close

Вход

Забыли?

вход по аккаунту

Тулкина Светлана Александровна.Проектирование информационной системы анализа и сегментации клиентской базы телекоммуникационной компании.

код для вставки
2
АННОТАЦИЯ
Выпускная квалификационная работа посвящена проектированию информационной системы анализа и сегментации клиентской базы телекоммуникационной
компании.
Целью работы является разработка проектных решений модуля анализа и сегментации клиентской базы телекоммуникационной компании, содержащих обоснование функциональных требований, математического обеспечения и экономического обоснования. Предметом исследования являются технологии и алгоритмы
обработки данных потребительских предпочтений, а также методологии проектирования информационных систем.
В работе рассматриваются основные методы интеллектуального анализа данных, решаемые с помощью них задачи сегментации и определения лояльности клиента. Определена актуальность и практическая значимость работы. Построены диаграмма прецедентов, описывающая функциональные требования к системе и действующих лиц, диаграмма деятельности, наглядно иллюстрирующая процесс сегментации, и диаграмма классов для представления системы по объектам. Проведена оценка эффективности реализации проекта по созданию системы.
Выпускная квалификационная работа состоит из введения, двух глав, заключения, списка литературы и приложений. Основной текст занимает 84 страницы,
содержит 17 рисунков, 7 таблиц и 3 приложения. При написании работы использовалось 36 источников.
Использованы материалы работы российских и зарубежных авторов по проведению анализа и сегментации клиентской базы телекоммуникационной компании, проектированию системы с помощью языка UML, методам интеллектуального
анализа данных.
Ключевые слова: клиентоориентированность, анализ, сегментация, телекоммуникационная компания, CRM-система, интеллектуальный анализ данных, распознавание образа, агломеративный алгоритм, метод -средних, NaiveBayse, use case,
UML, календарное планирование, эффективность проекта.
3
СОДЕРЖАНИЕ
Введение ........................................................................................................................... 4
Глава 1 Управление взаимоотношениями с клиентами .............................................. 8
1.1 Анализ и сегментация клиентов ........................................................................... 8
1.2 Обзор IT-решений и методов анализа и сегментации клиентов ..................... 14
1.3 Общая схема распознавания и сегментации клиентов ..................................... 23
2 Информационная система анализа и сегментации клиентской базы
телекоммуникационной компании: элементы проектирования и управления
проектом ......................................................................................................................... 37
2.1 Анализ требований к проектируемой системе .................................................. 37
2.2 Сегментирование клиентов телекоммуникационной компании:
эмпирические результаты ......................................................................................... 46
2.3 Детальное проектирование компонентов системы .......................................... 58
2.4 Управление проектом по созданию системы .................................................... 63
Заключение .................................................................................................................... 73
Список литературы ....................................................................................................... 75
Приложения ................................................................................................................... 78
Приложение А ............................................................................................................ 78
Приложение Б ............................................................................................................. 81
Приложение В............................................................................................................. 84
4
ВВЕДЕНИЕ
Привлечение клиентов и их удержание – это основные приоритеты любой
отрасли, где крайне высок уровень конкуренции. В настоящее время наблюдается
интенсивное развитие телекоммуникационных систем, сопровождающееся жёсткой конкурентной борьбой за клиента. При таком состоянии рынка телекоммуникационных услуг, одной из главных проблем компаний сферы телекоммуникаций
является отток клиентов [19]. Действия по удержанию клиента требуют от компаний определенных затрат. Поэтому, в последние годы для привлечения и удержания клиентов на замену традиционным способам предотвращения вышеуказанного
явления приходит концепция управления взаимоотношениями с потребителями
(CRM), а именно – анализ и сегментация клиентской базы. Актуальность проблемы, поставленной в названии выпускной квалификационной работы, объясняется важностью сегментации клиентов для принятия компанией управленческих
решений, выбора стратегии продвижения услуг.
Вероятность того, что клиент откажется от услуг компании определяется его
лояльностью [11]. Клиенты нуждаются чтобы кто-то угадывал их потребности и
решал их проблемы. Лояльность можно определить, как расположенность клиентов к компании и желание продолжать пользование услугами компании. Чтобы не
потерять лояльность клиента, компании следят за мировыми тенденциями, модернизируют себя, проводят мониторинг степени удовлетворенности аудитории, развиваются и конкурируют.
Для поддержания темпов развития и облегчения задач телекоммуникационной компанией, предлагается решение внедрить информационную систему, которая бы повысила эффективность анализа и сегментации клиентской базы телекоммуникационной компании.
Целью выпускной квалификационной работы является разработка проектных решений модуля анализа и сегментации клиентской базы телекоммуникационной компании, содержащих обоснование функциональных требований, математического обеспечения и экономического обоснования.
5
Для достижения поставленной цели в выпускной квалификационной работе
были поставлены следующие задачи:
1. Рассмотреть концепцию управления взаимоотношения с клиентами в разрезе функционирования телекоммуникационной компании.
2. Провести обзор функциональных возможностей наиболее распространенных CRM-систем.
3. Рассмотреть возможности CRM-систем в части решения задачи сегментации клиентской базы.
4. Рассмотреть общую концептуальную схему распознавания образа на примере решения задачи о лояльности клиента.
5. Рассмотреть математические модели решения задачи сегментации.
6. Рассмотреть решение задачи построения профилей клиентов телекоммуникационной компании и определения лояльности клиента.
7. Разработать проектную документацию для модуля анализа и сегментации
системы, включающую детальное проектирование компонентов системы и управление проектом по созданию системы.
Объект исследования составляет процесс анализа потребительских предпочтений клиентов телекоммуникационной компании.
Предметом исследования являются технологии и алгоритмы обработки данных потребительских предпочтений, а также методологии проектирования информационных систем.
При решении поставленных задач использовались различные методы исследования. Для моделирования функциональных требований к системе, статической
структуры сущностей системы и моделирования поведения системы использованы
методы объектно-ориентированного анализа и проектирования: нотации языка
UML. При решении научных задач использованы методы интеллектуального анализа данных, а именно – методы агломеративного алгоритма, метод -средних и
алгоритм NaiveBayse. Управление проектом по созданию системы объединило в
себе методы оценки себестоимости проекта и оценки эффективности проекта.
6
Проектируемая система анализа и сегментации клиентской базы разрабатывается для определения лояльности клиентов и прогнозирования вероятность их
ухода; построения профилей абонентов путем выявления их схожего поведения по
потреблению услуг.
Структуру выпускной квалификационной работы определяют следующие
элементы: введение, основная часть в двух главах, заключение, список литературы
и приложения.
Во введении выделяются объект и предмет исследования, обосновываются
актуальность выбранной тематики выпускной квалификационной работы, формулируется цель и основные задачи, описание используемых при выполнении работы
методов теоретического и эмпирического исследования и обработки данных, описывается структура работы.
В первой главе рассматривается влияние конкуренции на развитие компаний
в плане учета базовых потребностей клиентов, раскрывается понятие сегментации,
рассматриваются цели и задачи, решаемые с помощью сегментации в телекоммуникационной компании. Проводится функциональный сравнительный анализ
CRM-продуктов, выявляются их достоинства и недостатки. Рассмотрены этапы
проведения, а также методы интеллектуального анализа данных, в частности задача
классификации и кластеризации. Приведены примеры задач интеллектуального
анализа данных из различных областей, в том числе задачи телекоммуникационной
компании. Рассмотрена общая схема распознавания и сегментации клиентов в
плане решения задачи о лояльности клиента.
Вторая глава посвящена проектированию информационной системы. Здесь
проводится анализ требований к CRM-системе в части проектирования основных
прецедентов и действующих лиц. Функциональность системы отражается с помощью UML-диаграмм. Математическое обеспечение представляется в аналитическом модуле проектируемой системы, который представлен сервисами кластеризации и классификации методами агломеративного алгоритма и алгоритмом NaiveBayes. Также проводятся расчеты времени разработки конечного программного
7
продукта с учетом сформированной команды проекты. Проводится оценка себестоимости разработки предлагаемой системы с учетом фактора времени.
В заключении подведены основные итоги работы.
В списке литературы приводятся используемые при написании работы источники.
8
1 УПРАВЛЕНИЕ ВЗАИМООТНОШЕНИЯМИ С КЛИЕНТАМИ
1.1 Анализ и сегментация клиентов
Информационная революция поставила человека на первое место. Сейчас
этого человека принято называть лаконичным словом «клиент». И чтобы не потерять лояльность собственного клиента, компании наблюдают за глобальными тенденциями, совершенствуются, проводят мониторинг уровня удовлетворенности
клиентов, развиваются и конкурируют. В условиях регулярно растущей конкуренции одним из основных преимуществ компании является высокий уровень обслуживания клиентов, создание для них максимально комфортных условий взаимодействия. Клиентоориентированность – это выдвижение интересов клиента выше
остальных. Откуда она появилась? На самом деле рыночная экономика создала высокую конкуренцию на рынке, а высокая конкуренция в свою очередь подтолкнула
менеджмент искать ресурсы с целью увеличения продаж [25]. С развитием общества потребления, целью клиента стало не просто приобретение желаемого продукта, а приобретение товара с максимальным комфортом и удобством. Выбор
компании теперь зависел от того, насколько хорошо по мнению потребители, к ним
относились.
Данная тенденция уже начала проявляться во всех отраслях экономики. Согласно источнику [30] в России первыми компаниями, которые поняли о необходимости учета предпочтений клиента стали именно телекоммуникационные компании, а за ними отреагировали банки и организации смежных отраслей. Автор [25]
отмечает, что в настоящее время можно заметить вторую волну этого движения:
она активно поднимается в системе государственных услуг, сфере ЖКХ и ТЭК.
Основой взаимодействия развития вышеуказанных отраслей является удовлетворение базовых потребностей клиентов. В телекоммуникационной сфере такими потребностями считаются оплата и выбор тарифа. В отрасли электроэнергетики базовые потребности клиента можно объединить в 5 основных групп: получение и оплата счета, передача показаний, обратная связь и дополнительные услуги.
9
Как уже было сказано выше, в настоящее время компании разных сфер деятельности для победы в конкурентной войне за клиента пользуются различными
методами привлечения клиентов. Существует много примеров компаний, которые
ориентированы на предпочтения клиента.
Компания одежды и обуви Zappos, например, сфокусировалась на индивидуальном подходе к клиентам: на день рождения клиенты получают подарки, учитывающие личные предпочтения каждого покупателя. Такой подход увеличивает
продолжительность разговора с клиентом по телефону: в компании считают, что
чем длительнее звонок, тем лучше.
Во многих магазинах одежды, если клиенту в раздевалке потребуется другой
размер, то ему необходимо нажать кнопку, по сигналу которой придёт продавец и
принесёт необходимый размер. Обычно клиенту приходится кричать или ещё хуже,
одеваться в свою одежду и повторять круг почёта.
В кофейне «Starbucks» на каждом заказанном стакане с кофе пишут имя клиента. Это помогает работникам не только в поиске хозяина напитка, но и даёт возможность общаться всё время с клиентом по имени.
Ювелирная компания «Сartier» во всех многих странах предоставляют переводчика на несколько часов. Приобретая кольцо в Европе, можно быть готовым к
тому, что с клиентом буду говорить не на английском, а на его родном языке.
Банк «Альфа-Банк» в зимнее время года все свои металлические ручки обматывают мягким, бархатным материалом.
Служба такси «ТаксовичкоФ» при заказе машины на сайте или в приложении
предлагает клиенту целый комплекс полезных для комфортного передвижения
услуг. Помимо стандартного выбора адреса, можно выбрать класс машины, любимое радио и даже запланировать дату поездки на месяц вперед. Клиенту также доступны дополнительные опции, например, «Молчаливый водитель». Такой заказ
даст понять таксисту, что нужно ехать молча, а не рассказывать сколько он уже
ездит на этой машине.
С помощью правильно выстроенных взаимоотношений, основанных на индивидуальном подходе к каждому клиенту, можно контролировать отток клиентов
10
из компании: привлекать потенциальных и удерживать существующих. Это способствует повышению конкурентоспособности компании и увеличению ее доходов. Растущая конкуренция вынуждает серьезнее подходить к вопросу об отношениях с заказчиками. Управление взаимоотношениями предполагает привлечение
новых клиентов, превращение нейтрально настроенных покупателей в лояльных
клиентов, а также формирование надежных бизнес партнеров из постоянных клиентов.
Для учета взаимоотношений с клиентом была придумана концепция CRM.
CRM приобрела свою популярность в начале 90-х годов, когда рыночная власть
перешла от бизнеса к потребителям [15]. Необходимость в CRM возникла на высококонкурентном рынке, где в фокусе стоит клиент. На сегодняшний день считается,
что CRM-система подразумевает автоматизацию продаж, однако при ее внедрении,
как правило, автоматизируются и другие области. В современном мире уже недостаточно автоматизировать только отделы продаж. Есть масса смежных областей,
таких как бухгалтерия, складской учет, учет маркетинговой деятельности, – это всё
также интегрируется с CRM.
На самом деле концепцию управления отношениями с клиентами можно использовать и без программного обеспечения (ПО). Например, делая какой-то отчет,
менеджер фактически занимается тем, что подводит итог и собирает эти самые показатели. Но без CRM формирование этого отчета может занять не один день, в то
время как в CRM этот процесс потребует считанных секунд. Специальное ПО позволяет провести автоматизацию соответствующих бизнес процессов в маркетинге,
продажах и обслуживании. Как результат, компания может обратиться к «нужному» клиенту в «правильный» момент времени, с наиболее эффективным предложением и по наиболее удобному клиенту каналу взаимодействия.
Представить состав CRM-системы очень непросто из-за того, что конкретные
варианты систем существенно отличаются друг от друга. Попытаемся дать представление о наиболее широкой версии CRM-системы. В источнике [15] перечислены некоторые функциональные возможности современных CRM-систем.
11
Ключевой задачей CRM-системы является управление клиентской базой и
учет всей истории взаимоотношений с потребителем. В данном случае программа
позволяет хранить любую информацию о клиенте: контактные данные, отраслевую
информацию, информацию о важности, предпочтениях и так далее. Зачастую система имеет стандартную карточку редактирования клиентской базы, которая дорабатывается в каждом отдельном случае, добавляются новые информационные
поля, справочники в зависимости от потребности компании.
CRM-система позволяет вести полную историю работы с клиентом, фиксировать все звонки, продажи, документы, задачи сотрудников, встречи и т.д. Это
позволяет, с одной стороны, увеличить качество обслуживания клиентов, а с другой – повысить эффективность работы менеджеров.
Программа позволяет обеспечить комплексное управление продажами компании начиная от планирования и операционного управления сбытом, заканчивая
контролем и анализом рабочих показателей отдела продаж и каждого менеджера, в
частности. Контроль осуществляется с помощью план/фактного анализа продаж (в
разрезе регионов, отделов, продуктов и менеджеров), а также специализированного
инструмента, так называемой воронки продаж, которая позволяет оценить эффективность работы отдела/менеджера на каждом этапе работы с клиентом.
Еще одной важной задачей, реализуемой CRM системой, является управление маркетингом – планирование и оценка эффективности (рентабельности) маркетинговых активностей и рекламных кампаний. Это позволяет определить наиболее выгодные каналы и способы привлечения потенциальных клиентов.
Одним из основных направлений маркетинговой деятельности является сегментация рынка, позволяющая аккумулировать средства предприятия на определенном направлении своего бизнеса [16]. К настоящему времени в экономической
литературе достаточно четко обозначены понятия целевого рынка и целевого сегмента, выделение которых и является основной целью сегментации рынка.
Сегментация или сегментирование клиентов – это процесс разделения потребительского рынка на части (сегменты) согласно определенным признакам.
12
Из определения данного термина становится понятно, что сегментация клиентов – важнейший шаг в разработке позиционирования продукта, рекламных инструментов, email-рассылки, маркетинговой стратегии в целом. Потребительский
рынок включает группы людей, по-разному реагирующих на ваш товар, услугу
в силу своих индивидуальных запросов и отличий по образу жизни, возрасту, полу,
уровню доходов, знаний.
В современном мире для успеха компании недостаточно иметь просто хороший продукт. Стабильность развития бизнеса во многом зависит от лояльности
аудитории. Поэтому важно знать клиентов, учитывать их потребности, выгоды,
приоритеты.
Сегментация клиентов помогает разделить потребительский рынок на сегменты и сконцентрировать маркетинговые усилия на целевой лояльной аудитории.
В маркетинге под этим термином «сегмент» подразумевается некая группа потенциальных или реальных покупателей с однотипными запросами и реакциями
на продукт.
Объединение по группам может быть самым разнообразным и зависит
от критериев сегментирования. Можно разделить клиентов на крупные части или,
наоборот, найти небольшие, перспективные ниши для последующего охвата рынка.
При этом данный процесс носит динамический характер. Это означает, что необходимо регулярно вносить изменения в существующую сегментацию и своевременно добавлять новых клиентов в определенные группы.
Ключевым при сегментации клиентов является тот факт, что внутри каждой
из выделенных групп клиенты имеют максимально схожие потребности, требования к товарам и услугам, а также схожие предпочтения в способах совершения покупок.
В такой высокотехнологичной отрасли, как телекоммуникации, методы и
подходы сегментации получили широкое применение. Анализ данных существующей абонентской базы позволяет выделять наиболее привлекательные сегменты
рынка и разрабатывать оптимальное сочетание продуктов и услуг для каждого типа
13
потребителей [32]. Решаемые задачи, прежде всего, связаны с программами лояльности и удержанием существующей клиентской базы, а также с привлечением новых потребителей услуг.
В системах телекоммуникационных компаний накапливаются большие объемы данных. В первую очередь это информация об абонентах и статистика использованных услуг. Анализ такой информации ручными и полуручными методами малоэффективен.
Осуществляя сегментацию, абонентов разделяют на однородные группы, к
которым будут применены различные виды обращений, продвижения, рекламы и
других переменных маркетинг-микса. Для каждой группы, или сегмента, может
быть применено разное сочетание маркетинговых мероприятий, потому что сегменты выделяются таким образом, чтобы между элементами сегмента различия
были минимальны, а между сегментами – максимальны.
Для такой сегментации необходимо подготовить информацию определенным
образом, создать классификационные переменные. Они делятся на демографические, географические, психографические и поведенческие. Часто используют комбинированную модель. Например, деление базы по географическому принципу может сочетаться с демографическим. Иногда говорят, что для абонентов создаются
профили, содержащие некоторое количество классификационных переменных. Таких переменных в профиле может быть очень много. Смысл классификационных
переменных состоит в том, чтобы на их основании определить описательные переменные, которые эффективно сегментируют абонентов и к тому же могут быть добавлены к записям об абонентах для принятия оперативных управленческих решений.
Компании, ставящие перед собой задачу сегментации клиентской базы, подразумевает различные цели. Согласно источнику [32] целями сегментации клиентской базы телекоммуникационной компании могут быть:

