Повышение экономической эффективности деятельности экспедиторской компании на основе совершенствования прогноза и алгоритма выбора автотранспортного средства

Анализ методов и подходов к оценке стоимости транспортных услуг. Прогнозирование цены на грузоперевозки автомобильным транспортом. Организационная характеристика компании Торговый дом "Сезар". Оценка возможностей конкурентов на рынке экспедиторских услуг.

Рубрика Транспорт
Вид дипломная работа
Язык русский
Дата добавления 27.08.2018
Размер файла 5,0 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

- Точечное (неравномерное) развитие промышленного производства в РФ, строительство новых заводов, например, в сферах сельскохозяйственного, пищевого производства, машиностроения.

- Строительство крупных инфраструктурных и индустриальных проектов в регионах РФ (например, строительство Крымского моста, подготовка объектов к проведению ЧМ по футболу 2018).

Рисунок 5 - Структура грузоперевозок РФ в 2015 году по ФО в натуральном выражении, в процентах [50]

2.3 Анализ конкурентов на рынке транспортно-экспедиторских услуг.

По версии крупнейшей транспортной биржи России и СНГ АвтоТрансИнфо компания входит в пятерку лучших экспедиторских компаний Санкт-Петербург и конкурирует с другими лучшими представителями бизнеса в северной столице: OOO ВедЭк, ООО Викинг, ООО Альтега, OOO ФРАЙТАЖ, ООО БЛК.

По России схожие с рассматриваемой компанией позиции занимают: ООО Деловой портал, ООО Южная Логистическая Компания, ООО Магистраль, ООО Роспром, ТЛК "SOV-Авто".

Естественно, фирме так же приходится конкурировать с крупнейшими логистическими операторами России: логистическая компания «ПЭК», ГК «Итеко», «Деловые линии», «Байкал сервис». Отличительной чертой перечисленных компаний является терминальная сеть, которая позволяет минимизировать общие расходы на единицу груза путем комбинирования различного рода грузов в одной транспортной единице, следующей по определенному маршруту, с последующим рядом кросс-докинговых операций на собственных терминалах компаний. Ниже приведена краткая характеристика двух из перечисленных крупнейших российских компаний, занимающихся автомобильными грузоперевозками.

1) Компания «ПЭК» осуществляет автоперевозки различных грузов массой до 20 тонн. Автоперевозки осуществляются по Москве, всей территории Российской Федерации и Республики Казахстан. Филиальная сеть Компании охватывает более 120 городов.

Преимущества компании:

*Развитая филиальная сеть.

*Круглосуточный спутниковый мониторинг перевозок.

*Минимальные сроки грузоперевозки грузов.

*Оптимальная ценовая политика.

*Высокий уровень сервиса.

2) Собственный автопарк ИТЕКО составляет более 400 единиц современной техники, со средним годом выпуска не более двух лет, а также в наличие имеется более 60 000 единиц привлеченной техники, 2 000 из которых находятся в «активной экспедиции» под ежедневным управлением ИТЕКО. Собственная сеть предприятий автосервиса и поставки запчастей служит дополнительным фактором надежной и бесперебойной работы.

Преимущества:

*Развитая логистическая инфраструктура

*Доставка любых категорий грузов

По неофициальной информации от сотрудников данной компании, в случаях, когда компания не может предоставить собственный транспорт под погрузку, она выступает в роли экспедитора и привлекает сторонние компании. Их минимальная наценка составляет 25%, что больше, чем у компании “Торговый дом “Сезар”.

2.4 Организационно-функциональная структура управления предприятия

Структура разделения по отделам функциональных обязанностей позволяет упрощать контроль и подчиненность каждого из отделов. Несмотря на иерархичность организационной структуры, горизонтальные взаимосвязи между отделами достаточно распространены и просты (рисунок 6).

Рисунок 6 - Организационная структура компании «Торговый дом «Сезар»

Открытость информационной системы предприятия позволяет руководству вести контроль над деятельностью всей компании, но вместе с тем и сотрудников одного отдела контролировать действия другого отдела.

Отделу торговли техническими маслами подчиняются два из трёх сегментов бизнеса компании «Торговый дом «Сезар»: оптовая продажа масел и интернет-магазин. Всю логистические функции, связанные с данной деятельностью, исполняются отделом логистики. В связи с этим между двумя отделами происходит постоянная коммуникация, как правило через электронную почту или мессенджеры.

Бухгалтерия курирует совместно все виды деятельности компании. Генеральный директор так же обеспечивает беспрерывное функционирование обоих отделов, объединяя под своим началом все её диверсифицированные части.

Отдел логистики контролирует транспортную деятельность отдела продажи технических масел, управляет складом, а также осуществляет транспортно-экспедиторскую деятельность для сторонних клиентов. Директор по логистике контролирует четкое и бесперебойное функционирование своего отдела.

Для обеспечения работы отдела продажи масел в отделе логистики есть соответствующий менеджер, который организует все перевозки, необходимые для работы данного отдела.

Как правило, большинство коммуникаций между отделами происходит через данного менеджера. В случаях особой нагрузки на него, особенно в период предновогодних праздников, часть его функций передается остальным менеджерам отдела.

Всего в отделе логистики работают 7 логистов. За каждым из них закреплено определенное количество собственных клиентов. Подобного рода распределение деятельности между сотрудниками используется, так как это упрощает коммуникации между менеджерами фирмы и представителями других компаний. Кроме того, одному менеджеру проще вести всю документацию по клиенту. Перевозчики, в отличии от клиентов, общие для всех логистов. Все они перечислены в общей базе данных системы 1С, и сами логисты обмениваются доступной им информацией друг с другом для наиболее успешного функционирование компании в целом.

Заказы генеральных клиентов компании, которые представляют их основную долю, распределяются между всеми логистами отдела по географическому принципу. Их слишком много для того, чтобы один логист справлялся со всей нагрузкой, поэтому их приходится распределять между всеми.

