OCENA U YTECZNO CI WYBRANYCH ROZWI ZA e-crm Z WYKORZYSTANIEM NARZ DZI ANALIZY WIELOKRYTERIALNEJ GRZEGORZ DROZDOWSKI Pa stwowa Wy sza Szkoła Zawodowa w Gorzowie Wlkp. MONIKA STOLARSKA Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Streszczenie Celem niniejszego artykułu jest ocena u yteczno ci wybranych systemów wspomagania decyzji z wykorzystaniem narz dzi analizy wielokryterialnej. W artykule przedstawiono model oceny u yteczno ci i klasyfikacji systemów e-crm przy wykorzystaniu ELECTRE Tri. Słowa kluczowe: e-crm, Electre Tri, narz dzia i metody analizy wielokryterialnej 1. Wprowadzenie Rynek systemów informatycznych oferuje wiele rozwi za dla firm zorientowanych na klienta. Brak jasnych priorytetów działania firm i skorelowania ich z potrzebami prowadzi do problemu wyboru rozwi zania. Dodatkowo niskie nakłady jakie przedsi biorstwa przeznaczaj na oprogramowanie wspomagaj ce zarz dzanie i brak wystarczaj cego przekonania wła cicieli firm co do celowo ci wdra ania takich rozwi za przyczynia si do ponoszenia zb dnych kosztów przed i powdro eniowych, a w najgorszym wypadku równie ponownego zakupu systemu. W grupie systemów wspomagania decyzji elektroniczne systemy zarz dzania relacjami z klientami zajmuj istotne miejsce. Optymalizuj i usprawniaj procesy sprzeda y oraz szeroko poj tej obsługi klienta, jednak proces wdro enia oprogramowania tej klasy jest zło ony. Przedsi biorstwo, decyduj ce si na inwestycj w postaci wdro enia oprogramowania musi zna cele swojej działalno ci, oczekiwania, a tak e mie wiadomo mo liwych trudno ci podczas samego procesu wdra ania i odpowiednio si na nie przygotowa. Indywidualne preferencje, ró ne potrzeby firm wymagaj przedwdro eniowej identyfikacji cech u ytkowych systemów. Problem doboru najlepszego, dostosowanego do specyfiki działalno ci oraz preferencji systemu tej klasy jest zło ony i wymaga okre lenia przez decydenta, jakie u yteczno ci powinien oferowa wybrany system. Podj cie trafnej decyzji wymaga zastosowania jednego z grupy narz dzi analizy wielokryterialnej. 2. Ewolucja systemów e-crm Na rozwój systemów zarz dzania relacjami z klientami znacz co wpłyn ły dwa trendy w dyscyplinach naukowych: marketing i informatyka gospodarcza z jednej strony rozwój marketingu transakcyjnego w kierunku relacyjnego, a z drugiej zmiana zarz dzania informacjami w zarz dzanie wiedz o klientach. [1] Pierwszy kierunek zmian dotyczył najcz ciej wykorzystywanych funkcji systemów CRM w sektorze MSP [2], drugi wynika wprost ze zmiany sposobu funkcjonowania przedsi biorstw na obecnym rynku.
38 Grzegorz Drozdowski, Monika Stolarska ocena u yteczno ci wybranych rozwi za e-crm z wykorzystaniem narz dzi analizy wielokryterialnej Hasłem przewodnim działalno ci wielu przedsi biorstw jest obecnie działalno zorientowana na klienta i wykorzystanie oprogramowania jej wspomagaj cego. Podstawowym zadaniem wyró niaj c systemy CRM jest mo liwo ewidencjonowania wszelkich informacji na temat klientów i czynno ci wykonywanych w zwi zku z operacjami z nimi przeprowadzanymi. Gromadzenie cało ci informacji o sposobie obsługi klienta ma na celu wspomo enie pracy osób odpowiedzialnych w firmie za kontakt z klientami, podnoszenie jako ci obsługi, indywidualizowanie oferty z zale no ci od potrzeb klienta. System wspieraj cy takie działania musi dostarcza wszelkie informacje potrzebne w danej chwili do wła ciwej obsługi klienta [3]. Ewolucja koncepcji zarz dzania relacjami z klientami spowodowała rozwój systemów CRM w kierunku: KCRM (ang. Key Customer Relationship Management zarz dzanie relacjami z kluczowymi klientami i koncentracj na najlepszych, przynosz cych zysk klientach) [4]; KCRM (ang. Knowledge-enabled Customer Relationship Management zarz dzanie relacjami z klientami na bazie wiedzy) zarz dzanie wiedz o klientach i partnerach biznesowych [5, 6]; CMR (ang. Customer Managed Relationship relacje zarz dzane przez klienta) zaanga owanie