построение профилей абонентов путем выявления их схожего поведения
в плане частоты, длительности и времени звонков, а также ежемесячных расходов;
14

отслеживание активности абонентов в определённые периоды времени;

анализа исторических данных;

определения правильности бизнес-стратегии оператора в каждом из вы-
бранных сегментов;

оценка наиболее и наименее доходных сегментов.
Эта информация может в дальнейшем использоваться для:

разработки маркетинговых акций, направленных на определенные
группы клиентов;

разработки новых тарифных планов;

оптимизации расходов на адресную SMS-рассылку о новых услугах и та-
рифах;

определения подходящей возможности индивидуального взаимодействия
с абонентом или группой абонентов;

предотвращения оттока клиентов в другие компании.
Авторы [12, 32] считают, что правильное выделение сегментов клиентской
базы и предложение им целевого тарифного плана с набором нужных услуг является большим преимуществом в конкурентной борьбе телекоммуникационных
компаний.
1.2 Обзор IT-решений и методов анализа и сегментации клиентов
Пройти все этапы сегментации быстро и эффективно помогает применение
различных CRM-систем. При помощи этого механизма у аналитика появляется
полная информация о продажах, контактах и история коммуникаций с каждым
клиентом. К примеру, можно определить тех клиентов, которые давно не совершали покупки, и для их мотивации использовать email-рассылку с предложением
скидок, акций и т.д.
Наиболее известными CRM-системами являются:

Битрикс 24;

Microsoft Dynamics CRM;

Terrasoft CRM;
15

Salesforce CRM;

Retail CRM.
На сегодняшний день вышеперечисленные CRM-продукты имеют стабильные внедрения и активные продвижения на российском рынке.
Лидерами являются Битрикс 24 и Terrasoft CRM. Terrasoft CRM занимает 1
место в рейтинге лучших CRM-систем 2017 года согласно порталу crm-top.ru, Битрикс 24 – одна из самых известных и распространенных CRM в России. Согласно
источнику [20] название Битрикс 24 уже давно прочно ассоциируется с CRM.
Рассмотрим основные преимущества и недостатки CRM-систем, а также процесс выделения сегментов в перечисленных системах.
Битрикс 24 – мощная многофункциональная CRM-система, которая упрощает работу не только с клиентами, но и помогает вести процессы внутри компании. Система работает с 2009 года, ориентирована на российский рынок, быстро и
уверенно развивается. Разработчики предоставляют большой пакет дополнительных функций. Управлять заказами можно в мобильном приложении, благодаря которому компания сможет отслеживать выполнение задач удаленно от офиса. Однако выполнено данное приложение посредственно. Система позволяет создать
своеобразную корпоративную социальную сеть, в которой возможно общение и обсуждение проектов с любыми сотрудниками. Главное отличие Битрикс 24 от
остальных систем заключается в том, что она бесплатная, но только для компаний
численностью до 12 человек. Поэтому Битрикс отлично подойдет для предпринимателей и небольших фирм, особенно Интернет-магазинов. Для более крупных
компаний стоимость составит примерно от 5000 рублей в месяц для любого количества сотрудников.
Разработчики постарались, чтобы система выглядела, как социальная сеть.
Внутри сотрудники могут писать посты, публиковать фотографии, собирать лайки
и комментарии от коллег. Это поднимает настроение сотрудников.
Сервис разработан с элементами геймификации. Например, для дополнительной мотивации в Битрикс 24 придумали «бейджи». Руководитель дарит бейджи тем
сотрудникам, которые отличились на работе.
16
Большое внимание уделяется процессам внутри компании. Руководитель видит над какими задачами в данный момент работают сотрудники и когда они их
решают. Можно собрать статистику по задачам в конце месяца и оформить всё это
в виде удобной инфографики.
Разработчики предлагают, как облачные решения, так и «коробку» – версия
CRM, которая устанавливается на сервер компании, являющийся единственным
источником доступа к ней [20].
Из минусов – крайне долгая и слабая техническая поддержка. Настроить Битрикс 24 довольно сложно, поэтому обычно от системы часто отказываются.
Рассмотрим, как представлена функция сегментации в системе Битрикс 24.
Сегмент – базовое понятие для CRM-маркетинга. Это группа клиентов, которую
аналитик выделяет из общего списка по какому-то условию (соответствию набору
признаков). Клиентская база обычно представлена безликим массивом данных, а
сегментация позволяет разделять их по огромному количеству уникальных
свойств. Использовать эти сегменты можно для рассылок или показа контекстной
рекламы.
Битрикс 24 экономит время аналитика, поэтому в системе предлагаются готовые сегменты, которые не нужно настраивать. Например, «Клиенты с проигранными сделками», «Клиенты с выигранными сделками», «Клиенты со сделками в
работе», «Лиды в работе», «Лиды сконвертированные» и, как ни странно, «Все клиенты» и «Все лиды». Лид – это самый-самый «холодный контакт», зацепка, которая
может стать клиентом, а может и не стать. Это может быть email, номер телефона
– всё, что может послужить источником для продажи, всё, за что можно «зацепиться», чтобы в будущем компания получила клиента.
Кроме этого можно создать динамические сегменты – в этих сегментах количество клиентов меняется со временем по какому-то условию, например, «кто купил в прошлом месяце», «кто связался с нами по телефону», и статические – для
этих сегментов аналитик заносит свой список контактов, который не меняется со
временем.
17
В форме создания сегмента необходимо выбрать определенные признаки, и
система покажет сколько контактов подходит под это условие. Также можно использовать для выборки пользовательские поля. К примеру, можно создать поле
для хранения любимого цвета клиента и отправлять любителям жёлтого специальную скидку на новое жёлтое платье. Далее выбирается канал связи, который будет
использоваться в работе с сегментом – письмо, SMS-сообщение, звонок или реклама, и начинается рассылка.
Microsoft Dynamics CRM – это пакет ПО для управления взаимоотношениями
с клиентами, разработанный компанией Microsoft и ориентированный на организацию продаж, маркетинга и предоставления услуг. В 2015 году П. Гринберг опубликовал список из 25 CRM-систем, которые определяли развитие рынка. Microsoft
Dynamics CRM заняла в этом списке 13 место.
Систему можно настроить под любые требования компании. Привычный и
естественный ролевой пользовательский интерфейс снижает затраты на обучение
сотрудников. Microsoft Dynamics CRM пользуется большой популярностью в крупных компаниях. Это практически среда разработки. Она одинаково востребована
как для сферы продажи услуг, так и для товарной сферы.
Однако решение Microsoft Dynamics CRM в большей степени ориентировано
на крупный бизнес. Малые и средние компании могут использовать этот программный продукт, но часть функционала системы окажется невостребованным.
Microsoft Dynamics CRM часто выигрывает сравнение CRM систем за счет
своей универсальности. Ее можно использовать для работы множества менеджеров
по продажам, сервис-специалистов и других сотрудников. Однако для этого потребуется тонкая настройка и наличие специальных знаний по установке. Стоит эта
система 3250 рублей в месяц за одного пользователя. Для обновления лицензий облачных сервисов может потребоваться дополнительная оплата.
Сегментация базы клиентов в Microsoft Dynamics CRM выполняется с помощью функций простого или расширенного поиска. Формируя портрет требуемой
целевой аудитории, аналитик создает так называемый маркетинговый список, ко-
18
торый впоследствии может использоваться для контакта с аудиторией. Типы контактов могут быть разными: классически в системе поддерживаются телефонные
звонки, факсы, электронные или обычные письма, встречи, а также действия сервиса, но этот список можно расширить другими типами действий, например, рассылкой SMS. Маркетинговые списки бывают статическими, созданными один раз
и не изменяющимися в дальнейшем, и динамическими, состав которых можно обновлять по мере необходимости. Функция сегментации позволяет значительно сократить трудозатраты на формирование высококачественной целевой аудитории.
Кроме того, можно сохранять критерии сегментации, использовавшиеся для выбора контактов и использовать их повторно.
Terrasoft CRM признана одной из лучших CRM-систем в мире. В 2011 году
рейтинг CRM IDOL поставил ее на первое место. Система является лидером рынка
в странах СНГ. Используется во многих известных крупных компаниях. Хорошо
подходит для сферы услуг и для управления отделом маркетинга. Стоимость за одного пользователя начинается от 1000 рублей и выше в зависимости от модификации программы. Имеет 25 готовых отраслевых решений для основных сфер бизнеса. Одна из самых дорогих систем. Стоимость за одного пользователя на год составит 17500 рублей.
Приложения Terrasoft CRM могут быть развернуты на серверах баз данных
Microsoft SQL Server, Oracle или Firebird. Кроме того, существует возможность
сконфигурировать системы Terrasoft CRM с другими СУБД.
Среди возможностей Terrasoft CRM – сегментация клиентов. Система предлагает создание динамических групп по фильтрам и статическим, которые наполняются вручную. Для создания сегмента аналитик использует данные из системы:
количество покупок, объем продаж за период, историю заказов и обращений, отклик на коммуникации, интересы и потребности. Также можно объединять контакты в различные группы – по возрасту, региону, принадлежности к компаниям,
избранные контакты и множество других вариантов.
Salesforce CRM – американская система управления бизнесом. Имеет огромную популярность у западных компаний. С успехом покоряет рынки других стран.
19
Несколько лет назад из системы наблюдались утечки конфиденциальных данных
клиентов, что испортило репутацию компании-разработчика. В связи с этим был
повышен уровень безопасности Salesforce CRM. Сегодня эта система обладает широким набором функций, многие из которых подключаются с помощью модулей.
Одним из недостатков системы являются сложности в общении с техподдержкой. Иногда могут понадобиться дни, чтобы связаться с ответственным специалистом. Именно поэтому многие организации предпочитают общаться со сторонними консалтинговыми компаниями, когда речь заходит о технической поддержке.
Решение Salesforce размещено в облаке, что помогает минимизировать количество персонала, постоянно находящегося в офисе, чтобы управлять бизнесом.
Каждый сотрудник имеет доступ к информации из CRM и может эффективно работать вне зависимости от его местонахождения. Для хранения данных каждому
сотруднику предоставляется по 1 Гб. Интегрируется с Outlook, Gmail. Цена на программу начинается от 1700 рублей.
Сегментация клиентов в Salesforce предполагает создание динамических и
статических сегментов.
Retail CRM позиционируется как отличная CRM-система для Интернет-магазинов. В системе предоставляется подробная отчетность о работе отдельного менеджера или компании в целом. Довольно небольшая цена за продукт – от 1000 рублей в месяц [3]. Она зависит от объемов работы Интернет-магазинов, от количества
заказов, проходящих через программу. Чем больше заказов, тем меньше цена. В
Retail CRM можно сгенерировать любые документы, связанные с продажей, например, счет. Система умеет самостоятельно отправлять клиентам письма и SMS.
Также доступна настройка автоматического распределения обязанностей по ведению клиентов в зависимости от загруженности менеджеров.
Сегменты в Retail CRM также составляются по принципу конструктора. Возможности сегментации клиентов в системе позволяют классифицировать клиентов:

по поведению в интернет-магазине (посещение страниц, достижение целей
Google Analytics, корзина пользователя);
20

по совершенным покупкам (купленные товары, группы товаров в заказах);

по выгодности клиента (доход по клиенту, валовая прибыль по клиенту,
количество выполненных заказов);

по общим признакам (город пользователя, дата последнего заказа);