Таким образом, все перевозки в Поволжье для генерального клиента организует один логист, все перевозки на север европейской части России организует второй логист, и так далее.

Для логистического отдела компании существует общая электронная почта, но также у каждого логиста есть личные адреса электронной почты. Генеральные клиенты, благодаря многолетнему сотрудничеству, уже знают, к какому логисту обращаться по конкретной перевозке. Однако иногда заявки не распределяются и изначально заказчиком и присылаются на общую почту. В таком случае руководитель отдела распределяет данные заявки между соответствующими логистами. 2.5 SWOT-анализ деятельности предприятия

2.5 SWOT-анализ деятельности предприятия

В таблице 2 приведен SWOT-анализ предприятия с целью выделения потенциальных областей улучшения деятельности компании.

Таблица 2 - SWOT-анализ компании

Сильные стороны организации

Слабые стороны организации

1. Значительные финансовые резервы;

2. Диверсифицированный бизнес компании;

3. Высокое качество предоставляемых услуг;

4. Значительная база грузоперевозчиков по всей России

5. Безукоризненная репутация в индустрии

6. Наличие генеральных заказчиков

7. Возможность работы с НДС и без НДС, в том числе с наличным расчетом

1. Отсутствие собственного транспорта;

2. Отсутствие страхования ответственности;

Возможности и перспективы организации

Угрозы для организации

1. Приобретение собственного транспорта;

2. Заключение договоров с новыми клиентами;

3. Сокращение издержек за счет прогнозирования спроса;

1. Разрыв отношений с генеральными партнерами;

2. Отсутствие страхового возмещения;

3. Отсутствие возможности предоставить транспорт в точке загрузки.

4. Поломки транспорта

2.5.1 Сильные стороны организации

Компания присутствует на рынке грузоперевозок уже более 10 лет. За это время она смогла составить как значительную базу перевозчиков по всей России, так и клиентскую базу, которая на регулярной основе предоставляет заказы для фирмы. Главной транспортной биржей России и СНГ - АвтоТрансИнфо (ati.su) компания «Торговый дом «Сезар» оценена в 5 звезд из пяти возможных, в том числе данная компания удостоена различных наград, в том числе за то, что она является одной из пяти лучших экспедиторских фирм Санкт-Петербурга и входит в сто лучших экспедиторских компаний России. Такая значительная репутация позволяет компании позиционировать себя как одну из лучших для клиентов, так и надежным партнером для транспортных компаний, которые могут не опасаться инцидентов, связанных с неоплатой перевозки или другими проблемами.

Одним из преимуществ компании является то, что транспортный сегмент бизнеса развивается параллельно с оптовой продажей масел и интернет-магазином товаров для автомобилей. Низкая прибыль в одном из сегментов бизнеса всегда компенсируется доходами из другого, что обеспечивает конкурентоспособность фирмы в целом. Наличие постоянной финансовой базы является отличным преимуществом по сравнению с другими экспедиторами, так как она позволяет уменьшать расходы на оплату перевозки транспортным компаниям за счет более быстрой оплаты или частичной предоплаты.

Помимо вышеперечисленного, расчеты с перевозчиками могут производиться за наличные. При этом заказчику выставляется счет с НДС, и компания берет на себя обязанности по уплате данного налога. Благодаря значительным финансовым запасам также создается возможность по предложению значительной отсрочки оплаты за предоставленные клиентам услуги.

2.5.2 Слабые стороны организации

Одной из главных проблем для компании является тот факт, что все транспортные услуги, предоставляемые Сезаром, осуществляются за счет наемного транспорта. Таким образом, «Торговый дом «Сезар» является исключительно экспедиторской компанией без собственных транспортных средств. В современных экономических реалиях это является большим недостатком фирмы, так как владельцы груза и владельцы транспорта стараются всеми способами избавиться от лишних посредников в цепочках поставок.

Ситуация особенно обострилась во время последнего кризиса, когда курс рубля значительно снизился относительно других мировых валют. Компании стали искать пути сокращения своих затрат, и, естественно, начали с логистики, так как издержки в данной области составляют большую долю в российских компаниях в сравнении с иностранными. И, действительно, в сфере транспортной логистики были значительные возможности по сокращению затрат, так как иногда возникала ситуация, когда между владельцем груза и владельцем транспорта образовывалось до пяти посредников, каждый из которых добавлял свою наценку к конечному продукту - транспортной услуге.

Для предотвращения возникновения подобных ситуаций грузовладельцы начали всё чаще пользоваться онлайн-биржами, на которых представители транспортных компаний делают свои ставки, постепенно снижая цену за конкретную грузоперевозку. В итоге, чем ниже становится цена, тем меньше посредников образуется в цепочке поставок, так как со своей наценкой они больше не могут конкурировать с другими предложениями.

Раньше огромным преимуществом экспедиторских компаний являлась их гибкость: например, сроки оплаты компанией «Кока-Кола ЭйчБиСи Евразия» за услуги по транспортировке их груза могут достигать до полугода, в то время как транспортным компаниям надо платить за обслуживание транспортных средств.

В данном случае экспедиторская компания может выступать необходимым посредником, который может достаточно быстро оплатить услуги владельца транспорта и затем ждать оплаты от «Кока-Колы» в установленные данной фирмой сроки.

Также большинству грузовладельцев удобнее платить за транспортные услуги с НДС, в то время как большинство перевозчиков ИП, которые работают без НДС. Это еще один пример, когда наличие посредника в виде экспедитора упрощает деятельность обеих сторон, и его наличие в цепочке поставок экономически обосновано. Но с целью сокращения общих затрат теперь грузовладельцы готовы идти на уступки и сами становятся более гибкими с точки зрения возможностей оплаты транспортных услуг ради меньшей стоимости перевозки.

