Kintlévőség kezelés támogatása térinformatikai eszközökkel

Kintlévőség kezelés támogatása térinformatikai eszközökkel Hegyessy Csaba1 – Dr. Berke József CSc2 1

E.ON Ügyfélszolgálati Kft., 1051, Budapest, Széchenyi István tér 7-8., Magyarország, [email protected] 2 Gábor Dénes Főiskola, 1139, Budapest, Mérnök út. 39, Magyarország, [email protected]

Abstract: The significant amount of the utility debts is causing serious problems in Hungary. The strict regulations in many cases do not facilitate the Energy Industry Companies to collect their receivables. We need to be Innovative and also Customer Centric to reduce somehow these debts. Therefore we tried to find a solution to visualise and localise these receivables. We believe if we can step out for a second from the world of the spreadsheets, and can have a look on a map with the applied data, this can bring us much closer to understand what’s happening with our Customers, and we may be able to help to solve our common problem: the unpaid bills. So we created a process which can represent the receivable data quickly and easily on a map.

Bevezetés A közműtartozások összege ugyan csökkent az elmúlt néhány évben, azonban a fizetési fegyelem nem javult jelentős mértékben. A Magyar Idők internetes portál a MEKH adataira támaszkodva az 1. ábrán látható kimutatást készítette a lakossági kintlévőségek alakulásáról (SOMOGYI, O., 2015).

1. ábra Közműtartozások mértéke

Jól látható, hogy közel 78 milliárd forintnak megfelelő tételről van szó. Ennek csökkentése, sőt akár csak a szinten tartása is jelentős terhet ró 185

minden közműszolgáltató vállára. A 360 napon túli tartozásokat pedig nyugodtan vehetjük tiszta veszteségnek, ezek sikeres behajtása gyakorlatilag elenyésző. Épp ezért fontos, hogy a kibocsátott számlák beszedését a fizetési határidejük után minél hamarabb megkezdjük, ezzel a tartozások korosodását megakadályozzuk. Mindezt természetesen a jogszabályok és előírások betartása mellett kell végeznünk. Az energetikai szektort jelenleg 67 különböző jogszabály szabályozza, a behajtásra vonatkozóan további 42 rendelet írja elő a teendőket, lehetőségeket és feladatokat. Az Ügyfélközpontúságot szem előtt tartva folyamatosan keressük az újabb lehetőségeket ezen a területen. A fentieket figyelembe született az az ötlet, hogy vigyük fel térképre a hátralékok helyét és nagyságát, és az eredményekről próbáljunk meg következtetéseket levonni. Érdemes lehet az egyedi fogyasztási pontokon túl egy adott terület vagy régió összesítésére is ránézni. Mutat ez vajon bármilyen összefüggést a szociális statisztikákkal? Lehet-e ezekből bármilyen következtetéseket levonni? Adatgyűjtés Első lépésként a hátralék adatokat kellett összegyűjteni, majd ezekhez koordinátát rendelni, hogy térképen is megjeleníthetőek legyenek. Cégünk az SAP-ISU megoldását használja Ügyfélkezelésre, Számlázásra és Folyószámla kezelésre. Az ISU rövidítés jelentése: Industry Specific Solution for Utilities Industry. Azaz, az SAP közműveknek szóló iparági alkalmazása. A tartozásokra vonatkozó adatok így a folyószámla szintről (SzFSz – Szerződéses Folyószámla) kérdezhetőek le. Erre már jól bevált riportok állnak rendelkezésre, ahol a teljes kimutatás, több millió rekordból áll. Cégünknek közel 3 millió ügyfele van, azonban a tartozások sokszor már egy megszűnt szerződéshez kapcsolódnak, így a valós Ügyfélszám többszörösét is eléri a hátralék adatok száma. A feladat, hogy mindezekhez koordinátát rendeljünk. Létezik egy mérőórához köthető GPS koordináta, amely a szerelőknek segít a szerelési helyszínt megtalálni, de volt nem tiszta, hogy hol található meg ez az adat. Végül a műszaki területről segítettek ki a szakértő kollégák és elárulták, hogy a Csatlakozási Objektum (CsO) alatt található. A Csatlakozási Objektum pedig a Bekötés azonosítón és a Szerződésszámon keresztül kapcsolható az Ügyfél folyószámlájához (SzFSz). A Csatlakozási Objektumhoz tartozik még egy Fogyasztási hely is, melynél egy címadatot is találunk. Ez az adat áll a legközelebb a helyszín beazonosításához a GPS koordináta után, azonban itt meg kell jegyezni, hogy sok esetben ez nem túl megbízható. Csak azt az egy esetet gondoljuk végig, hogy egy új bekapcsolás igénylésekor gyakran egy település szélén újonnan megnyitott utcába kérnek áram vagy gázszolgáltatást az Ügyfelek, azonban az igénylés pillanatában még neve sincs az utcának, vagy ha neve van is, házszám még nem lett kiosztva. Helyrajzi szám 186