по пользовательским полям, созданным вами в форме клиента или заказа.
Аналитик выбираете необходимые критерии за определенный период, CRM
анализирует данные, которые у нее есть, и затем показывает всех пользователей,
подходящих по этим критериям. В системе существует возможность выбора статистического сегмента и динамического. Статический сегмент формируется один раз,
и все отфильтрованные пользователи остаются в нем навсегда, даже если их данные меняются. Новые пользователи не могут попасть в статический сегмент, даже
если подходят по критериям. Динамический сегмент учитывает изменения в данных клиента. Как только клиент подходит под критерии, он попадает в сегмент и
находится там некоторое время. Если его профильные характеристики меняются,
он выпадает из сегмента автоматически. Статические сегменты формируются сразу
же после их создания или изменения. Динамические сегменты формируются и пересчитываются один раз в четыре часа.
После формирования сегмента присутствует возможность рассылки email/SMS сообщений по клиентам, находящимся в сегменте, а также выгрузки клиентов из сегмента на ПК. Полученный документ может пригодиться для отчета руководителю, для импорта в сторонний сервис, для анализа данных.
Кроме того, в Retail CRM может проводиться RFM-сегментация – это прогнозирование поведения клиента на основе его прошлых действий.
RFM-сегментация основана на трех параметрах:

recency – давность совершения клиентом последней покупки;

frequency – частота покупок клиента;

monetary – средний чек клиента.
Такая сегментация дает представление, какие клиенты сделают заказ, а какие
даже не отреагируют на предложение. Предполагается, что клиент, проявивший
21
себя не так давно, показывающий повышенную активность или тратящий на товары больше денег, является наиболее заинтересованным клиентом в рекламной
кампании.
Важнейшим критерием при выборе CRM-продукта является, прежде всего,
размер компании и функционал, необходимый для компании. Поэтому далее проведем развернутый анализ функциональных возможностей.
Определение CRM постоянно развивается и дополняется новыми решениями
и функциями. Тем не менее, все специалисты сходятся во мнении, что современное
полнофункциональное CRM-решение должно иметь следующие основные компоненты:
1. Управление контактами.
2. Управление продажами.
3. Продажи по телефону.
4. Управление временем.
5. Поддержка и обслуживание клиентов.
6. Управление маркетингом.
7. Отчетность для высшего руководства.
8. Интеграция с другими системами.
9. Синхронизация данных.
10. Управление электронной торговлей.
11. Управление мобильными продажами.
Проведем функциональный анализ выбранных нами CRM-продуктов. Сравнительный анализ CRM-систем и их функций отображен в таблице 1.
Среди рассмотренных систем лучшими решениями для малого и среднего
бизнеса будут: Salesforce CRM и Retail CRM. Системы позволяют руководителю
следить за работой менеджеров: видеть количество сделанных звонков, запланированные и проведенные встречи, результаты переговоров. К тому же Retail CRM
имеет прямую интеграцию с 1С, что увеличивает их конкурентоспособность на
рынке CRM-систем.
22
Таблица 1 – Сравнительная характеристика функциональных
возможностей CRM-продуктов
Функциональные
возможности
Web-интерфейс
Клиентская база
Управление бизнес-процессами
Управление продажами
Уровни доступа
сотрудников
Задачи, расписание, поручения
Документооборот с клиентами
Интеграция с
MS Word
Интеграция с
Excel
Интеграция с
MS Outlook
Интеграция с 1С
Бюджет
Отчеты
Проекты
Сегментация
База данных
Битрикс 24
Microsoft
Dynamics
CRM
Terrasoft
CRM
Salesforce
CRM
Retail
CRM
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
+
+
+
-
+
+
+
+
-
-
+
+
+
-
+
+
+
+
-
-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
MS SQL
Server
MS SQL
Server
Различные
СУБД
MS SQL
Server
Различные
СУБД
Retail CRM ориентирована и на ведение крупного бизнеса. Фирма предлагает
различную комплектацию решений в зависимости от уровня развития компании.
23
Microsoft Dynamics и Битрикс 24 предназначены для крупных и средних организаций. Microsoft Dynamics – это система, которая позволяет устанавливать задачи и поручения, следить за их выполнением, хранить базу данных сотрудников
компании, вести историю клиентов, финансовый учет и др.
Система Битрикс 24 сложна в освоении, но и наиболее функциональна, как и
Terrasoft CRM. Битрикс 24 позволяет вести учет клиентов с любым количеством
полей данных и отслеживает всю историю работы, предоставляет услуги учета текущих и потенциальных клиентов, обмена документами и управления задачами
внутри команды.
Terrasoft CRM – это решение крупных предприятий. Система позволяет объединять сотрудников, партнеров, процессы и технологии в рамках полного замкнутого цикла взаимодействия с клиентами, а также автоматизировать бизнес-процессы компании и эффективно управлять бизнесом.
Стоит отметить, что данные CRM-системы направлены на различные сферы
деятельности: производство, услуги, строительство, продажи, финансы, страховая
деятельность, телекоммуникации. Ввиду этого возникает проблема подбора программного решения, подходящего под специфику бизнес-процессов телекоммуникационный компании. При этом в каждой из рассмотренных CRM-систем существует возможность сегментировать клиентскую базу.
1.3 Общая схема распознавания и сегментации клиентов
В процессе сегментации клиентской базы телекоммуникационной компании
могут решаться такие управленческие задачи:

построение профилей абонентов путем выявления их схожего поведения
в плане частоты, длительности и времени звонков, а также ежемесячных расходов;

отслеживание активности абонентов в определённые периоды времени;

определение лояльности клиентов;

оценка наиболее и наименее доходных сегментов.
24
Эмпирической базой для решения выявленных управленческих задач служат,
как правило, данные о клиентах телекоммуникационных компаний, собранных в
единую базу данных. В качестве данных используются, например, сведения о возрасте, семейном положении, образовании и т.д.
Для обработки имеющихся массивов данных используются так называемые
методы интеллектуальной обработки данных, сформировавшихся в самостоятельное направление Data Mining. Классическим определением считается определение,
данное одним из основателей направления Г. Пятецким-Шапиро [7]: Data mining –
исследование и обнаружение «машиной» (алгоритмами, средствами искусственного интеллекта) в сырых данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации.
Целью интеллектуального анализа данных является обнаружение неявных
закономерностей в наборах данных.
Первоначально задача ставится следующим образом:

имеется достаточно крупная база данных;

предполагается, что в базе данных находятся некие «скрытые знания».
Необходимо разработать методы обнаружения знаний, скрытых в больших
объёмах исходных «сырых» данных. В текущих условиях глобальной конкуренции
именно найденные закономерности (знания) могут быть источником дополнительного конкурентного преимущества.
В области телекоммуникаций методы Data Mining помогают компаниям более энергично продвигать свои программы маркетинга и ценообразования, чтобы
удерживать существующих клиентов и привлекать новых. Среди типичных мероприятий отметим следующие:

анализ записей о подробных характеристиках вызовов. Назначение такого
анализа – выявление категорий клиентов с похожими стереотипами пользования
их услугами и разработка привлекательных наборов цен и услуг;

выявление лояльности клиентов. Data Mining можно использовать для
определения характеристик клиентов, которые, один раз воспользовавшись услугами данной компании, с большой долей вероятности останутся ей верными. В
25
итоге средства, выделяемые на маркетинг, можно тратить там, где отдача больше
всего.
Рассмотрим этапы проведения интеллектуального анализа данных. Специалисты компании Microsoft выделяют следующие этапы [27]:
1. Постановка задачи.
2. Подготовка данных.
3. Изучение данных.
4. Построение моделей.
5. Исследование и проверка моделей.
6. Развертывание и обновление моделей.
На рисунке 1 схематично представлены последовательность и взаимосвязи
перечисленных этапов. Указанные этапы не обязательно будут пройдены последовательно один за другим. Например, на одном из промежуточных этапов может выясниться, что в текущей постановке для решения задачи не хватает данных и понадобится снова вернуться к первому этапу.
На этапе постановки задачи нужно определить, что является целью анализа.
В частности, требуется ответить на ряд вопросов, главный из которых - что именно
необходимо определить в результате анализа.
Рисунок 1 – Этапы интеллектуального анализа данных
26
Как правило, в процессе постановки задачи аналитик работает совместно со
специалистами в предметной области.
Этап подготовки данных включает определение источников данных для анализа, объединение данных и их очистку. Используемые данные могут находиться
в различных базах и на разных серверах. Более того, какие-то данные могут быть
представлены в виде текстовых файлов, электронных таблиц, находиться в других
форматах.
Собранные таким образом данные, как правило, нуждаются в дополнительной обработке, называемой очисткой. В процессе очистки при необходимости может производиться удаление «аномалий» (нехарактерных и ошибочных значений),
обработка отсутствующих значений параметров, численное преобразование
(например, нормализация) и т.д.
Следующим этапом является изучение данных, которое позволит понять,
насколько адекватно подготовленный набор представляет исследуемую предметную область. Здесь может проводиться поиск минимальных и максимальных значений параметров, анализ распределений значений и других статистических характеристик, сравнение полученных результатов с представлениями о предметной области.
Четвертый этап – построение моделей. Cначала создается структура данных
– множество признаков, для которых создается одна или несколько моделей. Построение моделей происходит на основе определенных признаков – признакового
пространства. Формирование признакового пространства – отбор факторов, необходимых для поставленной задачи анализа. Модель также включает указание на
алгоритм интеллектуального анализа данных, его параметры и анализируемые данные. При определении модели можно использовать различные фильтры, формируя
каждый раз новое признаковое пространство. Таким образом, не все имеющиеся в
описании данные будут использоваться каждой созданной для множества признаков моделью. На рисунке 2 показан пример, в котором в рамках одного множества
признаков создается несколько моделей, использующие различные наборы столбцов и фильтров – признаковые пространства. В телекоммуникационной компании
27
в качестве источника данных выступает клиент. С клиента собираются сведения –
значения признаков, которые и составляют множество признаков. Из доступного
числа признаков аналитик выбирает необходимые для решения поставленной задачи признаки и таким образом формирует признаковое пространство.
Рисунок 2 – Модели, созданные в рамках множества признаков
Также можно выделить здесь этап обучения модели. Он заключается в применении выбранного алгоритма к обучающему набору данных. После этого в ней
сохраняются выявленные закономерности.
Нередко для решения задачи создается несколько моделей, основанных на
разных алгоритмах, чтобы была возможность сравнить результаты и выбрать
наилучшую.
Выбор алгоритма зависит от задачи интеллектуального анализа. Выделяют
следующие задачи: классификация, регрессия, прогнозирование, кластеризация,
определение взаимосвязей, анализ последовательностей, анализ отклонений. Рассмотрим перечисленные задачи подробнее.
Выбор алгоритма зависит от задачи интеллектуального анализа. Выделяют
следующие задачи: классификация, регрессия, прогнозирование, кластеризация,
28
определение взаимосвязей, анализ последовательностей, анализ отклонений. Рассмотрим перечисленные задачи подробнее.
Задача классификации заключается в том, что для каждого варианта определяется категория или класс, которому он принадлежит. В качестве примера можно
привести оценку кредитоспособности потенциального заемщика: назначаемые
классы здесь могут быть «кредитоспособен» и «некредитоспособен». Необходимо
отметить, что для решения задачи необходимо, чтобы множество классов было известно заранее и было бы конечным и счетным. В интеллектуальном анализе данных задача классификации относится к разделу обучение с учителем. В таких задачах требуется обучающий набор данных, на котором создается и обучается модель
интеллектуального анализа данных. Готовая модель тестируется и впоследствии
используется для предсказания значений в новых наборах данных.
Одним из алгоритмов классификации является NaiveBayes – это алгоритм
классификации, основанный на теореме Байеса с допущением о независимости
признаков. Таким образом, NaiveBayes предполагает, что наличие какого-либо признака в классе не связано с наличием какого-либо другого признака. Например,
фрукт может считаться яблоком, если он красный, круглый и его диаметр составляет порядка 8 сантиметров. Даже если эти признаки зависят друг от друга или от
других признаков, в любом случае они вносят независимый вклад в вероятность
того, что этот фрукт является яблоком. В связи с таким допущением алгоритм называется «наивным».
Модели на основе NaiveBayes достаточно просты и крайне полезны при работе с очень большими наборами данных. При своей простоте NaiveBayes способен
превзойти даже некоторые сложные алгоритмы классификации.
NaiveBayes предполагает, что влияние значения признака на данный класс не
зависит от значений других признаков (условная независимость класса).
Классификатор NaiveBayes имеет ряд преимуществ:

Классификация с помощью NaiveBayes, в том числе многоклассовая, вы-
полняется легко и быстро.
29

Когда допущение о независимости выполняется, NaiveBayes превосходит
другие алгоритмы, такие как логистическая регрессия, и при этом требует меньший
объем обучающих данных.
Задача регрессии во многом схожа с задачей классификации, но в ходе ее решения производится поиск шаблонов для определения числового значения. Иными
словами, предсказываемый параметр здесь, как правило, число из непрерывного
диапазона. Задача регрессии также относится к задачам обучения с учителем.
Отдельно выделяется задача прогнозирования новых значений на основании
имеющихся значений числовой последовательности (или нескольких последовательностей, между значениями в которых наблюдается корреляция). При этом могут учитываться имеющиеся тренды, сезонность, другие факторы. Классическим
примером является прогнозирование цен акций на бирже.
Задача кластеризации заключается в делении множества объектов на группы
(кластеры) схожих по параметрам. При этом, в отличие от классификации, число
кластеров и их характеристики могут быть заранее неизвестны и определяться в
ходе построения кластеров исходя из степени близости объединяемых объектов по совокупности параметров.
Другое название этой задачи – сегментация. Например, интернет-магазин может быть заинтересован в проведении подобного анализа базы своих клиентов, для
того, чтобы потом сформировать специальные предложения для выделенных
групп, учитывая их особенности.
Задача кластеризации относится к задачам обучения без учителя. Целью таких задач является выявление закономерностей, имеющихся в наборе данных. В
задачах обучения без учителя не требуется обучающая выборка. Примером такой
задачи является задача анализа потребительской корзины, когда в ходе исследования выявляются товары, которые чаще всего покупают вместе.
Алгоритмы кластеризации делят на иерархические и неиерархические. Подобное деление происходит на основе выходных данных. Так, при иерархическом
алгоритме на выходе выдается некоторая иерархия кластеров. В таких алгоритмах
30
есть возможность выбора любого уровня этой иерархии для дальнейшей интерпретации результатов. Неиерархическими алгоритмами фактически можно считать те,
которые на выходе иерархию не выдают.
Различают агломеративные и дивизимные иерархические алгоритмы. Агломеративные алгоритмы начинают реализацию с того, что каждый объект относят в
свой собственный кластер и по мере выполнения объединяют кластеры, до тех пор,
пока в конце не получает один кластер, включающий в себя все объекты набора.
Дивизимные алгоритмы, напротив, сначала относят все объекты в один кластер и
затем разделяют этот кластер до тех пор, пока каждый объект не окажется в своем
собственном кластере. Достаточно ярким примером иерархического агломеративного алгоритма является алгоритм «соседей». Это алгоритмы ближнего, дальнего
и среднего соседей. Он объединяет кластеры, исходя из расстояния между ближайшими, наиболее удаленными или центральными объектами кластеров.
Итеративные алгоритмы называются так потому, что они перераспределяют
объекты между кластерами в течение некоторого количества итераций.
К итеративным алгоритмам относится алгоритм k-means. Его идея заключается в минимизации расстояний между объектами в кластерах. Остановка алгоритма происходит, когда минимизировать расстояния больше уже невозможно.
Минимизируемая функция определяется по формуле:


