"Es ist leicht, um 20% zu wachsen, wenn Sie anderthalb Mal mehr Geschäfte eröffnet haben"
— In Ihrer Rede Sie
— Der Umsatz von X5 wird weiter wachsen.Generell geht der Markt im Einzelhandel in Richtung einer Konsolidierung. Derzeit nehmen unsere drei führenden Einzelhändler etwa 20 % des Marktes ein, und wir gehen davon aus, dass dieser Anteil in entwickelten kapitalistischen Ländern etwa 70–75 % betragen wird.
Im Durchschnitt öffnet X5 jeden Tag sechs neueGeschäfte. Während wir reden, eröffnet X5 einen neuen Laden (lacht). In der Tat laufen die Dinge im Gegensatz zu einigen anderen Marktteilnehmern gut. Betrachtet man die offenen Daten, eine davon mit einer Zunahme der Fläche von 12%, stieg der Umsatz nur um 84%. Es ist leicht zu berechnen: Sie beginnen negativ zu arbeiten. Es gibt einen solchen Indikator, LFL - Like Like, ein Vergleich der gleichen Geschäfte pro Jahr. Bei X5 drauf, zwar klein, aber ein Plus. Das heißt, es ist nicht schwer, um 20% zu wachsen, wenn Sie anderthalb Mal mehr Geschäfte eröffnet haben. Dies ist jedoch ein negatives Wachstum. Wenn Sie aufgrund der Tatsache, dass alte Geschäfte besser funktionieren und neue Geschäfte eröffnen, erwachsen werden, ist dies durchaus positiv.
- Was denkst du, welchen Anteil hat dein Team dabei?
— Es ist noch nicht sehr groß, weil das Teamvor nicht allzu langer Zeit gegründet. Seien wir ehrlich: Das Wachstum von X5 im Jahr 2017 ist wahrscheinlich nicht auf unseren Einsatz von Datenanalysen mit Hilfe eines 2018 gegründeten Teams zurückzuführen.
Der Leiter unserer Direktion ist Anton Mironenkov, ein Mann, der an der Gründung des Unternehmens X5 beteiligt war. Er war an der Fusion von Perekrestok und Pyaterochka beteiligt, woraufhin X5 erschien.
Wir betrachten die Richtung von Big Datastrategisch. Die Zukunft des Einzelhandels hängt davon ab, wie schnell Einzelhändler lernen, die Daten, die wir täglich in großen Mengen generieren, zu monetarisieren und zu nutzen, um Prozesse zu optimieren und das Kundenerlebnis zu verbessern. Aus diesem Grund haben wir beschlossen, dies alles in eine separate Richtung zu unterteilen und ihm einen größeren Fokus zu geben, damit es sich schneller entwickelt.
Anton Mironenkov, Leiter der Big Data-Direktion X5
Innerhalb dieser Direktion verfügen wir über eigene Kapazitäten,Cluster, Entwickler, Tester, Analysten, Projekte, Produkte – alles was Sie brauchen. Wir haben bereits einiges getan, und das ist ein großer Fortschritt in weniger als einem Jahr. Wir sind uns klar darüber im Klaren, dass wir dem Unternehmen einen ziemlich hohen Gewinn bescheren werden, aber auch diese Ergebnisse werden erst in einem Jahr sichtbar sein.
Alle Informationen im Scheck - wenn Sie Wodka gekauft haben, sind Sie über 18 Jahre alt.
- Wenn ich zum "Crossroads" komme und einen Kauf tätige, was werden Sie dann für eine Analyse brauchen?
- Überprüfen Sie. Ihre Produkte charakterisieren Sie ziemlich gut. Wenn Sie Windeln kaufen, haben Sie wahrscheinlich ein kleines Kind. Wenn Wodka, dann sind Sie über 18 Jahre alt. Eine Person kann Chips kaufen, und es wird mit einer gewissen Wahrscheinlichkeit ein Teenager von 16 Jahren sein. Wenn Sie ein Tagebuch gekauft haben, haben Sie oder Ihre Familie ein Kind im Alter von sieben bis 17 Jahren. Dies ist eine Menge Informationen.