klienta w kształtowanie relacji z firm poprzez dost p do informacji i kontroli zamówie [7]; ECRM lub ERM (ang. Enterprise Relationship Management) CRM do przegl du klientów [8]; e-crm (ang. Electronic Customer Relationship Management) [9]; PRM (ang. Partner Relationship Management zarz dzanie relacjami z partnerami) [10]; ccrm (ang. Collaborative CRM współpracuj cy CRM) współpraca klienta z firm [11]; SRM (ang. Supplier Relationship Management zarz dzanie relacjami z dostawcami) ocena i wybór najlepszych dostawców [12]; mcrm (ang. Mobile CRM przeno ny CRM) wykorzystanie technologii bezprzewodowych w przekazywaniu informacji klientom lub partnerom [13]. Obecnie ró nicowanie przedsi biorstw ograniczone do technicznych wła ciwo ci produktów lub usług nie wystarcza. Istotne s jedynie preferencje klientów, a wi c strategia zró nicowania musi odnosi si do warto ci docelowych klientów [31]. Firmy musz starannie wybiera cechy swoich produktów strategicznych, musz dba o stałe dostarczanie korzy ci dla klienta. Mened erowie musz stale zadawa sobie pytanie, jak produkty oferowane przez ich firm odpowiadaj potrzebom klientów w porównaniu do produktów oferowanych przez konkurentów, jakie b d korzy ci dla klienta, jakie koszty produkcji, jaka jest gotowo klienta do zapłaty za produkty w stosunku do produktów konkurentów [33]. Decyzje o zakupach uzale nione s bowiem od dochodów, indywidualnych preferencji, na które z kolei wpływaj : do wiadczenie, tło kulturowe, interakcje społeczne i inne czynniki [24]. Klienci maj okre lone preferencje w zakresie wła ciwo- ci ka dego produktu i ich ocena mo e opiera si na subiektywnych i obiektywnych czynnikach. Czynniki subiektywne to takie, które s całkowicie kwesti indywidualnych upodoba ka dego klienta, natomiast obiektywne to te, na które klienci niemal powszechnie si zgadzaj [14]. Ka dy pracownik firmy jest odpowiedzialny za satysfakcj klienta z dokonanego zakupu [27, 28, 29], dlatego gromadzenie danych i monitorowanie działa w obszarze zarz dzania dotyczy dwóch kategorii: rynku ogólnego i produktu. Istotne jest ustalanie na bie co wszelkich zmian na poziomie rzeczywistej działalno ci przedsi biorstwa w zakresie wprowadzania produktu/usługi do sprzeda y i procesu jego planowania oraz monitoring asortymentu produktów do harmonogramowania produkcji i zamówie zgłaszanych klienta. Wa ne jest, aby szybko okre li zmiany w preferencjach klientów i dostosowa do nich proces produkcji. W wielu firmach produkcyjnych, szczególnie tych realizuj cych ła cuch dostaw za po rednictwem internetu, indywidualne dane o kliencie s rejestrowane i monitorowane za pomoc oprogramowania e-crm [30]. Poniewa dane pochodz z wniosków, opinii, sugestii przekazywanych przez klientów indywidualnych,
POLSKIE STOWARZYSZENIE ZARZ DZANIA WIEDZ Seria: Studia i Materiały, nr 28, 2010 39 w wi kszym stopniu odzwierciedlaj ich rzeczywiste potrzeby. Ponadto, mog one zagwarantowa lepsze spojrzenie na rzeczywiste, bie ce potrzeby klientów ni analiza danych historycznych czy prognozowanie tendencji. Pozyskiwanie informacji na tym poziomie szczegółowo ci mo e pomóc firmom na wczesne rozpoznanie popytu na towary i usługi i zmieniaj ce si trendy [32], co stanowi podstaw do projektowania nowych produktów i usług, a w konsekwencji prowadzi do rozwoju wiedzy i działalno ci oraz poprawy efektywno ci ła cucha dostaw. Gromadzenie na bie co informacji na temat preferencji klientów mo e w por ostrzec o zmianach w ich preferencjach i by baz wiedzy dla in ynierów opracowuj cych plany zakupu surowców i produkcji [15]. Istotne jest zastosowanie narz dzi odpowiednich do oceny systemów e-crm, umo liwiaj cych w dalszym etapie dobór najlepszego oprogramowania do potrzeb przedsi biorstwa. 