Как компьютерное зрение победит очереди и пустые полки в супермаркетах — Валерий Бабушкин, X5 Retail Group

Как компьютерное зрение победит очереди и пустые полки в супермаркетах — Валерий Бабушкин, X5 Retail Group

«Несложно вырасти на 20%, если вы открыли в полтора раза больше магазинов»

— В своем выступлении вы рассказали, что выручка у X5 Retail Group достигла 1,286 трлн рублей, а сокращение расходов даже на маленькую долю приводит к огромной прибыли. Как X5 расширяется?

— Оборот у Х5 еще будет расти. В целом рынок стремится к консолидации в ритейле. На текущий момент у нас три лидирующих ритейлера занимают примерно 20% рынка, и мы видим по странам развитого капитализма, что эта доля будет около 70–75%.

Каждый день Х5 открывает по восемь новых магазинов. Пока мы с вами общаемся, Х5 открывает новый магазин (смеется). Действительно, дела идут неплохо, потому что у второго игрока на рынке, который некоторое время был первым, все очень посредственно.

— Вы говорите о «Магните»?

— Да. У него при росте площадей на 12% оборот увеличился всего на 4%. Несложно посчитать: они начинают работать в минус. Есть такой показатель, LFL — Like for like, сравнение одних и тех же магазинов год в год. У Х5 по нему хоть и небольшой, но плюс. То есть несложно вырасти на 20%, если вы открыли в полтора раза больше магазинов, но это отрицательный рост по факту. Если вы растете за счет того, что и старые магазины работают лучше, и новые открываются, то это довольно позитивно.

— Как вы считаете, какая доля заслуги вашей команды в этом?

— Пока не очень большая, потому что команда сформирована не так давно. Давайте будем откровенны, рост X5 вряд ли обусловлен тем, что мы применяем анализ данных.

Руководитель нашей дирекции — Антон Мироненков, человек, который принимал участие в создании компании Х5. Он занимался слиянием «Перекрестка» и «Пятерочки», после чего и появилась Х5. Эта дирекция — самая крупная структура в рамках Х5, в которую входит и мое управление.

Мы считаем направление big data стратегическим. Будущее розничной торговли связано с тем, как быстро ритейлеры научатся монетизировать, использовать для оптимизации процессов и улучшения клиентского опыта те данные, которые мы каждый день генерируем в достаточно больших количествах. Поэтому мы решили выделить все это в отдельное направление и дать больший фокус, чтобы оно быстрее развивалось.

Как компьютерное зрение победит очереди и пустые полки в супермаркетах — Валерий Бабушкин, X5 Retail Group Николай Ворошилов
Антон Мироненков, руководитель дирекции больших данных X5

В рамках этой дирекции у нас свои мощности, кластер, разработчики, тестировщики, аналитики, проджекты, продакты — все, что нужно. Мы уже какие-то вещи сделали, а это очень большой прогресс для срока меньшего, чем год. Четко понимаем, что довольно большой профиль дадим компании, но опять же, эти результаты будут видны только через год.

Вся информация в чеке — если вы купили водку, то вам больше 18 лет

— Если я приду в «Перекресток» и сделаю покупку, что из всего этого возьмете вы для анализа?

— Чек. Ваши товары довольно хорошо характеризую вас. Если покупаете памперсы, наверное, у вас есть маленький ребенок. Если водку, то, скорее всего, вам больше 18 лет. Человек может купить чипсы, и это будет с определенной вероятностью подросток 16 лет. А если купили дневник, то либо вы, либо у вас в семье есть ребенок от семи до 17 лет. Это уже немало информации.

Представьте: вы приходите в магазин, смотрите на какие-то товары и понимаете, что магазин дорогой, дешевый или средней ценовой категории. Даже в базовой «Пятерочке» от 4 до 8 тыс. уникальных товаров. Вряд ли вы ходите с блокнотом и записываете цены на все множество товаров, а потом смотрите средние цены на товары по городу и делаете вывод. Достаточно посмотреть на пять-десять товаров. А тем, на какие товары вы смотрите, мы тоже занимаемся.

Товары, на которые люди смотрят, тоже меняются со временем. Простой пример: 20 лет назад не было никаких товаров, связанных с мобильной связью. Сейчас вы можете, не во всех магазинах, но купить сим-карту. 20 лет назад в России вообще были времена чуть пожестче, чем сейчас, и потребление было совершенно другим.

— Как происходит составление профилей клиентов для предложения им скидок?

