„Je snadné růst o 20%, pokud jste otevřeli jeden a půlkrát více obchodů“
— Ve své řeči ty
— Obrat X5 bude nadále růst.Obecně se trh v maloobchodě ubírá směrem ke konsolidaci. V současné době zaujímají naši tři přední maloobchodníci přibližně 20 % trhu a ve vyspělých kapitalistických zemích vidíme, že tento podíl bude asi 70–75 %.
Každý den v průměru X5 otevírá šest novýchobchodů. Zatímco mluvíme, X5 otevírá nový obchod (směje se). Na rozdíl od některých jiných hráčů na trhu se věci daří dobře. Podíváte-li se na otevřená data, jeden z nich, s nárůstem o 12%, se zvýšil pouze o 84%. Je snadné spočítat: začnou pracovat negativně. Tam je takový ukazatel, LFL - jako pro, srovnání stejných obchodů za rok. Na X5 na něm, i když malé, ale plus. To znamená, že není těžké růst o 20%, pokud jste otevřeli jeden a půlkrát více obchodů, ale to je ve skutečnosti negativní růst. Pokud vyroste kvůli tomu, že staré obchody fungují lépe a nové otevřené, pak je to docela pozitivní.
- Co si myslíte, jaký podíl na výsledcích vašeho týmu v tomto týmu?
— Ještě to není moc velké, protože týmvznikla ne tak dávno. Buďme upřímní, růst X5 v roce 2017 pravděpodobně nebude způsoben naší aplikací datové analýzy s pomocí týmu vytvořeného v roce 2018.
Šéfem našeho ředitelství je Anton Mironenkov, muž, který se podílel na vzniku společnosti X5. Podílel se na sloučení Perekrestok a Pyaterochka, po kterém se objevil X5.
Zvažujeme směr velkých datstrategický. Budoucnost maloobchodu závisí na tom, jak rychle se maloobchodníci naučí monetizovat a používat data, která každý den generujeme ve velkém množství, k optimalizaci procesů a zlepšení zákaznické zkušenosti. Proto jsme se rozhodli toto vše oddělit do samostatného směru a dát tomu větší zaměření, aby se rychleji vyvíjelo.
Anton Mironenkov, ředitel velkého datového ředitelství X5
V rámci tohoto ředitelství máme vlastní kapacity,cluster, vývojáři, testeři, analytici, projekty, produkty – vše, co potřebujete. Některé věci jsme již udělali a za necelý rok jde o velký pokrok. Jasně chápeme, že společnosti poskytneme poměrně velký zisk, ale opět tyto výsledky budou viditelné až za rok.
Všechny informace v šeku - pokud jste si koupili vodku, pak jste starší 18 let.
- Když přijdu na "Křižovatku" a udělám nákup, co všechno si vezmeš k analýze?
- Zkontrolujte. Vaše produkty vás charakterizují docela dobře. Pokud si koupíte plenky, pravděpodobně máte malé dítě. Pokud je vodka, pak jste starší 18 let. Osoba může koupit žetony, a to bude s určitou pravděpodobností teenager 16 let. A pokud jste si koupili deník, pak vy nebo vaše rodina má dítě od sedmi do 17 let. To je spousta informací.
Představte si: přijdete do obchodu, podívejte se na některé produkty a pochopíte, že obchod je drahá, levná nebo střední cenová kategorie. V Pyaterochce existuje 4 až 8 tisíc unikátních produktů. Je nepravděpodobné, že půjdete s notebookem a zapíšete si ceny všech druhů zboží, a pak se podívejte na průměrné ceny zboží ve městě a vyvodte závěr. Stačí se podívat na pět až deset produktů. A tak na jaké produkty se díváte, jsme také angažovaní.
Produkty, na které se lidé dívají, se také měníčas. Jednoduchý příklad: před 20 lety neexistovaly žádné produkty týkající se mobilní komunikace. Nyní můžete, ne ve všech obchodech, ale koupit SIM kartu. Před 20 lety byly v Rusku obecně časy o něco těžší, než jsou nyní, a spotřeba byla úplně jiná.
- Jak je vytvoření zákaznických profilů nabízet slevy?