Так как компания «Торговый дом «Сезар» является исключительно экспедиторской компанией без собственного транспорта, работа через различные онлайн-биржи для неё ограничена. В итоге компания сталкивается с ситуацией, когда она не может найти новых клиентов в связи с тем, что не может предлагать конкурентоспособные предложения.

Еще одной слабой стороной компании является отсутствие страхования ответственности грузоперевозчика. Подобного рода страхование возможно только при наличии постоянных заказов от клиента, так как данная страховка требует окупаемости. Многие заказчики требуют данный тип страхования, не гарантируя при этом предоставление определенного объема грузоперевозок, что может привезти к убыткам экспедиторской компании.

2.5.3 Возможности и перспективы организации

Естественно, ключевой перспективой дальнейшего развития компании является создание собственного автопарка. Но приобретение транспорта влечет за собой большое количество различного рода рисков, размер которых препятствует реализации данной возможности. Главная причина, из-за которой до сих пор транспорт не был приобретен, заключается в том, что при всём объеме заказов компании отсутствует постоянный спрос по какому-либо из направлений. Более 85% отгрузок осуществляются из Санкт-Петербурга и Москвы в совершенно разные регионы страны, и нет постоянных заказчиков, которые смогли бы обеспечивать обратные рейсы.

С этой точки зрения гораздо выгоднее использовать наёмный транспорт, в особенности те региональные компании, у которых есть заказы в направлении двух столиц с обратной загрузкой.

При этом компании необходимо понимать, по какой цене привлекать наёмный транспорт в конкретный момент времени при учёте всех специфик рынка грузоперевозок.

Для этого необходимо разработать специальную программу, которая отслеживала бы текущие смещения баланса спроса и предложения и формировала бы на данной основе, с учетом опыта предыдущих перевозок, единственное предложение цены по определенному направлению для груза со своими спецификами.

Абсолютное большинство экспедиторских компаний на рынке - субъекты малого предпринимательства. Данный факт в сочетании с закрытым российским менталитетом ведения бизнеса, приводит к тому, что в отечественной логистике практически нет 3PL провайдеров. Только иностранные компании отдают на аутсорсинг логистические функции, в то время как большинство российских фирм до сих пор остерегаются подобных действий. В целом, сложившаяся ситуация не предполагает скорого появления в РФ сильных 3PL провайдеров, поэтому экспедиторские компании для выживания должны искать другие ниши на рынке.

Как правило, транспортные компании тоже не могут выступать в роли 3PL провайдеров, так как они тоже относительно малы для подобных целей. Типичная среднестатистическая транспортная компания России - это автопарк из примерно одного десятка автомобилей, которые обслуживаются одним сервисным центром, и большая часть их работы заключается в доставке грузов из регионов от своих клиентов в Москву и в поиске обратного груза.

Безусловно, на данном рынке уже присутствуют такие большие компании, как «Деловые линии», ПЭК и другие, которые оперируют со сборными грузами через свою систему центров консолидации.

Тем не менее, для того, чтобы определенный груз достиг своей конечной точки, требуется несколько перегрузок из одного транспортного средства в другое.

Кроме того, когда грузоотправитель не может доставить товар до центра консолидации самостоятельно, внутригородское перемещение, выполняемое подобной компанией, может значительно увеличить итоговую стоимость транспортировки. Затраты могут стать еще выше, когда конечным пунктом является не город, в котором находится центр консолидации, а поселок в районе 100 километров от него. Таким образом, существует достаточно много ситуаций, когда простой экспедитор может составить конкуренцию перечисленным компаниям.

В ситуациях, когда грузовладельцу не нужна грузовместимость всей машины для доставки груза, он начинает искать так называемый «сборник». Но владельцев транспорта, которые работают со сборными грузами, достаточно мало относительно общего количества перевозчиков, и цены значительно варьируются у различных владельцев транспорта. В результате, для экспедиторских компаний существует еще рынок перевозок, на котором они способны конкурировать, если у данных компаний есть достаточно данных для формирования адекватного предложения клиенту по перевозке сборных грузов.

2.5.4 Угрозы для организации

На данный момент «Торговый дом «Сезар» ограничивает себя в дальнейшем развитии с точки зрения покупки нового транспорта, что может привести компанию к кризисной ситуации при условии наступления соответствующих угроз. В частности, речь идет о разрыве отношений с генеральными заказчиками. При наступлении подобного события в компании встанет острый вопрос о нехватке заказов и невозможности найти новые, что в итоге снова поднимает проблему приобретения собственных транспортных средств.

Разрыв деловых отношений с генеральными партнерами может произойти по ряду причин: смещение действующего курса заказчиков в сторону сокращения операционных издержек вместо минимизации риска, инцидент в текущей операционной деятельности, в результате которого будут подорваны связи, установленные за много лет сотрудничества. В целом, для того, чтобы минимизировать потери от разрыва отношений с генеральным заказчиком, необходимо иметь обширную клиентскую базу.

В ходе своей деятельности компании редко приходится иметь дело со страховыми случаями. Это могут быть повреждения груза, явные и скрытые, а также его кража.

Для того, чтобы покрыть возможные издержки, для каждой перевозки весь груз страхуется на его полную стоимость. Но существует риск невыплаты страховой компанией положенной суммы из-за неправильно оформленных документов. Для того, чтобы избежать данного риска, в системе 1С предприятия существуют специальные графы для сканов документов, которые должны быть заполнены для согласования заявки.

2.6 Анализ основного бизнес-процесса экспедиторской компании

Целью практической работы в компании «Торговый дом «Сезар» являлось улучшение её операционной деятельности. Для этого были выделены следующие бизнес-процессы компании:

- экспедирование грузоперевозок

- обработка заявок клиентов

- формирование сопроводительной документации к перевозке

- поиск грузоперевозчика

- контроль грузоперевозки

- оплата перевозчикам

- бухгалтерский учет

- формирование плана продаж масел

- закупка масел

- складирование

- кросс-докинг

- продажа масел

- функционирование интернет-магазина

- городская доставка

Ключевым бизнес-процессами логистического отдела компании ООО «Торговый дом “Сезар”» является экспедирование грузоперевозок, рассмотрим данный процесс подробно.