— Есть два продукта: профиль клиента и лояльность. Профиль клиента — это такая задача, когда у вас нет какой-то разметки и используются разные подходы. Мы используем различные подходы к кластеризации — начиная от стандартных статистик, просчитать какие-то зет-скоры, робастные отклонения от медианы, и заканчивая Word2vec, наложенным на чеки, и «переводом» человека в вид вектора усредненного через TF-IDF по Word2vec.

Зет-скоры, Z-score — статистическая оценка, которая выражает расстояние (измеряемое как среднеквадратическое отклонение) данного уровня от среднего значения по набору данных. В частности, Z-оценка является выходным показателем кредитоспособности компании и степени риска ее банкротства.

Робастные отклонения, от англ. robust, «надежный» — устойчивость оценок по отношению к выбросам в данных. Считаются относительно медианы.

Word2vec — инструмент, позволяющий представлять слова в виде векторов.

TF-IDF — термин в статистике, обозначающий степень важности слова в корпусе текстов.

Если у вас есть какая-то модель, которая делает персональное предложение, то давайте считать, что кластеризация удачная, если после добавления признаков качество моделей улучшается. Тут можно посчитать и экономический эффект, и какую-то метрику.

— В какой доле магазинов используются ваши разработки?

— Во всех. Персонализированную скидку мы протестировали на полумиллионе пользователей, чтобы понять ее эффект во всех 14 тыс. магазинов Х5. Мы собираем интерактивную отчетность со всех этих магазинов. У нас есть продукт промо, который присутствует во всех магазинах. У нас есть матрица ассортимента, у нас есть предсказание спроса. Они следят, чтобы в магазине, во-первых, была курица и, во-вторых, курица не стухла.

Сейчас начнем делать компьютерное зрение, оно будет не во всех магазинах поначалу. Начнем с самых крупных — есть смысл тестировать только в них. Задача довольно простая, выгода с нее понятна. Есть товар, он на полке может отсутствовать, а на складе лежать, и в этот момент товар не покупают. Это очень плохо. Магазин его купил, а продавать не может. В лучшем случае пользователь не купит товар, а в худшем он развернется и уйдет, потому что ему не нужно приходить туда, где он купит два товара из трех, а за третьим пойдет в другой магазин. Он придет сразу в тот магазин, где можно купить все. И это решается с помощью компьютерного зрения. Ставится камера, она обнаруживает, что у вас осталось мало товара. Приходит уведомление ответственному за это человеку, он идет на склад за этим товаром.

Вторая задача — очередь. Мы знаем, что у нас есть очереди в магазине. Либо вы стоите в очереди, недовольны и тратите время, что никому не нравится, либо заходите в магазин, смотрите на очередь, разворачиваетесь и уходите. Если причина очереди в том, что штат недоукомплектован, тут ничего нельзя поделать. А если проблема в том, что условная продавщица Клава сидит в подсобке, отдыхает и пьет чай, а ее вызывает директор и говорит: «Клава, выходи»? В магазине уже очередь, и пока она дойдет, сядет за компьютер, включит его, начнет кассу дергать — пройдет время. Все еще на нее смотрят, она нервничает, люди тоже. Этот кассир должен выходить до того, как очередь сформировалась, чтобы к моменту выхода люди уже пошли на кассу. Это довольно просто решить с помощью компьютерного зрения.

Мы будем это тестировать его примерно в 150 магазинах, и скорее всего, в Москве. Во-первых, мы сами в Москве, а, во-вторых, здесь трафик больше. Тогда станет понятно, как сделать лучше пользовательский опыт и какая от этого польза Х5.

«Мне очень не нравится слово “дата-сайентист”»

— Вы расширяете свое управление?

— Безусловно, руководители видят, что мы даем результат. Никто не позволяет расширять команду в два раза, если вы плохо работаете. Сам по себе этот факт говорит о нашей эффективности.

— Вы говорили, что у вас 32 человека работают, сколько еще будете набирать?

— Еще где-то 20–30. Нужно посмотреть, потому что мы не так давно защитились на инвестиционном комитете, у нас будут использоваться теперь компьютерное зрение и речевые технологии в рамках моего управления. Будут два новых отдела, то есть это еще плюс десять человек, по-моему, еще 10–15 согласовано на следующий год. Есть так называемые проектные ставки. Мы ожидаем, что это плюс 30–36, где-то за 60 человек. Это конкретно те люди, которые занимаются анализом данных и машинным обучением.

— Кого приглашаете на работу?