Stellen Sie sich vor: Sie kommen in den Laden, schauen sich einige Produkte an und verstehen, dass der Laden teuer, billig oder mittlerer Preis ist. In Pyaterochka gibt es 4 bis 8 Tausend einzigartige Produkte. Es ist unwahrscheinlich, dass Sie mit einem Notizbuch die Preise für die gesamte Warengruppe aufschreiben und dann die Durchschnittspreise der Waren in der Stadt betrachten und eine Schlussfolgerung ziehen. Schauen Sie sich einfach die fünf bis zehn Produkte an. Also, welche Produkte Sie sich anschauen, sind wir auch engagiert.
Produkte, die sich die Menschen anschauen, ändern sich auch mitvon der Zeit Ein einfaches Beispiel: Vor 20 Jahren gab es keine Produkte für die mobile Kommunikation. Nun kann man nicht in allen Filialen eine SIM-Karte kaufen. Vor 20 Jahren gab es in Russland in der Regel Zeiten, in denen es schwieriger war als jetzt, und der Konsum war völlig anders.
- Wie ist die Erstellung von Kundenprofilen, um Rabatte anzubieten?
- Es gibt zwei Produkte: Kundenprofil und Loyalität. Ein Kundenprofil ist eine solche Aufgabe, wenn Sie keine Markierungen haben und andere Ansätze verwenden. Wir verwenden unterschiedliche Ansätze für das Clustering: Ausgehend von Standardstatistiken berechnen wir einige Z-Geschwindigkeiten, robuste Abweichungen vom Medianwert und enden mit Word2vec, überlagern die Prüfungen und „übersetzen“ eine Person in den durch TF-IDF gemittelten Vektortyp über Word2vec.
Z-Score, Z-Score- eine statistische Schätzung, die ausdrücktDer Abstand (gemessen als Standardabweichung) eines bestimmten Niveaus vom Mittelwert des Datensatzes. Insbesondere ist der Z-Score ein Output-Indikator für die Kreditwürdigkeit eines Unternehmens und den Grad seines Insolvenzrisikos.
Robuste Abweichungen vom Englischen. robust, „robust“ ist die Stabilität der Schätzungen in Bezug auf die Emissionen in den Daten. Betrachtet relativ zum Median.
Word2vecist ein Werkzeug, mit dem Sie Wörter als Vektoren darstellen können.
TF-IDF- ein Begriff aus der Statistik, der den Grad der Bedeutung eines Wortes in einem Textkorpus angibt.
Wenn Sie irgendein Modell haben, das machtWenn Sie einen persönlichen Vorschlag machen, gehen wir davon aus, dass das Clustering erfolgreich ist, wenn sich die Qualität der Modelle nach dem Hinzufügen der Attribute verbessert. Hier können Sie den wirtschaftlichen Effekt und eine Art Metrik berechnen.
- In welchem Teil der Filialen werden Ihre Produkte verwendet?
- Insgesamt.Wir haben den personalisierten Rabatt an einer halben Million Benutzern getestet, um seine Wirkung in allen 14.000 X5-Filialen zu verstehen. Wir sammeln interaktive Berichte von all diesen Geschäften. Wir haben einen Werbeartikel, der in allen Geschäften erhältlich ist. Wir haben eine Sortimentsmatrix, wir haben eine Bedarfsprognose. Sie achten erstens darauf, dass es Hähnchen im Laden gibt und zweitens, dass das Hähnchen nicht verfault ist.
Beginnen wir nun mit Computer Visionwird zunächst nicht in allen Filialen erhältlich sein. Beginnen wir mit den größten – es ist sinnvoll, nur in ihnen zu testen. Die Aufgabe ist ganz einfach, die Vorteile liegen auf der Hand. Es gibt ein Produkt, es ist vielleicht nicht im Regal, aber es kann im Lager liegen, und in diesem Moment wird das Produkt nicht gekauft. Das ist sehr schlecht. Der Laden hat es gekauft, kann es aber nicht verkaufen. Im besten Fall wird der Benutzer das Produkt nicht kaufen, im schlimmsten Fall wird er sich umdrehen und gehen, da er nicht dorthin kommen muss, wo er zwei der drei Produkte kaufen möchte, und dafür in ein anderes Geschäft gehen muss der dritte. Er kommt direkt zum Laden, wo er alles kaufen kann. Und das wird mithilfe von Computer Vision gelöst. Eine Kamera wird platziert und erkennt, dass nur noch wenig Produkt übrig ist. Der dafür Verantwortliche erhält eine Benachrichtigung, er geht ins Lager, um dieses Produkt zu kaufen.