В данном разделе представлено подробное описание всех этапов ключевого бизнес-процесса компании, которым является экспедирование грузоперевозок, при этом осуществляется сопровождение грузоперевозки, при котором компания выполняет роль посредника между клиентом и компанией, владеющей транспортом (рисунок 7).

Рисунок 7 - Подробное описание бизнес-процесса экспедирования грузоперевозок

2.6.1 Первичное информирование о заказе.

В самом начале заказ поступает в разной форме в зависимости от специфики работы с непосредственно каждым клиентом. Главные способы информирования - это телефонный звонок или сообщение по электронной почте или с помощью одного из мессенджеров. Как правило уже на данной стадии клиент хочет знать цену. Если быть точным, то большинство запросов выглядят приблизительно так: «Машина в этот город сколько будет стоить?». Уже на данном этапе возникает проблема недостатка информации, которая частично восполняется уточнением параметров заказа.

Существует возможность формирования специальной формы для каждого клиента для ускорения обработки. Но, как показала практика, клиенты данной формой не пользуется: им нужна быстрая реакция на их запрос, а заполнение форм для них лишняя работа. Один из основных критериев, который необходим клиентам: сокращение до минимума собственной работы по каждому заказу. Заполнение формы - это тоже работа, на которую менеджеру необходимо выделить время. Поэтому экспедиторская компания пытается максимально упростить работу клиентов, что является одним из способов их привлечения и удержания.

2.6.2 Уточнение параметров заказа

На данной стадии уже используются примерные формы для каждого из клиентов. Как правило, первичная информация от каждого определенного клиента достаточно однотипная, и уже на данном этапе в компании сформированы формы уточнения всех необходимых параметров заказа.

Данные формы составляются каждым логистом по своим клиентам индивидуально.

При этом учитываются специфика формы связи с клиентами и качество предоставляемой информации, в том числе в данных формах учитываются приоритетность данных для расчета стоимости перевозки.

2.6.3 Поиск перевозчика

Данный этап состоит из двух параллельно идущих процессов. Одновременно идет поиск как новых перевозчиков, так и проверка местонахождения автопарка перевозчиков-партнеров. Что сделать первым делом - вынести заказ на торги или отдать его фирмам партнерам, логист принимает самостоятельно, исходя из представлений о вероятности оперативного подбора транспорта через свои компании. Уже на данной стадии формируется первичное понимание наиболее вероятной цены, приведенной в соответствие с актуальной рыночной ситуацией. С формированием данной примерной цены можно начинать переговоры с клиентом о том, какая стоимость его интересует.

2.6.4 Формирование цены

Когда перевозчик найден, происходит согласование цен с перевозчиком и заказчиком. Естественно, задача экспедитора сделать затраты на выполнения перевозки минимальными, но с заказчиком цена быть достаточно взвешенной: достаточной, чтобы создать максимально возможную маржу, из которой компания получает свой заработок, но и относительно низкой, для того чтобы клиент продолжал работать с компанией.

2.6.5 Введение нового контрагента в систему

В случае, если с выбранным контрагентом по транспорту перевозка осуществляется впервые, его необходимо ввести в систему для создания договора между двумя компаниями. Для этого необходимо заполнить специальную форму в 1С.

Скорость заполнения данной формы зависит от формата предоставленных данных: docx или текст легко копируется, но иногда данные предоставляются в формате pdf или jpeg, что заметно затрудняет и замедляет процесс заполнения форм. Естественно, все перевозчики информируются о желаемом формате предоставляемых данных, но не всегда они придерживаются соответствующих запросов или не всегда предоставляют все необходимые данные в нужном формате. Повторные запросы на предоставление данных в другом формате могут быть либо проигнорированы перевозчиком, либо потребовать значительного времени для их выполнения и в связи с этим проще работать с уже имеющимся материалом. Далее все данные заносятся в соответствующие им ячейки.

2.6.6 Создание договора

На основе данных, введенных в предыдущем пункте, происходит автоматическое формирование договора после нажатия соответствующей кнопки. В эти данные входят наименование контрагента, его ИНН, ОГРН (ОГРНИП), ОКПО, данные расчетного счета в банке, в том числе БИК банка и корреспондентский счет. В задачу логиста входит проверка данных договора и отправка его версии контрагенту. В ответ логист ожидает скан данного договора с подписью на каждой странице и печатью на последней. После его получения необходимо закрепить скан договора за клиентом, иначе он будет заблокирован в системе через 48 часов.

2.6.7 Создание заявки.

Для формального заключения сделки по перевозке необходимо оформить заявку, которая является приложением к договору с контрагентом. Первым этапом создания заявки является формирование заказа, в который вносится информация об обеих сторонах, участвующих в сделке, и цене за перевозку.

Далее на основе данного заказа и информации по перевозке формируется заявка. Вносятся сведения о наименовании компании-грузоотправителя, грузополучателя, адресе загрузки и разгрузки, контактных лицах на обоих адресах, стоимости груза, типе предоставляемого транспортного средства, особых условиях перевозки, штрафах за опоздание и чрезмерно долгую загрузку, форме и сраках оплаты и данных на водителя.

Ситуация с данными на водителя аналогична ситуации с заполнением формы контрагента. После заполнения всех форм заявка отправляется на печать, при этом на нее автоматически накладывается печать организации и роспись руководителя для ускорения процесса её согласования. Тем не менее при определенных условиях, таких как чрезмерная стоимость груза или особая важность контрагента, необходимо личное согласование с руководством (система не выдаст документ на печать до установления отметки руководителя об ознакомлении с заявкой). Скан заявки с печатью и подписью отправляется контрагенту для печати и подписи с их стороны.