3. Narz dzia oceny wielokryterialnej we wspomaganiu decyzji W ocenie systemów i procesie podejmowania decyzji konieczne jest uwzgl dnienie jednocze- nie wielu punktów widzenia [16], okre lenie preferencji decydenta i przyporz dkowania im kryteriów. Ka de z kryteriów jest wykorzystywane do oceny ka dej potencjalnej akcji rozpatrywanej w procesie decyzyjnym według charakterystycznej dla niego skali jako ciowej b d ilo ciowej. Jednak e w wi kszo ci przypadków nie istniej jasne i akceptowalne arytmetyczne zale no ci pozwalaj ce na wyra enie warto ci ka dego z wielu ró norodnych kryteriów, a tym bardziej wyra anie ich wszystkich przy pomocy jednej wspólnej jednostki. Metody wielokryterialnego wspomagania podejmowania decyzji (MCDA ang. Multiple Criteria Decision Analysis) w naturalny sposób odwzorowuj sposób podejmowania decyzji przez ludzi. Oparte o sprecyzowane (cho cz sto niekoniecznie sformalizowane) modele umo liwiaj osobom zaanga owanym w proces decyzyjny uzyska odpowiedzi i wyja nienia odno nie podj tych decyzji oraz rekomendacj zachowa decydenta [17]. Jak wskazuj A.Guitouni, J.Figueira, R.Roy wielokryterialna analiza decyzyjna składa si z 4 kroków [25, 17, 26]: okre lenia struktury problemu decyzyjnego; artykulacji i modelowania preferencji decydenta; agregacji ocen alternatyw decyzyjnych; opracowania rekomendacji. Wyznaczenie oceny skutków ka dego z wariantów decyzyjnych przy wyborze systemu lub te porównanie wariantów wydaje si by najwi kszym problemem wspomagania decyzji. Zwłaszcza w problemach, do których rozwi zania uwzgl dni nale y jednocze nie wiele kryteriów. Dobra decyzja podj ta jest na podstawie rzetelnej oceny i wymaga zbadania wielu wariantów pod k tem czynników charakteryzuj cych ich dopuszczalno. Czynniki te słu równie stopniowaniu jako ci poszczególnych wariantów w sytuacji, kiedy wszystkie mo liwo ci s dopuszczalne, a problemem jest wybranie subiektywnie najlepszego z nich. Zaznaczy nale y jednak, e subiektywizm odnosi si tu do wa no ci poszczególnych kryteriów, poniewa dla decydenta jedne z czynników (w tym wypadku u yteczno ci systemów) s wa niejsze od innych. Decydenci mog przypisywa ró nym kryteriom wyboru systemu ró ne wagi, co oznacza, e w adnym wypadku decyzja wielokryterialna nie jest całkowicie obiektywna. Dobór wag kryteriów i akceptacja rozwi zania subiektywnie lepszego od innych zwi zane s ci le z wiedz i oczekiwaniami decydenta. Jego preferencje stanowi istotny składnik wi kszo ci metod wielokryterialnych. Jak wskazuje T. Trzaskalik [20] wielokryterialn sytuacj decyzyjn charakteryzuj nast puj ce aspekty: wyodr bniona jest sko czona liczba mierzalnych lub stopniowalnych celów opisuj cych obiekt decyzji, cele s urzeczywistniane przez wspólny zbiór decyzji dopuszczalnych, podstaw podj cia decyzji stanowi zespół kryteriów sformułowanych w stosunku do celów,
40 Grzegorz Drozdowski, Monika Stolarska ocena u yteczno ci wybranych rozwi za e-crm z wykorzystaniem narz dzi analizy wielokryterialnej w zbiorze celów wyst puje zjawisko konkurencyjno ci powoduj ce, ze wi kszy stopie realizacji jednego z celów oznacza zmniejszenie stopnia realizacji innych celów [22]. Obecnie dost pna jest du a grupa metod i narz dzi analizy wielokryterialnej, co powoduje konieczno ich przegl du pod k tem przydatno ci do oceny systemów informatycznych. Dost pne s metody elementarne, pojedynczych zsyntetyzowanych kryteriów, przewy szania, mieszane. Dobór wielokryterialnej metody wspomagania podejmowania decyzji do oceny u yteczno ci systemu e-crm dla przedsi biorstwa jest problemem zło onym. Z rodzin Electre (fr. ELimination Et Choix Traduisant la REalite), Promethee (ang. Preference Ranking Organization METHod for Enrichment Evaluations) oraz Bipolar oparte s nast puj ce metody o relacje przewy szania [21,25,18]: Electre I, Electre Is, Electre II, Electre III, Electre IV, Electre Tri, Promethee I i II, Bipolar. Electre I uwzgl dnia najmniejsze ró nice w warto ciach kryteriów, co powodowa mo e w konsekwencji generowanie rankingu, w którym jeden z wariantów uznany zostanie za zdecydowanie lepszy ni drugi mimo