Die zweite Aufgabe ist die Wende. Wir wissen, dass wir im Laden eine Schlange haben. Entweder Sie stehen in einer Schlange, sind unzufrieden und vergeuden Zeit, die niemand mag, oder Sie gehen in den Laden, schauen sich die Schlange an, drehen sich um und gehen. Wenn der Grund für die Warteschlange darin liegt, dass der Staat unterbesetzt ist, kann nichts dagegen unternommen werden. Und wenn das Problem ist, dass die bedingte Verkäuferin im Hinterzimmer sitzt, Tee ruht und Tee trinkt und der Direktor sie anruft. Der Laden ist bereits in einer Reihe, und bis er erreicht ist, sitzt er am Computer, schaltet ihn ein, beginnt den Kassierer zu ziehen, die Zeit vergeht. Sie sieht sie immer noch an, sie ist nervös, auch die Leute. Dieser Kassierer muss ausgehen, bevor die Warteschlange gebildet wird, so dass die Personen zum Zeitpunkt des Austritts bereits zum Kassierer gegangen sind. Es ist ziemlich einfach, mit Computer Vision zu lösen.
Wir werden es bei etwa 150 testenGeschäfte und höchstwahrscheinlich in Moskau. Erstens sind wir selbst in Moskau und zweitens gibt es hier mehr Verkehr. Dann wird deutlich, wie sich das Benutzererlebnis verbessern lässt und welchen Nutzen X5 bietet.
"Ich mag das Wort Datenwissenschaftler wirklich nicht."
- Erweitern Sie Ihr Management?
- Natürlich sehen die Manager, dass wir Ergebnisse liefern. Niemand erlaubt es Ihnen, das Team zweimal zu erweitern, wenn Sie nicht gut arbeiten. Allein diese Tatsache spricht von unserer Wirksamkeit.
- Sie sagten, dass Sie 32 Leute haben, wie viele werden Sie einstellen?
- Immer noch irgendwo 20-30. Wir werden jetzt als Teil meines Managements die Computer Vision- und Sprachtechnologie einsetzen. Es wird zwei neue Abteilungen geben, das sind plus zehn Personen, meiner Meinung nach sind weitere 10-15 für nächstes Jahr vereinbart. Es gibt sogenannte Projektraten. Wir erwarten, dass es 30–36 plus ist, irgendwo über 60 Personen. Dies sind insbesondere die Personen, die sich mit Datenanalyse und maschinellem Lernen beschäftigen.
- Wen laden Sie ein zu arbeiten?
— Ich mag das Wort „Datenwissenschaftler“ wirklich nichtweil es keine Informationen enthält. Sie können zu zehn Unternehmen kommen, die einen Datenwissenschaftler suchen, und das werden zehn völlig unterschiedliche Positionen sein. Ich mag das Wort „Analyst“. Die Namen meiner Abteilungen sprechen für sich: Es gibt eine Abteilung für maschinelles Lernen, eine Abteilung für Datenanalyse, eine Forschungs- und Entwicklungsgruppe, also Forschung, eine Abteilung für Computer Vision, eine Abteilung für Sprachtechnologie und eine Gruppe für Nicht-Produktanalyse zur Lösung dieser Probleme die außerhalb einer bestehenden Produktrichtung liegen.
Ich suche Leute, die sich programmieren könnenPython, Wahrscheinlichkeitstheorie und mathematische Statistik kennen, wenn ich Modellierung brauche, dann sind maschinelle Lernfähigkeiten erforderlich. Aber am wichtigsten ist die Fähigkeit einer Person zu denken und zu analysieren. Ich komme immer mehr auf die Idee, dass analytisches Denken und kritisch etwas sehr Lehren ist. Wenn es in 20 bis 25 Jahren bereits ein Weltbild gibt, wird sich dies wahrscheinlich nicht ändern.
- Hast du das in X5 verstanden?
- Nicht dass der X5 mich dazu gebracht hat. Ich schaue auch Leute an, kommuniziere, sehe, wie sie funktionieren. Wie Sie wissen, ist das beste Interview eine Probezeit. Und irgendwann sieht man, dass dies einfach nichts für diese Person ist. Das heißt, es scheint, dass er das Mekhmat abgeschlossen hat, es scheint, dass er kein Dummkopf ist, aber nicht er. Es gibt keine richtige Einstellung, sehe keine Dinge. In Daniel Kanemans Buch "Thinking, Fast and Slow" beschreibt er, was kritischem Denken entspricht. Dies beinhaltet eine pessimistische Sicht der Welt und ist eher eine angeborene Qualität als die erworbene, leider oder glücklicherweise.
