Ocena użyteczności wybranych rozwiązań e-CRM z wykorzystaniem narzędzi analizy wielokryterialnej

Pełen tekst

(1)OCENA U YTECZNO CI WYBRANYCH ROZWIZA e-CRM Z WYKORZYSTANIEM NARZDZI ANALIZY WIELOKRYTERIALNEJ GRZEGORZ DROZDOWSKI Pastwowa Wysza Szkoła Zawodowa w Gorzowie Wlkp. MONIKA STOLARSKA Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Streszczenie Celem niniejszego artykułu jest ocena uĪytecznoĞci wybranych systemów wspomagania decyzji z wykorzystaniem narzĊdzi analizy wielokryterialnej. W artykule przedstawiono model oceny uĪytecznoĞci i klasyfikacji systemów e-CRM przy wykorzystaniu ELECTRE Tri. Słowa kluczowe: e-CRM, Electre Tri, narzdzia i metody analizy wielokryterialnej 1. Wprowadzenie Rynek systemów informatycznych oferuje wiele rozwiza dla firm zorientowanych na klienta. Brak jasnych priorytetów działania firm i skorelowania ich z potrzebami prowadzi do problemu wyboru rozwizania. Dodatkowo niskie nakłady jakie przedsibiorstwa przeznaczaj na oprogramowanie wspomagajce zarzdzanie i brak wystarczajcego przekonania włacicieli firm co do celowoci wdraania takich rozwiza przyczynia si do ponoszenia zbdnych kosztów przed i powdroeniowych, a w najgorszym wypadku równie ponownego zakupu systemu. W grupie systemów wspomagania decyzji elektroniczne systemy zarzdzania relacjami z klientami zajmuj istotne miejsce. Optymalizuj i usprawniaj procesy sprzeday oraz szeroko pojtej obsługi klienta, jednak proces wdroenia oprogramowania tej klasy jest złoony. Przedsibiorstwo, decydujce si na inwestycj w postaci wdroenia oprogramowania musi zna cele swojej działalnoci, oczekiwania, a take mie wiadomo moliwych trudnoci podczas samego procesu wdraania i odpowiednio si na nie przygotowa . Indywidualne preferencje, róne potrzeby firm wymagaj przedwdroeniowej identyfikacji cech uytkowych systemów. Problem doboru najlepszego, dostosowanego do specyfiki działalnoci oraz preferencji systemu tej klasy jest złoony i wymaga okrelenia przez decydenta, jakie uytecznoci powinien oferowa wybrany system. Podjcie trafnej decyzji wymaga zastosowania jednego z grupy narzdzi analizy wielokryterialnej. 2. Ewolucja systemów e-CRM Na rozwój systemów zarzdzania relacjami z klientami znaczco wpłynły dwa trendy w dyscyplinach naukowych: marketing i informatyka gospodarcza – z jednej strony rozwój marketingu transakcyjnego w kierunku relacyjnego, a z drugiej zmiana zarzdzania informacjami w zarzdzanie wiedz o klientach. [1] Pierwszy kierunek zmian dotyczył najczciej wykorzystywanych funkcji systemów CRM w sektorze MSP [2], drugi wynika wprost ze zmiany sposobu funkcjonowania przedsibiorstw na obecnym rynku..