2.7 Анализ финансово-хозяйственной деятельности компании

Несмотря на то, что на все 3 сегмента бизнеса ведется совместный бухгалтерский учет, у логистического отдела есть собственный управленческий учет.

Согласно ему, в среднем 82% всех затрат составляют расходы на выплаты транспортным компаниям за перевозки. Остальные затраты включают зарплаты сотрудникам, как логистам компании, так и бухгалтерам, управленческому аппарату, системному администратору, работникам склада, а также затраты на уборку помещения.

Прочими расходами являются оплата связи и интернета, аренда площади под офис и складских помещений, ежемесячная оплата за различные сервисы, сопровождающие логистические операции (плата за пользование транспортными биржами, за системы электронного документооборота), расходы на заправку картриджей для принтеров, на покупку питьевой воды для кулеров, канцелярские и хозяйственные товары, почтовые отправки и т.д.

Рентабельность при учете всех расходов в среднем равняется 11%. Каждый логист приносит компании прибыль в 51 000 руб./чел. после вычитания всех затрат, которые несет компания. В целом основные данные по деятельности логистического отдела компании с января 2017 года представлены на рисунке 8:

Рисунок 8 - Основные показатели экономической деятельности компании

Данный график содержит информацию о структуре и взаимосвязи доходов и расходов логистического отдела компании. Суммарная выручка компании отображена синей шкалой. Внутри нее показаны расходы компании. Оранжевая шкала - это расходы на перевозчиков, то есть финансовые средства, которые компания перечисляет транспортным компаниям за перевозки. Они составляют основную долю затрат компании и именно на сокращение данной статьи расходов направлена разрабатываемая программа. Серая шкала демонстрирует прочие расходы, которые в своей совокупности существенно ниже затрат на перевозчиков.

Таким образом, на основании данных, представленных на рисунке 8, можно сделать вывод, что в указанный период времени компания «Торговый дом «Сезар» функционирует достаточно стабильно, выручка меняется в пределах от 3,5 до 5,0 млн руб. в месяц.

ГЛАВА 3. РАЗРАБОТКА ПРОГРАММЫ ПО ПРОГНОЗИРОВАНИЮ СТОИМОСТИ ГРУЗОПЕРЕВОЗКИ

3.1 Описание целей внедряемых изменений

В ходе работы на должности логиста транспортного отдела компании «Торговый дом «Сезар» была выявлена гипотеза по улучшению операционной деятельности по экспедированию грузоперевозок. В случае, когда у компании отсутствует надежный партнер в зоне загрузки, который может изъявить желание исполнить появившийся заказ, экспедитор обращается к транспортной бирже АвтоТрансИнфо (ati.su), на которую он выставляет груз с определенными характеристиками.

Заявку на перевозку груза можно выкладывать двумя способами: с указанием цены и без.

В психологии работы перевозчиков с данной биржей можно отметить, что на заявку с ценой они реагируют гораздо быстрее, чем на заявку, в которой не была указана стоимость перевозки. Важно понимать, что заказчик передает свой заказ сразу в несколько различных экспедиторских компаний, в связи с чем каждая минута работы логиста на счету. В итоге, компании необходимо избегать риска упущения заказа в связи с долгим поиском заказа.

Тем не менее, важно правильно указывать цену, за которую экспедитор собирается отдать транспортной компании данный заказ, так как при высокой цене компания упускает потенциальную прибыль. Если указать слишком низкую цену, перевозчики будут избегать данной заявки и процесс поиска транспортного средства рискует затянутся до тех пор, пока конкуренты не перехватят данный заказ.

Важно понимать, что среднестатистический перевозчик - это индивидуальный предприниматель, в собственности которого находится 2-3 транспортные единицы, и обзванивать всех подряд может занять либо слишком много времени, либо существует риск заключить сделку не по самой выгодной цене.

Одной из мер по повышению эффективности операционной деятельности логистического отдела компании «Торговый дом «Сезар» было признано создание программного обеспечения по прогнозированию стоимости услуг на перевозку груза с определенными параметрами, которую запросит владелец транспорта.

Данная программа должна быть реализована в качестве браузерного приложения, который будет храниться на выделенном сервере с ограниченном доступом только для внутреннего пользования компанией.

Также возможна реализация программы в виде десктопной версии, но в таком случае вопрос об одновременном пополнении данными всех версий будет сложным в решении. Основная переменная, от которой зависит стоимость проекта и его длительность - это количество начальных данных, обрабатываемых системой при машинном обучении.

3.2 Базовая информация о проекте

Данный проект направлен на автоматизацию процесса прогноза стоимости транспортировки. Экспедиторской компании необходимо объявлять клиенту примерную стоимость перевозки даже при отсутствии информации о том, какую цену запросит перевозчик. Более того, при объявлении перевозчиком цены компания должна понимать, насколько она адекватна и соответствует текущей рыночной ситуации. Именно для этого разрабатывается система автоматического прогноза стоимости перевозки на основе Big Data и машинном обучении.

Настоящий проект направлен на достижение следующих целей:

*Удержание 90% заказов клиентов, благодаря увеличению скорости реакции на запросы, относительно цены и возможности предоставления услуги по определенным направлениям;

*Увеличение прибыли компании на 5% благодаря автоматическому анализу ситуации на рынке и конкретному пониманию адекватности предлагаемой цены перевозчиками.

В конечном итоге ожидается получение следующих результатов:

*Выходной продукт (результат) 1 - программный софт, позволяющий прогнозировать стоимость, которую может дать перевозчик за осуществление доставки с определенными параметрами;

*Выходной продукт 2 - новый товар, который компания может предоставлять другим пользователем за определенную плату за доступ к разработанной программе.

