ZASTOSOWANIE MODELOWANIA SYMULACYJNEGO W USPRAWNIENIU PROCESU OBSŁUGI KLIENTÓW BANKU

Transkrypt

1 Prace Naukowe Instytutu Organizacji i Zarządzania Nr 77 Politechniki Wrocławskiej Nr 77 Studia i Materiały Nr Justyna UZIAŁKO * ss ZASTOSOWANIE MODELOWANIA SYMULACYJNEGO W USPRAWNIENIU PROCESU OBSŁUGI KLIENTÓW BANKU W artykule przedstawiono możliwości wykorzystania modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku. Opisano wymagania współczesnego klienta korzystającego z usług bankowych, zbudowano i scharakteryzowano model symulacyjny procesu obsługi klientów banku, dokonano jego weryfikacji i walidacji, przedstawiono zbiór eksperymentów symulacyjnych ukazujących szerokie możliwości symulacji w usprawnianiu procesu obsługi klientów banku. 1. WPROWADZENIE Jedną z dziedzin, w których modelowanie symulacyjne może być z powodzeniem wykorzystywane są systemy obsługi klientów. Specyficznym przykładem systemów tego typu są różne instytucje finansowe, m.in. banki. Coraz bardziej wymagający klienci rzadko już godzą się na długie oczekiwanie w kolejkach, zdają sobie sprawę z możliwości wyboru najodpowiedniejszego dla nich banku, także pod względem poziomu organizacji procesu obsługi. Mimo niezaprzeczalnej wagi problemu nadmiernych kolejek i właściwej organizacji pracy instytucji finansowych, zagadnienia te nie są powszechnie poruszane w literaturze przedmiotu. Celem artykułu jest zaprezentowanie możliwości zastosowania modelowania symulacyjnego do usprawnienia organizacji procesu obsługi klientów banku. Przedstawiono tu działania związane z pozyskaniem i analizą odpowiednich danych, proces budowy modelu symulacyjnego za pomocą oprogramowania symulacyjnego Arena 5.0, sprawdzenie jego poprawności oraz wybrane eksperymenty symulacyjne z wykorzystaniem tegoż modelu. * Politechnika Wrocławska, Instytut Organizacji i Zarządzania; justyna.uzialko@pwr.wroc.pl

2 46 Justyna Uziałko 2. PRZYCZYNY ZASTOSOWANIA MODELOWANIA SYMULACYJNEGO W OPTYMALIZACJI ZAGADNIEŃ KOLEJKOWYCH W BANKACH Modelowanie symulacyjne ma znaczne zastosowanie w obszarach problemowych typu kolejkowego. W procesie usprawniania działania systemów obsługi klienta kluczową sprawą jest uwzględnienie relacji pomiędzy kosztami procesu obsługi a kosztami związanymi z oczekiwaniem na obsługę, gdzie na szczególną uwagę zasługuje problem pojawienia się możliwej straty, gdy klient opuści kolejkę zanim zostanie obsłużony. Oczywiste jest, że istnieją koszty ponoszone w związku z koniecznością właściwego zorganizowania obsługi, jednak są one nieznaczne w porównaniu ze stratami, które mogą powstać w przypadku opuszczenia kolejki przez klienta. Problem kolejek jest coraz częstszy w dzisiejszym świecie, gdzie wraz z rozwojem nauki i postępem technologii wzrosły też wymagania i oczekiwania klientów. Nadmierne kolejki pojawiają się m.in. w różnego rodzaju instytucjach finansowych, np. w bankach. W ostatnich latach zaobserwować można zjawisko nasilającej się konkurencji na polskim rynku bankowym; powstaje nie tylko wiele nowych banków, lecz coraz bardziej popularni stają się też inni niż banki pośrednicy finansowi (near-banks), np. firmy ubezpieczeniowe oraz instytucje niefinansowe (non-banks) takie jak portale internetowe czy supermarkety. Można tu więc powiedzieć o procesie dezintermediacji, czyli relatywnego zmniejszenia roli banków jako typowych pośredników finansowych, zajmujących się udzielaniem kredytów i przyjmowaniem depozytów na rzecz innych instytucji, np. firm leasingowych [Zawadzka 2003]. Ponadto nie bez znaczenia jest również zjawisko coraz powszechniejszego zinformatyzowania społeczeństwa, a co za tym idzie częstszego korzystania z bankowości elektronicznej. Dodatkowo z powodu rozwoju obecnych przedsiębiorstw i idącą za tym modyfikacją charakteru wykonywanej pracy, usługi oferowane przez bankowość elektroniczną i internetową, takie jak np. dostęp do swojego konta przez 24 godziny na dobę z dowolnego miejsca mogą w znacznym stopniu konkurować z ofertą banków tradycyjnych. Poza tym bankowość elektroniczna i internetowa stwarza możliwość szybszej i często tańszej realizacji operacji bankowych w porównaniu z wykonywaniem ich w sposób tradycyjny. W związku z tym przy założeniu zwiększenia konkurencyjności na rynku usług telekomunikacyjnych oraz rozpowszechnieniu Internetu spodziewać się w Polsce można wzmożonego rozwoju rynku usług bankowości elektronicznej i internetowej w przyszłości [Derkowska i Łapińska 2003]. Ta nowa forma kontaktu z bankiem, choć atrakcyjna dla klientów jest w pewnym sensie zagrożeniem dla tradycyjnych fizycznych oddziałów i placówek bankowych. Biorąc te wszystkie czynniki pod uwagę niezmiernie ważne wydaje się szeroko rozumiane dbanie o klienta; nie tylko pod względem różnorodności oferowanych produktów i usług, ale także w aspekcie warunków ich świadczenia. W związku z powyższym konieczne jest dążenie do usprawniania systemu obsługi klientów. Należy w taki sposób zorganizować proces ich obsługi, aby nie czekali zbyt