(2) 38. Grzegorz Drozdowski, Monika Stolarska ocena uĪytecznoĞci wybranych rozwiązaĔ e-CRM z wykorzystaniem narzĊdzi analizy wielokryterialnej. Hasłem przewodnim działalnoci wielu przedsibiorstw jest obecnie działalno zorientowana na klienta i wykorzystanie oprogramowania jej wspomagajcego. Podstawowym zadaniem wyróniajc systemy CRM jest moliwo ewidencjonowania wszelkich informacji na temat klientów i czynnoci wykonywanych w zwizku z operacjami z nimi przeprowadzanymi. Gromadzenie całoci informacji o sposobie obsługi klienta ma na celu wspomoenie pracy osób odpowiedzialnych w firmie za kontakt z klientami, podnoszenie jakoci obsługi, indywidualizowanie oferty z zalenoci od potrzeb klienta. System wspierajcy takie działania musi dostarcza wszelkie informacje potrzebne w danej chwili do właciwej obsługi klienta [3]. Ewolucja koncepcji zarzdzania relacjami z klientami spowodowała rozwój systemów CRM w kierunku: KCRM (ang. Key Customer Relationship Management – zarzdzanie relacjami z kluczowymi klientami i koncentracj na najlepszych, przynoszcych zysk klientach) [4]; KCRM (ang. Knowledge-enabled Customer Relationship Management – zarzdzanie relacjami z klientami na bazie wiedzy) – zarzdzanie wiedz o klientach i partnerach biznesowych [5, 6]; CMR (ang. Customer Managed Relationship – relacje zarzdzane przez klienta) – zaangaowanie klienta w kształtowanie relacji z firm poprzez dostp do informacji i kontroli zamówie [7]; ECRM lub ERM (ang. Enterprise Relationship Management) – CRM do przegldu klientów [8]; e-CRM – (ang. Electronic Customer Relationship Management) [9]; PRM (ang. Partner Relationship Management – zarzdzanie relacjami z partnerami) [10]; cCRM (ang. Collaborative CRM – współpracujcy CRM) – współpraca klienta z firm [11]; SRM (ang. Supplier Relationship Management – zarzdzanie relacjami z dostawcami) – ocena i wybór najlepszych dostawców [12]; mCRM (ang. Mobile CRM – przenony CRM) – wykorzystanie technologii bezprzewodowych w przekazywaniu informacji klientom lub partnerom [13]. Obecnie rónicowanie przedsibiorstw ograniczone do technicznych właciwoci produktów lub usług nie wystarcza. Istotne s jedynie preferencje klientów, a wic strategia zrónicowania musi odnosi si do wartoci docelowych klientów [31]. Firmy musz starannie wybiera cechy swoich produktów strategicznych, musz dba o stałe dostarczanie korzyci dla klienta. Menederowie musz stale zadawa sobie pytanie, jak produkty oferowane przez ich firm odpowiadaj potrzebom klientów w porównaniu do produktów oferowanych przez konkurentów, jakie bd korzyci dla klienta, jakie koszty produkcji, jaka jest gotowo klienta do zapłaty za produkty w stosunku do produktów konkurentów [33]. Decyzje o zakupach uzalenione s bowiem od dochodów, indywidualnych preferencji, na które z kolei wpływaj: dowiadczenie, tło kulturowe, interakcje społeczne i inne czynniki [24]. Klienci maj okrelone preferencje w zakresie właciwoci kadego produktu i ich ocena moe opiera si na subiektywnych i obiektywnych czynnikach. Czynniki subiektywne to takie, które s całkowicie kwesti indywidualnych upodoba kadego klienta, natomiast obiektywne to te, na które klienci niemal powszechnie si zgadzaj [14]. Kady pracownik firmy jest odpowiedzialny za satysfakcj klienta z dokonanego zakupu [27, 28, 29], dlatego gromadzenie danych i monitorowanie działa w obszarze zarzdzania dotyczy dwóch kategorii: rynku ogólnego i produktu. Istotne jest ustalanie na bieco wszelkich zmian na poziomie rzeczywistej działalnoci przedsibiorstwa w zakresie wprowadzania produktu/usługi do sprzeday i procesu jego planowania oraz monitoring asortymentu produktów do harmonogramowania produkcji i zamówie zgłaszanych klienta. Wane jest, aby szybko okreli zmiany w preferencjach klientów i dostosowa do nich proces produkcji. W wielu firmach produkcyjnych, szczególnie tych realizujcych łacuch dostaw za porednictwem 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,.