У данного проекта есть определенные заинтересованные стороны:

* Отдел логистики, который будет выступать главным пользователем разрабатываемой системы. В связи с этим должны быть воплощены их требования по интерфейсу и софту системы

* Руководство - исключительно генеральный директор может предоставить все доступы к необходимым данным. Кроме того, руководство должно проконтролировать факт, что система не будет выдавать конфиденциальные данные, которые руководители посчитают запрещенными для обычных пользователей.

Проект был реализован на языке программирования R. Его еще называют языком программирования от статистиков для статистиков. Был выбран именно данный язык, так как, по признанию всего сообщества программистов, он обладает наилучшей визуализацией данных. Помимо этого, с его помощью можно легко делать приложения для стороннего использования с помощью дополнительного пакета Shiny. В дополнение, данный язык обладает большим количеством пакетов по обработке данных и машинному обучению, что делает разработку программы более простой и быстрой.

3.3 Обработка данных

Первой стадией работы над проектом была обработка данных. В распоряжение были предоставлены данные по 8834 перевозкам, выполненным компанией «Торговый дом «Сезар». Первоначальные данные имели следующий вид (рисунок 9, 10):

Рисунок 9 - Первоначальный вид данных, часть 1

Рисунок 10 - Первоначальный вид данных, часть 2

Если представить все обозначенные 8 834 перевозки на карте, то можно будет увидеть, что абсолютное большинство перевозок так или иначе задействует Москву или Санкт-Петербург (около 90%). Примерно четверть всех перевозок - это рейсы между двумя главными городами страны. При этом 50% всех перевозок имели точку погрузки в Москве. На рисунке 11 отображены все осуществлённые перевозки, при этом чем больше круг, тем чаще данный населенный пункт был местом погрузки или разгрузки. Естественно, Санкт-Петербург, Москва и ближайшие к ним города составляют основу грузооборота страны и поэтому превосходят все остальные населенные пункты.

Рисунок 11 - структура грузоперевозок компании «Торговый дом «Сезар»

Как видно из исходных данных, представленных ранее, они заполнялись логистами компании очень сумбурно и хаотично, в связи с чем основной частью работы являлась подготовка данных к последующему машинному обучению.

Для обработки огромного количества очень разнообразных по своей структуре данных были проведены последовательно следующие операции:

- из даты загрузки и даты выгрузки было убрано время, так как в большей части данных оно не было указано и равнялось полуночи, что фактически неверно;

- в разделе «ставка за перевозку» были убраны все значения, равные единице. Некоторые из данных вместо действительной цены, имели единицу, так как цена еще не была известна на момент создания базы данных. Тем не менее, так как прогноз данного значения является целевой функцией модели, все его поля должны быть заполнены корректно. В связи с этим использование в конечной модели данных с единицей вместо верной цены не допускается, и они были заменены на примерные значения, основанные на других схожих перевозках;

- все наименования грузов были сведены к группам, обозначенным в АвтоТрансИнфо. Это позволило чуть более приблизить интерфейс разрабатываемой программы к данным ati.su, с которым она должна взаимодействовать.

Таким образом, любые словосочетания, которые содержали слово оборудование в любых его вариациях, в том числе «сантехоборудование» и «светооборудование», были сведены в группу «оборудование». Любые названия химикатов, которые относятся к неопасной, были отнесены к соответствующей группе. Аналогичного рода действия были проделаны с опасными химикатами. Для любого рода алкогольных напитков была выделена группа «Алкоголь», и так далее.

- весь вес был сведен к тоннам для того, чтобы все данные имели одинаковую размерность, а в автомобильных грузоперевозках всем, как правило, удобнее обозначать вес в тоннах. Аналогично весь объём переводился в кубические метры. Немногие пропущенные данные восстанавливались вручную;

- на данный момент столбцы «единица» и «количество» не используются, так как данные в нем значительно разнятся. Причиной для этого является тот факт, что для большинства данных этот показатель отсутствует. Для остальных, чаще всего он обозначает количество паллет (размером либо 1.2*0.8, либо 1.2*1.2), либо количество бочек для масла, либо количество штук светильников. Именно большая вариативность возможных значений данного параметра в сочетании с отсутствием значительного количества данных привели к ситуации, при которой было решено отказаться от данного параметра в дальнейших расчетах на данный момент, но после восстановления данных возможно его дальнейшее использование в усовершенствованной модели;

- так как адреса загрузки и выгрузки являются одним из важнейших компонентов, были предприняты попытки извлечь из них максимум необходимой информации. В связи с этим, естественно, если соответствующие данные не были заполнены, то такие перевозки было необходимо убрать из итоговой выборки.

Для начала данные адреса было необходимо отфильтровать от лишних данных (некоторые логисты писали туда телефоны грузоотправителей и грузополучателей, наименования организаций, разъяснения о том, как лучше проехать до данного объекта и прочее). Далее, все адреса, в составе которых было отмечено две или более точек разгрузки или выгрузки были разделены на соответствующие адреса.

После этого был разработан специальный парсер данных с Яндекс Карт, который отправлял данные о месте загрузки месте разгрузки, а в ответ получал структурированные данные об этих локациях, которые состояли из географических координат места погрузки и разгрузки, полного наименования региона и населенного пункта, а также название улицы.

Был выбран именно подобного рода подход к обработке информации, так как исходные данные были достаточно вариативно заполнены. К примеру, Санкт-Петербург, помимо полного наименования мог быть записан как СПб, С-Петербург, Питер, Санкт Петербург и другими многочисленными вариантами, которые включали как заглавные, так и строчные буквы, грамматические ошибки, присутствие или отсутствие знаков препинания и так далее.

Для того, чтобы не учитывать все возможные исключения и для того, чтобы «не изобретать велосипед заново» было принято решение воспользоваться сторонним сервисом, который преобразовывал любого рода словосочетания в необходимую информацию. Для роли стороннего сервиса были избраны именно Яндекс Карты, так как получить всю необходимую информацию из него значительно проще, чем из других источников.