- Existují dva produkty: profil zákazníka a loajalita. Profil klienta je takový úkol, když nemáte nějaké značení a nepoužívejte různé přístupy. Používáme různé přístupy ke klastrování - počínaje standardními statistikami, spočítáme některé Z-rychlosti, robustní odchylky od mediánu a končící Word2vec, superponované na kontroly, a „překládáním“ osoby do vektorového typu zprůměrovaného pomocí TF-IDF nad Word2vec.
Z-skóre, Z-skóre- statistický odhad, který vyjadřujeVzdálenost (měřená jako standardní odchylka) dané úrovně od průměru souboru dat. Zejména Z-skóre je výstupním ukazatelem bonity společnosti a míry jejího rizika úpadku.
Robustní odchylky od angličtiny. robustní, robustní je stabilita odhadů s ohledem na emise v údajích. Uvažováno vzhledem k mediánu.
Word2vecje nástroj, který umožňuje reprezentovat slova jako vektory.
TF-IDF- pojem ve statistice označující stupeň důležitosti slova v korpusu textů.
Pokud máte nějaký model, který děláPředpokládejme, že klastrování je úspěšné, pokud se po přidání atributů kvalita modelů zlepší. Zde si můžete spočítat ekonomický efekt a nějaký druh metriky.
- V jaké části obchodů se používají vaše výrobky?
- Celkově.Personalizovanou slevu jsme testovali na půl milionu uživatelů, abychom pochopili její účinek ve všech 14 tisících prodejnách X5. Ze všech těchto obchodů shromažďujeme interaktivní zprávy. Máme akční produkt, který je dostupný ve všech prodejnách. Máme sortimentní matici, máme prognózu poptávky. Dohlížejí na to, aby za prvé bylo v obchodě kuře a za druhé, aby kuře nebylo shnilé.
Nyní začněme dělat počítačové viděnínebude zpočátku k dispozici ve všech obchodech. Začněme těmi největšími – má smysl testovat pouze v nich. Úkol je celkem jednoduchý, výhody jasné. Existuje produkt, nemusí být v regálu, ale může ležet ve skladu a v tu chvíli produkt není zakoupen. Toto je velmi špatné. Obchod to koupil, ale nemůže to prodat. V lepším případě si uživatel produkt nekoupí a v horším případě se otočí a odejde, protože nepotřebuje přijít tam, kde si koupí dva ze tří produktů, a jít do jiného obchodu pro třetí. Přijde rovnou do obchodu, kde si vše nakoupí. A to se řeší pomocí počítačového vidění. Je umístěna kamera a detekuje, že vám zbývá málo produktu. Osobě odpovědné za to přijde oznámení, jde do skladu, aby si tento produkt koupil.
Druhým úkolem je řada. Víme, že máme v obchodě frontu. Buď stojíte v řadě, nespokojeni a ztrácíte čas, který se nikomu nelíbí, nebo jděte do obchodu, podívejte se do fronty, otočte se a odejděte. Pokud důvodem fronty je, že stát nemá dostatek zaměstnanců, nelze s tím nic dělat. A pokud je problém, že podmíněná prodavačka sedí v zadní místnosti, odpočívá a pije čaj, a režisér jí volá. Obchod je již v řadě, a dokud nedosáhne, sedí u počítače, zapne se, začne vytáhnout pokladníka, čas uběhne. Stále se na ni dívá, je nervózní, lidi taky. Tento pokladník musí jít ven, než se vytvoří fronta, takže v době odchodu lidé už odjeli do pokladny. Je poměrně snadné řešit pomocí počítačového vidění.
Budeme to testovat kolem 150obchody a s největší pravděpodobností v Moskvě. Za prvé jsme sami v Moskvě a za druhé je zde větší provoz. Pak se ukáže, jak zlepšit uživatelský zážitek a jaký je přínos X5.
"Opravdu se mi nelíbí slovo datový vědec."
- Rozšiřujete své řízení?
- Samozřejmě, že manažeři vidí výsledky. Nikdo vám nedovolí dvakrát rozšířit tým, pokud nepracujete dobře. Tato skutečnost sama o sobě hovoří o naší účinnosti.
- Říkal jste, že máte 32 lidí, kteří pracují, kolik dalších budete nábor?
