья Бродецкого Г.Л. и Широян К.С. посвящена стратегии формирования клиентской базы для предприятия, оказывающего логистические услуги. Актуальность данной темы несомненна, поскольку очевидно, что рыночные отношения «поставщик-клиент» должны строиться на взаимовыгодном сотрудничестве.

Авторами проведена оригинальная и серьезная работа по поиску стратегии формирования портфеля клиентов. На ее основе предложен метод оценки и выбора стратегии, позволяющей оптимизировать работу с клиентами по многим критериям. В статье предлагается рассматривать модель формирования портфеля клиентов с помощью метода дерева решений, который позволяет учитывать различные варианты случайных исходов, ведущих к различным экономическим результатам. Можно сказать, что, таким образом, авторы довольно удачно описывают реальные процедуры и условия, соответствующие процессам заключения контрактов.

В работе авторами впервые предложена возможность оценки эффективности формирования портфеля клиентов на основе многих критериев. Задаваемые частные критерии оперируют со следующими показателями: ожидаемая прибыль, ожидаемая выручка, средние ожидаемые потери и упущенная выгода. Предложенный метод оценки эффективности процедур переговорного процесса с клиентами позволяет менеджеру компании-поставщика правильно ранжировать своих потенциальных клиентов, используя методы многокритериальной оптимизации решений.

Предложенный в работе подход имеет и другие перспективы использования: его можно использовать в дальнейших исследованиях формирования клиентской базы, а также для оценки эффективности коммерческих предложений и предлагаемых услуг компании.

Статья Бродецкого Г.Л. и Широян К.С. «Формирование портфеля клиентов с использование метода дерева решений» рекомендуется к опубликованию в журнале РИСК.


1 Предлагаемая ставка по доп.ответственности за груз зависит от выбранного клиентом варианта упаковки. Например, для группы «Высокие технологии» при выборе клиентом упаковки вида А, страховой тариф составит 0,95% от стоимости отправления, а при Б – 1%.

2 Представленные тарифы усреднены в соответствии с тарифами по наиболее востребованным клиентами направлениями доставки.







Похожие:

Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconФормирование инвестиционного портфеля с использованием облигаций

Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconПравительство Российской Федерации
Целью курса «Математика финансовых решений и управление инвестиционным портфелем» является ознакомление слушателей с современными...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconПрограмма дисциплины «Математика финансовых решений и управление инвестиционным портфелем» для специальности
Целью курса «Математика финансовых решений и управление инвестиционным портфелем» является ознакомление слушателей с современными...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconБродецкий Г. Л. Д. т н., проф. Гу-вшэ широян К. С
Основная задача данной работы, которая представлена ниже, – найти стратегию формирования портфеля клиентов логистического провайдера,...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconЗадание 3 Введение. 3 Понятие портфеля ценных бумаг, их виды. 4 Формирование портфеля ценных бумаг. 9 Методы управления портфельными рисками. 13 Заключение. 15 Список литературы. 16
Отечественным инвесторам потребуются экономические технологии, разработанные и испытанные в странах с длительной историей высокоразвитых...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconГрупповой коучинг с использованием метода системных расстановок Берта Хеллингера
На российском рынке метод организационных расстановок (ОР) делает только первые шаги, однако потенциал и эффективность его настолько...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconЭф, гр. 824-1 анализ депозитного портфеля ОАО «банк москвы»
Управление депозитными, операциями – это одна из основных функций коммерческого банка, позволяющая привлечь временно свободные денежные...
Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconМетодология управления кредитным риском и оптимальное формирование кредитного портфеля

Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconМетодология управления кредитным риском и оптимальное формирование кредитного портфеля

Гу-вшэ формирование портфеля клиентов с использованием метода дерева решений iconФормирование инвестиционного портфеля
Проблемы портфельного инвестирования в условиях Российского рынка
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©rushkolnik.ru 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы