Рекомендации по совершенствованию информационной системы ЭТрН

На основе анализа данных опроса и комментариев компаний грузоотправителей следует дополнить информационную систему ЭТрН следующей информацией:
1. Добавить обучающие разделы для ускорения подготовки персонала грузоотправителей.
2. Создать демоверсию для тестирования сотрудников после прохождения обучения
3. Добавить визуализацию заполняемых полей с дополнительной информацией и примерами заполнения
4. Добавить систему тестирования и сертификации персонала после прохождения обучения
5. Создать раздел отзывов о грузоперевозочных компаниях.
Следующей проблемой, на которую указывают компании, является отсутствие мотивирующих факторов по использованию платформы. В связи с этим необходимо внести сравнительно-демонстрационный раздел, который будет отражать разницу в экономических показателях между электронной товарной накладной и бумажным документооборотом. Для этого развитие платформы должно учитывать следующее:
1. Улучшить кросс-браузерность платформы
2. Добавить функционал при использовании мобильной версии
3. Разработать приложение для работы на платформах Android и IOS
4. Разработать инструменты по подключению API для интеграции и работе в режиме онлайн с сервисами компаний грузоотправителей
У данной платформы есть перспективы развития. Формируемая база данных является огромным массивом ценнейшей информации, которая может быть использована в абсолютно разных сферах жизни. Накопление достаточно большого объема информации позволит подключить к работе искусственный интеллект, для повышения эффективности работы платформы.
Например, компании грузоотправителю необходимо отправить груз из города А в город Б. Для начала он вводит данные по грузу из А в Б и выясняет какие компании могут осуществлять эту доставку. Далее он запрашивает диапазон цен. После этого запрашивает сроки доставки. Допустим, в требуемые параметры укладывается 4 грузоперевозчика. Все компании неизвестны ему, поэтому сделать выбор крайне затруднительно, но это всего лишь инструменты фильтрации базы данных, которые выдают сухие цифры без, относительно, данных о самой компании, ее возможностях и текущего состояния

. В этот момент подключается искусственный интеллект. Видя, что стандартные инструменты фильтрации не дали однозначного выбора, он начинает оценивать компании по внутренним базам и внешним ресурсам, среди которых могут быть:
1. Базы исполнительного производства судебных приставов (возможно у какой-то компании есть исполнительное производство по банкротству и т.д.)
2. По базе задолженностей перед налоговыми органами (это может грозить компании приостановлением движения по счетам и приостановлением деятельности)
3. По базе простроченной задолженности кредитным организациям (может грозить безакцептным списанием средств)
4. С сайтами отзывов у компании, на которых ИИ может проанализировать рейтинговые соотношения между положительными и отрицательными отзывами клиентов
5. Другие внешние ресурсы, которые могут повлиять на принятие решений.
Проанализировав полученную информацию с базы данных и собранную на внешних ресурсах, ИИ принимает решение и представляет лидера, который, по его мнению, предоставит наиболее качественную и безопасную услугу по доставке груза. Понимая, что для повышения собственного рейтинга в глазах ИИ и для увеличения клиентов, транспортным компаниям безусловно придется соблюдать налоговую дисциплину, кредитные обязательства и очень внимательно относиться к отзывам клиентов. Для этого им будет необходимо максимально улучшить условия обслуживания.
Электронно-транспортные накладные позволяют: сократить простои транспортных средств в логистических узлах, уменьшить затраты на персонал (водителей, экспедиторов, охрану), которые непосредственно участвуют в транспортировке грузов, уменьшить величину амортизации транспортных средств, снизить лизинговые затраты компании, минимизировать риск порчи грузов, а, следовательно, величину страховых затраты, сократить затраты компании и грузоотправителей на обучение и подготовку персонала для работы с документацией, выявить экономическую составляющую и более точно оценить каналы доставки груза