— Мне очень не нравится слово «дата-сайентист», потому что оно никакой информации не несет. Вы можете прийти в десять компаний, где ищут дата-сайентиста, и это будут десять абсолютно разных должностей. Мне нравится слово «аналитик». У меня названия отделов говорят сами за себя: есть отдел машинного обучения, отдел анализа данных, группа ренди, то есть исследований, отдел компьютерного зрения, отдел речевых технологий и группа внепродуктовой аналитики для решения тех задач, которые прилетают вне какого-то существующего продуктового направления.

Ищу людей, которые умеют программировать на Python, знают теорию вероятности и математическую статистику, если мне нужно моделирование, то требуются навыки машинного обучения. Но самое главное — это способность человека мыслить и анализировать. Я все больше прихожу к мысли, что аналитическое мышление и критическое — это то, чему очень сложно научить. Если к 20–25 годам уже есть какое-то мировоззрение, оно вряд ли изменится.

— Вы это поняли в Х5?

— Не то, чтобы именно Х5 к этому меня привел. Я же тоже смотрю на людей, общаюсь, вижу, как они работают. Как известно, лучшее собеседование — это испытательный срок. И вы в какой-то момент видите, что это просто не для этого человека. То есть вроде и мехмат окончил, вроде не дурак, но не его. Нет правильного настроя, не так видит вещи. Это было еще в книжке у Даниэля Канемана «Thinking, Fast and Slow», где он описывал, что соответствует критическому мышлению. Это в том числе пессимистичный взгляд на мир, и это больше врожденное качество, чем приобретенное, к сожалению или к счастью.

— Если приходит аналитик, и после испытательного срока вы понимаете, что он подходит, на что человек может рассчитывать?

— У меня люди приходят на разные вакансии. Стандартно в ИТ есть градации — джуниор, мидл, сеньор и стажер. Выше уже редко встречается — это стафф или ведущий. Я считаю, что происходит инфляция должности сеньора: у нас их куча, а по факту они редко дотягивают до среднего мидла.

Джуниор может рассчитывать где-то на 120–150 тыс. рублей до налогов в месяц, мидл — до 250 тыс. Для сеньоров тяжело назвать лимит, но где-то 400 тыс. рублей — это рыночная цена. Верхняя планка: я лично держал оффер в руках на ведущего разработчика, это было больше 600 тыс. рублей.

«Data science — действительно какая-то “вишенка на тортике”»

— Как вы начали заниматься машинным обучением?

— В университете вообще не было машинного обучения. Потому что я окончил вуз в 2012 году, примерно тогда же произошел очередной подъем вещей, связанных с ним. Не успел. Закончил два университета, последний — это Университет прикладных наук в Карлсруэ, магистратура по мехатронике. До этого учился в Московском институте химического машиностроения, сейчас это называется Московский политех. Машинным обучением я ни там, ни там не занимался.

Забавная вещь: сейчас собеседую тех, которые заканчивают data science, и создается ощущение, что их уровень слабее и ниже, чем у тех ребят, которые закончили физику, инженерные специальности, компьютерные науки, а потом машинное обучение на это «накрутили». Может, это некоторое смещение, потому что ребята, которые сами это выучили, изначально были сильными, еще что-то новое выучили и пришли. А data science — действительно какая-то «вишенка на тортике», и если самого «тортика» нет, а «вишенка» есть, то это не так интересно.

— Как вы этому самообучились?

— Есть старая поговорка, что на Coursera есть два серьезных курса, даже полтора. Это курс Хинтона про машинное обучение и нейронные сети (курс более не доступен на Coursera, но его можно посмотреть на YouTube — «Хайтек») и курс Дафны Коллер про вероятностные неографические модели.

Курс Коллер — это записанные на видео лекции, который она читает аспирантам в Стэнфорде. Поэтому назвать его не совсем серьезным не поворачивается язык. Курс Хинтона длится 16 недель, а у Коллер — три курса по пять-шесть недель. И я собрал силы в кулак, прошел первый курс и понял, что второй и третий не готов проходить.

Но Coursera — это не единственное средство. Я читаю очень много книг. Сейчас закончил, кстати, книжку Брэдли Эфрона по статистике (американский статистик, лауреат Национальной медали почета США — высшей государственной награды для американских ученых — «Хайтек»). До этого — книгу Йена Годфеллоу (американский специалист по машинному обучению, работает в Google Brain — «Хайтек») по глубокому обучению. Это непрерывный процесс обучения. Coursera — лишь один из ресурсов, Kaggle (онлайн-сообщество специалистов по компьютерным наукам, где регулярно проводятся соревнования — «Хайтек») — это другой, но главное — чтение, чтение, чтение и проверка. Если вы прочитали и не поняли, это плохо. Если вы поняли, как это работает, то можете что угодно сделать.