Сам парсер был написан на языке Python с использованием библиотеки Selenium. Естественно, Яндекс Карты обладают защитой от Ddos-атак, и они могли воспринять моего бота именно за потенциально вредоносную программу, цель которой перегрузить сервера компании.

В связи с этим пришлось симулировать деятельность реального пользователя Яндекс Карт с помощи библиотеки Selenium. Данная библиотека предназначена для тестирования различного рода программных продуктов и сделана как раз для того, чтобы симулировать поведение простого пользователя.

В связи с необходимостью симулировать деятельность человека парсинг необходимых данных занял несколько дней.

Естественно, даже Яндекс не смог определить все возможные варианты неправильного заполнения адресов. Таких вариантов суммарно вышло немногим более двухсот. Их всех пришлось исправлять вручную. В итоговой модели названия самих городов и регионов отсутствуют, от них остались только координаты и наименования групп.

Причина данного выбора заключается в том, что все возможные наименования населенных пунктов, в которых может происходит погрузка или разгрузка, не настолько значительно существенны.

К примеру, при перевозке из Москвы на стоимость перевозки не окажет сильное влияние, если местом разгрузки будет являться Саратов или Энгельс. Но и руководствоваться регионом для модели было бы не верно, так как между разгрузкой в Архангельске и разгрузкой в Вельске есть значительная разница. Но самым важным является тот факт, что для компьютера Архангельск и Вельск - это просто набор буквенных символов. Без обращения к их географическим координатам система не может опознать, какой из городов находится дальше от места загрузки и в каком направлении.

Кроме того, когда речь идет о таких крупных городах, как Москва и Санкт-Петербург, имеет значение в какой именно части города происходит загрузка или разгрузка, так как это непосредственно влияет на цену. В частности, для проезда внутрь третьего транспортного кольца в Москве транспортной фуре необходим специальный пропуск. В связи с тем, что лишь у небольшого числа компаний есть такие пропуска, цена на такие транспортные средства значительно выше.

По всем вышеперечисленным причинам было решено использовать исключительно координаты для прогноза значений цены. Однако для уточнения было решено ввести несколько групп, которые были определены экспертным мнением работающих в компании логистов. В частности, данные группы во многом отображали поведенческие паттерны перевозчиков, базы которых расположены в конкретных городах. Цена на перевозку из Москвы во Владимир на 15% дороже, чем перевозка из Москвы в Рязань, при том, что расстояния в обоих случаях одинаковые.

Дело в том, что по рязанские перевозчики готовы осуществлять обратные рейсы в свой город дешевле владимирских, что, скорее всего, связано с социально-демографическими факторами жизни в определенных регионах.

С другой стороны, перевозчики Удмуртии и Татарстана ставят примерно одинаковые цены на примерно одинаковые перевозки. Именно по такому принципу было выделено около 20 групп, которые в дальнейшем были использованы в модели по предсказанию цены на транспортные услуги;

- стоимость груза тоже была использована для предсказания итоговой стоимости на транспортные услуги, в качестве поправочного коэффициента. В частности, иногда возникают ситуации, когда перевозчики требуют больше денег за перевозку особо ценного груза. Кроме того, экспедиторы вместе с заказчиками готовы заплатить больше за перевозку дорогого груза. Некоторые пропущенные данные были восстановлены;

- в примечаниях записано очень много полезной информации, но она серьезно варьируется в зависимости от перевозки, поэтому на данный момент еще не было разработано алгоритма по автоматическому и систематическому изъятию и применению данной информации.

- виды транспортного средства были так же немного были исправлены. В частности, боковая и верхняя погрузки были объединены, а различные вариации описания группы «любой закрытый» были переведены в группу «любой»;

- в итоговом расчете стоимости транспортных услуг был учтен способ оплаты: с НДС, без НДС или за наличные.

После всех преобразований данные обрели следующую форму (рисунок 12):

Рисунок 12 - преобразованные данные

Так же перед разработкой методов прогнозирования стоит чуть больше изучить сами данные. В частности, следующий график отображает зависимости между переменными (рисунок 13):

Рисунок 13 - зависимости между переменными

На главной диагонали изображенных графиков демонстрируется распределение соответствующих параметров: цены, расстояния, объема и веса каждой из грузоперевозок, совершенных компанией «Торговый дом «Сезар». Если рассматривать отдельно статистику по расстоянию грузоперевозок, то особенно заметно выделяются грузоперевозки между Санкт-Петербургом и Москвой, которые составляют основу в деятельности компании и в грузообороте страны в целом. На графике это выражается в огромном скачке данных на графике в области 720-740 км.

По объёму большая часть грузоперевозок составляют грузоперевозки малотоннажным транспортом (грузоподъёмностью до 3.5 т., на практике - это автомобили марки ГАЗель). С данной точки зрения это вполне обосновано тем, что предложение подобного транспорта в 10 раз превышает предложение крупнотоннажного, в связи с чем часто данный вариант является самым легко реализуемым. Второй скачек объема - это 82 кубических метра, стандартный размер транспортной фуры. Естественно, грузоотправителю наиболее выгодно арендовать для грузоперевозки полностью загруженный транспорт. Схожие значения можно наблюдать на графике для веса груза: две точки экстремумов - 1,5 и 20 тонн соответственно.

С точки зрения наибольшей информативности для анализа стоит выделить крайние левые столбцы на графике. На них отображаются зависимости стоимости перевозки от расстояния, веса и объёма соответственно. Как видно из графиков, зависимости очень вариативны, в связи с чем сложно подобрать параметрическую модель, которая смогла бы объективно объяснить все зависимости между переменными.

