স্টেকহোল্ডার অ্যানালাইসিস — একটি সিস্টেম কাদের প্রভাবিত করে

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ উদাহরণ -- বাস্তব কোনো নির্দিষ্ট কোম্পানির ডেটা নয়
# রাইড-শেয়ারিং অ্যাপের ডায়নামিক প্রাইসিং অ্যালগরিদমের স্টেকহোল্ডার অ্যানালাইসিস

stakeholders = [
    {
        "name": "যাত্রী (Riders)",
        "population_weight": 8,   # আপেক্ষিক গোষ্ঠীর আকার (ইলাস্ট্রেটিভ ইউনিট)
        "financial": -2, "safety": 1, "privacy": -2, "autonomy": -1,
        "voice_score": 3,         # ডিজাইন প্রক্রিয়ায় প্রত্যক্ষ কণ্ঠস্বর, ০-১০
    },
    {
        "name": "ড্রাইভার (Drivers)",
        "population_weight": 3,
        "financial": 1, "safety": -2, "privacy": -3, "autonomy": -4,
        "voice_score": 4,
    },
    {
        "name": "কোম্পানি (The company)",
        "population_weight": 1,
        "financial": 5, "safety": 0, "privacy": 0, "autonomy": 5,
        "voice_score": 10,
    },
    {
        "name": "আশেপাশের বাসিন্দা (Nearby residents)",
        "population_weight": 5,
        "financial": 0, "safety": -3, "privacy": 0, "autonomy": -2,
        "voice_score": 0,
    },
]

dimensions = ["financial", "safety", "privacy", "autonomy"]

for s in stakeholders:
    magnitude = sum(abs(s[d]) for d in dimensions)          # মোট কতটা প্রভাবিত (ভালো বা খারাপ, দুটোই ধরে)
    s["weighted_impact"] = round(magnitude * s["population_weight"], 1)
    s["net_sentiment"] = sum(s[d] for d in dimensions)        # নিট ফলাফল ভালো নাকি খারাপ
    s["underrep_index"] = round(s["weighted_impact"] / (s["voice_score"] + 1), 2)

print("-- ওয়েটেড ইমপ্যাক্ট অনুযায়ী র‍্যাংকিং (সবচেয়ে বেশি প্রভাবিত আগে) --")
for s in sorted(stakeholders, key=lambda x: x["weighted_impact"], reverse=True):
    print(f"{s['name']:32s} ওয়েটেড ইমপ্যাক্ট: {s['weighted_impact']:>6.1f}   নিট: {s['net_sentiment']:+d}")

print("\n-- আন্ডাররিপ্রেজেন্টেশন ইনডেক্স অনুযায়ী র‍্যাংকিং (সবচেয়ে কম-প্রতিনিধিত্বপ্রাপ্ত আগে) --")
for s in sorted(stakeholders, key=lambda x: x["underrep_index"], reverse=True):
    print(f"{s['name']:32s} ইনডেক্স: {s['underrep_index']:>6.2f}   কণ্ঠস্বর স্কোর: {s['voice_score']}")

most_underrep = max(stakeholders, key=lambda x: x["underrep_index"])
least_underrep = min(stakeholders, key=lambda x: x["underrep_index"])
print(f"\nসবচেয়ে কম-প্রতিনিধিত্বপ্রাপ্ত গোষ্ঠী: {most_underrep['name']}")
print(f"সবচেয়ে বেশি-প্রতিনিধিত্বপ্রাপ্ত গোষ্ঠী: {least_underrep['name']}")