 = ∑ ∑  2 ( ,  ),
=1 =1
где   – объект кластеризации,   – центр кластера (центроид),
|| = , || = .
На момент старта алгоритма должно быть известно число кластеров. Выбор
числа С может базироваться на результатах предшествующих исследований, теоретических соображениях или интуиции.
5. Задача определения взаимосвязей, также называемая задачей поиска ассоциативных правил, заключается в определении часто встречающихся наборов объектов среди множества подобных наборов. Классическим примером является анализ потребительской корзины, который позволяет определить наборы товаров,
31
чаще всего встречающиеся в одном заказе (или в одном чеке). Эта информация может потом использоваться при размещении товаров в торговом зале или при формировании специальных предложений для группы связанных товаров. Данная задача также относится к классу «обучение без учителя».
6. Анализ последовательностей авторами работы [27] рассматривается как вариант предыдущей задачи, авторы же [8] выделяют задачу отдельно. Целью, в данном случае, является обнаружение закономерностей в последовательностях событий. Подобная информация позволяет, например, предупредить сбой в работе информационной системы, получив сигнал о наступлении события, часто предшествующего сбою подобного типа. Другой пример применения – анализ последовательности переходов по страницам пользователей web-сайтов.
7. Анализ отклонений позволяет отыскать среди множества событий те, которые существенно отличаются от нормы. Отклонение может сигнализировать о
каком-то необычном событии (неожиданный результат эксперимента, мошенническая операция по банковской карте) или, например, об ошибке ввода данных оператором.
В таблице 2 приведены примеры задач интеллектуального анализа данных из
различных областей.
Пятым этапом интеллектуального анализа данных является проверка модели.
Здесь целью является оценка качества работы созданной модели перед началом ее
практического использования. Если создавалось несколько моделей, то на этом
этапе делается выбор в пользу той, что даст наилучший результат.
Практическое применение модели подразумевает принятие решение, например, об уходе клиента из телекоммуникационной компании. Если модель прогнозирует, что клиент уйдет, а он в итоге не ушел, то значит модель построена неправильна. В таком случае возвращаются на этап формирования признакового пространства, подбирая новые признаки и составляя на их основе новую модель.
Практическое применение модели подразумевает принятие решение, например, об уходе клиента из телекоммуникационной компании. Если модель прогно-
32
зирует, что клиент уйдет, а он в итоге не ушел, то значит модель построена неправильна. В таком случае возвращаются на этап формирования признакового пространства, подбирая новые признаки и составляя на их основе новую модель.
Таблица 2 – Примеры применения интеллектуального анализа данных
Задача интеллектуального
анализа
Информационные
технологии
Торговля
Финансовая сфера
Классификация
Оценка кредитоспособности
Регрессия
Оценка допустимого
кредитного лимита
Прогнозирование
Прогнозирование продаж
Прогнозирование
цен акции
Кластеризации
Сегментация
клиентов
Анализ потребительской корзины
Сегментация клиентов
Определения
взаимосвязей
Анализ последовательностей
Анализ отклонений
Анализ переходов
по страницам webсайта
Обнаружение вторжений в информационные системы
Сфера телекоммуникаций
Определение
лояльности
клиента
Предсказание
оттока клиентов
Сегментация
клиентов
Выявление мошенничества с банковскими картами
На основе рассмотренных этапов интеллектуального анализа данных можно
составить следующую концептуальную схему решения задачи о лояльности клиента. Она представляет собой распознавание образа – отнесение объекта к тому или
иному классу 1 оставшихся клиентов или 2 ушедших клиентов. Такая задача
включает в себя три этапа:
 формирование
 обучение
признакового пространства;
распознающей системы – создание обобщенных портретов (клас-
сов) ушедших 2 и оставшихся 1 клиентов для снятия неопределенности с помощью обучающих наблюдений;
 принятие
решений – отнесение клиента к классу ушедших 2 или к классу
оставшихся 1 .
Главную роль в решении задачи о лояльности клиента играет своевременное
распознавание его состояния с требуемым уровнем достоверности:
33
 = 1 −  = 1 − ,
где ,  – ошибки распознавания 1-го и 2-го рода.
Это необходимо для своевременного принятия мер по предупреждению
ухода клиента. Действия по удержанию клиента требуют от телекоммуникационной компании определенных затрат. Поэтому принятие решений на основе модели
с низким уровнем достоверности влечет за собой финансовые потери телекоммуникационной компании. Принятие решений может подразумевать отправку SMSсообщений с новыми предложениями. Так, например, модель показала, что клиент
с большей вероятностью откажется от услуг компании и его относят к классу 2
ушедших клиентов. В попытке удержать его, компания присылает ему новые, учитывающие его предпочтения, предложения, а каждое SMS-сообщение стоит компании определенной суммы денег.
На рисунке 3 представим общую схему решения задачи о лояльности клиента.
Распознавание подразумевает отнесение наблюдаемого неизвестного состояния, заданного совокупностью  наблюдений над его признаками 1 , 2 , … , 
11
21
 = (…
1
12
22
…
2
к одному из состояний 1 или 2 .
… 1
… 2 )
… ….
… 
(1)
34
Рисунок 3 – Схема распознавания состояния клиента
Каждый столбец  = (1
2
…  ) ,  = 1, 2, … ,  матрицы  пред-
ставляет собой -мерный вектор наблюдаемых значений признаков 1 , 2 , … ,  ,
отражающих важные для распознавания свойства. Набор признаков  одинаков для
всех распознаваемых классов 1 , 2 . Совокупность (1) является контрольной выборкой.
Таким образом, рассматривается задача принадлежности наблюдаемого состояния объекта к одному из конечного фиксированного числа классов 1 , 2 , описываемых одинаковым для всех классов набором признаков 1 , 2 , … ,  .
Как уже говорилось выше, определение набора признаков 1 , 2 , … ,  , т.е.
формирование признакового пространства, является неотъемлемой составной частью распознающего процесса. Выбранная совокупность признаков должна в
наибольшей степени отражать все те свойства состояний, которые важны для их
распознавания. Однако с увеличением размерности  признакового пространства
быстро возрастают вычислительная сложность процедур обучения и принятия решения.
Основным показателем качества задачи распознавания является достоверность принимаемых ею решений [35, 36] – практическое применение модели. Если
35
распознающая процедура допускает большой процент ошибочных решений, то она
делает практически непригодной любую систему, частью которой она является.
Сокращение количества признаков уменьшает затраты на вычисления, но может привести к снижению достоверности распознавания.
Важную роль в процессе распознавания играет обучение, цель которого –
восполнение недостатка априорных знаний о распознаваемых классах 1 и 2 путем
использования информации о них, содержащейся в обучающих наблюдениях:
(1)
12
(1)
22
…
(1)
2
11
(1)
 =
21
…
(1)
1
(
(1)
(1)
…
(2)
12
(2)
22
…
(2)
2
(1)
11
(1)
21
…
(2)
1
1
(2)
… 2 , 
=
… ….
(1)
…  )
(
(2)
(2)
(2)
… 1
(2)
… 2
… ….
(2)
…  )
где  – количество обучающих наблюдений.
Следующим этапом является подбор и настройка классификаторов. Хотя методы и подходы, используемые при обучении, могут быть разнообразными, конечный результат их использования, как правило, неизменен – создаются эталонные
описания состояний ̂1 , ̂2 . Увеличение продолжительности обучения повышает
достоверность распознавания за счет увеличения количества информации о распознаваемых классах, содержащейся в обучающих выборках и позволяющей уточнять их эталонные описания ̂1 , ̂2 . Сокращение же времени обучения может повлиять на качество эталонных описаний и в конечном итоге привести к снижению
достоверности распознавания.
Центральное место в задаче распознавания занимает процесс принятия решений. В нем неклассифицированные наблюдения (1) (сведения о рассматриваемом
клиенте) сопоставляются с эталонными описаниями ̂1 , ̂2 и указывается номер
класса, к которому принадлежит совокупность наблюдений (1).
Логично, что увеличение продолжительности процесса принятия решения
влечет за собой повышение достоверности распознавания за счет вовлечения в процесс принятия решения большего количества информации о состоянии клиентов,
содержащейся в описывающей совокупности контрольной выборки (1).
36
Итак, основными параметрами задачи распознавания являются: количество
признаков , объемы выборок (обучающих  и контрольной ) и достоверность
распознавания .
Для обеспечения гарантированной достоверности распознавания важную
роль играет получение в удобной для практического использования форме зависимости достоверности распознавания  от параметров распознавания , ,  и межклассовых расстояний.
Общую схему решения задачи о лояльности клиента с действующими лицами можно наблюдать в приложении В.
37
2 ИНФОРМАЦИОННАЯ СИСТЕМА АНАЛИЗА И СЕГМЕНТАЦИИ
КЛИЕНТСКОЙ БАЗЫ ТЕЛЕКОММУНИКАЦИОННОЙ КОМПАНИИ:
ЭЛЕМЕНТЫ ПРОЕКТИРОВАНИЯ И УПРАВЛЕНИЯ ПРОЕКТОМ
2.1 Анализ требований к проектируемой системе
Перед разработкой любой системы стоит определить требования, которым
она должна удовлетворять. Согласно работе [31] есть разделение требований на
бизнес-требования, требования пользователей и функциональные требования. Для
того, чтобы выделить информацию, которая касается удовлетворения предпочтений клиента в телекоммуникационной компании, учитывает взаимоотношения
клиента и фирмы и которую пользователи хотят получить при использовании системы используют бизнес-требования. Они содержат высокоуровневые цели организации или заказчиков системы. Основные утверждения пользователей о преследуемых ими бизнес-целях называются вариантами использования. Функциональные требования к системе строятся на основе бизнес-требований, которые в свою
очередь основаны на бизнес-целях телекоммуникационной компании.
Несмотря на то, что основной задачей разрабатываемой системы является
анализ и сегментация клиентской базы, важной частью в ней является взаимодействие клиента с историей клиента, оператора с аналитиком и клиентом. Поэтому
логично сделать такую систему многопользовательской и автоматизировать в ней
бизнес-процессы между пользователями системы.
Кроме того, основой проектируемой системы должна стать единая управляемая база клиентских данных, обращение к которой должно осуществляться непосредственно напрямую в самой системе. Следует понимать, что обращение к клиентской базе аналитиком или оператором должно быть простым действием, то есть
состоять из логических и легко воспринимаемых на интуитивном уровне шагов.
Отсюда вытекает еще одно требование к системе – дружественной и понятный интерфейс.
38
Логично предположить, что в системе должна сохраняться история взаимоотношений между клиентом и компанией – история клиента. Просмотр такой истории необходим оператору, когда он совершает звонок клиенту с предложением,
например, новых тарифных планов. Клиент может просмотреть только часть своей
истории, которая доступна ему в качестве просмотра детализации разговоров. Детализация разговоров содержит подробную информацию о входящих/исходящих
звонках и отправленных/полученных SMS/MMS сообщениях и Интернет трафике.
Истории клиента складываются из клиентской базы, с которой работает аналитик,
проводя сегментацию. Поэтому в системе должен присутствовать аналитический
инструментарий, позволяющий проводить маркетинговые исследования. Последний критерий является особо важным, поскольку основными направлениями в работе над анализом клиентов и их предпочтений является сегментация клиентской
базы. Такой аналитический модуль является основой данной системы. Автор [28]
утверждает: телекоммуникационные компании понимают, что клиенты бывают
разные, поэтому кроме их идентификации, очень важным становится именно разделение клиентов на классы (сегменты). Поэтому основным преимуществом в проектируемой системе должны стать заложенные инструменты сегментации клиентов с целью повышения их лояльности. Под предполагаемыми инструментами сегментации будем рассматривать методы интеллектуального анализа данных. В области телекоммуникаций такие методы помогают компаниям более энергично продвигать свои программы маркетинга и ценообразования, чтобы удерживать существующих клиентов и привлекать новых. Анализируя клиентскую базу такими методами, телекоммуникационные компании смогут решить ряд бизнес-целей, которые были перечислены в параграфе 1.3:

построение профилей абонентов путем выявления их схожего поведения
в плане частоты, длительности и времени звонков, а также ежемесячных расходов;

