Supercomputers zijn niet alleen het domein van de exacte wetenschappen, maar spelen bijvoorbeeld ook een rol bij het oplossen van grote schedulingproblemen of bij marketing en logistiek.

Krachtige computers zijn niet alleen vereist voor de exacte wetenschappen. Ook in andere domeinen is soms veel rekenkracht vereist, bijvoorbeeld bij het oplossen van grote schedulingproblemen in de logistiek of bij moderne marketingtechnieken, of wanneer marketing en logistiek samenkomen. Hieronder enkele voorbeelden.

Een combinatie van marketing en logistiek

De afdeling thuisverkoop van de Belgian Icecream Group (B.I.G. nv), waarvan IJSBOERKE een van de gekende merknamen is, wordt, net als vele andere bedrijven, geconfronteerd met de uitdaging om marketing en verkoop te verzoenen met logistiek. Zij moeten hun klanten bezoeken om te kunnen verkopen, maar of een klant daadwerkelijk iets zal kopen is erg onzeker.

In technische termen moet er een meervoudige handelsreizigersprobleem (m-TSP) met een stochastische vraag en met tijdsvensters opgelost worden. er moet een optimale route bepaald worden voor de meer dan 150 handelsvertegenwoordigers in heel België (het "meervoudige" aspect). De handelsvertegenwoordigers beginnen hun route elke dag van bij hen thuis, bezoeken een vooraf bepaalde groep klanten en gaan terug naar huis of naar het depot voor de bevoorrading (het handelsreizigersprobleem). Bovendien moeten sommige van hun klanten bezocht worden in specifieke tijdsblokken (bijvoorbeeld, sommige winkelstraten zijn alleen open voor bevoorrading tot 11 uur) en is de vraag stochastich (d.w.z. niet deterministisch), zodat het bedrijf niet weet of en welke producten klanten zullen kopen.

Het probleem voor iedere handelsreiziger afzonderlijk oplossen (waarbij klanten toegewezen worden aan iedere handelsreiziger voordat voor iedere handelsreiziger apart een route bepaald wordt) is eenvoudig en scaleert tot een willekeurig aantal handelsreizigers. Wanneer je echter een globaal optimale oplossing wil zoeken, waarbij je de reisweg van alle handelsreizigers samen bekijkt en de klanten aan de handelsreizigers toewijst op een zodanige manier dat de globale oplossing zo optimaal mogelijk is, krijg je echter een veel moeilijker probleem waarvoor parallel rekenen essentieel is.

Optimalisatie van directe marketing

Het objectief van de meeste marketing management activiteiten is het bepalen van de optimale samenstelling van klantensegmenten waarbij gelijktijdig de "waarde" van de klant over een lange periode gemaximaliseerd wordt. Proberen om dit doel te bereiken zonder de juiste ondersteuning van marketingtechnieken en predictieve analyse, leidt bijna zeker tot suboptimale beslissingen. Ook hier weer krijgen we te maken met een ingewikkeld optimalisatieprobleem waarbij zowel de klantsegmentatie als het markeningbeleid geoptimaliseerd moeten worden met als doel het maximaliseren van de winstgevendheid. Hiervoor moet niet alleen een grote hoeveelheid data verwerkt worden; de algoritmen vereisen ook nog erg veel rekentijd zodat rekenclusters onmisbaar zijn.

Een nog relatief eenvoudige aanpak is de volgende: Eerst wordt een eerste segmentatie doorgevoerd op basis van enkele eenvoudige principes, waarna de marketingcampagne geoptimaliseerd wordt. Maar dan komt een feedbackstap: De segmentatie wordt verfijnd, waarna de marketing campagne verder geoptimaliseerd kan worden, enzovoort. Maar krachtige rekenclusters laten toe om deze aanpak nog verder te verfijnen en de resultaten te verbeteren.

Links

Met dank aan...

De CRM cluster van de vakgroep marketing van de Universiteit Gent.