(3) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 28, 2010. 39. w wikszym stopniu odzwierciedlaj ich rzeczywiste potrzeby. Ponadto, mog one zagwarantowa. lepsze spojrzenie na rzeczywiste, biece potrzeby klientów ni analiza danych historycznych czy prognozowanie tendencji. Pozyskiwanie informacji na tym poziomie szczegółowoci moe pomóc firmom na wczesne rozpoznanie popytu na towary i usługi i zmieniajce si trendy [32], co stanowi podstaw do projektowania nowych produktów i usług, a w konsekwencji prowadzi do rozwoju wiedzy i działalnoci oraz poprawy efektywnoci łacucha dostaw. Gromadzenie na bieco informacji na temat preferencji klientów moe w por ostrzec o zmianach w ich preferencjach i by. baz wiedzy dla inynierów opracowujcych plany zakupu surowców i produkcji [15]. Istotne jest zastosowanie narzdzi odpowiednich do oceny systemów e-CRM, umoliwiajcych w dalszym etapie dobór najlepszego oprogramowania do potrzeb przedsibiorstwa. 3. Narzdzia oceny wielokryterialnej we wspomaganiu decyzji W ocenie systemów i procesie podejmowania decyzji konieczne jest uwzgldnienie jednoczenie wielu punktów widzenia [16], okrelenie preferencji decydenta i przyporzdkowania im kryteriów. Kade z kryteriów jest wykorzystywane do oceny kadej potencjalnej akcji rozpatrywanej w procesie decyzyjnym według charakterystycznej dla niego skali jakociowej bd

(4) ilociowej. Jednake w wikszoci przypadków nie istniej jasne i akceptowalne arytmetyczne zalenoci pozwalajce na wyraenie wartoci kadego z wielu rónorodnych kryteriów, a tym bardziej wyraanie 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 czsto niekoniecznie sformalizowane) modele umoliwiaj osobom zaangaowanym w proces decyzyjny uzyska odpowiedzi i wyjanienia odnonie podjtych 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]: okrelenia struktury problemu decyzyjnego; artykulacji i modelowania preferencji decydenta; agregacji ocen alternatyw decyzyjnych; opracowania rekomendacji. Wyznaczenie oceny skutków kadego z wariantów decyzyjnych przy wyborze systemu lub te porównanie wariantów wydaje si by najwikszym problemem wspomagania decyzji. Zwłaszcza w problemach, do których rozwizania uwzgldni naley jednoczenie wiele kryteriów. „Dobra decyzja” podjta jest na podstawie rzetelnej oceny i wymaga zbadania wielu wariantów pod ktem czynników charakteryzujcych ich dopuszczalno . Czynniki te słu równie stopniowaniu jakoci poszczególnych wariantów w sytuacji, kiedy wszystkie moliwoci s dopuszczalne, a problemem jest wybranie subiektywnie najlepszego z nich. Zaznaczy naley jednak, e subiektywizm odnosi si tu do wanoci poszczególnych kryteriów, poniewa dla decydenta jedne z czynników (w tym wypadku uytecznoci systemów) s waniejsze od innych. Decydenci mog przypisywa rónym kryteriom wyboru systemu róne wagi, co oznacza, e w adnym wypadku decyzja wielokryterialna nie jest całkowicie obiektywna. Dobór wag kryteriów i akceptacja rozwizania subiektywnie lepszego od innych zwizane s cile z wiedz i oczekiwaniami decydenta. Jego preferencje stanowi istotny składnik wikszoci metod wielokryterialnych. Jak wskazuje T. Trzaskalik [20] wielokryterialn sytuacj decyzyjn charakteryzuj nastpujce aspekty: wyodrbniona jest skoczona liczba mierzalnych lub stopniowalnych celów opisujcych obiekt decyzji, cele s urzeczywistniane przez wspólny zbiór decyzji dopuszczalnych, podstaw podjcia decyzji stanowi zespół kryteriów sformułowanych w stosunku do celów,.