- Stále někde 20-30. Nyní budeme používat počítačovou vizi a technologii řeči jako součást svého managementu. Tam budou dvě nová oddělení, to znamená, že to je plus deset lidí, podle mého názoru, další 10-15 jsou dohodnuty na příští rok. Existují tzv. Projektové sazby. Očekáváme, že to bude 30-36 plus, někde přes 60 lidí. Jedná se konkrétně o lidi, kteří se zabývají analýzou dat a strojovým učením.
- Kdo pozveš do práce?
— Opravdu nemám rád slovo „datový vědec“protože nenese žádné informace. Můžete přijít do deseti společností, kde hledají datového vědce, a bude to deset zcela odlišných pozic. Líbí se mi slovo "analytik". Názvy mých oddělení mluví samy za sebe: existuje oddělení strojového učení, oddělení analýzy dat, skupina R&D, tedy výzkum, oddělení počítačového vidění, oddělení řečových technologií a skupina pro neproduktovou analýzu pro řešení těchto problémů. které jsou mimo jakýkoli stávající směr produktu.
Hledám lidi, kteří mohou programovatPython, znalost teorie pravděpodobnosti a matematické statistiky, pokud potřebuji modelování, pak jsou potřebné dovednosti strojového učení. Ale nejdůležitější je schopnost člověka přemýšlet a analyzovat. Stále častěji se dostávám k myšlence, že analytické myšlení a kritika je něco, co je velmi těžké učit. Je-li 20–25 let již nějaký světonázor, je nepravděpodobné, že se změní.
- Rozuměli jste tomu v X5?
- Ne že by mě k tomu X5 vedl. Také se dívám na lidi, komunikuji, vidím, jak fungují. Jak víte, nejlepší rozhovor je zkušební doba. A v určitém okamžiku vidíte, že to prostě není pro tuto osobu. Zdá se, že absolvoval mekhmat, zdá se, že není blázen, ale ne on. Neexistuje žádný správný postoj, nevidí věci. Bylo to v knize Daniela Kanemana „Myšlení, rychlé a pomalé“, kde popsal, co odpovídá kritickému myšlení. To zahrnuje pesimistický pohled na svět, a to je spíše vrozená kvalita než ta, která byla získána, bohužel nebo naštěstí.
- Pokud přijde analytik a po zkušební době, chápete, že je vhodný, co může člověk očekávat?
- Standardně v IT jsou stupně - junior, střední,senior a praktikant. Zřídka se vyskytuje nahoře - to je personál nebo vedoucí. Domnívám se, že dochází k inflaci seniorské pozice: máme jich hodně, ale ve skutečnosti jen zřídka dosahují průměrné střední pozice.
Pokud budete mít průměrný plat na trhu, juniorpřijímá někde mezi 120–150 tisíci rublů před zdaněním za měsíc, uprostřed - až 250 tisíc. Senioři asi 400 tisíc rublů. Top bar: Já osobně jsem držel nabídku v rukou na vedoucího vývojáře, to bylo více než 600 tisíc rublů.
„Věda o údajích je opravdu nějaká„ třešeň na dortu “.
— Jak jsi začal se strojovým učením?
— Informatika na univerzitě vůbec nebyla.výcvik. Protože jsem v roce 2012 ukončil vysokou školu, zhruba ve stejné době došlo k dalšímu nárůstu věcí s tím souvisejících. neměl čas. Vystudoval dvě vysoké školy, poslední byla Univerzita aplikovaných věd v Karlsruhe, magisterský obor mechatronika. Předtím studoval na Moskevském institutu chemického inženýrství, nyní nazývaném Moskevská polytechnika. Nebyl jsem zapojen do strojového učení ani tam, ani tam.
Legrační věc: Ti, kteří dokončili vědu o údajích, jsou nyní dotazováni a zdá se, že jejich úroveň je slabší a nižší než u těch, kteří dokončili fyziku, strojírenství, informatiku, a pak se na tom strojové učení „zranilo“. Možná je to mírný posun, protože kluci, kteří se to naučili sami, byli zpočátku silní, naučili se něco nového a přišli. A věda o údajích je opravdu nějaká „třešeň na dortu“, a pokud neexistuje „dort“ sám, ale je tu „třešeň“, pak to není tak zajímavé.
- Jak jste se to dozvěděl?
— Staré přísloví říká, že na Courseře jsou dvavážný kurz, dokonce jeden a půl. Toto je Hintonův kurz o strojovém učení a neuronových sítích (kurz již není k dispozici na Coursera, ale lze jej zhlédnout na YouTube – Hi-Tech) a Daphne Kollerův kurz o pravděpodobnostních negrafických modelech.
