ИСТОРИЯ
Надолго обосновался в регионе молочный комбинат со своей продукцией. Сложился широкий круг покупателей - три сотни организаций разных форм собственности. Информация по заказам доставляет надёжные сведения о потребностях большей части рынка.
Заказчики представляют собой как отдельные фирмы, так и разветвлённые сети с филиалами. Одна часть работает по предоплате, другая оплачивает по факту отгрузки. Иные удовлетворяются стандартным вариантом, предлагаемым и зафиксированным договором по совокупности требований.
Опережающим фактором становится количество товарных позиций. Чем больше эта величина, тем лояльнее может считаться партнёр. При полном соблюдении могут обсуждаться прочие привилегии - скидки, бонусы, поощрения. Кредит предоставляется на исключительных условиях.
Анализ деятельности проводится ежемесячно. Долгое время почти все обязательства соблюдаются, исключением являются назначенные сроки платежей. Равномерность зачастую меняется в течение учётного периода. Первая половина месяца отличается их регулярностью, позже происходит отставание.
ЗАДАЧА
Необходимо определить настоящую ценность заказчиков и сформировать модель расчёта порога входа для потенциальных. Простая, наглядная форма должна показывать состояния дел по каждому проверяемому. Тест проводится при необходимости и не реже одного раза в месяц. Ведь поставщика интересует стабильность сбыта, поступлений денежных средств.
РЕШЕНИЕ
Базой реализации проекта выбрана российская аналитическая no-code платформа Deductor. Создан для неё сценарий, внутри которого производятся вычисления. Применяется такой компонент как самоорганизующаяся нейронная сеть. В процессе обучения она учится понимать структуру данных, позволяет выделять группы элементов по предлагаемым признакам.
Для моделирования используются следующие измерения. Ширина ассортимента, прибыль, отсрочка оплаты. Необходимая информация собрана из корпоративной базы. Сначала для улучшения качества исключаются аномалии - партнёры с эксклюзивными правами. Обычно это дочерние подразделения, должники по просрочке более 45 дней.
В результате проведённой обработки сформировалось четыре кластера с границами. Минимальная ошибка получилась при значимости прибыли - 100% и задержке платежа - 90%. Будущий клиент оценивается по нескольким заявляемым им параметрам. В уже построенную структуру вводятся эти величины, на выходе определяется его возможное положение.
Первым визуально показан атлас цветовых карт. Сегмент 2 зелёного тона обозначает покупателей численностью в 2,5%, имеющих особенную ценность. Третья группа - 8,2% выделяется широким составом товаров. Секцию 0 отличает длительная отсрочка. Остаток содержит максимум элементов - 76%. Ниже представлено их позиционирование в пространстве признаков.