(5) 40. Grzegorz Drozdowski, Monika Stolarska ocena uĪytecznoĞci wybranych rozwiązaĔ e-CRM z wykorzystaniem narzĊdzi analizy wielokryterialnej. w zbiorze celów wystpuje zjawisko konkurencyjnoci powodujce, ze wikszy stopie realizacji jednego z celów oznacza zmniejszenie stopnia realizacji innych celów [22]. Obecnie dostpna jest dua grupa metod i narzdzi analizy wielokryterialnej, co powoduje konieczno ich przegldu pod ktem przydatnoci do oceny systemów informatycznych. Dostpne s metody elementarne, pojedynczych zsyntetyzowanych kryteriów, przewyszania, mieszane. Dobór wielokryterialnej metody wspomagania podejmowania decyzji do oceny uytecznoci systemu e-CRM dla przedsibiorstwa jest problemem złoonym. Z rodzin Electre (fr. ELimination Et Choix Traduisant la REalite), Promethee (ang. Preference Ranking Organization METHod for Enrichment Evaluations) oraz Bipolar oparte s nastpujce metody o relacje przewyszania [21,25,18]: Electre I, Electre Is, Electre II, Electre III, Electre IV, Electre Tri, Promethee I i II, Bipolar. Electre I uwzgldnia najmniejsze rónice w wartociach kryteriów, co powodowa moe w konsekwencji generowanie rankingu, w którym jeden z wariantów uznany zostanie za zdecydowanie lepszy ni drugi mimo niewielkiej midzy nimi rónicy. Electre Is wskazuje rónice pomidzy porównywalnoci i nieporównywalnoci kryteriów [wielkoci dyskretne], wprowadza próg obojtnoci. Electre II oparta jest o deklaracj okrelonej iloci niewyczuwalnych intuicyjnie progów, wykorzystuje relacje przewyszania. Electre III wskazuje przewag wariantu lepszego nad gorszym w miar zmniejszania si przewagi wariantu gorszego nad lepszym (przewyszanie wyraane jest za pomoc indeksu wiarygodnoci). W metodzie Electre Tri konieczne jest podanie profili wariantów opisujcych granice klas, do których sortowane bd warianty decyzyjne, w Bipolar wzorców wariantów dobrych i złych. Electre IV zlicza iloci wzajemnie przewaajcych si kryteriów, uytkownik nie ma jednak moliwoci definiowania wag kryteriów. Rozszerzeniem Electre IV jest MELCHIOR. Promethee I bazuje na podobnych zasadach jak Electre, odrzuca moliwo wystpienia nieporównywalnoci badanych produktów, wprowadza metod okrelania czciowego rankingu alternatyw. Problem nieporównywalnoci moe by wyeliminowany w metodach Electre Is i Electre III dziki ustawieniu wysokich progów veta, przy czym nadmieni. naley, e progi te okrela sam decydent, podobnie jak równowanoci 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 uytecznoci wzgldem kryteriów. Metody te wymagaj wiedzy eksperckiej. Metoda MAVT (Multi-Attribute Value Theory) agreguje wartoci z otrzymanych czstkowych funkcji kryterialnych w celu otrzymania wartoci funkcji globalnej (w postaci addytywnej lub multiplikatywnej). TOPSIS (Techique for Order by Similarity to Ideal Solution) wskazuje alternatyw najblisz do rozwizania idealnego i najbardziej odległ do przeciwnego idealnemu. Wród metod wielokryterialnych dostpne s równie metody rankingowe, takie jak: AHP (Analytic Hierarchy Process) [19], SMART (Simple Multi-Attribute Rating Technique) czy Promethee II. Wszystkie eliminuj wystpowanie sytuacji nieporównywalnoci. Promethee II i SMART oferuj rozmycie przedziałów preferencji, uwzgldniaj wagi kryteriów, nie wymagaj podawania przez uytkownika wielu parametrów oraz nie dopuszczaj sytuacji nieporównywalnoci. Promethee w porównaniu z metod SMART wydaje si bardziej zaawansowana pod wzgldem metodologii problemu decyzyjnego, generuje ranking obiektów na podstawie porówna wariantów parami. Sporód przedstawionych dostpnych rozwiza zasadnym wydaje si konstrukcja modelu oceny w oparciu o metody Electre Tri, gdy pozwoli ona na sortowanie alternatyw do wyznaczo-.

