|
djoka_l
Beograd
Član broj: 56075
Poruke: 3569
Jabber: djoka_l
|
Ja ne mogu da verujem da se uopšte diskutuje na ovu temu. Mislim da je potrebno malo PROMIŠLJANJE pre nego što se uopšte počne diskusija.
Uzmimo najgori slučaj, 10000 klijenata. Ako je nekoj osobi potrebno 3 sekunde po klijentu da odluči u koju grupu da ga stavi, za listu od 10000 klijenata, naravno treba 30000 sekundi što je 8 sati i 20 minuta efektivnog rada.
Da li zaista misliš da neko može da sedi ispred ekrana 9 sati i da čvrka checkboxove?!
Ajde da napravimo malo optimističniju prognozu: staviš 65 klijenata po stranici, pa brzim čvrkanjem jednu stranicu središ za minut (nešto više od sekunde po čvrku). Za celu listu treba više od 2 i po sata!
Sledeće, ideja da se stavi checkbox. To znači da (pretpostavljam) jedan klijent može da bude u više grupa, pa bi ta stranica imala u zaglavlju za svaku grupu kolonu u kojoj je odgovorajući checkbox. Da li to znači da ćeš morati da menjaš dizajn stranice svaki put kada se doda nova grupa? Ili ćeš, možda, napraviti dinamički stranicu, pa će u nekom momentu da se pojavi horizontalni scrollbar koji će još više da uspori proces grupisanja?
I poslednje, takav dizajn (u slučaju promenljivog broja kategorija ili grupa) zahteva pivot upite koji su katastrofa u većini baza podataka.
Dakle, prvo razmisli koje klijente uopšte treba staviti na stranicu, a tek posle kako to napraviti. Krenimo od standardnog pristupa po Marfijevom zakonu da 10% populacije ima 90% uticaja na krajnji rezultat.
Primer iz bankarstva: Potrebno je klasifikovati klijente u 5 grupa, A,B,V,G,D po kreditnom riziku. Kriterijum za svrstavanje u pojedine grupe je broj dana kašnjenja otplate. Softver prođe kroz podatke o kreditima klijenata i uradi inicijalnu klasifikaciju. E sada, na osnovu klasifikacije banka mora da odvoji rezervu i to 100% iznosa neplaćenih i nedospelih obaveza za one u kategoriji D, pa sve do 2% za one u kategoriji A. Naravno, banka želi da odvoji što manje sredstava u rezervu, pa onda želi da proveri kako su klasifikovani klijenti koji su dobili klasifikaciju D. Međutim, u kategoriji D se nalaze i oni koji duguju milion evra i oni koji duguju 5 evra. Zato banka traži: izlistaj mi samo one klijente u kategoriji D koji nose sumarno 90% izdvajanja za rezervu. Ili izdvoj samo 10% najvećih dužnika u kategoriji D. Na kraju ispadne, da od 10000 klijenata koji imaju kredit, bude 1000 koji su u kategoriji D, a 10% (ili 90%) čini 20-50 klijenata, što je već broj koji se može obraditi.
Neki drugi kriterijumi mogu biti: izlistaj klijente kojima je pao rejting, iz G u D, izlistaj klijente kojima je povećan rejting za više od dve kategorije, izlistaj klijente čija je softverski određena kategorija različita od ručno zadate kategorije itd.
Znači, pravilo je podeli da bi ovladao (izvedeno od onoga: zavadi pa vladaj). Prvo što treba da razmisliš je kako da ne prikažeš 10000 klijenata a ne kako da ih prikažeš. Ukoliko smisliš način da prikažeš samo deo informacija, biće bolji rezultati.
Zato je potrebno osmisliti mehanizam koji će na automatski način grupisati klijente, a za ljudsku intervenciju ostaviti one granične slučajeve.
Drugi princip, na stranici za klijenta dati mogućnost grupisanja.
Zaključak: automatsko masovno grupisanje, ručno polumasovno grupisanje na pažljivoj selekciji, ručno grupisanje pojedinačnog klijenta.
|
Selektovanje sa ogromne liste