3 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 47 długo w kolejkach, znali czas swojego oczekiwania i wreszcie zostali sprawnie obsłużeni, a co za tym idzie nie zrezygnowali z usług dotychczasowego banku. Należy mieć świadomość, że zwykle tylko w przypadku klienta, który będzie sprawnie obsłużony, istnieje szansa, że stanie się dla banku klientem lojalnym. Natomiast świadczenie usług o niskim poziomie jakości oraz w niesprzyjających warunkach, takich jak np. zbyt długie oczekiwanie w kolejkach doprowadzić może do rezygnacji klientów z usług danej instytucji. 3. MODEL SYMULACYJNY PRZEDSTAWIAJĄCY PROCES OBSŁUGI KLIENTÓW W BANKU X Badanie opisane w niniejszym artykule przeprowadzono w trakcie przygotowywania pracy magisterskiej autorki, a jego przedmiotem jest działanie automatycznego systemu sterowania napływem i obsługą klientów, zwanego dalej systemem kolejkowym. Rozwiązanie to, wdrożone przez firmę zajmującą się projektowaniem i implementacją systemów kolejowych, badano w oddziale jednego z polskich banków w 2004 roku. Korzystanie przez klientów ze wspomnianego systemu zaczyna się od tego, że po przybyciu do banku muszą się oni zarejestrować w kolejce za pomocą zainstalowanego w danym oddziale automatu z biletami. Urządzenie to jest połączone z poszczególnymi stanowiskami zajmowanymi przez pracowników banku. W ten sposób klienci zostają włączeni do kolejki oczekujących, a pracownicy po obsłużeniu danej osoby przekazują tę informację do systemu i system przydziela im kolejną osobę oczekującą na obsłużenie OPIS SYSTEMU RZECZYWISTEGO W celu zbudowania modelu symulacyjnego przedstawiającego proces obsługi klientów w banku X, na początku przeanalizowano działanie istniejącego tam w rzeczywistości systemu kolejkowego. Schematyczny opis badanego systemu przedstawiono na rysunku 1. Operacje realizowane w badanym banku podzielić można na dwie podstawowe grupy: w trzech pierwszych polach dokonywane są przede wszystkim operacje gotówkowe, a w czterech następnych bezgotówkowe. Rodzaje czynności bankowych możliwych do wybrania w poszczególnych polach zaprezentowano w tabeli 1. Należy tu ponadto zaznaczyć, że gdy klient przy okazji załatwiania danej sprawy chciałby zrealizować jakąś inną operację to, jeśli pracownik ma potrzebne do tego kwalifikacje, zdarza się, że realizowane są również operacje spoza pola.

4 48 Justyna Uziałko Przybycie klientów ABC Przybycie klientów DEFG Jaki rodzaj grup operacji wybrano? Oczekiwanie na obsługę w polach ABC Oczekiwanie na obsługę w polach DEFG Czy stanowisko A, B lub C wolne? TAK Czy stanowisko D, E, F lub G wolne? TAK NIE NIE TAK Obsługa w polu A Obsługa w polu B Obsługa w polu C Wyjście z systemu klientów obsłużonych w polach A, B, C Czy dalsze czekanie? NIE Rezygnacja z obsługi w polach A - G Obsługa w polu D Obsługa w polu E Obsługa w polu F Obsługa w polu G Wyjście z systemu klientów obsłużonych w polach D, E, F, G Rys. 1. Schemat obsługi klientów w banku X Źródło: Opracowanie własne