(6) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 28, 2010. 41. nych a priori kategorii systemów, a zatem porównanie obiektu z profilem decydenta, okrelenie do której klasy preferencji naley system oraz umoliwia wybór najlepszego systemu. 4. Model oceny systemów e-CRM z wykorzystaniem Electre Tri Organizacja eksperymentu badawczego oparta została o definicj profili, okrelenie wag kryteriów, wartoci progów preferencji p, nierozrónialnoci q dla oceny uytecznoci 13 wybranych systemów e-CRM: 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, S13 – DACON ASP Software Solution. W pierwszym etapie okrelono posta kryteriów do oceny systemów eCRM. Decydent nadał róne wagi (od 1do 10; gdzie 1– najmniej wana, 10 – najwaniejsza) 11 rónym kryteriom w zalenoci od preferencji: K1 – dostp offline do bazy klientów – 3, K2 – intuicyjny interfejs – 7, K3 – przejrzysto zawartych informacji – 7, K4 – bezpieczestwo danych – 5, K5 – moliwo. wyboru jzyka przy uruchamianiu systemu – 2, K6 – szybko działania – 4, K7 – łatwo przeprowadzenia migracji danych z dotychczas stosowanych baz lub arkuszy kalkulacyjnych – 6, K8 – codzienne raportowanie wyników handlowych, przygotowywanie i wywietlanie statystyk finansowych – 10, K9 – automatyczne kopie bezpieczestwa chronice przed awariami sprztu i fizyczn utrat danych – 5, K10 – platforma systemowa – 5, K11 – integracja z innymi rozwizaniami – 7. Nastpstwem strukturalizacji problemu jest Tabela 1, która w intuicyjny i prosty sposób została uzupełniona notami ekspertów. Przyjto skal ocen od 1 do 90 punktów w zalenoci od stopnia w jakim funkcje danego systemu spełniały oczekiwania niezalenych decydentów. Tabela 1. Ekspercka ocena punktowa systemów e-CRM. Nazwa producenta / Nazwa systemu Kryterium SELECT /uyteczno. 1 2 3 4 5 6 7 8 9 10 11. K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11. 12 48 75 55 13 39 29 31 28 7 6. SENTE CRM Chrome TRONIX InteleBIZ eCRM Vision CRM i-CRM eCRM Mobile. 15 12 84 25 32 38 28 74 22 18 20. 32 65 85 54 68 18 7 35 47 15 39. 39 10 35 67 87 17 6 22 15 18 24. 22 13 4 90 39 16 14 31 35 7 22. 55 12 25 24 45 7 16 35 16 39 17. DACON Advent Siebel Greentre ACT! By Caspian ASP CRMadar InfoSoft eCRM eCRM Sage ECRM Software Pvt. Ltd. Solution. 87 65 55 27 8 4 31 36 14 39 36. 78 65 10 38 87 35 2 15 12 3 48. 35 27 33 10 34 32 3 17 17 15 32. 25 24 6 45 27 18 4 15 14 34 14. 17 13 7 36 48 8 2 25 35 13 18. 32 65 22 52 22 51 16 46 32 37 46. 39 36 8 31 39 49 38 39 22 7 36. ródło: Opracowanie własne. Tak zdefiniowany zbiór ocen czstkowych stanowił podstaw do dalszych bada i zastosowania metodyki Electre Tri w zakresie oceny uytecznoci systemów..