ugyan van, de a hétköznapi tájékozódásban ez nem segít. Így fenntartással lehet csak ezt az adatot kezelni. Úgyszintén az Ügyfél számlázási címét is, mivel az pedig eltérhet a tényleges fogyasztási helytől. A fentiek alapján döntöttünk úgy, hogy a beazonosításra elsősorban a GPS koordinátákat fogjuk használni. Többkörös iterációk és egyeztetéseket követően végül hozzájutottunk a kívánt adatokhoz, melyeket egy Access adatbázisba betöltve 1GB méretű adatállományt kaptunk. Módszertan kiválasztása A műszaki kollégákkal történő egyeztetések során kiderült, hogy a cégen belül már többen használják a Google Earth Pro alkalmazás lehetőségeit hálózati eszközök megjelenítésére. Ezért adta magát a lehetőség, hogy mi is a Google Earth-re fejlesszük ki a megoldást. Ennek azért van fontos jelentősége vállalatunknál, mivel szigorú információbiztonsági szabályokat kell betartani bármely fajta adattárolásnál és adatmegjelenítésnél. Új alkalmazást csak nagy körültekintéssel, hosszas egyeztetések után lehet bevezetni, így mindig célszerű valamely engedélyezet megoldást használni. Ma már a Google Maps-en is lehet gyorsan és egyszerűen saját térképeket létrehozni, de ott az adatokat automatikusan a felhőbe (Google Drive) menti az alkalmazás, az pedig nem megengedett cégünknél. Így csak egy olyan eszköz jöhet szóba, ami a lokális vagy belső hálózati meghajtóra menti az adatokat. Ennek a Google Earth Pro (GEP) épp megfelel. A GEP KML fájlba menti az adatokat, ami egy Open Geospatial Consortium (OGC) szabványos XML állomány (GOOGLE DEVELOPERS, 2016). Ez könnyen létrehozható és szerkeszthető. Az egyik szakértő kollégánk felajánlotta, hogy amennyiben pontosan definiáljuk a megjelenítendő adatokat, akkor ő szívesen megalkot egy Excel Marco-t, ami az adatokból KML fájlt készít. Korábbi szakmai feladataiban erre volt már példa és motivált is volt, hogy tevékenyen részt vegyen ebben a munkában. Így most az a lépés következett, hogy definiálnunk kellett, mit is szeretnénk pontosan megjeleníteni. Térképi megjelenítés Elsőként arra gondoltunk, hogy hasznos lehet területi összesítésben megmutatni az adatokat. Ehhez meg kellett határoznunk, hogy mi legyen az az összegzési szint, ami már használható és valós összehasonlítást tesz lehetővé. A megyei szint túl magasnak tűnt, a település szint meg nem volt jól összehasonlítható egymással. Így alakult, hogy megállapodtunk a kistérségi szintű bontásban (minden település egyértelműen hozzárendelhető egy kistérséghez). A KSH kistérségi felosztását alapul véve összesítettük a tartozás adatokat. Most már csak a kistérségeknek kellett megszerezni a területi koor187