5 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 49 Tab. 1. Przykłady możliwych operacji realizowanych w poszczególnych polach banku X 1 TYP POLA OZNACZENIE POLA DOSTĘPNE OPERACJE OPERACJE A - Wpłata i wypłata gotówki w walucie polskiej - Złożenie zlecenia stałego, polecenia przelewu GOTÓWKOWE B - Założenie konta walutowego - Realizacja czeków zagranicznych C - Skup i sprzedaż walut obcych OPERACJE D - Obsługa kont (np. wydruk historii rachunku) - Założenie i likwidacja lokaty BEZGOTÓWKOWE E - Dystrybucja znaków wartościowych F - Obsługa kart płatniczych (np. reklamacje kart) G - Fundusze inwestycyjne 3.2. IDENTYFIKACJA SYSTEMU RZECZYWISTEGO WG TERMINOLOGII SYMULACJI DYSKRETNEJ Omawiany w pracy model zbudowano z wykorzystaniem symulacji dyskretnej, ponieważ analizowany system charakteryzuje się orientacją zdarzeniową. Ta cecha systemu pozwoliła ponadto na wykorzystanie do konstrukcji modelu oprogramowania przeznaczonego do budowy modeli symulacyjnych Arena 5.0 na poziomie 0,95. Przed przystąpieniem do budowy modelu zidentyfikowano wszystkie obiekty używane w symulacji dyskretnej, które występują w badanym systemie; przykłady wykorzystanych w modelu obiektów przedstawia tabela 2. Tab. 2. Identyfikacja obiektów w systemie rzeczywistym banku NAZWA OBIEKTU OBIEKT W SYSTEMIE ZGŁOSZENIE - klient przybywający do banku ATRYBUTY - czas przybycia klienta do banku (zarejestrowania w kolejce) - czas oczekiwania klienta na obsługę - czas obsługi klienta na stanowisku ZMIENNE - liczba klientów, którzy zrezygnowali z obsługi - ilość zajętych stanowisk obsługi - maksymalna liczba klientów na godzinę ZASOBY - pracownicy banku - stanowiska obsługi MOŻLIWE KOLEJKI - kolejka do stanowisk, w których realizowane są operacje A-C - kolejka do stanowisk, w których realizowane są operacje D-G ZDARZENIA - rozpoczęcie obsługi klienta na stanowisku - zakończenie obsługi klienta na stanowisku 1 Podano tu jedynie ogólne przykłady możliwych do zrealizowania operacji.

6 50 Justyna Uziałko 3.3. BUDOWA MODELU PRZYJĘTE ZAŁOŻENIA Model przedstawia proces obsługi tylko w dni pracy od poniedziałku do piątku, z pominięciem soboty (mimo tego, że w okresie pobrania danych bank był czynny również w soboty) w godzinach pracy banku od 7:30 do 19:30. Model obrazuje pracę tylko stanowisk kasowych w jednej z sal na parterze banku, gdzie przeprowadzana jest obsługa kasowo-transakcyjna. Przy podziale na operacje gotówkowe i bezgotówkowe wspomnieć należy o pewnej nieścisłości. W analizowanym systemie nie każda operacja z pól A, B lub C jest czysto gotówkowa, np. założenie czy zlikwidowanie określonej formy oszczędzania (lokaty lub książeczki oszczędnościowej) możliwe jest w polu A i podobnie w polach D, E, F lub G nie każda jest bezgotówkowa. W otrzymanych danych, zarówno czasy oczekiwania jak i czasy obsługi niekiedy przekraczają okres 1 h 40 min i nie jest podane jak długi w rzeczywistości był ten przedział czasu. Dla potrzeb budowy modelu przyjęto, że okres ten nigdy nie przekraczał 2 godzin. Wstępne prace nad budową modelu wykazały konieczność pobrania dodatkowych danych dotyczących procesu obsługi klientów w poszczególnych polach. Okres, za który wybrano dane zawierające poszczególne czasy obsługi, z racji pracochłonności pozyskania i analizy, obejmował tylko 3 dni, co w przypadku operacji w polach D G mogło okazać się niewystarczające. Z uwagi na to, że w wyniku przeprowadzonej analizy danych rzeczywistych pola A i D wykazywały większą niż inne pola rezygnację klientów z obsługi, w modelu uwzględniono rezygnację klientów w tych dwóch polach. Jest to pewne uproszczenie modelu, gdyż dane, na których pracowano dotyczyły klientów już obsłużonych PROCES POZYSKIWANIA I ANALIZY DANYCH Jak już wcześniej wspomniano, przed przystąpieniem do budowy modelu symulacyjnego przedstawiającego proces obsługi klientów w banku X, zbadano istniejący tam w rzeczywistości system kolejkowy; m.in. zapoznano się z godzinami pracy banku, ilością stanowisk obsługi na sali, harmonogramem pracy pracowników banku. Następnie zebrano dane o charakterze losowym dotyczące: czasów napływania klientów do banku, czasów oczekiwania klientów w kolejkach, czasów obsługi klientów.