niewielkiej mi dzy nimi ró nicy. Electre Is wskazuje ró nice pomi dzy porównywalno ci i nieporównywalno ci kryteriów [wielko ci dyskretne], wprowadza próg oboj tno ci. Electre II oparta jest o deklaracj okre lonej ilo ci niewyczuwalnych intuicyjnie progów, wykorzystuje relacje przewy szania. Electre III wskazuje przewag wariantu lepszego nad gorszym w miar zmniejszania si przewagi wariantu gorszego nad lepszym (przewy szanie wyra ane jest za pomoc indeksu wiarygodno ci). W metodzie Electre Tri konieczne jest podanie profili wariantów opisuj cych granice klas, do których sortowane b d warianty decyzyjne, w Bipolar wzorców wariantów dobrych i złych. Electre IV zlicza ilo ci wzajemnie przewa aj cych si kryteriów, u ytkownik nie ma jednak mo liwo ci definiowania wag kryteriów. Rozszerzeniem Electre IV jest MELCHIOR. Promethee I bazuje na podobnych zasadach jak Electre, odrzuca mo liwo wyst pienia nieporównywalno ci badanych produktów, wprowadza metod okre lania cz ciowego rankingu alternatyw. Problem nieporównywalno ci mo e by wyeliminowany w metodach Electre Is i Electre III dzi ki ustawieniu wysokich progów veta, przy czym nadmieni nale y, e progi te okre la sam decydent, podobnie jak równowa no ci i preferencje. Metoda UTA (Utility Theory Additive) ze zbioru referencyjnego tworzonego przez decydenta generuje jego preferencje. Metoda MAUT (Multi-Attribute Utility Theory) wymaga wykonania dekompozycji zbioru kryteriów oraz funkcji u yteczno ci wzgl dem kryteriów. Metody te wymagaj wiedzy eksperckiej. Metoda MAVT (Multi-Attribute Value Theory) agreguje warto ci z otrzymanych cz stkowych funkcji kryterialnych w celu otrzymania warto ci funkcji globalnej (w postaci addytywnej lub multiplikatywnej). TOPSIS (Techique for Order by Similarity to Ideal Solution) wskazuje alternatyw najbli sz do rozwi zania idealnego i najbardziej odległ do przeciwnego idealnemu. W ród metod wielokryterialnych dost pne s równie metody rankingowe, takie jak: AHP (Analytic Hierarchy Process) [19], SMART (Simple Multi-Attribute Rating Technique) czy Promethee II. Wszystkie eliminuj wyst powanie sytuacji nieporównywalno ci. Promethee II i SMART oferuj rozmycie przedziałów preferencji, uwzgl dniaj wagi kryteriów, nie wymagaj podawania przez u ytkownika wielu parametrów oraz nie dopuszczaj sytuacji nieporównywalno- ci. Promethee w porównaniu z metod SMART wydaje si bardziej zaawansowana pod wzgl dem metodologii problemu decyzyjnego, generuje ranking obiektów na podstawie porówna wariantów parami. Spo ród przedstawionych dost pnych rozwi za zasadnym wydaje si konstrukcja modelu oceny w oparciu o metody Electre Tri, gdy pozwoli ona na sortowanie alternatyw do wyznaczo-
POLSKIE STOWARZYSZENIE ZARZ DZANIA WIEDZ Seria: Studia i Materiały, nr 28, 2010 41 nych a priori kategorii systemów, a zatem porównanie obiektu z profilem decydenta, okre lenie do której klasy preferencji nale y system oraz umo liwia wybór najlepszego systemu. 4. Model oceny systemów e-crm z wykorzystaniem Electre Tri Organizacja eksperymentu badawczego oparta została o definicj profili, okre lenie wag kryteriów, warto ci progów preferencji p, nierozró nialno ci q dla oceny u yteczno ci 13 wybranych systemów e-crm: S 1 SELECT, S 2 SENTE ecrm Mobile, S 3 CRM Vision, S 4 Chrome CRM, S 5 TRONIX i-crm, S 6 Intelbiz, S 7 Siebel ecrm, S 8 CRMadar, S 9 Greentre ecrm, S 10 Advent InfoSoft Pvt. Ltd., S 11 ACT! By Sage, S 12 Caspian ECRM, S 13 DACON ASP Software Solution. W pierwszym etapie okre lono posta kryteriów do oceny systemów ecrm. Decydent nadał ró ne wagi (od 1do 10; gdzie 1 najmniej wa na, 10 najwa niejsza) 11 ró nym kryteriom w zale no ci od preferencji: K 1 dost p offline do bazy klientów 3, K 2 intuicyjny interfejs 7, K 3 przejrzysto zawartych informacji 7, K 4 bezpiecze stwo danych 5, K 5 mo liwo wyboru j zyka przy uruchamianiu systemu 2, K 6 szybko działania 4, K 7 łatwo przeprowadzenia migracji