Katalog koji se nije mogao ručno obraditi postao je izvor ponuda

Polazna situacija

Klijent nabavlja vozila iz partnerskog kataloga s oko 2.600 vozila. Za svako treba izračunati porez i ukupni trošak prije nego što se može odrediti prodajna cijena, a taj se izračun oslanja na cjenik od približno 224.000 redaka.

Dotad je taj izračun radio čovjek, vozilo po vozilo. To je značilo da cijeli katalog nije bilo realno ručno obraditi samo da bi se utvrdilo koja se vozila isplate.

Zašto “izračunaj sve automatski” nije bio odgovor

Naizgled očito rješenje bilo je pustiti sustav da izračuna svih 2.600 vozila.

Prije izgradnje pustio sam izračun preko cijelog kataloga da vidim koliko se rezultatima uopće može vjerovati:

CIJELI KATALOG — OKO 2.600 VOZILA

POUZDAN IZRAČUN ................. 41,6 %
NEMA PODATKA U CJENIKU .......... 27,5 %
NESIGURAN IZRAČUN ............... 23,6 %
OSLOBOĐENO OD POREZA ............  7,3 %

Onih 27,5% nije skriven problem. Za ta vozila sustav jasno pokaže da podatka nema, pa čovjek zna da ih treba riješiti ručno. Oslobođenih 7,3% su električna vozila, kod kojih poreza nema i iznos je uvijek točan.

Problem je 23,6%. Ta vozila mogu dati broj koji na ekranu izgleda jednako uvjerljivo kao pouzdan izračun, iako sustav nema dovoljno osnove da mu vjeruje. Ako je porezni izračun prenizak, razlika izlazi iz marže, bez ijednog upozorenja korisniku.

Koliko bi to značilo u praksi, procijenjeno je iz 19 stvarnih carinskih rješenja: na 1.000 vozila, otprilike 135 do 235 njih dobilo bi prenizak iznos, a da se to nigdje ne vidi. To je procjena, ne mjerenje — i uzorak na kojem je izvedena bio je povoljniji od ovog kataloga, pa je stvarni broj vjerojatno bliži gornjoj granici.

Što je izgrađeno

Rješenje nije bilo pokušati bolje pogoditi, nego odvojiti slučajeve u kojima se izračun može koristiti od onih koji trebaju čovjeka.

Sustav za svako vozilo procjenjuje sigurnost izračuna. Kada je raspon mogućih vrijednosti dovoljno uzak, izračun ide dalje automatski. Kada nije, vozilo odlazi u vidljiv red za pregled, s već pripremljenim mogućim izborima. Operater tako bira između konkretnih opcija umjesto da podatak traži ispočetka.

Nevidljiva nesigurnost time je postala popis posla koji netko može pregledati.

NA 540 VOZILA KOJA SU TADA BILA U SUSTAVU

S UPOTREBLJIVIM IZRAČUNOM ....... 21 %  →  77 %
RED ZA RUČNI PREGLED ............ 430  →  120

Tamo gdje nije moguć ni konzervativan izbor — nema podatka o emisiji, redak u cjeniku je zastario ili je i sama kategorija vozila nesigurna — sustav i dalje odbija dati broj. To je namjerno: spajanje više nesigurnih pretpostavki vratilo bi upravo onu vrstu rezultata koju cijeli mehanizam pokušava izdvojiti.

Pravilo koje živi u sustavu, ne u glavama

Klijent ima čvrsto pravilo: vozilo ispod određene zarade ne ide u prodaju. Prije je to pravilo živjelo u glavama ljudi i u jednom stupcu tablice.

Sada ga provodi sustav. Vozilo koje ne prelazi granicu ne prolazi provjeru i ne može se objaviti.

Jedan detalj u tome nije očit, ali je važan: sustav nikad ne upisuje samu granicu kao vlastiti izračun. Kada bi nedostajući trošak zamijenio graničnom vrijednošću, svako bi vozilo po samoj konstrukciji prošlo provjeru. Provjera koja uvijek prolazi nije provjera, nego ukras.

Što ovaj primjer pokazuje

Alat koji na svako pitanje vraća broj lakše je izgraditi i na prvi pogled djeluje uvjerljivije. Problem je što se njegove pogreške i nesigurnosti ne vide dok ne postanu skupe.

Vrijednost ovdje nije samo u brzini izračuna. Sustav procjenjuje kada izračun ima dovoljno pouzdanu osnovu za daljnju obradu, a kada slučaj treba čovjeka. Ta je razlika pretvorena u red za pregled — mjesto na kojem se vidi što još treba provjeriti ručno i zašto.

Ako Vam neki alat danas daje brojeve na temelju kojih se donose poslovne odluke, jedno pitanje vrijedi postaviti: zna li kada nema dovoljno podataka za pouzdan odgovor — i što tada napravi?

PythonFlaskSQLiteDockercronNjuškalo feed