выявление лояльности клиентов;
39

анализ записей о подробных характеристиках вызовов. Назначение такого
анализа – выявление категорий клиентов с похожими стереотипами пользования
их услугами и разработка привлекательных наборов цен и услуг.
Описанные задачи будут решены с помощью сегментации клиентской базы
посредством кластеризации и классификации. Подробнее эту технологию рассмотрим в параграфе 2.2.
Отразив все перечисленные требования к проектируемой системе, можно будет получить качественный продукт, удовлетворяющий специфике деятельности
телекоммуникационной компании.
Далее для проектирования системы необходимо разработать описание её
функциональности и поведения. Одной из популярнейших форм выработки функциональных требований к системе является построение диаграммы вариантов использования (диаграммы прецедентов). Данная диаграмма является исходным концептуальным представлением системы в процессе ее проектирования и разработки.
Она состоит из актеров, вариантов использования и отношений между ними.
Суть данной диаграммы состоит в следующем: проектируемая система представляется в виде множества актеров, взаимодействующих с системой с помощью
так называемых вариантов использования. При этом актером (действующим лицом, актантом, актором) называется любой объект, субъект или система, взаимодействующая с моделируемой системой извне. Это может быть человек, техническое устройство или другая система, которая может служить источником воздействия на моделируемую систему. В свою очередь вариант использования – это спецификация сервисов (функций), которые система предоставляет актеру [6]. Другими словами, каждый вариант использования определяет некоторый набор действий, совершаемых системой при взаимодействии с актером. При этом в модели
никак не отражается то, каким образом будет реализован этот набор действий.
Основные действующие лица и функциональные требования по отношению
к проектируемой системе анализа и сегментации клиентской базы телекоммуникационной компании представлены на рисунке 4.
40
В проектируемой системе, основываясь на специфику деятельности процесса
анализа и сегментации в телекоммуникационной компании, были выделены три актера: клиент, оператор, аналитик. Кроме того, при первом использовании системы
каждый клиент является неавторизованным, поэтому выделим также неавторизованного пользователя, которому будет доступна только функция авторизации и
просмотра тарифных планов.
Оператор и аналитик должны взаимодействовать друг с другом с целью удовлетворения нужд клиента. Так, если важными задачами аналитика является сегментация клиентской базы, выяснение предпочтений потребителей и разработка
новых оптимальных предложений для клиента, то задача оператора – «доставить»
эти предложения клиенту.
На диаграмме видно, что все варианты использования соединены с актерами
связью ассоциации (сплошная линия), которая определяет наличие канала связи.
Кроме того, отражены связь включения «include», сообщающая о взаимосвязи базового варианта использования с другими вариантами использования, функциональное поведение которого задействуется базовым вариантом использования, и
связи расширения «extend», подразумевающего отношение зависимости между базовым вариантом использования и его специальным случаем. Таким образом,
«include» показывает, что именно иллюстрирует базовый вариант для выполнения
операции, а «extend» указывает на возможность особенного использования базового варианта.
Например, функция аналитика «сгенерировать список клиентов для рассылки/обзвона» может зависеть от трех составляющих, а именно от вариантов «сегментировать по заданному критерию», в процессе которого аналитик выделяет сегменты по какому-либо критерию, «определить вероятность ухода клиентов», где
определяется вероятность ухода клиентов выделенного сегмента, и «выработать
оптимальное предложение для клиентов», которое добавляется к каждому сегменту
как рекомендация для клиента. Так данные варианты связаны отношением
«include».
41
Рисунок 4 – Диаграмма вариантов использования
42
Связь «extend» идет от базового варианта клиента «просмотр тарифного планов» к специальным «изменение тарифного плана» и «подбор тарифного плана».
Это показывает, что подобрать или изменить тарифный план невозможно без просмотра списка тарифных планов.
Рассмотрим остальные функции и возможности каждого действующего лица
данной системы.
Как было сказано выше, главной задачей оператора является оповещение
клиента об оптимальных предложениях. Рассмотрим подробнее, как реализуется в
системе вариант «отправить клиентам оптимальное предложение».
По результатам сегментации аналитик вырабатывает оптимальное предложение для клиента, которое учитывало бы его предпочтения. Затем генерируется список клиентов для их обзвона/рассылки. Таким образом, взаимодействие оператора
с клиентом подразумевает оповещение клиента о новых оптимальных предложениях. Это может быть обзвон или рассылка сообщений. Функция подразумевает
генерирование списка клиентов для обзвона/рассылки и сам процесс оповещения
клиента.
Составление списка клиентов для обзвона/рассылки генерируется аналитиком по результатам сегментации. Оператор получает уже готовый сгенерированный список клиентов, которые, например, по результатам сегментации собираются
отказаться от услуг компании. В этот список также включены рекомендации для
каждого сегмента клиентской базы – оптимальные предложения для клиентов.
Например, выделился сегмент людей, которые отправляют много SMS-сообщений
и платят за каждое сообщение отдельно, собственно, их среднемесячная абонентская плата выше других людей в выборке. Логично предложить этим клиентам какой-либо тариф с большим пакетом SMS.
Составление сгенерированного списка клиентов для обзвона/рассылки является функцией аналитика. Однако в системе оператор может просмотреть этот список с помощью функции «просмотр сгенерированного списка клиентов для обзвона/рассылки». Данный вариант использования неизбежно связан с действием
43
аналитика «сгенерировать список клиентов для обзвона/ рассылки», поэтому логично поставить между ними связь «include» (стрелка идет от базового варианта
аналитика и иллюстрирует, что именно использует базовый вариант для выполнения операции).
Процесс оповещения клиента происходит путем обзвона, что не регулируется системой, а также с помощью сообщений. Однако, как упоминалось выше, во
время разговора с клиентом оператор обращается к клиентской базе через историю
клиента (вариант использования «просмотр истории клиента») и информирует его
о детализации разговоров. Рассылку сообщений оператор осуществляет с помощью
функции «отправить клиентам оптимальное предложение». Перед этим он может
его просмотреть. Оба варианта используют для выполнения операции вариант аналитика «выработать оптимальное предложение для клиентов», поэтому логично
связать их отношением «include». При этом как показано на рисунке 4 связь идет
от функций аналитика к названной функции оператора.
Оптимальное предложение представляет собой список тарифных планов, которые подходят клиенту. Клиент, получая в системе такое сообщение с новым оптимальным для него предложением может принять его, выбрав и подключившись
к одному из предлагаемых тарифов, или отклонить, не совершив никаких действий
с предложенными тарифными планами.
Важной частью составления требований к системе с помощью диаграммы вариантов использования является составление спецификаций вариантов использования. Они используются с целью сохранения описания вариантов использования.
В общем случае, спецификация представляет собой текстовое описание соответствующего варианта использования.
Рассмотрим спецификацию такого варианта использования аналитика, как
«определить вероятность ухода клиента».
Аналитик определяет вероятность ухода с помощью алгоритма NaiveBayes.
Вначале формируется признаковое пространство – аналитик отбирает необходимые ему признаки. Затем полученную выборку необходимо обучить, для этого
с помощью алгоритма NaiveBayes определяется вероятность ухода/не ухода всей
44
выборки. Теперь на полученной модели тестируется контрольная выборка, и каждый клиент относится к классу ушедших или оставшихся.
Таким образом определяется вероятность ухода/не ухода каждого клиента из
контрольной выборки, что является постусловием данного варианта.
В деятельности телекоммуникационной компании можно выделить несколько процессов автоматизации. В данной работе основной задачей, которую
должна решать моделируемая система анализа и сегментации клиентской базы телекоммуникационной компании является использование аналитических инструментариев обработки эмпирических данных клиентов для их сегментации.
Чтобы лучше понять, как в телекоммуникационной компании проходит сегментация клиентов, покажем процесс «сегментировать клиентов по выбранному
критерию» через диаграмму деятельности, представленную на рисунке 5.
Действующим актером данного процесса является сотрудник телекоммуникационной компании – аналитик.
Вначале выбирается критерий сегментации, это может быть, например, уход.
Затем задаются границы выборки, т.е. выбирается период, за который необходимы
данные. Проверяется условие объема выборки. Если объем недостаточен, задаются
новые границы. Затем происходит формирование признакового пространства, аналитик отбирает необходимые факторы и проводит кластеризацию данных. Если результаты сегментации удовлетворяют требованиям аналитика, то он может сохранить признаковое пространство. Тогда при проведении последующих исследований у него будет возможность загрузить признаковое пространство с новым критерием и другими границами выборки. После проведения сегментации процесс завершается, на выходе аналитик получает выделенные сегменты. Проанализировав
их, он выделяет признаки, характерные для каждого кластера. Именно они учитываются при построении профилей клиентов.
45
Рисунок 5 – Диаграмма деятельности
Таким образом, были выявлены требования к проектируемой системе в части
взаимодействия с клиентами и сотрудниками, которые представлены на диаграмме
прецедентов. С помощью диаграмм деятельности промоделированы последовательные шаги выполнения одного из основных сценариев системы – сегментировать по выбранному критерию.
Ввиду обоснованности того, что аналитический инструментарий играет важную роль в проектируемой системе, в следующем параграфе приведем пример решения задач определения лояльности клиента и построения профилей клиентов с
помощью методов интеллектуального анализа.
46
2.2 Сегментирование клиентов телекоммуникационной компании:
эмпирические результаты
В сфере телекоммуникаций достижения анализа данных могут использоваться для решения задачи, типичной для любой компании, которая работает с целью привлечения постоянных клиентов, – определения лояльности этих клиентов.
Необходимость решения таких задач обусловлена жесткой конкуренцией на рынке
телекоммуникаций и постоянной миграцией клиентов от одной компании в другую. Как известно, удержание клиента намного дешевле его возврата. Поэтому возникает необходимость выявления определенных групп клиентов и разработка
наборов услуг, наиболее привлекательных именно для них.
В системе анализа и сегментации клиентской базы телекоммуникационной
компании важно качественно выполнять задачу сегментации. На основе сегментации клиентов выясняются причинно-следственные связи: почему именно этого
клиента отнесли к тому или иному сегменту, что конкретно влияет на клиента в
процессе взаимоотношения его и компании.
Как уже говорилось выше, задача сегментации рынка и анализа реакции клиентов (уход/не уход) на предлагаемые услуги и тарифные планы сводится к решению задачи классификации и кластеризации. Аналитический модуль проектируемой системы предлагается построить на основе теоретических знаний об алгоритмах решений задач такого плана и представленных эмпирических данных о клиентах телекоммуникационной компании. Для получения более полной информации о
работе аналитического модуля проведем соответствующий анализ с использованием систем интеллектуальной обработки данных.
Задача классификации в данной работе сводится к решению алгоритмом
NaiveBayes. Кроме того, с его помощью можно определить вероятность вероятности ухода клиента. Задачу кластеризацию решим с помощью агломеративных алгоритмов и метода k-средних.
Как говорилось выше, целями сегментации клиентской базы телекоммуникационной компании являются [28]:
47

построение профилей абонентов путем выявления их схожего поведения
в плане частоты, длительности и времени звонков, а также ежемесячных расходов;

оценка наиболее и наименее доходных сегментов.
Эта информация может в дальнейшем использоваться для:

разработки маркетинговых акций, направленных на определенные
группы клиентов;

разработки новых тарифных планов;

оптимизации расходов на адресную SMS-рассылку о новых услугах и та-
рифах;