dinátáit. Ezeket a data2.openstreetmap.hu adatbázisából sikerült elérni KML formátumban. A fájlból sikerült a töréspontok koordinátáit kigyűjteni, így azok beépíthetővé váltak a KML készítő Excel Macro-ba. A kistérségek töréspontjaira ezért érvényes a következő megjegyzés: „Térképadatok © OpenStreetMap közreműködői, CC BY-SA”. Már csak egy feladatunk maradt, hogy a kistérségekre összesített adatokat csoportokba rendezzük. A programozáskor úgy alakítottuk ki, hogy a csoportok határértékeit a munkalapon lévő táblázatból veszi a program, így előre megadható, hogy hány osztályt tartalmazzon a csoportosítás, valamint függvényekkel beállítható az is, hogy milyen módon számítsa ezeket az értékeket (pl.: Egyenlő osztásköz, Egyenlő esetszám, Természetes töréspontok, stb.). Valamint manuálisan is megadhatóak ezek az értékek az üzleti szempontok figyelembe vételével. A vizuális megjelenítéshez már csak egy dologra volt szükség, hogy a csoportokhoz tartozó kitöltési színeket meghatározzuk. A KML szabványban egy HTML színkódoláshoz hasonló értéket kell megadnunk, ahol az RGB színek hexadecimális formában kerülnek rögzítésre annyi kiegészítéssel, hogy az átlátszóságot az első 2 biten tudjuk megadni. Az értékek kiszámítására már számtalan kis ingyenesen letölthető alkalmazást találhatunk az interneten pld: KML_color_converter_v2, forrás: http://www.sgrillo.net/KML_color/index.htm vagy a következő linken közvetlenül is konvertálhatunk RGB színeket: http://www.netdelight.be/KML/index.php. Másodjára az Ügyfél szintű megjelenítést alakítottuk ki. Itt annyi plusz feladat jelentkezett, hogy az SAP-ból kinyert GPS koordinátákat – amelyek fok, perc, másodperc formában voltak tárolva – át kellett alakítani tizedes fok formába, mivel a GEP ebben a formában várja a koordinátákat. A csoportosításhoz ugyanazt a megoldást használtuk, mint amit a kistérségeknél már kialakítottunk. Mindkét esetben két KML fájlt készítettünk, egyet a teljes tartozás összegét alapul véve (HIT, azaz a határidőn túli tartozás), és egyet csak az értékvesztés összegét számítva (ÉV, mint értékvesztés). Az értékvesztési adatot a Kintlévőség Kezelő Szervezet egy meghatározott üzleti algoritmus szerint kalkulálja. Alapvetően azonban elmondható, hogy a 365 napon túli tartozás már 100%-ban értékvesztésnek számít, a fiatalabb tartozás pedig ennél kisebb százalékban adódik hozzá a teljes értékhez. Kistérségi nézetben a HIT adatokat a 2. ábra bal oldali része szemlélteti, ugyanebben a nézetben az ÉV adatokat a jobb oldali rész mutatja.

188

2. ábra Határidőn túli tartozások (bal oldali ábra) és az értékvesztés mértéke kistérségi bontásban (jobb oldali ábra)

Amennyiben rákattintunk egy terület egységre, úgy megjelennek a kistérségre vonatkozó pontos tartozás adatok is (3. ábra).

3. ábra Adatcímke megjelenítése kattintásra

Az Ügyfélszintű adatok megjelenítésére már nem az egyenlő osztásköz modusát használtuk, hanem egyedileg határoztuk meg a csoportok határait, ahogy az üzletileg logikusnak mutatkozott. A nagymennyiségű adatok miatt minden egyes csoportot külön KML fájlba exportáltunk, így az egyes szintek külön ki-be kapcsolhatóvá váltak. Hogy használható nézetet kapjunk, ebben az esetben már nagyobb méretarányú térkép részletről kell képet készítenünk. A 4. ábrán Pécs lakosságának tartozásait láthatjuk.