7 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 51 W celu określenia odpowiedniej liczby dni koniecznej do zbudowania modelu poprawnego pod względem statystycznym przeprowadzono badanie za pomocą metody reprezentacyjnej. Badanie wykazało, że zaplanowana ilość 10 dni jest w zupełności wystarczająca. Jak już wspomniano w założeniach, w związku z koniecznością uszczegółowienia modelu, dane historyczne dotyczące czasów przybywania klientów do banku i ich oczekiwania na obsługę oraz czasów obsługi klientów zgromadzono więc w zależności od rodzaju danych za okres od 3 do 10 dni. Następnym etapem podczas budowy modelu było określenie rozkładów prawdopodobieństwa dla modelowanych czynności. Dla przedstawienia sposobu przybywania klientów do banku wykorzystano dane zbiorcze dotyczące ich napływu do pól A-C oraz D-G. Po zanalizowaniu zebranych danych okazało się, że z racji nierównomiernego tempa przybywania klientów do banku w poszczególnych godzinach dla danego dnia, sposób napływania zgłoszeń najlepiej opisuje niestacjonarny rozkład Poissona. Natomiast w przypadku doboru rozkładów dla czasów obsługi klientów w banku wykorzystano szczegółowe dane opisujące obsługę w poszczególnych polach. W celu stworzenia osobnych rozkładów obsługi dla każdego z pól posłużono się narzędziem w oprogramowaniu Arena 5.0 o nazwie Input Analyzer. Uzyskane wyniki w prawie wszystkich polach okazały się zadowalające (od B do G); działanie pola A przedstawiono za pomocą rozkładu empirycznego dyskretnego, pracę w pozostałych polach opisują różne rozkłady ciągłe BADANIE POPRAWNOŚCI MODELU Sprawdzenia poprawności modelu dokonano za pomocą opisanych poniżej metod weryfikacji i walidacji. W celu przeprowadzenia zaplanowanych weryfikacji wykonano 75 powtórzeń, każde o długości 720 minut. W trakcie realizowania kolejnych symulacji okazało się, że liczba ponad 70 powtórzeń jest całkowicie wystarczająca do wygenerowania zadowalających przedziałów, natomiast długość powtórzenia na 720 minut ustalono z uwagi na fakt, że w budowanym modelu badano 12-godzinny dzień pracy. Pierwsza z przeprowadzonych metod weryfikacyjnych dotyczyła sprawdzenia czy liczba zgłoszeń, które wpłynęły do modelu jest zbieżna z liczbą zgłoszeń opuszczających model w odniesieniu do poszczególnych pól. Następne metody opierały się na wprowadzeniu do modelu zmienionych danych wejściowych, takich jak np. większa czy mniejsza niż w rzeczywistości liczba zgłoszeń oraz parametrów wewnętrznych modelu, np. różne ilości stanowisk obsługi dla poszczególnych pól czy skrócenie czasu oczekiwania na obsługę. Po wykonaniu każdej z zaplanowanych metod weryfikacji model zachowywał się zgodnie z zamierzeniami autorki. W celu przeprowadzenia walidacji również zaplanowano 75 powtórzeń na każdą z metod przy 720-minutowej długości powtórzenia. Na początku sprawdzono czy relacja pomiędzy średnią liczbą klientów opuszczających poszczególne pola w systemie a

8 52 Justyna Uziałko średnią liczbą zgłoszeń opuszczających odpowiednie pola w modelu jest zbieżna. Następnie dokonano sprawdzenia podziału występującego w napływaniu klientów w zależności od rodzaju operacji, które chcą oni realizować. Z danych rzeczywistych wynika, że do pól A-C kieruje się około 70% klientów, natomiast do pól D-G około 30% klientów i relacja ta również została zachowana w modelu. Poza tym posłużono się skorelowaną analizą porównawczą, czyli do zbudowanego już modelu wprowadzono dane historyczne z innych dni niż te użyte do jego budowy, np. zmienione schematy napływania klientów. Po dokonaniu takiej modyfikacji model pracował podobnie jak w oparciu o dane poprzednie. Należy tu podkreślić, że skorelowana analiza porównawcza to test o bardzo dużym znaczeniu ze statystycznego punktu widzenia i pomyślne przez niego przejście świadczy o znacznej zgodności modelu z systemem rzeczywistym. Ponadto wykonano testy degeneracji i analizy wrażliwości i zgodnie z oczekiwaniami podczas zmieniania warunków początkowych oraz parametrów wewnętrznych model reagował tak, jak zareagowałby system rzeczywisty PRZEPROWADZENIE EKSPERYMENTÓW SYMULACYJNYCH Celem przeprowadzenia eksperymentów symulacyjnych polegających m.in. na zmianie danych wejściowych (takich jak np. natężenie napływających do modelu zgłoszeń) czy parametrów wewnętrznych (np. zmiana godzin pracy poszczególnych stanowisk) jest zaproponowanie zmian w systemie rzeczywistym, które usprawniłyby jego działanie. Po zbudowaniu modelu i pomyślnym sprawdzeniu poprawności jego działania przystąpiono do realizacji eksperymentów symulacyjnych. Plan eksperymentów podzielono na trzy etapy. Na początku zanalizowano stan zastany. W etapie drugim zaproponowano pewne usprawnienia, które pozytywnie wpłynęłyby na jego działanie. W ostatnim etapie eksperymentów przeprowadzono symulacje typu what-if. W celu przeprowadzenia eksperymentów zaplanowano 75 powtórzeń o długości 720 minut. W związku z ograniczeniami wersji oprogramowania Arena 5.0 w części eksperymentów nie przeprowadzono wszystkich zaplanowanych powtórzeń, w każdym jednak eksperymencie ich liczba przekraczała 70 i w wyniku analizy otrzymanych wyników okazało się, że jest to liczba w zupełności wystarczająca do wygenerowania zadowalających przedziałów. Ze względu na ograniczoną długość artykułu zaprezentowano tu tylko analizę stanu zastanego oraz dwa eksperymenty z etapu drugiego w związku z tym, iż przedstawiają one znaczne możliwości usprawnień działania modelu oraz z uwagi na ich bardziej złożony przebieg w porównaniu z pozostałymi eksperymentami. Należy tu też zaznaczyć, że wszystkie dane czasowe prezentowane w niniejszej pracy podawane są w minutach.