предотвращения оттока клиентов в другие компании.
Рассмотрим эмпирические данные, содержащие около 4000 данных о пользовании услуг клиентами телекоммуникационной компании. Последний столбец в
базе данных отражает реакцию клиентов – удовлетворенность предоставляемыми
услугами. Фрагмент базы представлен на рисунке 6.
Рисунок 6 – Фрагмент эмпирических данных
Очевидно, что зависимой переменной Y здесь выступает «Уход», а в качестве
независимых переменных выступает множество:
 «Возраст» – X1;
 «Среднемесячный расход» – X2;
 «Количество голосовых сообщений» – X3;
 «Средняя продолжительность разговоров» – X4;
 «Звонков днем за месяц» – X5;
48
 «Звонков вечером за месяц» – X6;
 «Звонков ночью за месяц» – X7;
 «Звонки в другие города» – X8;
 «Звонки в другие страны» – X9;
 «Доля звонков на стационарные телефоны» – X10;
 «Количество SMS за месяц» – X11.
Заметим, что зависимая переменная Y является категориальными переменной
дихотомического вида, то есть принимает значение бинарного типа: «да» или
«нет», а все независимые переменные принимают количественные значения.
Разбиение клиентской базы на сегменты следует начать с алгоритмов кластеризации. Кластерный анализ является одним из важнейших из методов сегментации клиентов. Кластеры клиентов формируются объединением в группу тех, кто
имеет сходные характеристики по определенным признакам. Клиенты могут быть
объединены в кластер, если они имеют одинаковое количество голосовых сообщения, дневных или ночных звонков, абонентскую плату и т.п. Сходство между клиентами основывается на разных измерителях, но часто в качестве меры сходства
используется взвешенная сумма квадрата различий между соответствующими значениями. Выходом алгоритмов кластеризации могут быть иерархические деревья
или объединение клиентов в группы.
Из имеющейся клиентской базы возьмем выборку из 100 человек, отказавшихся от услуг. Фрагменты выборки представлен на рисунке 7. При кластеризации
входными данными являются независимые переменные количественного типа. В
данном примере таких переменных 11. Все они в какой-то степени описывают каждый объект (клиента) в отдельности. Кластеризация же поможет понять, что
именно будет отличать объекты одного кластера от объектов других кластеров, а
какие элементы схожи между собой. На основе этого можно построить профили
клиентов.
Существует достаточно большое количество кластерных алгоритмов. Поскольку число кластеров нам неизвестно, то обратимся к иерархическим кластерным процедурам – к агломеративному алгоритму кластеризации.
49
Рисунок 7 – Фрагмент выборки клиентов,
отказавшихся от услуг компании
Следующий вопрос иерархичной кластеризации состоит в том, как определить расстояния между кластерами. Выполняя процедуру формирования большого
количества кластеров из менее сходных объектов, расстояние между кластерами
определяется ближайшими объектами из них. Иными словами, в каждом кластере
имеется по одному представителю, расстояние между которыми принимается за
расстояние между кластерами. Дендограмма агломеративного метода по принципу
ближайшего соседа представлена на рисунке А.1 в приложении А.
Интуитивно понятно, что может случиться так, что результат будет состоять
из «волокнистых» кластеров, так как будет соединять вместе кластеры, основываясь только на положении отдельных элементов. В качестве альтернативы можно
выбрать правило средней связи или принцип дальнего соседа. Метод средней связи
использует информацию обо всех расстояниях между парами объектов двух кластеров и в его основе лежит расчёт расстояния по принципу средней связи. В результате будут получены более «бугорчатые» кластеры. Дендограмма агломеративного метода по принципу средней связи представлена на рисунке А.3 – А.4 в
приложении А. Однако наилучший результат может получится и по принципу
дальнего соседа, согласно которому расстояние между кластерами определяется
расстоянием между двумя наиболее удаленными соседями. Дендограмма агломеративного метода по принципу дальнего соседа представлена на рисунке А.2 в приложении А.
50
Проанализировав дендограммы, представленные в приложении А, можно выделить 6 кластеров. Наиболее информативном в плане выделения объектов для кластеров является метод -средних. Проведем кластеризацию методом -средних для
 = 6 в программе STATISTICA.
Одним из результатов кластеризации таким методом является график средних для каждого кластера. Обычно этот график дает наилучшее представление результатов. Благодаря графику, представленному на рисунке 8, можно дать интерпретацию кластерам и выяснить, что за кластеры были нами выделены. Это позволит построить профили клиентов, отказавшихся от услуг телекоммуникационной
компании.
Анализируя признак «Возраст» можно заметить, что четко выделяются три
возрастные группы: молодежь, люди среднего возраста и люди, старше 45.
Остановимся подробнее на молодежи. Это преимущественно молодые клиенты телекоммуникационной компании – люди от 19 до 25. Среди данной возрастной группы выделилось 3 кластера.
Абоненты, попавшие в 1 кластер, активно и продолжительно разговаривают
по телефону вечером и ночью, отправляют много SMS-сообщений, следовательно,
и тратят на разговоры больше денег, чем другие представители возрастной группы.
Назовем этот кластер «Активная молодежь». Заметим, что в этот кластер попала
некоторая доля людей, кто увлекается ночными разговорами. Они представлены на
рисунке 9. Можно предположить, что это студенты и молодежь, часто проводящие
вечера вне дома.
51
Рисунок 8 – График средних для каждого кластера
52
Рисунок 9 – Объекты кластера 1, увлекающиеся ночными разговорами
Кластер 2 представляет собой небольшую по числу объектов группу молодежи, которая не отличается активностью разговоров ни днем, ни вечером, ни тем
более ночью, и, как следствие, ежемесячные расходы на связь у представителей
этого кластера невелики. Можно сказать, что абоненты, вошедшие во 2 кластер –
это «Молодежь с пониженным потреблением услуг».
Остальные люди в этой возрастной группе – кластер 3, ничем особенным не
выделяются: умеренные расходы на связь и преимущественно вечерние разговоры.
Можно предположить, что сюда попала наибольшая часть молодежи – «Основная
молодежь». Таким образом, в молодежной возрастной группе мы обнаружили три
кластера.
Продолжим интерпретацию профилей абонентов и теперь остановимся на
людях зрелого и пенсионного возраста. Заметим, что в кластере 4 практически по
всем признакам, кроме SMS, наблюдаются высокие значения, в том числе по звонкам в другие города и страны. В этот кластер вошли люди зрелого возраста. Средний возраст абонентов данного кластера – 37. Это так называемые «VIP-клиенты»:
бизнесмены, руководители, топ-менеджеры. Они очень много разговаривают днем
и вечером (скорее всего, по работе) и практически не пользуются SMS-услугами.
Среднемесячные расходы на связь у абонентов данного кластера самые высокие.
В довольно большом по количеству объектов кластере 5 наблюдается противоположная картина: люди практически не пользуются услугами сотовой сети.
Учитывая, что средний возраст абонентов, попавших в данный кластер – 63, предположим, что это пенсионеры, которым мобильная связь нужна преимущественно
для приема входящих звонков, сами же они почти не звонят. Другими словами, это
«Малоговорящие» пенсионеры. Их расходы на связь самые низкие, возможно, изза того, что единственным их доходом является пенсия.
53
Остальных людей в возрастной группе «Зрелый и пенсионный возраст» объединяет то, что они в основном звонят вечером и не используют SMS-сервис. С
большой долей вероятности можно утверждать, что сюда входят работающие пенсионеры, дачники, родители совершеннолетних детей. Такие абоненты попали в
кластер 6 – «Активная группа зрелого и пенсионного возраста».
Перейдем к решению задачи классификации с помощью алгоритма NaiveBayse. В данном примере требуется определить, какие из перечисленных признаков оказывают непосредственное влияние на уход клиентов, в какой степени.
Провести сегментацию пользователей, с целью выявления значений переменных,
при которых клиент отказывается от услуг компании, а при каких нет.
Сначала установим правила классификации через алгоритм NaiveBayes. Заметим, что реализация данного алгоритма применяется для установки математической зависимости между качественными переменными, но она возможна и для количественных переменных. Однако такие переменные необходимо разбить на соответствующие интервалы. Важное значение при определении вероятности
ухода/не ухода могут играть различные признаки. Продемонстрируем алгоритм
NaiveBayes, используя независимые переменные 1 , 2 , 3 , 11 и зависимую переменную . Таким образом можно увидеть влияние на решение клиента об уходе
таких признаков как возраст, среднемесячный расход, количество голосовых сообщений, количество SMS за месяц.
Проанализировав представленные данные разобьем значения признаков на
интервалы. Признак «возраст» целесообразно разделить на 3 интервала, определяющие принадлежность клиента к возрастной группе: молодежь, люди среднего возраста и люди старше 45. Таким образом, в первый интервал признака попадут значения от 19 до 25, во второй – от 26 до 45 и третий – свыше 45. Значения признака
«среднемесячный расход» варьируются от 1 до 2000, поэтому логичнее всего разбить его на 3 интервала: «от 1 до 500», «от 501 до 1000» и «свыше 1000». Максимальная средняя продолжительность разговоров представленной клиентской базы
достигает 18 минут. Разобьем соответствующий признак на интервалы: «от 0,1 до
6,1», «от 6,2 до 12,2» и «свыше 12,2». Клиентов по признаку «количество SMS за
54
месяц» разобьем на две категории: использующие SMS и не использующие. Таким
образом выделим людей, не использующих SMS-сообщения и присвоим им значение «0» по данному признаку. Остальных разделим на 4 равные интервалы: «от 1
до 16», «от 17 до 32», «от 33 до 50» и «свыше 50». Разбив значения признаков на
интервалы, можно перейти к решению задачи сегментации с помощью классификации.
Известны данные о 3000 клиентах компании, которые пользовались услугами
больше года и известно, отказались они от услуг или нет. Фрагмент данной обучающей выборки представлен на рисунке 10.
Рисунок 10 – Фрагмент выборки клиентов, пользующихся
услугами больше года
Напомним, задача классификации алгоритмом NaiveBayse сводится к определению вероятности ухода клиента/продолжения пользования услугами компании
при определенных входных значениях независимых переменных 1 , 2 , 3 , 11 .
Для этого необходимо составить математические правила, определяющие эту вероятность. Математические правила и подробный расчет вероятности ухода клиента представлен в Приложении Б.
Полученные в приложении Б математические правила можно использовать
при определении лояльности новых клиентов.
55
Применим математические правила на объекты выборки, состоящей из «новых» клиентов, которые пользуются услугами компании меньше года и о которых
неизвестно значение ухода.
Согласно расчетам приложения Б, можно утверждать, что при следующих
условиях:
«Возраст» = от 19 до 25,
«Расход» = от 1 до 500,
«Разговоры» = от 0,1 до 6,1,
«SMS» = от 17 до 32,
клиент «уйдет», то есть откажется от услуг компания с вероятностью:
′ (Уход = да)= (0,010/(0,010 + 0,004)) = 0,725
и продолжит пользоваться услугами компании с вероятностью:
′ (Уход = нет)= (0,004/(0,004 + 0,010)) = 0,275.
Таким образом, клиент с большей вероятностью откажется от услуг телекоммуникационной компании.
Рассмотрим еще одного клиента из данной возрастной категории, который в
большей степени пользуется услугами компании.
При условиях:
«Возраст» = от 19 до 25,
«Расход» = от 501 до 1000,
«Разговоры» = от 6,2 до 12,2,
«SMS» = свыше 50,
клиент «уйдет», то есть откажется от услуг компания с вероятностью:
′ (Уход = да)= (0,0006/(0,0006 + 0,0003)) = 0,624
и продолжит пользоваться услугами компании с вероятностью:
′ (Уход = нет)= (0,0003/(0,0003 + 0,0006)) = 0,336.
Клиент с вероятностью 62,4% откажется от услуг телекоммуникационной
компании. На основании двух объектов из одной возрастной группы можно сделать
вывод, что молодые люди чаще «уходят» из компании, чем продолжают пользо-
56
ваться телекоммуникационными услугами. Однако полное представление о возрастной группе можно сделать, применив математических правила NaiveBayse на
всю выборку «новых» клиентов. Результаты приведем в таблице 3.
Несложно заметить, что молодые люди с большей вероятностью покинут
компанию. Возможно, данный факт связан с ритмом жизни людей: им сложно определиться с выбором, они могут быть как клиентами сразу нескольких телекоммуникационных компаний, так и отказаться без видимых на то причин от одной компании в пользу другой. Большая вероятность отказа молодежи от услуг компании
может также свидетельствовать и о том, что компания не учитывает предпочтения
данной возрастной группы. Однако есть несколько вариаций значений признаков,
при которых молодые люди с большей вероятностью продолжат пользоваться
услугами компании. В данный сегмент вошли клиенты, среднемесячный расход которых до 500 рублей, а также небольшая группа людей, тратящих на услуги чуть
больше 500 и часто пользующиеся SMS-сообщениями. Несмотря на это средняя
вероятность отказа молодых клиентов от услуг телекоммуникационной компании
довольна велика (62,2%).
Люди среднего возраста с большей вероятностью продолжат пользоваться
услугами компании, чем откажутся от них. Скорее всего это связано с их осознанностью при выборе оператора. Люди среднего возраста имеют конкретные представления о том, что им нужно. Общий процент ухода данной группы составляет
37,1%. Однако есть и те, кто с большей вероятностью покинет компанию – это
люди, тратящие в среднем свыше 1000 за месяц.
Люди старше 45 более консервативны в выборе операторов и тарифных планов. Вероятность ухода данной возрастной группы составляет 17,8%. Группа
«старше 45» включает людей до 60 лет, таким образом сюда попадают и пенсионеры, которые почти не делают исходящих звонков. Возможно даже, что данную
компанию выбрали не они, а их родственники.
57
Таблица 3 – Вероятности совершения события «Уход» объектами выборки «новых» клиентов
Возрастная
группа
«Молодежь»
«Средний
возраст»
«Старше 45»
Среднемесячный расход
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 1 до 500
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
свыше 1000
от 1 до 500
от 1 до 500
от 501 до 1000
от 501 до 1000
от 501 до 1000
от 501 до 1000
свыше 1000
свыше 1000
свыше 1000
Средняя продолжительность разговоров
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
свыше 12,2
свыше 12,2
свыше 12,2
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
свыше 12,2
свыше 12,2
свыше 12,2
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 0,1 до 6,1
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
от 6,2 до 12,2
свыше 12,2
Количество
SMS за месяц
от 1 до 16
от 17 до 32
от 33 до 50
свыше 50
от 17 до 32
от 17 до 32
свыше 50
от 17 до 32
от 33 до 50
свыше 50
0
от 33 до 50
свыше 50
0
от 1 до 16
от 17 до 32
0
от 1 до 16
от 17 до 32
от 33 до 50
свыше 50
от 17 до 32
от 33 до 50
от 1 до 16
от 17 до 32
свыше 50
от 1 до 16
от 17 до 32
от 33 до 50
свыше 50
от 1 до 16
свыше 50
от 1 до 16
от 17 до 32
свыше 50
0
от 1 до 16
свыше 50
0
от 1 до 16
0
от 1 до 16
0
от 1 до 16
0
от 1 до 16
0
Уход =
да
0,438
0,525
0,488
0,441
0,603
0,685
0,498
0,661
0,626
0,464
0,718
0,766
0,696
0,687
0,886
0,785
0,343
0,466
0,34
0,307
0,343
0,317
0,285
0,418
0,298
0,301
0,392
0,276
0,246
0,278
0,454
0,532
0,427
0,506
0,409
0,401
0,518
0,401
0,073
0,286
0,236
0,14
0,117
0,217
0,143
0,049
0,34
Уход =
нет
0,562
0,475
0,512
0,559
0,397
0,315
0,502
0,339
0,374
0,536
0,282
0,234
0,304
0,313
0,114
0,215
0,657
0,534
0,66
0,693
0,657
0,683
0,715
0,582
0,702
0,699
0,608
0,724
0,754
0,722
0,546
0,468
0,573
0,494
0,591
0,599
0,482
0,599
0,927
0,714
0,764
0,86
0,883
0,783
0,857
0,951
0,66
58
Несложно заметить, что «Молодежь» является лидером среди остальных возрастных групп по вероятности ухода. Поэтому при разработке нового продукта (тарифа) телекоммуникационной компании следует уделить особое внимание такому
сегменту как «Молодежь».
Итак, в рамках практического исследования был изложен механизм работы
таких методов, как агломеративные алгоритмы, метод -средних и алгоритм NaiveBayse.
Рассмотрев работу аналитического модуля системы, продолжим детальное
проектирование системы.
2.3 Детальное проектирование компонентов системы
Процесс создания информационной системы невозможно представить без ее
предварительного моделирования. Одним из самых популярных средств моделирования является язык UML. Описание предметной области с использованием
UML хорошо воспринимается экспертом предметной области и не требует от них
никакой специальной подготовки для понимания представленных им на рассмотрение моделей. Язык UML одновременно является простым и мощным средством
моделирования, который может быть эффективно использован для построения разных моделей сложных систем самого различного целевого назначения. Создание
диаграмм в нотации этого языка помогает визуализировать, описать и задокументировать различные параметры информационной системы.
Одной из важнейших и часто используемых диаграмм является диаграмма
классов. Она служит для представления статической структуры модели системы в
терминологии классов объектно-ориентированного программирования. Диаграмма