danych z dotychczas stosowanych baz lub arkuszy kalkulacyjnych 6, K 8 codzienne raportowanie wyników handlowych, przygotowywanie i wy wietlanie statystyk finansowych 10, K 9 automatyczne kopie bezpiecze stwa chroni ce przed awariami sprz tu i fizyczn utrat danych 5, K 10 platforma systemowa 5, K 11 integracja z innymi rozwi zaniami 7. Nast pstwem strukturalizacji problemu jest Tabela 1, która w intuicyjny i prosty sposób została uzupełniona notami ekspertów. Przyj to skal ocen od 1 do 90 punktów w zale no ci od stopnia w jakim funkcje danego systemu spełniały oczekiwania niezale nych decydentów. Kryterium /u yteczno SELECT SENTE ecrm Mobile Tabela 1. Ekspercka ocena punktowa systemów e-crm. CRM Chrome Vision CRM Nazwa producenta / Nazwa systemu TRONIX i-crm InteleBIZ ecrm Siebel ecrm CRMadar Greentre ecrm Advent ACT! By Caspian InfoSoft Sage ECRM Pvt. Ltd. DACON ASP Software Solution 1 K 1 12 15 32 39 22 55 87 78 35 25 17 32 39 2 K 2 48 12 65 10 13 12 65 65 27 24 13 65 36 3 K 3 75 84 85 35 4 25 55 10 33 6 7 22 8 4 K 4 55 25 54 67 90 24 27 38 10 45 36 52 31 5 K 5 13 32 68 87 39 45 8 87 34 27 48 22 39 6 K 6 39 38 18 17 16 7 4 35 32 18 8 51 49 7 K 7 29 28 7 6 14 16 31 2 3 4 2 16 38 8 K 8 31 74 35 22 31 35 36 15 17 15 25 46 39 9 K 9 28 22 47 15 35 16 14 12 17 14 35 32 22 10 K 10 7 18 15 18 7 39 39 3 15 34 13 37 7 11 K 11 6 20 39 24 22 17 36 48 32 14 18 46 36 ródło: Opracowanie własne. Tak zdefiniowany zbiór ocen cz stkowych stanowił podstaw do dalszych bada i zastosowania metodyki Electre Tri w zakresie oceny u yteczno ci systemów.
42 Grzegorz Drozdowski, Monika Stolarska ocena u yteczno ci wybranych rozwi za e-crm z wykorzystaniem narz dzi analizy wielokryterialnej W ostatnim etapie proponowanej procedury odbyła si analiza rozró nialno ci preferencji wyznaczonego rankingu rozwi za. Okre lono 3 klasy u yteczno ci systemów: wysok, redni i nisk, 2 profile wyznaczaj ce granice pomi dzy klasami (P 1 granica mi dzy klas nisk a redni, P 2 granica mi dzy klas redni a wysok ), warto ci progu preferencji (minimalna ró nica pomi dzy ocenami dwóch systemów po przekroczeniu której nie istniej ju adne w tpliwo ci e jeden z nich jest lepszy pod wzgl dem danego kryterium wynosi 10), nierozró nialno ci (maksymalna ró nica pomi dzy ocenami dwóch systemów, przy której nie mo na jeszcze stwierdzi, e jeden z systemów jest lepszy pod wzgl dem danego kryterium, w zwi zku z tym systemy te b d traktowane jako równowa ne wynosi 2), nie uwzgl dniono progu veto (minimalnej ró nicy pomi dzy dwoma systemami dla danego kryterium po przekroczeniu której wykluczone jest uznanie ocenionego ni ej wariantu za ogólnie lepszy od tego ocenionego pod wzgl dem danego kryterium wy ej nawet je li zostanie on uznany za zdecydowanie lepszy od drugiego pod wzgl dem wszystkich innych kryteriów). Powstały ranking klas pozwolił na optymistyczny i pesymistyczny przydział wariantów do klas. Wyniki przedstawia Tabela 2. Nazwa kategorii wysoka rednia niska Tabela 2. Klasyfikacja systemów według kategorii i alternatyw Kategorie Pesymistyczny przydział wariantów do klas S 4 S 5 S 9 S 10 S 11 Optymistyczny przydział wariantów do klas S 4 S 5 S 6 S 8 S 9 S 10 S 11 S 13 S 2 S 3 S 1 Alternatywy System Pesymistyczny przydział Optymistyczny przydział wariantów do klas wariantów do klas S 4 wysoka wysoka S 5 wysoka wysoka S 6 rednia wysoka S 7 rednia rednia S 8 rednia wysoka S 9 wysoka wysoka S 10 wysoka wysoka S 11 wysoka wysoka S 12 rednia rednia S 13 rednia wysoka S 2 niska wysoka S 3 rednia wysoka S 1 rednia wysoka ródło: Opracowanie własne. Przeprowadzono testy zgodno ci i niezgodno ci pomi dzy profilami. Okre lono warianty i profile (preferencji > albo <, nierozró nialno ci I, nieporównywalno ci R ). Porównane zostały wszystkie warianty z wszystkimi profilami, nast pnie otrzymano szereg hipotez, które mówi czy dany wariant przewy sza okre lone progi. Wyniki testów przedstawiono w Tabeli 3.