(7) 42. Grzegorz Drozdowski, Monika Stolarska ocena uĪytecznoĞci wybranych rozwiązaĔ e-CRM z wykorzystaniem narzĊdzi analizy wielokryterialnej. W ostatnim etapie proponowanej procedury odbyła si analiza rozrónialnoci preferencji wyznaczonego rankingu rozwiza. Okrelono 3 klasy uytecznoci systemów: wysok, redni i nisk, 2 profile wyznaczajce granice pomidzy klasami (P1 – granica midzy klas nisk a redni, P2 – granica midzy klas redni a wysok), wartoci progu preferencji (minimalna rónica pomidzy ocenami dwóch systemów po przekroczeniu której nie istniej ju adne wtpliwoci e jeden z nich jest lepszy pod wzgldem danego kryterium wynosi 10), nierozrónialnoci (maksymalna rónica pomidzy ocenami dwóch systemów, przy której nie mona jeszcze stwierdzi , e jeden z systemów jest lepszy pod wzgldem danego kryterium, w zwizku z tym systemy te bd traktowane jako równowane wynosi 2), nie uwzgldniono progu veto (minimalnej rónicy pomidzy dwoma systemami dla danego kryterium po przekroczeniu której wykluczone jest uznanie ocenionego niej wariantu za ogólnie lepszy od tego ocenionego pod wzgldem danego kryterium wyej nawet jeli zostanie on uznany za zdecydowanie lepszy od drugiego pod wzgldem wszystkich innych kryteriów). Powstały ranking klas pozwolił na optymistyczny i pesymistyczny przydział wariantów do klas. Wyniki przedstawia Tabela 2. Tabela 2. Klasyfikacja systemów według kategorii i alternatyw Kategorie Nazwa kategorii. Pesymistyczny przydział wariantów do klas. Optymistyczny przydział wariantów do klas. wysoka Ğrednia niska. S4 S5 S9 S10 S11. S4 S5 S6 S8 S9 S10 S11 S13 S2 S3 S1. System. S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S2 S3 S1. Alternatywy Pesymistyczny przydział Optymistyczny przydział wariantów do klas wariantów do klas. wysoka wysoka Ğrednia Ğrednia Ğrednia wysoka wysoka wysoka Ğrednia Ğrednia niska Ğrednia Ğrednia. wysoka wysoka wysoka Ğrednia wysoka wysoka wysoka wysoka Ğrednia wysoka wysoka wysoka wysoka. ródło: Opracowanie własne. Przeprowadzono testy zgodnoci i niezgodnoci pomidzy profilami. Okrelono warianty i profile (preferencji „>” albo „<”, nierozrónialnoci „I”, nieporównywalnoci „R”). Porównane zostały wszystkie warianty z wszystkimi profilami, nastpnie otrzymano szereg hipotez, które mówi czy dany wariant przewysza okrelone progi. Wyniki testów przedstawiono w Tabeli 3..

(8) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 28, 2010. 43. Tabela 3.Warianty i profile wraz z przyporządkowaniem do klas S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S2 S3 S1. P2 > > > > > > > > > > R > >. P1 > > R < R > > > < R R R R. ródło: Opracowanie własne. Testy wskazuj jednoznacznie, e dla zadanych klas nieporównywalny jest system S2, a na granicy profilu P1 nieporównywalne s systemy S6, S8, S13, S3, S1. Profil P1 jest preferowany nad wariant S7 oraz S12, w pozostałych przypadkach profile s przewyszane 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.

(9) 44. Grzegorz Drozdowski, Monika Stolarska ocena uĪytecznoĞci wybranych rozwiązaĔ e-CRM z wykorzystaniem narzĊdzi analizy wielokryterialnej. S13 – DACON ASP Software Solution. ródło: Opracowanie własne. W wyniku przeprowadzonych bada funkcje systemu S1 zakwalifikowane zostały pomidzy redni a wysok klas uytecznoci, z jednym kryterium (K3) jako nisko uyteczne. System S2 w zalenoci od kryterium decydenta klasyfikuje si w obu profilach (P1 i P2), a pod wzgldem kryterium K3 jest oceniony nisko, wysokie noty za otrzymały kryteria K2, K4, K5, K7, K8, K9, K10, K11.. System S3, podobnie jak S1 zakwalifikował si pomidzy redni a wysok klas uytecznoci dla decydenta, jedynie kryteria K2 i K3 s nisko uyteczne, a K6, K7, K10 – wysoko. Systemy S4 i S5 otrzymały wysokie noty eksperckie i s w klasie systemów o wysoko uytecznych funkcjach. Zaznaczy naley jednak, e dla S4 kryterium K5 a dla S5 kryterium K4 otrzymało najnisz ocen, co warunkuje klasyfikacje tych kryteriów do nisko uytecznych. W przypadku S4 kryteria K1 i K3, a dla S5 kryterium K5 zaklasyfikowane zostały pomidzy klasami. Systemy S6, S8 i S13 zakwalifikowano pomidzy redni a wysok klas uytecznoci, gdzie