1.02k likes | 1.38k Views
Oliver Wendt. EUS-Anwendungsfall: Yield Management für Informationsdiensleistungen. Information als Repetierfaktor ?. vernachlässigbaren Reproduktionskosten (sog. quasibeliebige Kopierbarkeit) „Verbrauch“ von Informationsgütern unkritisch einfache Vernichtung / Entsorgung
E N D
Oliver Wendt EUS-Anwendungsfall: Yield Management für Informationsdiensleistungen
Information als Repetierfaktor ? • vernachlässigbaren Reproduktionskosten(sog. quasibeliebige Kopierbarkeit) • „Verbrauch“ von Informationsgütern unkritisch • einfache Vernichtung / Entsorgung • keine Knappheit existierender Information • Einordnung als Repetierfaktor wenig sinnvoll
Information als Potentialfaktor ? • Konkurrenz der Produktionsprozesse um diese Ressource fehlt bei Infoprodukten • keine Probleme der Ablaufplanung (auch jeder Algorithmus kann beliebig repliziert werden) • Kernproblem der Informationsproduktion liegt nicht in der Konkurrenz um die Ressource Information selbst, sondern in der mittelbaren Konkurrenz um die knappen physischen Träger der Produktionsprozesse! • Menschen • Rechner • Netzressourcen
Knappheit des TRÄGERS der IV • Kosten der Produktion sind primär Opportunitätskosten einer Nicht-Nutzung der physischen Potentialfaktoren zur Befriedigung alternativer Nachfragen nach anderen Informations- oder Sachgütern. • „Knappheit des ersten Stücks“ • führt zwar zu direkten Engpässen auf der informationellen Ebene selbst • aber gerade Berechnung oder „kreative Erzeugung“ sind mit hoher zeitlicher Belastung des knappen physischen Potentialfaktors verbunden
IS Innovative Software AG • seit Anfang November fusioniert mit Teledata GmbH • Marktführer für internetbasierte Finanzinformationsdienstleistungen • eigener Wirtschaftsnachrichten-Feed mit täglich ca. 200 aktuellen Meldungen, Research-Ergebnissen und Unternehmensprofilen • Realtime - Kursdatenbank mit ca. 220.000 internationalen Werten (seit 1999 weitgehend auf Einzeltick-Basis)
Mittelfristziel:individuelles Portfoliomanagement • Charts der historischen Portfolioentwicklung • Risikoanalyse / VaR • Portfoliooptimierung unter Berücksichtigung • vorgegebener Risikostrukturziele • individueller Transaktionskosten • „operativer“ Geschäftsrisiken
Yield Management /Perishable Asset Revenue Mgmt Menge aller Verfahren, welche durch eine integrierte Preis- und Kapazitätssteuerung, die richtigen Einheiten eines zukünftig bereitzustellenden Kapazitätstyps dem richtigen Kundentyp so zuordnen, daß der Deckungsbeitrag der Betriebseinheit maximiert wird[vgl. Belobaba (1989), Vogel (1989)].
Charakteristika YM-geeigneter Produktionsprozesse [Kimes (1989)] • hohe Kapazitätsbereitstellungskosten : Kapazität kurzfristig nur zu prohibitiv hohen, sprungfixen Kosten ausweitbar • variable Grenzkosteneiner zusätzlichen Leistungseinheit innerhalb der gegebenen Kapazitätengering • Möglichkeit zur Marktsegmentierung • Nichtlagerbarkeit und Verderblichkeit • Produktverkauf vor Produktionsbeginn • hohe Volatilität der Nachfrage
Yield Management /Perishable Asset Revenue Mgmt • Airline Industries (Passage & Cargo) • Hotel- & Tourismus-Gewerbe • Autovermietungen • (Bekleidungs- / Modeartikel) • (Lebensmittel)
Verfahren des Yield Management • Pragmatische / heuristische Lösungsverfahren • Geschachtelte Kontingentierung • Expected Marginal Seat Revenue • Optimale Lösungsverfahren • Stochastische Dynamische Programmierung auf Basis Markoff’scher Entscheidungsprozesse
Buchungsklasse A Kontingent = 4 Buchungskapazität = 30 Buchungsklasse B Kontingent = 6 Buchungskapazität = 26 Buchungsklasse C Kontingent = 10 Buchungskapazität = 20 Buchungsklasse D Kontingent = 10 Buchungskapazität = 10 Geschachtelte Kontingentierung Buchungsverlauf: Freie Kapazität in angefragter oder geringerwertiger Tarifklasse ? • Ja buchen • Nein ablehnen
Geschachtelte Kontingentierung (2)Vorteile und Probleme Vorteile: • geringe Zeitkomplexität • geringer Speicherbedarf • intuitiv Probleme: • Kontingentierung statisch • Optimale Buchungsklassenzahl ?
