Strategia każdej firmy, działającej na rynku konkurencyjnym opiera się na utrzymywaniu i pozyskiwaniu nabywców swojego produktu lub usługi. Ze strategicznego punktu widzenia wynika więc, że najważniejsi dla firmy są klienci, ponieważ to oni decydują tak naprawdę o sukcesie firmy. W warunkach nasilającej się konkurencji najważniejszym czynnikiem wpływającym na zdobycie klienta i zatrzymanie go, a co za tym idzie – sukces przedsiębiorstwa, staje się zadowolenie klienta.

Co tak naprawdę kryje się pod pojęciem „satysfakcja klienta” (ang. Customer Satisfaction)? Klienci od dawna już nie płacą za produkt w sensie fizycznym, ale za to, co w produkcie czy usłudze cenią i czego od niego/niej oczekują. W wyniku zakupu i korzystania z produktu/usługi klient zaspokaja lub nie swoje oczekiwania. W końcowym efekcie może on być niezadowolony (jego oczekiwania były większe), zadowolony (oczekiwania spełniają się) lub bardzo zadowolony (oczekiwania były mniejsze). Usatysfakcjonowani klienci są bardziej lojalni i dzielą się swoimi korzystnymi opiniami o produkcie/usłudze z innymi, natomiast obniżenie poziomu ich satysfakcji zmniejsza prawdopodobieństwo ponownego zakupu, a szansa na to, że nie odejdą redukuje się do kilkunastu procent. Stopień satysfakcji staje się jednym z najlepszych wskaźników przyszłych zysków firmy oraz dużą pomocą w ustalaniu strategii przedsiębiorstwa oraz zwiększaniu wpływów i udziału w rynku. Wszystko to wskazuje na celowość badań ukierunkowanych na poznanie stopnia satysfakcji klientów.

Pojawia się problem sprawnego i wiarygodnego badania tej satysfakcji ze względu na wpływ różnorodnych czynników, czy zależność od dziedziny życia. Firmy posiadają szereg własnych informacji bądź mają możliwość ich zgromadzenia, najczęściej przez indywidualne wywiady grupowe, wywiady telefoniczne oraz ankiety pocztowe. Aby dokonać najlepszej i najbardziej obiektywnej analizy satysfakcji klienta (ASK) stosuje się wiele metod badawczych zarówno ilościowych jak i jakościowych, m.in.: analizę poziomu sprzedaży, analizę utraty klientów, analizę reklamacji lub kontrolowany zakup. Podejmowane są próby ujednolicenia sposobów określających stopień satysfakcji klienta, czego przykładem może być amerykański indeks satysfakcji klienta (ang. American Customer Satisfaction Index) oraz jego odpowiednik szwedzki (ang. Swedish Customer Satisfaction Barometr). Wymienione indeksy oparte są na modelu opracowanym przez C. Fornella, którego podstawą jest analizowanie satysfakcji klienta w oparciu o trzy grupy czynników, tj. postrzeganą jakość, oczekiwaną jakość i postrzeganą wartość oraz powiązania i zależności między nimi. Otrzymywane informacje można skutecznie wykorzystać do analizy zadowolenia odbiorców, ale są one bezwartościowe, jeśli nie są systematycznie analizowane, nie wyciąga się z nich wniosków i nie wprowadza w życie.

Najczęstszą i najpopularniejszą formą zbierania potrzebnych informacji przez firmy jest opracowywanie kwestionariuszy i przeprowadzanie ankiet. Pozwalają one na wyróżnienie czynników satysfakcjonujących i niesatysfakcjonujących klienta, tkwiących w samym produkcie/usłudze, oraz na ocenę różnorodnych cech produktu/usługi. Otrzymane rezultaty (dane marketingowe) można łatwo przedstawić w postaci tabeli zwanej tablicą decyzyjną; wiersze tej tablicy zawierają uzyskane ankiety, a kolumny kryteria oceny. Na przecięciu wiersza i kolumny znajduje się ocena produktu/usługi ze względu na dane kryterium. Opisany powyżej model danych stanowi typowe dane wejściowe dla metody eksploracji danych i odkrywania wiedzy opartej na teorii zbiorów przybliżonych (ang. Rough Set Theory) zaproponowanej przez Z. Pawlaka. Podstawą filozofii zbiorów przybliżonych jest wyrażenie wiedzy o klasyfikacji obiektów ze względu na zmienną niezależną (zwaną decyzją) za pomocą wiedzy o klasyfikacji obiektów ze względu na zbiór zmiennych zależnych (kryteria ocen). To wyrażenie jednej wiedzy w kategoriach innej nosi nazwę przybliżenia (ang. approximation). Teoria ta podaje również definicje jakości przybliżenia klasyfikacji oraz zależności występujących w danych. Wynikiem analizy danych za pomocą teorii zbiorów przybliżonych jest zbiór reguł decyzyjnych, które stanowią zwartą reprezentację wiedzy zawartej w danych.