POLSKIE STOWARZYSZENIE ZARZ DZANIA WIEDZ Seria: Studia i Materiały, nr 28, 2010 43 ródło: Opracowanie własne. Tabela 3.Warianty i profile wraz z przyporz dkowaniem do klas P2 P1 S 4 > > S 5 > > S 6 > R S 7 > < S 8 > R S 9 > > S 10 > > S 11 > > S 12 > < S 13 > R S 2 R R S 3 > R S 1 > R Testy wskazuj jednoznacznie, e dla zadanych klas nieporównywalny jest system S 2, a na granicy profilu P 1 nieporównywalne s systemy S 6, S 8, S 13, S 3, S 1. Profil P 1 jest preferowany nad wariant S 7 oraz S 12, w pozostałych przypadkach profile s przewy szane przez warianty. W Tabeli 4 przedstawiono wyniki i rozkład systemu w graniach klas ustalonych przez decydenta i według zadanych przez niego 11 kryteriów. Tabela 4. Wizualizacja przydziału systemów do klas S1 SELECT S2 - SENTE ecrm Mobile S3 - CRM Vision S4 - Chrome CRM S5 - TRONIX i-crm S6 IntelBIZ S7 - Siebel Ecrm S8 CRMadar S9 - Greentre ecrm S10 - Advent InfoSoft Pvt. Ltd S11 -ACT! By Sage S12 - Caspian ECRM
44 Grzegorz Drozdowski, Monika Stolarska ocena u yteczno ci wybranych rozwi za e-crm z wykorzystaniem narz dzi analizy wielokryterialnej S13 DACON ASP Software Solution ródło: Opracowanie własne. W wyniku przeprowadzonych bada funkcje systemu S 1 zakwalifikowane zostały pomi dzy redni a wysok klas u yteczno ci, z jednym kryterium (K 3 ) jako nisko u yteczne. System S 2 w zale no ci od kryterium decydenta klasyfikuje si w obu profilach (P 1 i P 2 ), a pod wzgl dem kryterium K 3 jest oceniony nisko, wysokie noty za otrzymały kryteria K 2, K 4, K 5, K 7, K 8, K 9, K 10, K 11.. System S 3, podobnie jak S 1 zakwalifikował si pomi dzy redni a wysok klas u yteczno ci dla decydenta, jedynie kryteria K 2 i K 3 s nisko u yteczne, a K 6, K 7, K 10 wysoko. Systemy S 4 i S 5 otrzymały wysokie noty eksperckie i s w klasie systemów o wysoko u ytecznych funkcjach. Zaznaczy nale y jednak, e dla S 4 kryterium K 5 a dla S 5 kryterium K 4 otrzymało najni sz ocen, co warunkuje klasyfikacje tych kryteriów do nisko u ytecznych. W przypadku S 4 kryteria K 1 i K 3, a dla S 5 kryterium K 5 zaklasyfikowane zostały pomi dzy klasami. Systemy S 6, S 8 i S 13 zakwalifikowano pomi dzy redni a wysok klas u yteczno ci, gdzie dla S 6 jedynie kryteria K 1, K 5, K 10 s rednio u yteczne, dla S 8 : K 1, K 2 i K 5 nisko u yteczne i K 3 i K 7 wysoko, natomiast dla S 13 wysoko ocenione zostały kryteria K 3, K9, K 10. System S 7 to system zakwalifikowany w klasie redniej, mimo e kryteria K1 i K2 s nisko u yteczne a K 4, K 5, K 6, K 9 wysoko. Najlepiej w klasyfikacji wypadły systemy S 9, S 10 i S 11. Zostały wysoko ocenione przez decydenta. Dla S 9 pomi dzy klas redni a wysok ocenione zostały kryteria K 1, K 3, K 6, K 11, dla systemu S 10 kryteria K 4, K 10, a dla S 11 kryteria K 4, K 5, K 9. System S 12 został przypisany do klasy systemów o redniej u yteczno ci dla decydenta, z jednym kryterium K 2 nisko ocenionym i kryteriami K 3, K 5, K 7 ocenionymi wysoko. 5. Uwagi ko cowe Dobór najlepszego oprogramowania do specyfiki działalno ci firmy jest istotnym problemem rozwoju informatyzacji. Ocena u yteczno ci systemów e-crm przy wykorzystaniu narz dzi analizy wielokryterialnej daje czyteln informacj dla decydenta, do której klasy u yteczno ci przez niego wyznaczonej zakwalifikowany został ka dy z systemów. Na podstawie indywidualnych preferencji decydenta okre lono, do której klasy u yteczno ci nale y dane kryterium, a w których