dla S6 jedynie kryteria K1, K5, K10 s rednio uyteczne, dla S8 : K1, K2 i K5 nisko uyteczne i K3 i K7 wysoko, natomiast dla S13 wysoko ocenione zostały kryteria K3, K9, K10. System S7 to system zakwalifikowany w klasie redniej, mimo e kryteria K1 i K2 s nisko uyteczne a K4, K5, K6, K9 wysoko. Najlepiej w klasyfikacji wypadły systemy S9, S10 i S11. Zostały wysoko ocenione przez decydenta. Dla S9 pomidzy klas redni a wysok ocenione zostały kryteria K1, K3, K6, K11, dla systemu S10 – kryteria K4, K10, a dla S11 – kryteria K4, K5, K9. System S12 został przypisany do klasy systemów o redniej uytecznoci dla decydenta, z jednym kryterium K2 – nisko ocenionym i kryteriami K3, K5, K7 ocenionymi wysoko. 5. Uwagi kocowe Dobór najlepszego oprogramowania do specyfiki działalnoci firmy jest istotnym problemem rozwoju informatyzacji. Ocena uytecznoci systemów e-CRM przy wykorzystaniu narzdzi analizy wielokryterialnej daje czyteln informacj dla decydenta, do której klasy uytecznoci przez niego wyznaczonej zakwalifikowany został kady z systemów. Na podstawie indywidualnych preferencji decydenta okrelono, do której klasy uytecznoci naley dane kryterium, a w których.

(10) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 28, 2010. 45. punktach klasyfikacja ta jest niejasna. Electre Tri pozwoliła na okrelenie zagregowanej pozycji systemu do jednej z trzech kategorii okrelajcych uyteczno jego funkcji. Nadmieni naley, i stabilno oceny wystpiła wówczas, gdy wystpił zarówno wariant pesymistyczny jak i optymistyczny dla zadanego kryterium. Opracowany model oceny uytecznoci systemów eCRM pozwolił na wybór najlepszego dla decydenta rozwizania. Funkcje systemów S4 – Chrome CRM, S5 – TRONIX i-CRM, S9 – Greentre eCRM, S10 – Advent InfoSoft Pvt. Ltd., S11 – ACT! By Sage zaklasyfikowane zostały wysoko uyteczne, co potwierdzaj równie testy zgodnoci. Przeprowadzone badania nad ocen systemów klasy e-CRM zdaj si potwierdza trafno. doboru aparatu badawczego. Przedstawiony w artykule problem oceny uytecznoci systemów e-CRM znajduje dobre odzwierciedlenie w uytej metodzie badawczej, a przedstawiony układ eksperymentu badawczego gwarantuje decydentowi znalezienie systemu moliwie najbardziej zbienego z okrelonymi przez niego oczekiwaniami i sortowanie alternatyw do wyznaczonych a priori kategorii. W dalszych konkluzjach badawczych naley nadmieni , e przyjta konstrukcja modelu umoliwiła wyeliminowanie rozwiza nie spełniajcych oczekiwa decydenta – okrelonych jako systemy o niskiej uytecznoci. %LEOLRJUDILD [1]. [2]. [3] [4] [5] [6] [7] [8]. [9] [10]. [11] [12]. Adamowicz M.: Wiedza i jej wpływ na tworzenie wartoci i zarzdzanie organizacj. Szkoła Główna Gospodarstwa Wiejskiego, Katedra Polityki Agrarnej i Marketingu. Prace Naukowe nr 35. Appelfeller W., Buchholz W.: Supplier Relationship Management. Strategie, Organisation und IT des modernen Beschaffungsmanagements. Seite: 294. GABLER, Wiesbaden, 2005. Beliczyski J.: Koncepcja zarządzania relacjami z klientami. Zeszyty Naukowe nr 700 Akademii Ekonomicznej w Krakowie. Kraków, 2006. Brans J.P., Vincke P.: A preference-ranking organisation method: The PROMETHEE method , Management Science 31, 1985. Buchnowska D.: CRM strategia i technologia. Wydawnictwo Uniwersytetu Gdaskiego. Gdask, 2006. Dyche J.: CRM Relacje z klientami. Gliwice, Wydawnictwo Helion, 2002. Figueira J., Greco S., Ehrgott M.: Multiple criteria decision analysis: State of the art surveys. Spronger, 2005. Fjermestad J., Romano N.C.: Electronic Customer Relationship Management. Advances in Management Information Systems Vladimir Zwass Series Editor, New York, 2006. Guitouni A., Martel J.M.: Tentative quideline to help choosing an appropriate MCDA method, European Journal of Operational Research 109, 1998. 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. Kmieciak R.: Systemy CRM a funkcjonowanie małych i rednich przedsibiorstw w dotychczasowych badaniach empirycznych .www.ptzp.org.pl [dostp: 02.02.2010] Kodikara P.N.: Multi-Objective Optima Operation of Urban Water Supply Systems. Health Engineering and Science Victoria University, Melbourne, 2008..

