Иногда бизнес теряет деньги не в продажах, а в расписании. Разберу простой пример, где это видно.

Представьте сервисную компанию. Есть 6 мастеров и 35 заявок на день.

У каждой заявки свои условия:

— клиент ждёт в определённое время; — заявка находится в конкретном районе; — работа занимает разное количество времени; — не каждый мастер умеет выполнять каждый тип работ; — часть заявок срочные; — у мастеров есть смены, обед и ограничение по переработкам.

На первый взгляд это обычная операционка: “Ну, диспетчер как-нибудь раскидает”.

Это не просто 35 заявок. Важно, какого мастера, на какую заявку, в какое время и в каком порядке назначить. Количество комбинаций быстро становится таким, что “прикинуть в голове” уже невозможно.

Можно поставить мастера ближе к клиенту. Можно дать заявку тому, кто быстрее справится. Можно сначала закрыть срочные заявки. Можно пытаться снизить переработки. Можно минимизировать переезды. Можно равномернее загрузить людей.

И все эти цели начинают конфликтовать друг с другом.

Если раскидывать заявки вручную, легко получить знакомую картину:

один мастер перегружен, второй полдня ездит почти впустую, клиенты ждут дольше нужного, срочные заявки вклиниваются в последний момент, вечером появляются переработки, а руководитель думает, что “просто день был сложный”.

Хотя часто дело не в сложном дне. Дело в плохом распределении.

Вот здесь появляется комбинаторная оптимизация.

Если по-простому, она отвечает на вопрос:

как выбрать лучший вариант из большого числа возможных, если есть ограничения?

То есть не “угадать расписание”, а собрать лучшую комбинацию назначений:

какой мастер, какая заявка, в какое время, в каком порядке, с учётом дороги, смены, квалификации и приоритета.

В этом примере ограничения такие:

мастер не может быть в двух местах одновременно; заявку должен выполнить человек с нужной квалификацией; нельзя назначать работу вне смены; нужно учитывать дорогу; срочные заявки имеют больший приоритет.

А цель можно выбрать под бизнес:

сократить опоздания, уменьшить лишние переезды, снизить переработки, закрыть больше заявок за день, лучше распределить нагрузку между людьми.

Математика здесь не заменяет руководителя.

Она просто помогает не тонуть в вариантах.

Вместо “раскидали как получилось” бизнес получает несколько понятных сценариев:

быстрее, дешевле, с меньшими переработками, с лучшим сервисом для клиентов.

И вот где деньги:

если каждый день теряется хотя бы 1–2 часа на лишних переездах, ожидании, ручном согласовании и переделках — это уже не мелочь.

Это рабочее время людей. Это сорванные заявки. Это недовольные клиенты. Это лишние расходы. Это управленческий хаос, который можно считать.

Я сейчас собираю такие прикладные бизнес-задачи на стыке математики, данных и процессов.

Особенно интересны задачи, где нужно распределять:

людей, заявки, маршруты, оборудование, склад, смены, время.

Если у вас есть похожая задача, которую сейчас решают “на опыте” и вручную — напишите мне слово “расписание” или просто опишите ситуацию.

Я задам 3–4 уточняющих вопроса и скажу, похоже ли это на задачу оптимизации.

P.S. В следующем посте покажу похожую логику уже на примере финтеха.

Ситуация простая: клиент просрочил платёж, а компания должна решить — ждать, предложить реструктуризацию, продать долг или усиливать взыскание.

Будущее неизвестно. Цена ошибки растёт каждый день. Идеального прогноза нет.

Вот здесь появляются онлайн-алгоритмы: они помогают принимать решения сейчас, не зная, что произойдёт дальше.