Мы с важной новостью: с 28 февраля 2025 года сервис Хабр Фриланс прекратит свою работу.
Купить услуги можно до 28 февраля 2025, но пополнить баланс уже нельзя. Если на вашем счете остались средства, вы можете потратить их на небольшие услуги — служба поддержки готова поделиться бонусами, на случай, если средств немного не хватает.
Дизайн
Мобильное приложение "Алгоритм"
Добавлено
12 июл 2021 в 19:28
В настоящее время потребители тепла и горячей воды крайне неравномерно оплачивают свои счета и квитанции. Из-за этого у поставщика тепла в течение года образуется дебиторская задолженность, которая не позволяет планировать бюджеты, затрудняет расчеты и приводит к лишним трудозатратам.
Предприятие воздействует на потребителей разными способами: от рассылки писем до передачи долгов в коллекторские агентства. Однако часто эти меры неэффективны, поскольку делаются сразу для всех пользователей и не разделяют, например, тех, кто платит честно, но нерегулярно, от злостных должников. Отсюда низкая эффективность принимаемых мер и трудность с адекватной оценкой принятых действий.
Поэтому поставщику тепла и горячей воды потребовался простой и удобный аналитический инструмент для подбора наиболее эффективного мероприятия по воздействию на ту или иную группу должников. А также для последующей оценки принятых действий.
Для решения этой задачи сначала был составлен кредитный рейтинг потребителей: 9 типов от самых платежеспособных до совсем неплатящих. За основу рейтинга взяты суммы долга и даты оплаты на протяжении нескольких лет. Также был составлен список всех мероприятий, который вносится в базу данных.
Чтобы получить адекватную оценку применения того или метода воздействия на ту или иную группу потребителей (или же на конкретного потребителя) сначала был предложен метод ABC-анализа и цепи Маркова. Однако с помощью этих методов было невозможно предсказать оптимальные методы воздействия и получить оценку их эффективности.
Тогда решили использовать старый добрый статистический анализ: оценка всей текущей базы данных по соотношению кредитного рейтинга должника, примененных мер воздействия и последующего изменения уровня дебиторской задолженности за несколько лет.
Это позволило получить прогностическую модель, приближенную к реальности, а кроме того, накапливать и сравнивать полученную аналитическую модель с помесячными срезами по оценке эффективности мер воздействия.
В результате был сделан удобный и эффективный инструмент для руководителей отдела
по работе с населением. С его помощью они могут:
Данное приложение становится базой для дальнейшей аналитической работы, куда будут включены различные сигнальные показатели, необходимые руководству (например, количество отработанных заявок), добавлены механизмы автоматического распределения заданий для сотрудников с последующим контролем и другие функции.
Полное описание:https://www.behance.net/gallery/121682551/mobilnoe...
Предприятие воздействует на потребителей разными способами: от рассылки писем до передачи долгов в коллекторские агентства. Однако часто эти меры неэффективны, поскольку делаются сразу для всех пользователей и не разделяют, например, тех, кто платит честно, но нерегулярно, от злостных должников. Отсюда низкая эффективность принимаемых мер и трудность с адекватной оценкой принятых действий.
Поэтому поставщику тепла и горячей воды потребовался простой и удобный аналитический инструмент для подбора наиболее эффективного мероприятия по воздействию на ту или иную группу должников. А также для последующей оценки принятых действий.
Для решения этой задачи сначала был составлен кредитный рейтинг потребителей: 9 типов от самых платежеспособных до совсем неплатящих. За основу рейтинга взяты суммы долга и даты оплаты на протяжении нескольких лет. Также был составлен список всех мероприятий, который вносится в базу данных.
Чтобы получить адекватную оценку применения того или метода воздействия на ту или иную группу потребителей (или же на конкретного потребителя) сначала был предложен метод ABC-анализа и цепи Маркова. Однако с помощью этих методов было невозможно предсказать оптимальные методы воздействия и получить оценку их эффективности.
Тогда решили использовать старый добрый статистический анализ: оценка всей текущей базы данных по соотношению кредитного рейтинга должника, примененных мер воздействия и последующего изменения уровня дебиторской задолженности за несколько лет.
Это позволило получить прогностическую модель, приближенную к реальности, а кроме того, накапливать и сравнивать полученную аналитическую модель с помесячными срезами по оценке эффективности мер воздействия.
В результате был сделан удобный и эффективный инструмент для руководителей отдела
по работе с населением. С его помощью они могут:
- прогнозировать необходимые меры воздействия к тем или иным должникам или вообще их не применять, экономя время и средства отдела;
- получать готовые и удобные отчеты - готовые планы мероприятий для сотрудников;
- сравнивать прогноз с реальной ситуацией и с каждым будущим прогнозом делать его более точным и верным;
- сократить время, средства и нервы сотрудников;
Данное приложение становится базой для дальнейшей аналитической работы, куда будут включены различные сигнальные показатели, необходимые руководству (например, количество отработанных заявок), добавлены механизмы автоматического распределения заданий для сотрудников с последующим контролем и другие функции.
Полное описание:https://www.behance.net/gallery/121682551/mobilnoe...