9 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 53 Analiza stanu zastanego Na początku dokonano analizy struktury klientów obsłużonych oraz tych, którzy z obsługi zrezygnowali. Ponadto zbadano długość kolejek wygenerowanych przez model, zarówno pod względem czasu oczekiwania jak i liczby osób oczekujących w nich na obsługę. Tab. 3. Liczba klientów obsłużonych oraz klientów, którzy zrezygnowali z obsługi w modelu podstawowym POLE Średnia liczba osób obsłużonych i tych, które zrezygnowały z obsługi* w danym polu A 598,11 4,83 A* 83,64 5,96 B 30,89 1,28 C 60,63 1,80 D 178,47 2,84 D* 35,49 3,46 E 11,53 0,80 F 76,79 1,57 G 14,11 0,93 Przyglądając się strukturze klientów, widać, że dominującą grupę tworzą tu osoby realizujące operacje w polu A, znaczna ich część wybiera też pole D. Z zebranych danych wynika, że pola te wykazują również najwięcej osób rezygnujących z obsługi. Najmniej jest natomiast klientów wybierających operacje w polach E oraz G. Tab. 4. Przedstawienie długości kolejek do poszczególnych pól w modelu podstawowym Poszczególne pola Średni czas oczekiwania w kolejce do pól Średnia liczba osób oczekujących w kolejce do pól POLE A 9,08 0,25 8,66 0,30 POLE B 2,17 0,36 0,10 0,02 POLE C 1,89 0,38 0,17 0,04 POLE D 8,57 0,38 2,58 0,14 POLE E 5,60 0,48 0,09 0,01 POLE F 88,09 6,59 13,53 1,19 POLE G 24,14 2,65 0,51 0,08 Analizując powyższe zestawienia, biorąc pod uwagę zarówno liczbę klientów obsłużonych w poszczególnych polach, jak i wielkości kolejek tam się tworzących, stwierdzić można, że wąskimi gardłami w sensie miejsc przeciążenia modelu są przede wszystkim pola A i D. Dodatkowo zbyt dużo oczekujących osób znajduje się również w polu F. Natomiast w odniesieniu do czasu z obserwacji działania modelu wynika, że największe kolejki tworzą się w godzinach

10 54 Justyna Uziałko Tab. 5. Wykorzystanie stanowisk roboczych w modelu podstawowym Obsługiwane Nr stanowiska Wykorzystanie stanowisk roboczych w modelu pole Średnie wykorzystanie (%) POLE A 2 88,79 0, ,12 0, ,48 0, ,08 0, ,92 0, ,77 0, ,62 0, ,73 0,00 POLE B 14 28,42 0,01 POLE C 12 38,63 0, ,51 0,02 POLE D 6 81,33 0, ,72 0, ,23 0,01 POLE E 4 (do godz.12) 59,48 0,01 POLE F 15 92,02 0,01 POLE G 9 84,72 0,01 Wykorzystanie stanowisk roboczych wynika ze średniej liczby obsłużonych klientów w ciągu zaplanowanej wg harmonogramu pracy liczby godzin. Należy też wiedzieć o tym, że stanowiska nr 4, 7, 8 oraz 16 nie pracują w pełnym wymiarze godzin; stanowisko 4 czynne jest przez 7 godzin, natomiast trzy pozostałe przez 6 godzin. Ponadto stanowisko nr 4 do godziny 12 obsługuje klientów pole E, a w razie ich braku oraz po godzinie 12 klientów pola A. Wszystkie jednak stanowiska powinny działać na maksimum, zastanawiające jest więc bardzo niskie bo nawet nie w połowie wykorzystanie stanowisk nr 7, 8, 12, 13, 14 i 16. Stanowiska 7 i 8 są jednymi ze stanowisk, które obsługują pole A, stanowiska 12, 13 i 14 obsługują pola B i C, natomiast stanowisko nr 16 jest jednym ze stanowisk, które obsługuje pole D. Tab. 6. Zestawienie liczby osób obsłużonych w poszczególnych polach z ich średnim czasem pobytu w tych polach w modelu podstawowym Poszczególne pola Średnia liczba osób obsłużonych w danym polu Średni czas pobytu w modelu osób obsłużonych w danym polu POLE A 598,11 4,83 15,60 0,28 POLE B 30,89 1,28 8,81 0,49 POLE C 60,63 1,80 11,13 0,56 POLE D 178,47 2,84 17,52 0,45 POLE E 11,53 0,80 9,73 0,61 POLE F 76,79 1,57 95,19 6,80 POLE G 14,11 0,93 42,94 3,23