POLSKIE STOWARZYSZENIE ZARZ DZANIA WIEDZ Seria: Studia i Materiały, nr 28, 2010 45 punktach klasyfikacja ta jest niejasna. Electre Tri pozwoliła na okre lenie zagregowanej pozycji systemu do jednej z trzech kategorii okre laj cych u yteczno jego funkcji. Nadmieni nale y, i stabilno oceny wyst piła wówczas, gdy wyst pił zarówno wariant pesymistyczny jak i optymistyczny dla zadanego kryterium. Opracowany model oceny u yteczno ci systemów ecrm pozwolił na wybór najlepszego dla decydenta rozwi zania. Funkcje systemów S 4 Chrome CRM, S 5 TRONIX i-crm, S 9 Greentre ecrm, S 10 Advent InfoSoft Pvt. Ltd., S 11 ACT! By Sage zaklasyfikowane zostały wysoko u yteczne, co potwierdzaj równie testy zgodno ci. Przeprowadzone badania nad ocen systemów klasy e-crm zdaj si potwierdza trafno doboru aparatu badawczego. Przedstawiony w artykule problem oceny u yteczno ci systemów e-crm znajduje dobre odzwierciedlenie w u ytej metodzie badawczej, a przedstawiony układ eksperymentu badawczego gwarantuje decydentowi znalezienie systemu mo liwie najbardziej zbie nego z okre lonymi przez niego oczekiwaniami i sortowanie alternatyw do wyznaczonych a priori kategorii. W dalszych konkluzjach badawczych nale y nadmieni, e przyj ta konstrukcja modelu umo liwiła wyeliminowanie rozwi za nie spełniaj cych oczekiwa decydenta okre lonych jako systemy o niskiej u yteczno ci. [1] Adamowicz M.: Wiedza i jej wpływ na tworzenie warto ci i zarz dzanie organizacj. Szkoła Główna Gospodarstwa Wiejskiego, Katedra Polityki Agrarnej i Marketingu. Prace Naukowe nr 35. [2] Appelfeller W., Buchholz W.: Supplier Relationship Management. Strategie, Organisation und IT des modernen Beschaffungsmanagements. Seite: 294. GABLER, Wiesbaden, 2005. [3] Beliczy ski J.: Koncepcja zarz dzania relacjami z klientami. Zeszyty Naukowe nr 700 Akademii Ekonomicznej w Krakowie. Kraków, 2006. [4] Brans J.P., Vincke P.: A preference-ranking organisation method: The PROMETHEE method, Management Science 31, 1985. [5] Buchnowska D.: CRM strategia i technologia. Wydawnictwo Uniwersytetu Gda skiego. Gda sk, 2006. [6] Dyche J.: CRM Relacje z klientami. Gliwice, Wydawnictwo Helion, 2002. [7] Figueira J., Greco S., Ehrgott M.: Multiple criteria decision analysis: State of the art surveys. Spronger, 2005. [8] Fjermestad J., Romano N.C.: Electronic Customer Relationship Management. Advances in Management Information Systems Vladimir Zwass Series Editor, New York, 2006. [9] Guitouni A., Martel J.M.: Tentative quideline to help choosing an appropriate MCDA method, European Journal of Operational Research 109, 1998. [10] Jansen L.H.: Increasing customer loyalty with Key Account Management in the automotive sector from the view of a subcontractor. Seminar paper. Seite: 1 6. GRIN Verlag, 2008. [11] Kmieciak R.: Systemy CRM a funkcjonowanie małych i rednich przedsi biorstw w dotychczasowych badaniach empirycznych.www.ptzp.org.pl [dost p: 02.02.2010] [12] Kodikara P.N.: Multi-Objective Optima Operation of Urban Water Supply Systems. Health Engineering and Science Victoria University, Melbourne, 2008.