Geschachtelte Kontingentierung (3) Übertragbarkeit • Services können z.B. gemäß ihrer (mittleren) Antwortzeiten am Markt differenziert werden: • “First-Class” - Service • Standard - Service • “Overnight” - Service • gleiche methodische Schwächen wie bei physischen Produkten / Dienstleistungen.
3.5 Buchungskapazität 1 f1 = 3 2.5 Buchungskapazität 2 f2 = 2 EMSR (1000 DM / Sitz) 1.5 f3 = 1 Kapazität 0.5 0 0 5 10 15 20 25 30 35 Anzahl Sitze Expected Marginal Seat Revenue (EMSR)
EMSR (2)Vorteile und Probleme Vorteile: • geringe Zeitkomplexität • geringer Speicherbedarf Probleme: • auch hier Notwendigkeit zur Clusterung der Anfragen in Buchungsklassen, also keine gewinnmaximale Ausschöpfung der Nachfrage • statisch (keine Reaktion auf Buchungsverlauf)
EMSR (3)Übertragbarkeit • Erwarteter marginaler revenue eines zusätzlichen Prozents Prozessorleistung oder Hauptspeicherstatt marginaler Erlös (revenue) eines Sitzes • Probleme: • natürlich vorgegebene atomare Einheiten der Ressource Prozessor (eine Operation) oder Hauptspeicher (ein Byte) als sinnvolle Grundlage der Allokation viel zu klein • optimale Granularität? • optimale dynamische Anpassung der Klassengrenzen?
StochastischeDynamische Programmierung • Läßt sich Buchungsprozeß als Markoff’scher Entscheidungsprozeß modellieren,so kann mit SDP die optimale Annahmeentscheidung bestimmtund somit eine optimale Lösung des Yield-Management-Problems erzielt werden.
SDP (2)Beispiel • Sitzplatzkapazität von sechs Sitzplätzen ( Z := { 0, 1, 2, 3, 4, 5, 6 } ) • Sitzplätze können einzeln oder in Gruppen verkauft werden • keine Unsicherheit über die Anzahl der noch eingehenden Anfragen
SDP Beispiel • drei Typen von Anfragen : • (rückwärts zählender) Index k pro Anfrage
SDP Beispiel Annahme wenn: Erlösk + Vk-1(i - Sitzanzahlk) Vk-1( i ).
Network Yield ManagementRessourcen-Komplementariät • Isoliertes Yield Mangement einzelner Ressourcen verschenkt wertvolle Ertragspotentiale • Multi-Leg-Flüge (Airlines) • Duration Control (Hotel) • Produktion der Dienstleistung Transport oder Übernachtung konsumiert hier nicht nur einzelne ”verderbliche” Ressource, sondern Ressourcen-bündel. Demo
Network Yield Management Übertragbarkeit • Hohe Relevanz derartiger Verbundeffekte im Informations-Kontext: • einerseits müssen hier die Ergebnisse der Sub-Services zur Verarbeitung des übergeordneten Service weitergeleitet werden, die ggf. auf anderen Hardware-Komponenten untergebracht sind (Airline-Analogie) • andererseits beanspruchen viele Service-Aufträge mehrere konsekutive Zeitscheiben einer Ressource (Multi-Day-Analogie im Hotel-Fall)
Network Yield Management Übertragbarkeit „kleiner Trost”: • Viele IV-Prozesse sind glücklicherweise “preemptiv” • “Umzug” der Zwischenergebnisse des IV-Prozesses in ein anderes “Hotel” (anderer Prozessor) möglich • Ausnahmen insbes. bei „humaner“ Weiterverarbeitung: • Audio-Streams • Video-Streams
Network Yield Management temporale Substituierbarkeit X ? YES NO
Network Yield Management temporale Substituierbarkeit
Network Yield Management temporale Substituierbarkeit
Network Yield ManagementKombinationsgewinn • Fall A: Kombinationsgewinn
Network Yield ManagementKombinationsverlust • Fall B: Kombinationsverlust
Bestimmung der Restwertfunktion bei Ressourcenkomplentarität • optimale Lösung:Zustandsraum als Menge aller möglichen Bündel von Verfügbarkeiten aller zu bewertenden Ressourcen! • Kombinatorische Explosion • lineares „Bid-Pricing“[Weatherford 92], [Talluri / Ryzin 96] • MDP mit Zustandsraumclustering [Wendt 91] • Repräsentation der Restwertfunktion mittelsKünstlicher Neuronaler Netze
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 input layer hidden layer output layer Network Yield ManagementKNN als Lösungsansatz ? weight matrix 1 weight matrix 2 Vt(x)= 3200
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 input layer hidden layer output layer Network Yield ManagementKNN als Lösungsansatz ? weight matrix 1 weight matrix 2 Vt(x)= 2300