(11) 46. Grzegorz Drozdowski, Monika Stolarska ocena uĪytecznoĞci wybranych rozwiązaĔ e-CRM z wykorzystaniem narzĊdzi analizy wielokryterialnej. [13] [14]. [15] [16] [17] [18] [19] [20]. [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31]. [32]. [33]. Mazur D.: Nowe kierunki rozwoju systemów informatycznych dla małych i rednich przedsibiorstw. Zeszyty naukowe Politechniki lskiej, 2000. 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. Peppers D., Rogers M.: Managing Customer relationships. John Wiley & Sons, Inc., Hoboken, New Jersey, 2004. Pieronek J., Wereyski M.: Internetowy system CRM dla małych i Ğrednich przedsiĊbiorstw. www.ptzp.org.pl. Radosiski E.: Systemy informatyczne w dynamicznej analizie decyzyjnej. Wydawnictwo Naukowe PWN. Warszawa–Wrocław, 2001. Ratajski R.: Klient jako najwyĪsza wartoĞü firmy usługowej. Zeszyty Naukowe Instytutu Ekonomii i Zarzdzania. Politechnika Koszaliska. Reponen T.: Information Technology-Enabled Global Customer Service. Idea Group Publishing, United Kingdom and United States of America, 2003. Rogoda B.: Wykorzystanie zasad zarządzania wiedzą w podsystemie podejmowania decyzji cenowych. Zeszyty Naukowe nr 671 Akademii Ekonomicznej w Krakowie. Kraków, 2005. Roy B.: MCDA – paradigms and challenges, [w:] Multiple criteria decision analysis. State of the art surveys. Figueira J., Greco S., Ehrgott M. Springer, 2005. Roy B.: The outranking approach and the foundations of Electre methods. Theory and decisions 31, 1991. Saaty T.L.: The analytic hierarchy process, Pittsburgh: RWS Publications, 1996. Schultze A.:Channel Excellence. Architect, Manage and Accelerate Partner & Alliance Networks. www.channelexcellence.com, 2007. Schulze J.: CRM erfolgreich einführen. Springer – Verlag. Berlin Heidelberg, New York, 2002. Spulber D.F.: Management Strategy. Pages: 215–216. Business & Economics, 2004. Stachowiak K.: Wielokryterialna analiza decyzyjna w badaniach przestrzennoekonomicznych.. Bogucki Wydawnictwo Naukowe. Pozna, 2002. Stefanowicz B.: Informacyjne systemy zarządzania. www.akson.sgh.waw.pl [dostp: 02.02.2010]. Strojny S.: Przesłanki standaryzacji interpersonalnej obsługi klienta. Log Forum. 4/2008. Trzaskalik T.: Metody wielokryterialne na polskim rynku finansowym, Polskie Wydawnictwo Ekonomiczne, Warszawa, 2006. 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. 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. Wróbel G.: ZaangaĪowanie pracownika w Ğwietle koncepcji zarządzania przez jakoĞü TQM. Małe i rednie Przedsibiorstwa w Obliczu Integracji Europejskiej. Tom II, red. Lewandowski H., Malik K., Miszewski M. Wydawnictwo Triada. Bytom, 2000..

(12) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 28, 2010. 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 Pastwowa Wysza 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. 47.

(13)