3.4 Создание моделей прогноза

Следующий этап заключался в разработке методов прогнозирования стоимости грузоперевозок и сравнивания данных методов друг с другом. Для симуляции работы с новыми данными, модели которых заранее не известны, весь набор данных был разделен на обучающую и тестовую выборки случайным образом. При разработке модели на основе обучающей выборки ей неизвестны тестовые данные, то есть закономерности, присутствующие в тестовых данных, могут быть не отражены в модели и в таком случае ошибка прогноза будет значительной. С точки зрения практического использования нас не будет интересовать ошибка, получаемая при прогнозе относительно обучающих данных. Наиболее актуальными будут сведения, полученные от прогнозирования на тестовой выборке. Для сравнивания моделей между собой будет использоваться отклонение прогноза от истинного значения в процентных долях.

Для начала была создана модель, которая делала предсказания по методам регрессии. Подобного рода прогнозирование используются другими компаниями при расчете стоимости грузоперевозки, поэтому их можно использовать за основу для сравнения с методами машинного обучения. Важной особенностью этой модели является то, что она может обрабатывать исключительно числовые данные. Таким образом, все входные данные было необходимо преобразовывать из факторных значений в числовые. Но при этом преобразовании формируются серьезные допущения, так как в результате данные становятся бинарными. От показателей, которые невозможно преобразовать в бинарный вид, пришлось отказаться. Естественно, отсутствие значительного количества данных приводит к высокому показателю ошибки.

В итоге регрессионные методы демонстрируют отклонения в 49-59% от тестовых значений. Настолько высокие значения показателей отклонения объясняются тем, что регрессия является параметрическим решением задачи прогноза, но, как можно заключить из графиков данных, которые были приведены ранее, входящие значения очень варьируются, и сложно подобрать коэффициенты к переменным, которые с достаточной точностью смогли бы объяснить все варианты изменения цены за транспортировку.

Для метода k ближайших соседей также использовался набор данных, содержащий исключительно числовые значения. В итоге, прогноз по данному методу можно назвать провальным, так как результаты оказались хуже, чем при используемых на данный момент регрессионных методах. Причиной плохого действия описанных методов является то, что они не могут работать с факторными величинами, которые содержат в себе основную информацию для точного прогнозирования. Метод опорных векторов продемонстрировал среднее отклонение предсказанных значений от реальных на тестовой выборке на 26%. Настолько выдающие результаты определяются гибкостью создаваемой модели и её способностью работать с факторными величинами.

Метод «случайный лес» отличился особой точностью предсказанных значений. Стоит отметить, что данный метод лучше всего работает с факторными величинами. Итогом являлось среднее отклонение предсказанных значений от реальных на 18%. Данный результат заметно превышает точности прогноза традиционных параметрических методов, используемых на данных момент в компаниях и рассмотренных другими современными учеными. Настолько хорошее предсказание объясняется непараметрической структурой расчета, основанного на деревьях решений. В частности, в итоговой модели использовалось 1500 деревьев решений. При увеличении данного числа точность возрастала незначительно, но процесс расчета проводился намного дольше.

В связи с большой вариативностью данных было предложено провести дополнительную обработку данных с целью их структуризации. Было принято решение достигнуть данной структуризации путём проведения обучения модели без учителя. Количество кластеров, на которые модель должна была разделиться, составляло 53 группы. Данное число было выбрано в связи с ограничением «случайного леса» на количество различных факторных величин внутри одной переменной.

После дополнительной обработки данных и повторного обучения модели её точность для модели «случайный лес» увеличилась еще на 3% и в итоге равнялась 15%. Данная точность является максимальной в рамках проводимого исследования, и модель, соединяющая в себе элементы обучения без учителя и «случайного леса», была выбрана для последующей разработки приложения. Точность прогноза достаточно далека от 100%, но, тем не менее, модель и не должна повторять ту же самую стоимость, за которую были совершены перевозки. Вполне возможно, что перевозка была совершена не по самой выгодной цене, или цена была слишком низкой по не отображенным в заявке причинам. Главное необходимое условие качества работы модели заключается в том, что она должна демонстрировать адекватные результаты.

Рисунок 14 описывает важность отдельных коэффициентов в итоговой модели обучения без учителя в соединении с моделью случайного леса. Наилучший способ определить важность коэффициента в случайном лесе - это проверить насколько увеличится ошибка прогнозе при отсутствии данного коэффициента. Ранее при описании метода случайный лес было отмечено, что для построения каждого отдельного дерева решений, за исключением одного полного дерева, он использует не все переменные, а только их часть. В разработанной модели используется 13 показателей одновременно.

При использовании меньшего числа переменных уменьшается точность модели, при использовании большего числа модель обучается немного дольше и увеличивается риск переобучения. Показатель %incMSE демонстрирует насколько увеличивается ошибка предсказания при отсутствии какого-либо из коэффициентов. Таким образом наиболее важным коэффициентом является показатель объема груза. Согласно %incMSE показатель объема в 2 раза важнее веса, что вполне логично, так как если груз весит 20 тонн и занимает полную транспортную фуру, и если он весит 10 тонн и занимает то же пространство, то платить необходимо за всю фуру вне зависимости от веса.

Рисунок 14 - увеличение среднего квадрата ошибки предсказания при отсутствии показателя.

Еще одним критерием важности переменной является IncNodePurity. Этот статистический показатель определяет место переменной в каждом из деревьев решений. Чем раньше происходит деление по конкретной переменной, тем выше IncNodePurity. На рисунке 6 можно видеть, что, как правило, первым происходит деление дерева по кластерам. Именно для этого и была проведена предварительная обработка данных методом машинного обучения без учителя - данный показатель помогает лучше структурировать данные.

Следующие деления чаще всего происходят через объем и группу, определенную экспертами.

Важность объема для определения цены за перевозку уже была описана ранее. Деление чаще происходит на объёмы груза, способные войти в малотоннажные транспортные средства, такие как ГАЗель и другие, или с требованиями к большим объёмам доступного пространства. Деления на группы, определенные экспертами так же связано с географическим положением пункта выгрузки, что, исходя из практики, сильно влияет на стоимость перевозки. Еще в два раза реже одним из первых происходит деление деревьев по расстоянию и весу (рисунок 15).

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.