классов может отражать, в частности, различные взаимосвязи между отдельными
сущностями предметной области, такими как объекты и подсистемы, а также описывает их внутреннюю структуру и типы отношений.
59
Из источника [13] следует, что классы – это базовые элементы объектно-ориентированной системы. Диаграмма классов представляет собой описание совокупностей однородных объектов с присущими им свойствами – атрибутами, операциями, отношениями и семантикой.
Связь между классами осуществляется через специальный тип классов, который называется интерфейсами. Интерфейс, который реализуется соответствующим
классификатором, называется предоставляемым. На диаграмме от класса, который
будет предоставлять данную функцию, к интерфейсу изображена пунктирная
стрелка с подписью «realize». Интерфейсы, необходимые для работы классификатора, называются требуемыми. На диаграмме от класса, который запрашивает данную функциональность, изображена пунктирная стрелка с подписью «uses». Если
между двумя классами определен интерфейс, то можно перемещаться от объектов
одного класса к объектам другого, используя операции интерфейса.
Как видно из рисунка 11, диаграмма классов представлена следующими сущностями: оптимальное предложение, тарифный план, список тарифных планов, неавторизованный пользователь, клиент, аналитик, история клиента, оператор, обучающее множество, признаковое пространство, сервис классификации, сервис кластеризации, критерий, признак, признаковое пространство, список для обзвона/рассылки, сервис управления БД. Сущности аналитик, оператор, клиент являются
ключевыми.
Каждый класс должен иметь оригинальный идентификатор. Идентификаторы классам нужны для того, чтобы один класс мог обращаться к объекту другого
класса по его идентификатору.
Для организации работы с базами данных, на диаграмме классом выделена
сущность сервис управления БД. В нем хранятся все базы данных, фигурирующие
в системе: клиентская база данных, списки обзвона/рассылки, списки тарифных
планов, результаты классификации и кластеризации, признаковые пространства.
Таким образом, каждый класс, который запрашивает данные, обращается к базе
данных, создает списки и классы, которые содержат данные для анализа связаны с
сервисом управления БД.
60
Рисунок 11 – Диаграмма классов
61
Самый большой набор возможностей в системе предоставлен сущности аналитик. Аналитик для того чтобы сегментировать по выбранному методу или определения вероятности ухода/не ухода клиента вызывает форму анализа, где выбирает критерий, задает границы выборки (выбирает период), отбирает признаки для
формирования признакового пространства. Заметим, что признаковое пространство связано отношением агрегации с классом признак, т.к. признаки являются частью признакового пространства. Признаки не статичны, в базу данных автоматически попадают все данные, поэтому нет смысла описывать каждый признак в качестве атрибута класса. Введем общую формулировку всех признаков: название
признака и значение. Они и будут атрибутами данного класса. Значение признака
может как количественное, так и качественное, поэтому имеет смысл определить
тип атрибута «значение признака» как «String | Int».
Признаковое пространство состоит из определенных признаков, поэтому его
атрибутом будет массив признаков. К возможностям аналитика при работе с признаковым пространством относятся создание, сохранение и удаление признакового
пространства. Данные методы реализованы в классе признаковое пространство, поэтому класс аналитик связывается с методами признакового пространства через интерфейсы.
На основе критерия, периода и признакового пространства формируется обучающее множество. При этом оно может быть одинаковым как для классификации,
так и для кластеризации. Несмотря на то, что при кластеризации обучение данных
как такового не происходит, обучающее множество здесь будет играть роль выборки из генеральной совокупности, которая соответствует выбранному критерию,
периоду и признаковому пространству. Создание обучающего множества также реализовано в соответствующем классе, и аналитик обращается к нему через интерфейс.
На вход кластеризации помимо обучающего множества, может подаваться
количество кластеров, однако это не является обязательным атрибутом. Методы
сервисов классификации и кластеризации можно вызвать через интерфейс. По
62
умолчанию система выдает результаты классификации и кластеризации по всем
методам, чтобы аналитик выбирал наиболее результативный вариант.
По результатам проведения анализа и сегментации аналитик вырабатывает
оптимальное предложение, подходящее каждому сегменту, а затем список для обзвона/рассылки. Оптимальное предложение подразумевает список тарифных планов, которые соответствуют определённым признакам рассматриваемого сегмента
или клиента в отдельности. Список для обзвона/рассылки автоматически отправляется оператору.
Основными возможностями оператора являются просмотр истории клиента,
списка для обзвона/рассылки, тарифных планов, оптимального предложения и отправка оптимального предложения. Данные возможности реализуются через связь
с соответствующими методами реализующих классов через интерфейс.
Класс клиент обладает следующими атрибутами, в которых содержатся его
контактные данные и личная информация: id client, фамилия, имя, отчество, номер
телефона, пол, дата рождения, город, паспортные данные, тариф. Основные возможности клиента сосредоточены на функциях по просмотру и изменению тарифного плана. Таким образом, одним из методов данного класса является «сменить
тарифный план». Тарифный план представлен на диаграмме классов классом тарифный план, который имеет следующие атрибуты: количество минут, количество
Гбайт Интернета, количество SMS, специальные опции, стоимость. Метод «вернуть данные клиента» необходим для того, чтобы возвращать приватные поля
класса. Просмотр тарифного плана осуществляется через соответствующий интерфейс реализующего класса список тарифных планов. Список тарифных планов
представляет собой массив тарифных планов.
Помимо самостоятельного изменения тарифного плана, клиент может выбрать тариф из оптимального предложения. Оптимальное предложение подразумевает список тарифных планов, которые соответствуют определённым признакам
рассматриваемого клиента. Вырабатывает оптимальное предложение аналитик с
помощью соответствующего метода реализующего класса оптимальное предложе-
63
ние через интерфейс «генерация оптимального предложения». А отправляет оптимальное предложение клиенту оператор. Данный метод тоже используется через
интерфейс. Приняв оптимальное предложение, клиент подключается к одному из
предложенных тарифных планов. Отклонить предложение означает, что клиент не
совершил никак действий по смене тарифа.
Просмотр истории клиента формируется автоматически по всем данным клиента в базе данных согласно идентификатору клиента и признаковому пространству. Таким образом аналитик и оператор могут видеть историю клиенту со всеми
признаками, а клиенту доступна только детализация разговоров – подробная информация о входящих/исходящих звонках, отправленных/полученных SMS сообщениях и Интернет трафике.
Таким образом, для того чтобы представить систему по частям и разобрать
как функциональность сущностей будет реализовываться в системе, была спроектирована диаграмма классов, в которой описаны атрибуты, связи и интерфейсы.
Некоторые интерфейсы приведены на диаграмме классов для разграничения доступа к методам реализующего класса. В то время как связанные классы могут видеть все методы друг друга, использовать они могут только те, к которым обращаются через интерфейсы.
Далее проведем финансовый анализ стоимости разработки информационный
системы, а также время реализации проекта по созданию системы и стоимость готового программного продукта.
2.4 Управление проектом по созданию системы
Для грамотного планирования проекта необходимо знать цели проекта. Основной целью данного проекта является проектирование информационной системы. В зависимости от потребностей проекта выбирается соответствующий подход к циклу разработки. В процессе создания ПО используются семь основных видов жизненных циклов. Типичный цикл разработки ПО называется «каскадным».
Именно на такой линейной структуре базируется традиционное проектное управ-
64
ление. Каскадная модель представляет собой последовательное прохождение стадий, каждая из которых должна завершиться полностью до начала следующей. Такая модель позволяет сделать разработку продукта быстро с минимальными затратами.
Разбить проект на отдельные задачи – самый очевидный путь реализации
проекта. Типовой проект включает в себя 5 этапов разработки ПО:
1. Анализ требований к системе.
2. Проектирование системы.
3. Разработка системы.
4. Тестирование.
5. Внедрение и поддержка.
Довольно часто говорится о том, что классический водопадный подход устарел, однако его до сих пор активно используют. Большим плюсом данного подхода
является то, что он требует от заказчика и руководства компании определить, что
же они хотят получить, уже на первом этапе проекта. Раннее включение привносит
определённую стабильность в работу проекта, а планирование позволяет упорядочить реализацию проекта. Кроме того, этот подход подразумевает мониторинг показателей и тестирование, что совершенно необходимо для реальных проектов различного масштаба.
Потенциально, классический подход позволяет избежать стрессов ввиду
наличия запасного времени на каждом этапе, заложенного на случай каких-либо
осложнений и реализации рисков. Кроме того, с правильно проведённым этапом
планирования, руководитель проектов всегда знает, какими ресурсами он обладает.
Определив цели проекта, необходимо выделить основных участников состава команды проекта. В команду по реализации проекта входят:
1. Системный аналитик (1 человек) – это специалист, который организует и
курирует автоматизацию деятельности предприятия в целом или одного из его отделов. Он также разрабатывает IT-систему, включающую в себя комплекс компьютерных программ, работающих на повышение эффективности бизнеса и может
выступать в качестве консультанта по системному анализу и автоматизации. Он
65
прорабатывает сценарии использования, пишет технические задания для разработчиков, тестирует и принимает готовые продукты.
Системный аналитик собирает требования к новому программному продукту, после чего разрабатывает техническое задание на создание ПО, проектирует
документальное оформление системной и программной архитектур IT-системы,
ставит задачи на разработку и тестирование. По окончании проекта он объясняет
правила работы пользователям и решает проблемы функционирования на всех стадиях жизненного цикла созданной системы. Системный аналитик в IT-сфере чаще
всего занимается задачами автоматизации процессов. Он собирает информацию у
всех участников производственного процесса, обрабатывает ее и досконально описывает функционал ПО.
В процессе выявления требований заказчик может сообщить не всю необходимую информацию для полноценного функционирования проекта. Аналитик должен уметь выявить эту информацию и согласовать с заказчиком данный функционал работы. Итогом работы аналитика на этапе проектирования является техническое задание на разработку, согласованное с заказчиком.
2. Менеджер проекта (1 человек) – руководитель проекта со стороны исполнителя. Он отвечает за успешное выполнение проекта: в указанные заказчиком
сроки, с необходимым качеством, при фиксированном бюджете, ограниченных человеческих ресурсах и в соответствии с требованиями со стороны заказчика. Как
правило, менеджер проекта выступает в роли связующего звена между различными
отделами и целыми компаниями, участвующими в работе над проектом. Постановка планов, сроков часто требуют согласования на нескольких сторонах. Задача
менеджера проекта обеспечить согласованную работу этих участников. Это требует ведения большого объема как внутренних, так и внешних коммуникаций. Менеджер проекта является формальным лидером проектной команды, ведущим и
контролирующим весь рабочий процесс.
3. IT-архитектор (1 человек) – специалист, который решает, как в конечном
итоге будет выглядеть информационная система организации в целом и в деталях.
Основная цель ИТ-архитектора в компании заключается в том, чтобы обеспечить
66
решение задач бизнеса при помощи информационных технологий. Они прорабатывают архитектурные шаблоны, сценарии взаимодействия компонентов, выбирают
средства исполнения, определяют формат хранения и передачи данных.
Первоочередные задачи IT-архитектора – составлению плана и технического
задания на проектирование системы.
4. Программист (4 человека) отвечает за разработку и отладку компьютерных
программ. Главная задача программиста, вне зависимости от специализации – это
создание продукта, а также его дальнейшее тестирование и отладка.
Программист занимается также внедрением готового продукта. При этом он
старается отследить возможные проблемы, которые могут возникнуть во время работы системы, предупредить или исправить ошибки.
Еще одной обязанностью программиста является разработка инструкций по
работе с системой, а также оформление необходимой технической документации.
5. Тестировщик ПО (2 человека) – это специалист, который занимается тестированием системы с целью выявления ошибок в его работе и их последующего
исправления. Задача тестировщика найти ошибки и сообщить программистам, которые знают, что с этим делать. Тестировщик лишь регулирует процесс их ликвидации.
6. UI/UX-дизайнер (2 человека) – дизайнер интерфейсов. Границы между UI
и UX дизайнером довольно размыты, часто компании предпочитают объединять
эти роли. UX дизайнер в первую очередь озабочен тем, как продукт взаимодействует с пользователем. Основная задача UX дизайнера – разработка продукта, максимально удобного и легкого в восприятии целевой аудиторией. UI дизайн отвечает
за то, как интерфейс будет выглядеть и реагировать на действия пользователя, то
есть создает интерактивный интерфейс для системы.
Такой рабочий состав позволит разработать готовый продукт за более короткий срок за счет ведения параллельных разработок элементов системы. При этом
видение хода разработок несколькими специалистами сразу, позволит избежать
ошибок в процессе реализации системы и переизбытка времени, затрачиваемого на
исправления этих ошибок.
67
Для схематичного отражения взаимозависимости и последовательности работ, распределения задач между создателями системы воспользуемся диаграммой
Гантта. Она показывает расписание проекта основываясь на датах окончания и завершения задач. В неё вносятся задачи, их длительности и взаимосвязи. В такой
диаграмме очень важны взаимосвязи между началом и окончанием разных задач.
Проектам с жёсткими дедлайнами диаграмма Гантта помогает решить, когда лучше
начинать те или иные задачи, чтобы сократить время реализации. А для проектов с
сильными ресурсными ограничениями, диаграмма Гантта предоставляет возможность построить схему в форме событийной цепочки процессов для планирования
ресурсов.
На рисунке 12 отразим работы по созданию ПО и сроки их выполнения.
Как видно из диаграммы Гантта, рабочий состав команды по созданию системы позволит разработать готовый продукт примерно за 3 месяцев.
Для того, чтобы рассчитать себестоимость готового программного продукта
необходимо суммировать все виды издержек производства: затраты на оплату
труда, отчисления в социальные фонды, коммунальные и интернет услуги, арендную плату, содержание и обслуживание оборудования.
Представим заработные платы специалистов проекта в таблице 4.
Таблица 4 – Заработные платы специалистов проекта
Специалист
Заработная плата (руб/день)
Менеджер проекта
1200
IT-архитектор
1650
Системный аналитик
1250
UI/UX-дизайнер
1300
Программист
1500
Тестировщик
1100
68
Рисунок 12 – Диаграмма Гантта
69
Построение графика облегчило расчет заработной платы за разработку системы специалистам с учетом их времени нахождения в проекте. Иными словами,
заработная плата рассчитывается в зависимости от количества отработанных дней.
Данные представим в таблице 5.
Таблица 5 – Расчет заработной платы специалистам с по месяцам в рублях
Специалист
1 месяц
2 месяц
3 месяц
4 месяц
Менеджер проекта
9300,00
1200,00
1500,00
5700,00
IT-архитектор
27225,00
6600,00
5375,00
12375,00
Системный аналитик
7500,00
1250,00
4500,00
7500,00
UI/UX-дизайнер 1
0,00
7050,00
9850,00
0,00
UI/UX-дизайнер 2
0,00
6100,00
10650,00
0,00
Программист 1
1500,00
Программист 2
0,00
21000,00 10100,00
4200,00
Программист 3
0,00
14000,00
7450,00
4600,00
Программист 4
1500,00
12700,00 10300,00
3800,00
Тестировщик 1
0,00
11000,00 10150,00
4600,00
Тестировщик 2
0,00
11000,00 10280,00
5320,00
21000,00 10620,00 10627,00
Кроме затрат на заработную плату специалистам проекта, в проекте имеются
и другие затраты: сумма отчислений с заработной платы в различные фонды,
аренда помещения, коммунальные платежи, затраты на Интернет услуги, оплата
офисной мебели и ПО.
Предполагается, что в цене проекта будет учитываться полная стоимость закупки оборудования с амортизационными отчислениями. Для подсчета амортизации была выбрана линейная амортизация, которая рассчитывается следующим образом:
1) по формуле (7) определяется годовая норма амортизации:
годовая норма амортизации =
100%
срок полезного использования
(7)
2) вычисляется сумма годовой амортизации:
ежегодная сумма амортизации =
= первоначальная стоимость ∗ годовая норма
3) рассчитываются ежемесячные отчисления:
(8)
70
ежемесячная сумма амортизации =
ежегодная сумма
12
(9)
Рассчитаем амортизационные отчисления от основных фондов. Первоначальная стоимость основных фондов в виде офисной мебели и компьютерного оборудования составит 90 000 руб. и 280 000 руб., соответственно. Предполагается,
что срок полезного использования вышеописанных активов равна 5 годам. Таким
образом, амортизационные отчисления от основных фондов составят 1500 руб/мес
– за офисную мебель и 4666,667 руб/мес– за компьютеры и ПО.
Отметим, что арендная плата составляет 20 000 рублей в месяц, однако на
проект переносится лишь 10% от данных затрат. Проведем аналогичные расчеты
по коммунальным услугам, которые составляют 5600 рублей в месяц, Интернет
услугам (2 000 руб/мес). Такие услуги отражаются в проекте лишь на 50%.
Расчет себестоимости разработки системы с учетом инфляции 2,8% в месяц
приведем в таблице 6.
Таблица 6 – Расчет себестоимости ПО
Затраты
Заработная плата
Отчисления ПФРФ (22%)
1 месяц
2 месяц
3 месяц 4 месяц
Итого
47025,00 112900,00 90775,00 58722,00 309422,00
10345,50 24838,00 19970,50 12918,84 68072,84
Отчисления в ФОМС (5,1%) 2398,28
5757,90
4629,53 2994,82 15780,52
1363,73
3274,10
2632,48 1702,94
8973,24
Отчисления в ФСС (2,9%)
Аренда помещения
2000,00
2056,00
2113,57 2172,75
8342,32
5600,00
5756,80
5917,99 6083,69 23358,48
Коммунальные услуги
Офисная мебель
1500,00
1542,00
1585,18 1629,56
6256,74
Компьютеры и ПО
4666,67
4797,33
4931,66 5069,75 19465,40
Интернет услуги
1000,00
1028,00
1056,78 1086,37
4171,16
Итого
47025,00 112900,00 90775,00 58722,00 463842,70
Себестоимость проекта по созданию системы составит 463 842 рубля. С учетом рентабельности, составляющей 25% стоимость будет равна 464 327 рублей.
Оценим эффективность реализации данного проекта на основе показателей
чистого дисконтированного дохода (NPV), внутренней нормы доходности (IRR) и
сроков окупаемости (DPP). Данные от полученных расчетов представлены в таблице 7. В качестве ежемесячной ставки дисконтирования возьмем 6%. Отметим,
что ставка дисконтирования – это процентная ставка, используемая для пересчета
71
будущих потоков доходов в единую величину текущей стоимости. Ставка дисконтирования применяется при расчете дисконтированной стоимости будущих денежных потоков NPV. Коэффициент дисконтирования рассчитывается по формуле:
1
,
(1 + )
(10)
где  – норма дисконта;
 – номер периода расчета.
Таблица 7 – Оценка эффективности проекта по созданию системы
Время
0
1
2
3
4
Ставка
дисконтирования
1,00
0,94
0,89
0,84
0,79
Расходы,
руб.
Доходы,
руб.
Денежный
поток, руб.
Накопительный денежный поток, руб.
94873,96
202437,67
167015,85
115475,90
-463842,70
94873,96
202437,67
167015,85
115475,90
-463842,70
89503,73
180168,80
140229,73
91467,73
-463842,70
В качестве расходов взята сумма себестоимости готового программного продукта, а в качестве доходов – сумма, которая будет инвестироваться ежемесячно в
данный проект компанией-заказчиком с учетом рентабельности.
Таким образом, чистый дисконтированный доход (NPV), рассчитанный как
сумма дисконтированных денежных потоков, для компании-исполнителя составит
37 527,29 рублей, что является положительным результатом и свидетельствует об
эффективности данного инвестиционного проекта.
Срок окупаемости проекта рассчитывается накопленным суммирующим итогом по дисконтированным денежным потокам до тех пор, пока сумма не станет
положительной величиной. В данном случае, это наблюдается на третьем месяце
реализации.
Чтобы точно определить срок окупаемости необходимо к последнему по
счету месяцу, когда накопленная сумма была еще отрицательной прибавить дробь
(модуль последней отрицательной суммы разделить на сумму модуля последней
отрицательной суммы и первой положительной накопленной суммы), которая характеризует часть от целого месяца, показывающая точный срок окупаемости [24].
72
То есть, так как накопленная дисконтированная сумма во втором месяце реализации проекта составляет -53 940,44, а в третьем – 37 527,29, то срок окупаемости
будет равен:
 = 2 +
|−53 940,44|
= 2,59,
|−53 940,44| + 37 527,29
что определяется как 2 месяца и 18 дней.
Для определения нормы доходности инвестиционного проекта по созданию
ПО необходимо найти такую ставку дисконтирования, при которой  будет равняться нулю. В данном случае, она составляет 14,53%, что больше чем в 2 раза
выше выбранной ставки дисконтирования (6%) и говорит о высокой стабильности
инвестиционного проекта.
Таким образом, данный инвестиционный проект по созданию информационной системы является эффективным, во-первых, за счет положительного , а,
во-вторых, за счет приемлемых сроков окупаемости и нормы доходности.
73
ЗАКЛЮЧЕНИЕ
Основным результатом выпускной квалификационной работы является разработанная проектная документации на создание информационной системы анализа и сегментации клиентской базы телекоммуникационной компании.
В ходе выполнения выпускной квалификационной работы был изучен процесс анализа и сегментации, рассмотрены цели задачи сегментации телекоммуникационной компании. Рассмотрены методы интеллектуального анализа данных, с
помощью которых была показана работа аналитического модуля. На основе концептуальной схемы распознавания образа была решена задача о лояльности клиента телекоммуникационной компании.
В проектной части были выявлены функциональные требования к системе и
основные пользователи системы через диаграмму претендентов. Для более наглядного представления процесса сегментации в системе была рассмотрена диаграмма
деятельности данного процесса.
В качестве информационного обеспечения представлена диаграмма классов
UML, для того, чтобы представить систему по объектам, описав тем самым, атрибуты, функции, связи. Дано описание взаимодействия классов через специальные
классы-интерфейсы.
Математическое обеспечение системы в аналитическом модуле представлено методами интеллектуального анализа данных в процессе поддержки принятия
решений. Такими методами являются методы агломеративного алгоритма, метод
k-средних и алгоритма NaiveBayes. Перечисленные методы позволяют проводить
сегментацию клиентов, выделять профили клиентов, определять лояльность клиента компании, и вследствие чего принимать управленческие и маркетинговые решения по привлечению новых и повышению лояльности действующих клиентов.
По проекту на создание информационной системы был предложен ряд работ
и сроки их реализации, которые представлены на диаграмме Гантта. Определена
74
команда по созданию проекта. По двум этим показателям: команде проекта и задачам было определено, что проект завершится не позднее 4 месяцев, при условии,
что все работы будут идти точно по графику.
Были рассчитаны затраты на выполнение проекта по заработным платам, по
отчислениям в социальные фонды, по арендной плате, коммунальным услугам,
услугам клининговой компании и интернет, амортизации основных средств. Затраты на реализацию проекта составили 463 842 рублей. С учетом рентабельности
стоимость данной информационной системы составит 464 327 рубля.
Оценка эффективности реализации данного проекта по созданию системы
была проведена на основе показателей чистого дисконтированного дохода (NPV),
внутренней нормы доходности (IRR) и сроков окупаемости (DPP). По всем показателям проект оказался эффективным для разработчиков.
Таким образом, поставленные в начале исследования задачи помогли в разработке проектных решений модуля анализа и сегментации клиентской базы телекоммуникационной компании, содержащих обоснование функциональных требований, математического обеспечения и экономического обоснования.
75
СПИСОК ЛИТЕРАТУРЫ
1. CRM система и BPM технологии для быстрого развития бизнеса | Terrasoft
(официальный
сайт)
[Электронный
ресурс].
–
Режим
доступа:
https://www.terrasoft.ru
2. Microsoft Dynamics CRM (официальный сайт) [Электронный ресурс]. – Режим
доступа:
https://www.microsoft.com/ru-ru/store/p/microsoft-dynamics-
crm/9nblggh4rfqp#
3. Retail CRM для интернет-магазина | E-commerce CRM для торговли | eCRM
для электронной коммерции | eCommerce онлайн CRM (официальный сайт) [Электронный ресурс]. – Режим доступа: http://www.retailcrm.ru
4. Saleforce – облачная CRM №1 в мире (официальный сайт) [Электронный
ресурс]. – Режим доступа: http://softline-crm.ru
5. Айвазян С.А. Прикладная статистика и основы эконометрики: учебник /
С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1988. – 102 с.
6. Арлоу, Д. UML 2 и Унифицированный процесс. Практический объектноориентированный анализ и проектирование / Д. Арлоу, И. Нейштадт. – 2е изд. –
СПб.: Символ-Плюс, 2007. – 624 с.
7. Барсегян, А.А. Анализ данных и процессов: учебная литература для вузов
/ А.А. Барсегян, И.И. Холод, М.Д. Тесс, М.С. Куприянов, С.И. Елизаров. – СПб.:
БХВ-Петербург, 2009. – 512 с.
8. Барсегян, А.А. Методы и модели анализа данных: OLAP и Data Mining:
учебное пособие / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. –
СПб.: БХВ-Петербург, 2010. – 336
9. Битрикс 24 помогает бизнесу работать (официальный сайт) [Электронный
ресурс]. – Режим доступа: https://www.bitrix24.ru
10.
Буч, Г. Объектно-ориентированный анализ и проектирование с приме-
рами приложений / Г. Буч, Р.А. Максимчук, М.У. Энгл. – 3-е изд. – М.: Вильямс,
2008. – 720 с.
76
11.
Буч, Г. Язык UML. Руководство пользователя / Г. Буч, Д. Рамбо, А.
Джекобсон. – 2-е изд. – М.: ДМК, 2006. – 496 с.
12. Быховский, М.А. Развитие телекоммуникаций. На пути к информационному обществу. История развития электроники в XX столетии: учебное пособие /
М.А. Быховский. – М.: Либроком, 2015. – 384 с.
13. Вигерс, К. Разработка требований к программному обеспечению / К. Вигерс. – М.: Русская Редакция, 2004. – 576 с
14. Голицына, О.Л. Информационные системы: учебное пособие / О.Л. Голицына, Н.В. Максимов, И.И. Попов. – 2-e изд. – М.: Форум: НИЦ ИНФРА-М, 2014.
– 448 с.
15. Гринберг, П. CRM со скоростью света. Привлечение и удержание клиентов в реальном времени через Интернет / П. Гринберг. – СПб.: Символ-Плюс, 2006.
– 530 с.
16. Дибб, С. Практическое руководство по сегментированию рынка / Дибб С.,
Симкин Л.; под общей ред. С. Дибб. – СПб.: Питер, 2001. – 240 с.
17. Иванов, Д.Ю. Унифицированный язык моделирования UML: учебное пособие / Д. Ю. Иванов. – СПб.: Изд-во политехн. ун-та, 2010. – 249 с.
18. Исаев, Г.Н. Проектирование информационных систем: учебное пособие.
/ Г.Н. Исаев – М.: Омега-Л, 2013. – 424 с.
19. Киммел, П. UML. Универсальный язык программирования / П. Киммел.
– СПб.: НТ Пресс, 2008. – 272 с.
20. Кудинов, А.Т. CRM. Российская практика эффективного бизнеса / А.Т.
Кудинов, М. Сорокин, Е. Голышева. О. Васильева, Т. Бакурская, Р. Смирнов; под
общей ред. М. Сорокина. – М.: 1С-Паблишинг, 2009. – 376 с.
21. Лазуткина, О.В. Мир телекоммуникаций. Обзор технологий и отрасли /
О.В. Лазуткина. – М.: Олимп-Бизнес, 2002. – 400 с.
22. Ларман, К. Применение UML и шаблонов проектирования. 2-е издание:
Пер. с англ. – М.: Издательский дом «Вильямс», 2004. – 624 с.
23. Леоненков, А. В. Самоучитель UML / А. В. Леоненков. – 2-е изд. – СПб.:
БХВ-Петербург, 2004. – 432 с.
77
24. Ли, К. Создание клиентской базы. Пошаговое руководство по превращению контактов в деньги / К. Ли. – М.: Вершина, 2006. – 360 с.
25. Митчелл, Д. Обнимите своих клиентов. Практика выдающегося обслуживания / Д. Митчелл. – М.: МИФ, 2013. – 220 с.
26. Новиков, А.Ф. Анализ и проектирование на языке UML / А.Ф. Новиков.
СПб.: ИТМО, 2007. – 286 с.
27. Паклин, Н.Б. Бизнес-аналитика: от данных к знаниям: учебное пособие /
Н.Б. Паклин, В.И. Орешков. – СПб.: Питер, 2013. – 704 с.
28. Разу, М.Л. Управление проектом. Основы проектного управления: учебник / М.Л. Разу. – М.: КНОРУС, 2007. – 749 с.
29. Рамбо, Д. UML 2.0. Объектно-ориентированное моделирование и разработка / Д. Рамбо, М. Блаха. – 2-е изд. изд. – СПб.: Питер, 2007. – 544 с.
30. Резникова, Н.П. Менеджмент в телекоммуникациях. – М.: Эко-Трендз,
2005. – 392 с.
31. Рейтинг CRM-систем 2017 (официальный сайт) [Электронный ресурс]. –
Режим доступа: http://crm-top.ru
32. Рудская, Е.Н. Особенности сегментации корпоративных клиентов телекоммуникационного рынка // Молодой ученый. – 2015. – №24. – С.558-567.
33. Савицкая, Г.В. Анализ хозяйственной деятельности предприятия: учебник – 5-е изд., перераб. и доп. – М.: ИНФРА-М, 2011. – 536 с.
34. Самуйлов, К.Е. Расширенная карта процессов деятельности телекоммуникационной компании: учебное пособие / К.Е. Самуйлов, Н.В. Серебренникова,
А.В. Чукарин, Н.В. Яркина. – М.: РУДН, 2008. – 83 с.
35. Фомин, Я.А. Оптимизация распознающих систем / Я.А. Фомин, А.В. Савич. – М.: Машиностроение, 1993. – 258 с.
36. Фомин, Я.А. Статистическая теория распознавания образов / Я.А. Фомин,
Г.Р. Тарловский. – М.: Радио и связь, 1986. – 264 с.
78
ПРИЛОЖЕНИЯ
Приложение А
Дендограммы для 100 наблюдений клиентов, отказавшихся от услуг компании
Рисунок А.1 – Дендограмма агломеративного метода по принципу
ближайшего соседа
79
Рисунок А.2 – Дендограмма агломеративного метода по принципу
дальнего соседа
Рисунок А.3 – Дендограмма агломеративного метода по принципу
невзвешенной средней связи
80
Рисунок А.4 – Дендограмма агломеративного метода по принципу
взвешенной средней связи
81
Приложение Б
Расчет показателей с помощью алгоритма NaiveBayes
Вероятность принадлежности объекта к классу  при условии равенства его
переменной ℎ некоторому значению ℎ определяется по формуле:
 (ℎ =
ℎ |
(ℎ = ℎ и  =  )
=  ) =
,
( =  )
(Б.1)
то есть равно отношению количества объектов в обучающей выборке, у которых ℎ = ℎ и  =  , к количеству объектов, относящихся к классу  .
Для объектов, фрагмент которых представлен на рисунке 10 получим следующие вероятности для значений независимой переменной «Возраст» – 1 :
 (Возраст = от 19 до 25 | Уход = да) = 271/727 = 0,373;
 (Возраст = от 26 до 45 | Уход = да) = 263/727 = 0,362;
 (Возраст = старше 45 | Уход = да) = 193/727 = 0,265;
 (Возраст = от 19 до 25 | Уход = нет) = 206/2273 = 0,091;
 (Возраст = от 26 до 45 | Уход = нет) = 1023/2273 = 0,450;
 (Возраст = старше 45 | Уход = нет) = 1044/2273 = 0,459;
для переменной «Среднемесячный расход» – 2 :
 (Расход = от 1 до 500 | Уход = да) = 522/727 = 0,718;
 (Расход = от 501 до 1000 | Уход = да) = 125/727 = 0,172;
 (Расход = свыше 1000 | Уход = да) = 80/727 = 0,110;
 (Расход = от 1 до 500 | Уход = нет) = 1565/2273 = 0,689;
 (Расход = от 501 до 1000 | Уход = нет) = 456/2273 = 0,201 ;
 (Расход = свыше 1000 | Уход = нет) = 252/2273 = 0,111;
для переменной «Средняя продолжительность разговоров» – 3 :
 (Разговоры = от 0,1 до 6,1 | Уход = да) = 574/727 = 0,718;
 (Разговоры = от 6,2 до 12,2 | Уход = да) = 138/727 = 0,172;
 (Разговоры = свыше 12,2 | Уход = да) = 15/727 = 0,110;
 (Разговоры = от 0,1 до 6,1 | Уход = нет) = 1751/2273 = 0,689;
 (Разговоры = от 6,2 до 12,2 | Уход = нет) = 469/2273 = 0,201;
 (Разговоры = свыше 12,2 | Уход = нет) = 53/2273 = 0,111;
82
а также для переменной «Количество SMS за месяц» – 11 :
 (SMS = 0 | Уход = да) = 47/727 = 0,065;
 (SMS = от 1 до 16 | Уход = да) = 252/727 = 0,347;
 (SMS = от 17 до 32 | Уход = да) = 149/727 = 0,205;
 (SMS = от 33 до 50 | Уход = да) = 128/727 = 0,176;
 (SMS = свыше 50 | Уход = да) = 151 /727 = 0,208;
 (SMS = 0 | Уход = нет) = 259/2273 = 0,114;
 (SMS = от 1 до 16 | Уход = нет) = 1207/2273 = 0,531;
 (SMS = от 17 до 32 | Уход = нет) = 316/2273 = 0,139;
 (SMS = от 33 до 50 | Уход = нет) = 243/2273 = 0,107;
 (SMS = свыше 50 | Уход = нет) = 248/2273 = 0,109.
Вероятность  ( =  ) – есть отношение объектов из обучающей выборки, принадлежащих классам 1 и 2 , к общему количеству объектов в выборке. В данном примере это:
 (Уход = да) = 727/3000 = 0,242;
 (Уход = нет) = 2273/3000 = 0,758.
Таким образом, если надо определить, с какой вероятностью клиент откажется
от услуг при следующих значениях независимых переменных (событие )
«Возраст» = от 26 до 45,
«Расход» = от 501 до 1000,
«Разговоры» = от 6,2 до 12,2,
«SMS» = от 17 до 32,
то надо вычислить следующие вероятности:
 (Уход = да | ) =  (Возраст = от 26 до 45 | Уход = да) ×  (Расход =
от 501 до 1000 | Уход = да) ×  (Разговоры = от 6,2 до 12,2 | Уход = да) ×  (SMS =
от 17 до 32 | Уход = да) ×  (Уход = да)/();
 (Уход = нет | ) =  (Возраст = от 26 до 45 | Уход = нет ) ×  (Расход =
от 501 до 1000 | Уход = нет ) ×  (Разговоры = от 6,2 до 12,2 | Уход = нет ) ×
 (SMS = от 17 до 32 | Уход = нет) ×  (Уход = нет)/();
Подставляя соответствующие вероятности, получим следующие значения:
83
 (Уход = да | ) = 263/727 × 125/727 × 138/727 × 149/727 ×
727/3000/() = 0,001/();
 (Уход = нет | ) = 1023/2273 × 456/2273 × 469/2273 × 316/2273 ×
2273/3000/() = 0,002/();
Вероятность () не учитывается, так как при нормализации вероятностей для
каждого из возможных правил она исчезает. Нормализованная вероятность для правила вычисляется по формуле:
′ ( =  |) =
( =  |)
∑ ( =  |)
(Д.2)
В данном случае можно утверждать, что при указанных условиях клиент откажется от услуг компания с вероятностью:
′ (Уход = да)= (0,001/(0,001 + 0,002)) = 0,276
и продолжит пользоваться услугами компании с вероятностью:
′ (Уход = да)= (0,002/(0,002 + 0,001)) = 0,724.
84
Приложение В
Схема взаимодействия отдельных модулей системы для принятия решений о
передаче клиенту оптимального предложения
Рисунок В.1 – Схема взаимодействия
85
1/--страниц
Пожаловаться на содержимое документа