Kurz Koller je přednášen na videozáznamu,, kterou čte studentům postgraduálního studia ve Stanfordu. Proto, aby mu neřekl úplně vážně, neotevře jazyk. Hintonův kurz trvá 16 týdnů a Koller má tři kurzy v délce pěti až šesti týdnů. Sbíral jsem sílu do pěsti, prošel prvním kurzem a uvědomil jsem si, že druhá a třetí není připravena projít.
Coursera ale není jedinou možností.Četl jsem hodně knih. Mimochodem, právě jsem dokončil knihu Bradleyho Efrona o statistice (americký statistik, vítěz americké National Medal of Honor – nejvyšší státní vyznamenání pro americké vědce – „High-Tech“). Předtím kniha od Iana Godfellowa (americký specialista na strojové učení, pracuje ve společnosti Google Brain - Hi-Tech) o hlubokém učení. Je to neustálý proces učení. Coursera je jen jeden zdroj, Kaggle (online komunita počítačových věd, která pravidelně pořádá soutěže – „High-Tech“) je jiný, ale hlavní je číst, číst, číst a kontrolovat. Pokud to čtete a nerozumíte tomu, je to špatně. Pokud pochopíte, jak to funguje, můžete dělat cokoliv.
Je to jako s násobilkou.Představte si, že člověk násobilce nerozumí, ale naučil se ji nazpaměť. Ptají se ho: "Šest na šest?" - "36". - "Sedm na osm?" - "56". - "Dobře, poslední otázka, 10 až 11?" - Muž říká: "Nevím, nebylo to v násobilce." A je to. To jsou lidé, které často potkávám. 10 x 11 je mnohem snazší spočítat, ale není to v tabulce, musíte pochopit princip. Pokud pochopíte principy, pak bude vše mnohem jednodušší.
Vše ostatní závisí na osobě. Vypadá to, že se něco naučíme sami. Pomáháme a nezasahujeme do jiných lidí. To vše je otázkou sebekázně.
— Řekněte nám o svém kurzu datové vědy na HSE.
- To je volný kurz, to je v rámci standarduprogramy, na které říkám základní jednoduché věci, které pro mnoho lidí - zjevení. Například, jaké jsou metriky, proč vůbec existují, jak se od sebe liší, v jakých případech je nezbytné, jak otestovat vaši představu o tom, co je test A / B. To je to, co jsem pro sebe přinesl, že je důležité, aby lidé věděli a co ve své práci skutečně potřebují.
- Jak vidíte budoucnost maloobchodu za pět až deset let?
— Pokud mluvíme o maloobchodě s potravinami, pakFormát hypermarketu vymře. To je nyní vidět ve Státech, jak tam venku umírají velká nákupní centra, a mimochodem i v Rusku. Jaký byl vzorec spotřeby dříve? Jdeme do obchoďáku, do kina, do food courtu a koupíme si něco jiného. Teď se vracíme domů, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, rozvoz z restaurace, online nakupování. Musíme přejít k personalizaci.
- Co to bude znamenat pro spotřebitele?
- Člověk používá co? To si může dovolit a to je pro něj výhodné. Proto je nutné snížit náklady, udržet stejnou kvalitu nebo ji zvýšit. Zde přichází na mysl personalizace.
- Člověk si koupí to, co si může dovolit. Reálné příjmy obyvatelstva nyní klesají, náklady klesají.
— V takové situaci ukládejte ekonomické formátycítit se lépe a růst. Mnoho problémů obchodníků lze vyřešit dvěma způsoby. Buď automatizaci, nebo najmout dalších deset lidí. Krátkodobě je druhý způsob vítěznou strategií, protože integrace je drahá, zdlouhavá a pokud se něco pokazí, můžete o svůj bonus přijít. Nyní si představte, že jste ředitelem oddělení s velmi vysokým bonusem a můžete o něj přijít. Není jasné, zda za dva roky, až budou výsledky této automatizace znát, ve firmě budete pracovat nebo ne a budou vás za ně chválit. A možná už máte bonus. Proto přijímáme dalších deset lidí. To ale vede k velké ztrátě v dlouhodobém horizontu.