Finn Gilling The Human Decision/ Gilling September Insights Danmark 2012 Hotel Scandic Aarhus City

Transkript

1 Finn Gilling The Human Decision/ Gilling September Insights Danmark 2012 Hotel Scandic Aarhus City

2 At beslutte (To decide) fra latin: de`caedere, at skære fra (To cut off) Gilling er fokuseret på decision management og på at levere hurtigere, bedre og billigere beslutninger gennem automatisering og systemer til beslutningsstøtte. Finn Gilling

3 Gilling MasterPlan The Human Decision/Gilling Symbion Science Park Fruebjergvej Ø

4 Baggrunden Hvis jeg skal købe en grund til en servicestation hvordan finder jeg ud af hvor meget den er værd for mig? 22 år med Statoil i Danmark, Polen, Sverige, Norge. Modellering vha. gis data. Kædeoptimering og netværksudvikling. Kunde eksempler: McDonald s, Telia, Statoil, El biler, Supermarkeder, Bilforhandlere, Boligvurdering etc

5 MasterPlan Er udviklet med baggrund i Gilling s erfaring med locationplanning og optimering og værdiansættelse af beliggenheder. MasterPlan er udviklet i en kombination af: Diverse SQL databaser. MapInfo specialversion med mapbasic programmering (Peter Horsbøll). Excel. Diverse hjælpeprogrammer (statistik, Routeware m.fl.). Målet har været maksimal performance og fleksibilitet i et effektivt workflow, afvikling med mange potentielle klienter via remote desktop. Hastighed ved ny udvikling/ændringer/opdatering og lav pris har været hovedmålsætningen samt små krav til brugernes kompetencer og lav indlæringstid, samt anvendelse på et utal af optimeringsproblemstillinger.

6 Eksempel på et skærmbillede

7 Hvad kræves? Decision Management: Modeludvikling Hvilke typer beslutninger skal understøttes? Hvilke algoritmer anvendes i dag til at træffe beslutningerne med? Hvilke algoritmer skal anvendes fremover? Hvilke grunddata skal bearbejdes til hvilke data som skal benyttes som input i hvilke algoritmer, og hvordan skal data præsenteres? Database, databearbejdning, software, algoritme, programmering, drift etc.

8 Fra mavefornemmelse og intuition til datadrevet viden, kendte usikkerheder, kendte risici og effektive hurtige beregninger og rationelle beslutningsprocesser Vi står altså i en situation med: If if then if else if.. når vi kender x,y,z,. så Hvis jeg køber denne grund til prisen X så kan jeg sælge Y eller skal jeg ikke købe grunden Hvis min konkurrent køber denne grund til prisen X kan jeg så sælge Y eller skal jeg flytte Hvor er der en grund X som jeg kan sælge Y fra eller skal jeg ikke købe grunden Der er en hel række af denne slags spørgsmål man kan ønske sig at kunne besvare.

9 I MasterPlan kan man: Oprette en geografisk relateret database: Punkter, kvadrater, polygoner Eksempel: Butikker (Kæder), adresser, 100m og 500m kvadrater med bearbejdede data som demografi, forbrugsestimationer etc. Man kan definere områder baseret på afstand, f.eks. Indenfor 2km, eller Indenfor 5 km. kørsel i bil med forskellige hastigheder pr. vejtype. MasterPlan kan så optælles en række typer af prædefinerede datasæt til brug for eksekvering i en algoritme. MasterPlan er udviklet så man skal bruge mindst muligt tid på at tilpasse og ændre i sine data, algoritmer og i automatisering af eksekveringen. MasterPlan er derfor meget hurtigt og billig i både udvikling og drift af geografisk baseret modellering!

10 Eksempel på anvendelse af MasterPlan Butiksregister: F.eks. servicestationer i Danmark. DAV vejkort med noder. OIS/BBR adresser og boligoplysninger (høj/lav bebyggelse). CVR register med virksomheder og ansatte. Trafikdata/DTU omregnet til passager pr. node. Danmarks Statistik: Biler i brancher og ansatte, demografi pr. sogn. Biler i postnumre (diesel og benzin). Efterspørgsel: Fordelingsalgoritme for biler fra postnummer til adresse: Erhverv/Privat, Høj/lav bebyggelse, Høj/lav beskæftigelse, Høj/lav uddannelse etc Udbud: Selskaber og omsætning på diesel og benzin, stationer, ansatte pr. station(cvr./p numre). Markedsområder (store/små), Voronoi. Markedsområder (varierende pr. variabel), køreafstand.

11 Det vigtigste er modeludviklingen og modelkvaliteten Modeludviklingen vha. multipel regressions analyse er styret dels af kvaliteten af data, men i nok så høj grad af den kreative indsigt som beslutningsanalysen har givet: Hvem gør hvad hvorfor og hvordan? Hvordan vælger folk det sted de optanker deres bil: Tættest på hvor de bor, arbejder, eller kører forbi? Tanker de altid lavpris eller høj pris eller blander de? Dette siger noget om hvordan vi skal fordele efterspørgselen når vi har data om netop hvor de bilerne bor, hvor de arbejder og hvor de kører.

12 Algoritme og beregning Multipel regressions analyse viser stærkeste korrelationer mellem og svageste imellem følgende variable: Estimeret salg i liter = f (biler i markedsområde, biler i 2km, trafik passage i 500m kvadrat, konkurrenten indenfor 500m, konkurrenter (500 1 km), lille markedsområde, stort markedsområde lille markedsområde). Data kan så præproduceres og lægges tabeller der dækker hele landet. MasterPlan kan så tilbyde brugeren at udvælge et punkt, og derefter igangsætte en kaskade af beregninger, hvor der udregnes områder baseret på afstande, derefter udvælges områder baseret på kvadrater og punkter, og data fra disse områder summeres og lægges i et regneark, hvorefter den endelige beregning af algoritmen foretages i regnearket. Man kan med Masterplan åbne og lukke butikker og lave simuleringer både på egne og konkurrenter, baseret på en model/algoritme for den pågældende butikstype.

13 Eksempel på et skærmbillede

14 Eksempel på rapport

15 Gilling MasterPlan The Human Decision/Gilling Symbion Science Park Fruebjergvej Ø