46 Grzegorz Drozdowski, Monika Stolarska ocena u yteczno ci wybranych rozwi za e-crm z wykorzystaniem narz dzi analizy wielokryterialnej [13] Mazur D.: Nowe kierunki rozwoju systemów informatycznych dla małych i rednich przedsi biorstw. Zeszyty naukowe Politechniki l skiej, 2000. [14] Österle H., Fleisch E., Alt R.: Business Networking. Shaping Collaboration Between Enterprises. Schulze J., Thiesse F., Bach V., Österle. Buchkapitel: 7 Seite: 141 143. Springer, 2001. [15] Peppers D., Rogers M.: Managing Customer relationships. John Wiley & Sons, Inc., Hoboken, New Jersey, 2004. [16] Pieronek J., Were y ski M.: Internetowy system CRM dla małych i rednich przedsi biorstw. www.ptzp.org.pl. [17] Radosi ski E.: Systemy informatyczne w dynamicznej analizie decyzyjnej. Wydawnictwo Naukowe PWN. Warszawa Wrocław, 2001. [18] Ratajski R.: Klient jako najwy sza warto firmy usługowej. Zeszyty Naukowe Instytutu Ekonomii i Zarz dzania. Politechnika Koszali ska. [19] Reponen T.: Information Technology-Enabled Global Customer Service. Idea Group Publishing, United Kingdom and United States of America, 2003. [20] Rogoda B.: Wykorzystanie zasad zarz dzania wiedz w podsystemie podejmowania decyzji cenowych. Zeszyty Naukowe nr 671 Akademii Ekonomicznej w Krakowie. Kraków, 2005. [21] Roy B.: MCDA paradigms and challenges, [w:] Multiple criteria decision analysis. State of the art surveys. Figueira J., Greco S., Ehrgott M. Springer, 2005. [22] Roy B.: The outranking approach and the foundations of Electre methods. Theory and decisions 31, 1991. [23] Saaty T.L.: The analytic hierarchy process, Pittsburgh: RWS Publications, 1996. [24] Schultze A.:Channel Excellence. Architect, Manage and Accelerate Partner & Alliance Networks. www.channelexcellence.com, 2007. [25] Schulze J.: CRM erfolgreich einführen. Springer Verlag. Berlin Heidelberg, New York, 2002. [26] Spulber D.F.: Management Strategy. Pages: 215 216. Business & Economics, 2004. [27] Stachowiak K.: Wielokryterialna analiza decyzyjna w badaniach przestrzennoekonomicznych.. Bogucki Wydawnictwo Naukowe. Pozna, 2002. [28] Stefanowicz B.: Informacyjne systemy zarz dzania. www.akson.sgh.waw.pl [dost p: 02.02.2010]. [29] Strojny S.: Przesłanki standaryzacji interpersonalnej obsługi klienta. Log Forum. 4/2008. [30] Trzaskalik T.: Metody wielokryterialne na polskim rynku finansowym, Polskie Wydawnictwo Ekonomiczne, Warszawa, 2006. [31] Vollmann T.E., Berry W.L., Whybark D.C., Jacobs F.R.: The Definitive Guide For Professionals. Manufacturing Planning & Control Systems for Chain Management. Fifth Edition. 2:26 28. McGraw-Hill, 2005. [32] Weidenmier M.L.: Enterprise relationship management, operating condition dynamics, and the relevance of non-financial information for management decisions. University of Texas at Austin, 2000. [33] Wróbel G.: Zaanga owanie pracownika w wietle koncepcji zarz dzania przez jako TQM. Małe i rednie Przedsi biorstwa w Obliczu Integracji Europejskiej. Tom II, red. Lewandowski H., Malik K., Miszewski M. Wydawnictwo Triada. Bytom, 2000.
POLSKIE STOWARZYSZENIE ZARZ DZANIA WIEDZ Seria: Studia i Materiały, nr 28, 2010 47 APPLYING MULTICRITERIA ANALYSIS TOOLS TO GRADE USABILITY OF SELECTED E-CRM SOLUTIONS Summary The purpose of this paper is to grade usefulness of selected decision aiding information systems with applying multicriteria decision analysis methods. The paper presents a model for classification e-crm systems using the ELECTRE TRI method. Keywords: e-crm, Electre Tri, multicriteria decision analysis methods Grzegorz Drozdowski Pa stwowa Wy sza Szkoła Zawodowa w Gorzowie Wlkp. Teatralna 25, Gorzów Wielkopolski e-mail: gdrozdowski@pwsz.pl Monika Stolarska Zakład Systemów Informatycznych, Zachodniopomorski Uniwersytet Technologiczny ul. ołnierska 49, Szczecin e-mail: mstolarska@wi.zut.edu.pl