W zakresie poszukiwania metod i sposobów skutecznego pomiaru stopnia satysfakcji klientów wiele jest jeszcze możliwości ich doskonalenia. Dostępne na rynku narzędzia są najczęściej bardzo kosztowne, a same metody analizy nie są wolne od wad. Konieczne jest więc ciągłe poszukiwanie takich sposobów pomiaru, które pozwalałyby na osiągnięcie możliwie najwyższej skuteczności i wiarygodności przy możliwie największej prostocie wykonania i ograniczonych kosztach. Wydaje się, że przeprowadzanie ankiet spełnia dwa ostatnie warunki. Niniejszy projekt podejmuje powyższe wyzwanie z zamiarem wykorzystania podejścia zbiorów przybliżonych do analizy wyników ankiet. Celem pracy jest sprawdzenie, czy reguły decyzyjne mogą być pomocne w analizie satysfakcji klienta i czy możliwa jest ocena skuteczności strategii interwencji opracowanej na podstawie uzyskanych reguł.

Podstawowym celem tego projektu jest stworzenie interaktywnego systemu wykorzystującego metodę analizy danych marketingowych dotyczących satysfakcji klienta (kwestionariuszy, ankiet) w oparciu o teorię zbiorów przybliżonych z relacją dominacji. System dodatkowo implementuje metodologię badania wpływu strategii interwencji wywiedzionej z reguł decyzyjnych, prezentację otrzymanych wyników, a także sam algorytm indukcji satysfakcjonującego zbioru reguł.

W ramach pracy inżynierskiej wykonanej w 2003r. na Politechnice Poznańskiej, powstał system GoalProject wspierający szeroko pojętą eksplorację danych. Zawiera on m.in. moduł dostępu do danych pozwalający na odczyt/zapis plików z tablicą decyzyjną (ISF) i ze zbiorem reguł decyzyjnych (RLS) do pamięci i do bazy danych (MySQL) oraz moduł obliczeniowy generujący redukty i reguły decyzyjne. Stworzony w ramach projektu OLSA System program komunikuje się z GoalProject-em poprzez bazę danych MySQL i wyciągał z niej potrzebne dane - wykorzystane zostały tym samym zaimplementowane już parsery plików oraz algorytmy generowania reguł.

Główne założenia projektu:

  • „otwartość” oprogramowania – umożliwienie łatwej rozbudowy systemu w przyszłości,

  • „przenośność” oprogramowania – możliwość uruchamiana na różnych platformach systemowych,

  • „ergonomiczność” oprogramowania – umożliwienie łatwego i możliwie najprostszego korzystania z systemu,

  • niezawodność oprogramowania,

  • spójność i uniwersalność modułów.

Na w pełni działający system składają się trzy duże bloki: stworzony w ramach tego projektu OLSA System (ang. On-Line Satisfaction Analysis System), baza danych MySQL oraz system analityczny dla eksploracji danych o nazwie GoalProject:

Architektura systemu OLSA i wykorzystane technologie

Centrum całego systemu jest baza danych, która stanowi pewien pomost między dwoma systemami i umożliwia wymianę między nimi danych. Ze względu na początkowe założenia co do systemu: otwartość i przenośność, a także na fakt, że miał on współpracować z platformą GoalProject, wybrano łatwy w obsłudze i szybki system zarządzania bazą danych MySQL. Jest to bardzo popularna, dynamicznie się rozwijająca i co ważne darmowa baza danych spełniająca powyższe założenia (wykorzystano najnowszą wersję 5.0.0a).

Do wczytywania danych z plików lub generacji danych wejściowych dla systemu OLSA posłużono się projektem zrealizowany w ramach dwóch prac inżynierskich – GoalProject. Architektura klient-serwer tego sytemu pozwala na uruchomienie przetwarzania z dowolnego miejsca na świecie. Klient odpowiada za zarządzanie i komunikację z użytkownikiem, natomiast odległy serwer (bazujący na technologii Letrix II) za uruchamianie obliczeń i zwracanie wyników do klienta. Jedną z możliwości jest zapisanie tych wyników w odpowiednich tabelach w bazie danych, do której mogą mieć dostęp inne systemy/aplikacje znajdujący się w różnych miejscach na świecie.

Jedną z takich aplikacji jest stworzony w ramach tego projektu OLSA System. Aby spełnić założenia do jej stworzenia wykorzystano język JAVA, który obecnie jest najbardziej rozwijającym się środowiskiem do tworzenia aplikacji (w większości JAVA Swing do tworzenia interfejsów). Należy zaznaczyć, że główną jego cechą jest fakt, że to język interpretowany a nie kompilowany – oznacza to, że do uruchomienia programów w nim napisanych wymagana jest maszyna wirtualna (JavaVM) pracująca w danym środowisku, jednak dzięki temu nie ważne jest na jakim sprzęcie będzie uruchamiana aplikacja.

System do komunikacji z bazą danych MySQL korzysta ze specjalnej do tego celu biblioteki napisanej w Javie – MySQL Connector/J, która dostarcza odpowiedni interfejs i funkcje do zapisu i odczytu danych. Dodatkowo do systemu OLSA dołączone są dwie inne biblioteki odpowiedzialne za wizualizację danych w postaci wykresów: JFreeChart oraz JCharts. Wszystkie wymienione biblioteki są oczywiście w pełni darmowe.