189

4. ábra Értékvesztés mértéke Pécs környékén

Még ennél is beszédesebb talán az a kimutatás, amikor egy országos intézményfenntartó állami cégre készítettük el a térképi ábrázolást (5. ábra).

5. ábra Határidőn túli tartozás mértéke egy állami vállalatnál

190

Eredmények Kísérletünk legnagyobb eredményének tartom, hogy könnyen elérhetővé és egyszerűen használhatóvá tettük a térképi megjelenítést a vállalaton belül, sokan kerestek már meg újabb ötletekkel, hogy mi-mindent kellene még ábrázolni, megmutatni. A legelső ötletek egyike volt, hogy az egyedi felkeresők, akik személyesen keresik fel egy adott területen a nagyobb tartozókat, ők az utazásaikat már a térkép alapján tudják megtervezni. Egy másik ötlethez az alábbi kép segített hozzá (6. ábra).

6. ábra Több szerződéshez köthető tartozás egy adott fogyasztási helyen

Itt azt láthatjuk, hogy egy fogyasztási helyhez több megszűnt szerződés található, melyek mindegyike tartozással terhelt. Ez csak úgy állhat elő, ha eladják az ingatlant és ekkor az új tulajdonos nem korlátozható a jelenlegi jogszabály szerint abban, hogy fogyasztó legyen. Sajnos előfordul néha az, hogy családon belül átírják az ingatlant, hogy így megszabaduljanak a tartozástól. Miután az adatok így rendelkezésre álltak, sikerült egy olyan kimutatást készíteni, ahol fennáll a gyanú egy ilyen fajta átírásra. Ez alapján kezdeményezni tudjuk majd a jogalkotónál, hogy lehetőség szerint korlátozzák a családon belüli átírást, ha a tartozást még nem egyenlítették ki. Összehasonlíthatjuk az adatainkat például a KSH társadalomstatisztikai adataival is. Az alábbi 7. ábrán is látható, hogy összefüggés van egy adott területen élők tartozásának a mértéke és a havi nettó átlagkeresetek között (KSH, 2015).

191

7. ábra Tartozások területi megoszlásának összehasonlítása (bal oldali ábra) a KSH által közreadott havi nettó átlagkeresetekkel (jobb oldali ábra)

Ezek a vizsgálatok hozzásegíthetnek a későbbiekben, hogy akár területileg különböző behajtási módszereket alkalmazzunk. Például megfontolandó, hogy az ország ÉNy-i felében élőknek nem kellene papír alapú felszólító levelet küldenünk, elegendő lenne esetleg egy e-mail vagy SMS értesítő is, hiszen az ott élőknél feltételezhetjük, hogy csak megfeledkeztek a fizetési határidőről, és nem a számla kiegyenlítése okoz nagy gondot. Köszönetnyilvánítás Szeretnénk köszönetet mondani Vas Gergely kollégának, aki a KML fájlok előállítására készített számunkra egy Excel Macro-t és ötleteivel segített a gyors és egyszerű térképi megjelenítést. Valamint Tamás Norbert és Szabó László kollégáknak, akik a kintlévőségi adatok összeállításában és az üzleti igények pontosításában segítettek. Felhasznált irodalom GOOGLE DEVELOPERS (2016): Keyhole Markup Language - KML Reference, https://developers.google.com/KML/documentation/KMLreference KSH (2015): Fókuszban a megyék – 2015. I-III. negyedév - Térségi összehasonlítás - Havi nettó átlagkereset, http://www.ksh.hu/docs/hun/xftp/megy/153/index.html SOMOGYI, O. (2015): Tízmilliárdokkal apadt a közműtartozás; Magyar Idők internetes portál Gazdaság rovata, http://magyaridok.hu/gazdasag/egyrekevesebbel-tartozunk-kozmucegeknek-57845/

192