Это как с таблицей умножения. Представьте, что человек таблицу умножения не понимает, но выучил наизусть. Его спрашивают: «Шесть на шесть?» — «36». — «Семь на восемь?» — «56». — «Ну хорошо, последний вопрос, 10 на 11?» — Человек говорит: «Я не знаю, в таблице умножения этого не было». Ну и все. Вот с такими людьми я часто встречаюсь. 10 на 11 гораздо проще посчитать, но этого же нет в таблице, надо понимать принцип. Если вы понимаете принципы, дальше все гораздо легче.

Все остальное зависит от человека. Кажется, что любую вещь мы выучиваем сами. Нам просто помогают и не мешают другие люди. Все это вопрос самодисциплины.

— Расскажите о вашем курсе по data science в ВШЭ.

— Это не платный курс, он в рамках стандартной программы, на нем рассказываю базовые простые вещи, которые для многих людей — откровение. Например, какие есть метрики, зачем они вообще существуют, как друг от друга отличаются, в каких случаях какая нужна, как проверить вашу идею, что такое A/B-тест. Это то, что я для себя вывел, что важно знать людям и что им действительно нужно в работе.

— Каким вы видите будущее ритейла через пять-десять лет?

— Если мы про продуктовый ритейл говорим, то формат гипермаркетов будет отмирать. Это видно сейчас по Штатам, как там отмирают большие торговые центры, и в России, кстати, тоже. Раньше какой был паттерн потребления? Мы приходим в торговый центр, в кино, в ресторанный дворик, еще что-нибудь купим. Сейчас приходим домой, ivi, Okko, Netflix, Яндекс.Еда, Delivery Club, доставка из ресторана, шопинг онлайн. Примерно то же самое будет и с гипермаркетами. Надо идти в сторону персонализации.

— Что это будет значить для потребителя?

— Человек пользуется чем? Тем, что может себе позволить, и тем, что ему удобно. Соответственно, нужно снижать расходы, держать то же качество или повышать его. Вот тут на ум и приходит персонализация.

— Человек покупает то, что может себе позволить. Сейчас реальные доходы населения падают, затраты сокращаются.

— При такой ситуации магазинные эконом-форматы чувствуют себя лучше и растут. Есть два пути решения многих проблем для ритейлеров. Либо автоматизация, либо нанять еще десять человек. В краткосрочной перспективе второй путь — это выигрышная стратегия, потому что интеграция — это дорого, долго, что-то пойдет не так, можно премии лишиться. А теперь представьте, что вы — директор департамента с очень большой премией, и можете ее лишиться. Будете вы работать в компании через два года, когда станет известен результат этой автоматизации, или нет, и похвалят вас за них, — непонятно. А премия у вас вот уже может быть. Поэтому нанимаем десять человек еще. Но это в долгосрочной перспективе ведет к большому убытку.

Подпишитесь на наши новости
Лого www.SiteHere.ru
1970-01-01 03:00 http://news.xtipe.com/ru/news/33557

Смотрите так же

Посмотрите на эту очаровательную и очень странную древесную лягушку, обнаруженную в горах на высоте более 2 тыс. метров в Эквадоре 1970-01-01 03:00

Горный регион Кордильера-дель-Кондор в Андах между Эквадором и Перу полон жизни, но из-за удаленности хребта и десятилетий пограничных споров, только в последние годы ученые смогли добиться получения разрешения для исследования биосферы этого района. Об этом пишет Science Alert.

Kia Motors представила систему распознавания эмоций. Она сможет менять салон беспилотника под настроение пассажира! 1970-01-01 03:00

Компания Kia Motors представила систему распознавания настроения пассажиров беспилотника R.E.A.D, которая может самостоятельно менять освещение и температуру в салоне автомобиля. Об этом говорится в сообщении компании.

Новые роботы-собаки Continental смогут доставить посылки сразу из беспилотного грузовика 1970-01-01 03:00

Стартап Continental, разрабатывающий полностью автоматизированную систему доставки посылок к покупателям, представил концепт роботизированных собак — они смогут принести заказанные вещи к двери покупателя. Об этом пишет TechCrunch.