11 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 55 Na podstawie powyższego zestawienia można wyliczyć różnego rodzaju charakterystyki świadczące o sprawności procesu obsługi klientów modelu. Tab. 7. Wybrane charakterystyki modelu dotyczące średniego czasu przebywania klientów w modelu Charakterystyka Wynik Procent klientów, którzy spędzili w modelu więcej niż 10 minut 95,63% Procent klientów, którzy spędzili w modelu więcej niż 20 minut 9,73 % Procent klientów, których czas pobytu w modelu był krótszy niż 15 minut 10,62% Procent klientów, których czas pobytu w modelu był krótszy niż 20 minut 90,63% Analizując powyższe wyniki można przede wszystkim zauważyć jak bardzo wartość wybranej charakterystyki zmienia się w zależności od zdefiniowania długości określonego przedziału czasowego. Znaczna część klientów spędza średnio w modelu więcej niż 10 minut, natomiast już tych, którzy są tam przez ponad 20 minut jest około dziesięć razy mniej. Innymi słowy możliwość spędzenia w modelu czasu krótszego niż 15 minut jest mało prawdopodobna, natomiast szansa, że czas ten nie przekroczy 20 minut jest już znaczna. Dzieje się tak dlatego, że najliczniejszą grupą klientów banku są osoby wybierające pole A, a długość trwania operacji w tym polu rzadko przekracza czas 20 minut w odniesieniu do wszystkich realizowanych tam operacji. Rozważając przedstawione działanie modelu, widać, że koniecznych jest tu wiele usprawnień, które wpłynęłyby na poprawę jakości procesu obsługi klientów w modelu. Eksperyment nr 1 Analizowany system wymaga przede wszystkim reorganizacji harmonogramu pracy stanowisk obsługi. Korzystając tylko z istniejących już stanowisk można by zrezygnować ze stanowiska nr 14 jako obsługującego pole B i przydzielić stanowiskom nr 12 i 13 obsługę obydwu pól: B i C; nie wydaje się tu zasadne, aby dokonać równego podziału, tzn. jedno stanowisko do jednego pola, gdyż z otrzymanych danych wynika, że do pola B kieruje się dwa razy mniej klientów niż do pola C. Ponadto należy uruchomić pracę w pełnym 12-godzinnym wymiarze godzin we wszystkich stanowiskach, a zwolnione z pola B stanowisko nr 14 przekazać polu F. Otrzymane wyniki dotyczące różnych parametrów zestawiono wraz z charakterystykami modelu podstawowego, czyli przedstawiającego system rzeczywisty. Tab. 8. Porównanie liczby klientów, którzy zrezygnowali z obsługi w modelu podstawowym oraz modelu zmodyfikowanym dla potrzeb eksperymentu nr 1 POLE Model podstawowy Model zmodyfikowany (eksperyment nr 1) Średnia liczba osób, które zrezygnowały z danego pola Średnia liczba osób, które zrezygnowały z danego pola POLE A 83,64 5,96 21,44 3,03 POLE D 35,49 3,46 18,92 2,13

12 56 Justyna Uziałko Tab. 9. Porównanie długości czasu, którzy obsłużeni klienci średnio spędzili w modelu podstawowym oraz modelu zmodyfikowanym dla potrzeb eksperymentu nr 1 POLE Model podstawowy Model zmodyfikowany (eksperyment nr 1) Średni czas pobytu w modelu osób obsłużonych w danym polu Średni czas pobytu w modelu osób obsłużonych w danym polu POLE A 15,60 0,28 12,03 0,33 POLE B 8,81 0,49 11,98 1,10 POLE C 11,13 0,56 13,71 1,03 POLE D 17,52 0,45 15,94 0,48 POLE E 9,73 0,61 9,71 0,63 POLE F 95,19 6,80 14,05 0,90 POLE G 42,94 3,23 39,76 2,57 Średni czas, który klienci muszą oczekiwać w kolejce na obsługę w poszczególnych polach Średni czas oczekiwania na obsługę (min) A B C D E F G Model podstaw ow y Model zmodyfikow any 1 Oznaczenie pola Rys. 2. Porównanie średniego czasu oczekiwania w kolejce na obsługę w poszczególnych polach w modelu podstawowym oraz zmodyfikowanym 1 Źródło: Opracowanie własne Dzięki wprowadzeniu zmian zaplanowanych w eksperymencie 1 zdecydowanemu skróceniu uległ czas oczekiwania na obsługę w poszczególnych polach, szczególnie w polu F (jedynie pola B i C wykazują dłuższy czas oczekiwania na obsługę, ale jest to związane z przebiegiem eksperymentu, gdzie jedno ze stanowisk obsługujących te pola przypisano polu F). Ponadto w większości stanowisk, głównie niedociążonych w modelu podstawowym, zwiększyło się także ich wykorzystanie. W efekcie przeprowadzonych zmian obsłużono więcej klientów i mniej klientów zrezygnowało z obsługi w porównaniu z wynikami generowanymi przez model podstawowy oraz skróceniu uległ średni całkowity czas spędzany przez klientów w modelu.

13 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 57 Wykorzystanie stanowisk obsługi Stopień wykorzystania stanowiska (%) Model podstaw ow y Model zmodyfikow any 1 Numer stanowiska Rys. 3. Porównanie wykorzystania stanowisk obsługi w modelu podstawowym oraz zmodyfikowanym 1 Źródło: Opracowanie własne Tab. 10. Porównanie liczby obsłużonych klientów w modelu podstawowym oraz modelu zmodyfikowanym dla potrzeb eksperymentu nr 1 POLE Model podstawowy Model zmodyfikowany (eksperyment nr 1) Średnia liczba obsłużonych osób w danym polu Średnia liczba obsłużonych osób w danym polu POLE A 598,11 4,83 661,08 5,00 POLE B 30,89 1,28 32,05 1,15 POLE C 60,63 1,80 61,64 1,49 POLE D 178,47 2,84 196,49 2,54 POLE E 11,53 0,80 12,15 0,78 POLE F 76,79 1,57 100,60 2,07 POLE G 14,11 0,93 13,96 0,89 Warto tu podkreślić, że znaczne poprawienie sprawności działania modelu odbyło się bez konieczności zakładania większej liczby stanowisk; proponowane usprawnienia dotyczą jedynie zmiany w przydziale poszczególnych stanowisk odpowiednim polom oraz zwiększenia ilości godzin pracy kolejnych stanowisk, co wiązałoby się z koniecznością zatrudnienia nowych pracowników. Eksperyment nr 2 W następnym eksperymencie zdecydowano się na wprowadzenie do modelu zmodyfikowanego natężenia tempa napływania klientów w ciągu dnia. Ponieważ z obserwacji systemu wynika, że największe kolejki tworzą się zwykle między godziną 11 a 16, można sprawdzić jak działałby system, gdyby zachęcić klientów do przychodzenia głównie w godzinach przedpołudniowych i późnego popołudnia, tzn. po 16.

14 58 Justyna Uziałko Tab. 11. Porównanie liczby klientów obsłużonych w modelu podstawowym oraz modelu zmodyfikowanym dla potrzeb eksperymentu nr 2 POLE Model podstawowy Model zmodyfikowany (eksperyment nr 2) Średnia liczba obsłużonych osób w danym polu Średnia liczba obsłużonych osób w danym polu POLE A 598,11 4,83 625,04 12,22 POLE B 30,89 1,28 29,36 1,12 POLE C 60,63 1,80 60,95 1,99 POLE D 178,47 2,84 186,03 4,27 POLE E 11,53 0,80 10,37 0,81 POLE F 76,79 1,57 77,44 2,04 POLE G 14,11 0,93 12,65 4,60 Średnia liczba osób oczekujących na obsługę w poszczególnych polach Średnia liczba osób A B C D E F G Oznaczenie pola Model podstaw ow y Model zmodyfikow any 2 Rys. 4. Porównanie średniej liczby osób oczekujących w kolejce na obsługę w poszczególnych polach w modelu podstawowym oraz zmodyfikowanym 2 Źródło: Opracowanie własne W wyniku przeprowadzonych zmian zdecydowanie mniej osób oczekiwało na obsługę w kolejkach do poszczególnych pól. W efekcie obsłużono więcej osób i mniej osób zrezygnowało z obsługi w porównaniu z wynikami otrzymanymi z modelu podstawowego. Tab. 12. Porównanie liczby klientów, którzy zrezygnowali z obsługi w modelu podstawowym oraz modelu zmodyfikowanym dla potrzeb eksperymentu nr 2 POLE Model podstawowy Model zmodyfikowany (eksperyment nr 2) Średnia liczba osób, które zrezygnowały z danego pola Średnia liczba osób, które zrezygnowały z danego pola POLE A 83,64 5,96 37,69 4,60 POLE D 35,49 3,46 23,64 2,49

15 Zastosowanie modelowania symulacyjnego w usprawnieniu procesu obsługi klientów banku 59 Istotną informacją jest tu to, że proponowana w tym eksperymencie modyfikacja nie wymaga żadnych zmian organizacji pracy banku, np. w sensie zmieniania harmonogramu pracy poszczególnych stanowisk czy konieczności dobudowywania stanowisk nowych. Pożądane jest natomiast umiejętne zachęcenie klientów do odwiedzania banku w nieco innych porach niż dotychczas, przede wszystkim rannych PODSUMOWANIE PRZEPROWADZONYCH EKSPERYMENTÓW SYMULACYJNYCH Właściwe zorganizowanie procesu obsługi klientów jest zadaniem bardzo ważnym zarówno z punktu widzenia poziomu satysfakcji obsługiwanych klientów jak i sprawnej i efektywnej pracy banku. Zaprezentowane eksperymenty ukazują możliwości symulacji w usprawnianiu procesu obsługi klientów. Już sama zmiana sposobu przydziału stanowisk roboczych do poszczególnych pól czy zmiany w harmonogramie pracy stanowisk rokują znaczną poprawę działania systemu. Wyraża się to przede wszystkim w zorganizowaniu pracy banku w pełnym jego wymiarze godzin (tzn. każde stanowisko od 7:30 do 19:30) oraz w zmianie przydziału stanowisk 12, 13 i 14, które obsługują pola B i C. Przypisanie stanowiskom 12 i 13 obsługi obu pól B i C, a jednocześnie przekazanie wolnego stanowiska nr 14 polu F na pewno w znacznym stopniu usprawniłoby obsługę. Ponadto dodatkowych stanowisk zdecydowanie wymagają pola A i D, które uznać można za wąskie gardła modelu; potrzebne jest przynajmniej jeszcze jedno stanowisko do pola D i dwa do pola A. Równie ciekawym podejściem tym razem już w stosunku do samych klientów jest zachęcanie klientów do odwiedzania banku przede wszystkim w godzinach przedpołudniowych oraz późnych popołudniowych, czyli po 16. Oczywiste jest, że znaczna część klientów banku to osoby czynne zawodowo, jednak już na przykład emeryci i renciści, którzy stanowią sporą grupę klientów tego banku mogliby zostać zachęceni, np. nieco niższą taryfą opłat za wykonywane usługi, do przychodzenia w godzinach przedpołudniowych. Początkowo może wydawać się, że tego typu działania zwiększą koszty działania banku, jednak takie posunięcie skutkować prawdopodobnie będzie obsłużeniem większej liczby klientów, a co za tym idzie wyższym zyskiem dla banku. Aby odciążyć pracę pracowników w poszczególnych polach, szczególnie w najbardziej uczęszczanym polu A dobrym rozwiązaniem jest także zwiększenie oferty usług bankomatowych i silne rozreklamowanie tego faktu wśród klientów. Skutecznym pomysłem na reklamę może być drukowanie oferty bankomatowej banku X na biletach wykorzystanych do organizacji kolejek. Jako jeszcze jedno usprawnienie zaproponować można odmienną organizację pól obsługiwanych przez kilka stanowisk i przypisać jednemu stanowisku operacje najbardziej czasochłonne. Zapobiegłoby to tworzeniu się nadmiernych kolejek do

16 60 Justyna Uziałko poszczególnych stanowisk, na których realizowane byłby operacje mniej czasochłonne. Przeprowadzenie szeregu zmian w organizacji pracy banku jest konieczne z uwagi na to, że gdy klienci nie będą obsługiwani szybko i sprawnie po prostu zrezygnują z usług analizowanego banku. W najbliższym czasie zjawisko to może nie będzie jeszcze tak widoczne, ale istotnym wydaje się być solidne przygotowanie na niedaleką już przyszłość. W obliczu coraz szerszej konkurencji zarówno ze strony większej liczby banków i innych instytucji finansowych przejmujących część czynności bankowych jak i coraz prężniej rozwijającej się bankowości internetowej w zapomnienie może odejść zwykłe przychodzenie do fizycznego oddziału banku i długie oczekiwanie w kolejce. LITERATURA DERKOWSKA, A., ŁAPIŃSKA, A Rozwój bankowości internetowej; [w:] Banki na rynku finansowym. Teraźniejszość i przyszłość pod redakcją M. Dębniewskiej. Wydawnictwo Uniwersytetu Warmińsko-Mazurskiego, Olsztyn; ss GORDON, G Symulacja systemów. WNT, Warszawa. KELTON, W. D., SADOWSKI, R. P., SADOWSKI, D. A Simulation with Arena. McGraw- Hill Inc., Boston, Burr Ridge, Dubuque. UZIAŁKO, J Zastosowanie modelowania symulacyjnego w usprawnieniu zarządzania procesem obsługi klientów banku. Praca magisterska. Wydział Informatyki i Zarządzania Politechniki Wrocławskiej. ZAWADZKA, Z Wpływ globalizacji na przemiany w bankowości; [w:] Banki na rynku finansowym. Teraźniejszość i przyszłość pod redakcją M. Dębniewskiej. Wydawnictwo Uniwersytetu Warmińsko-Mazurskiego, Olsztyn; ss