- Wenn ein Analytiker nach einer Probezeit eintrifft, wissen Sie, dass er geeignet ist. Was kann eine Person erwarten?
- Standardmäßig gibt es in der IT Abstufungen - Junior, Middle,Senior und Azubi. Selten findet man es oben – das ist der Stab oder der Anführer. Ich glaube, dass es eine Inflation der Führungspositionen gibt: Wir haben viele davon, aber tatsächlich erreichen sie selten die durchschnittliche mittlere Position.
Wenn Sie das durchschnittliche Gehalt auf dem Markt nehmen, JuniorEr erhält zwischen 120-150 Tausend Rubel vor Steuern pro Monat, Mitte - bis zu 250 Tausend, Senioren etwa 400 Tausend Rubel. Oberste Bar: Ich habe das Angebot persönlich an den Hauptentwickler gehalten, es waren mehr als 600 Tausend Rubel.
"Data Science ist wirklich eine Art" Kirsche auf einem Kuchen "
— Wie haben Sie mit maschinellem Lernen begonnen?
— An der Universität gab es überhaupt keine Informatik.Ausbildung. Da ich 2012 meinen Universitätsabschluss gemacht habe, gab es ungefähr zur gleichen Zeit einen weiteren Anstieg der damit zusammenhängenden Dinge. Hatte keine Zeit. Absolvent zweier Universitäten, zuletzt an der Fachhochschule Karlsruhe, Masterstudiengang Mechatronik. Zuvor studierte er am Moskauer Institut für Chemieingenieurwesen, dem heutigen Moskauer Polytechnikum. Ich war weder dort noch dort mit maschinellem Lernen beschäftigt.
Lustige Sache: Jetzt werden diejenigen, die Datenwissenschaft abschließen, interviewt, und es scheint, dass ihr Niveau schwächer und niedriger ist als das derjenigen, die Physik, Ingenieurswesen, Informatik und dann das maschinelle Lernen abgeschlossen haben. Vielleicht ist dies eine leichte Verschiebung, denn die Jungs, die es selbst gelernt haben, waren anfangs stark, haben etwas Neues gelernt und sind gekommen. Und Data Science ist wirklich eine Art "Kirsche auf einem Kuchen", und wenn es selbst keinen "Kuchen" gibt, aber es gibt eine "Kirsche", dann ist dies nicht so interessant.
- Wie hast du das gelernt?
— Es gibt ein altes Sprichwort, dass es auf Coursera zwei gibternster Kurs, sogar eineinhalb. Dies ist Hintons Kurs über maschinelles Lernen und neuronale Netze (der Kurs ist nicht mehr auf Coursera verfügbar, kann aber auf YouTube – Hi-Tech angesehen werden) und Daphne Kollers Kurs über probabilistische nichtgrafische Modelle.
Der Koller-Kurs ist eine Video-Vorlesung,was sie liest, um Studenten in Stanford zu studieren. Ihn als nicht ganz ernst zu bezeichnen, ändert daher nicht die Sprache. Hintons Kurs dauert 16 Wochen und Koller hat drei Kurse von fünf bis sechs Wochen. Und ich sammelte die Kraft in einer Faust, durchlief den ersten Kurs und erkannte, dass der zweite und der dritte nicht bereit sind zu bestehen.
Aber Coursera ist nicht die einzige Option.Ich lese viele Bücher. Übrigens habe ich jetzt das Statistikbuch von Bradley Efron (amerikanischer Statistiker, Gewinner der US National Medal of Honor – der höchsten staatlichen Auszeichnung für amerikanische Wissenschaftler – „High-Tech“) fertiggestellt. Zuvor ein Buch von Ian Godfellow (amerikanischer Spezialist für maschinelles Lernen, arbeitet bei Google Brain – Hi-Tech) zum Thema Deep Learning. Es ist ein kontinuierlicher Lernprozess. Coursera ist nur eine Ressource, Kaggle (eine Online-Informatik-Community, die regelmäßig Wettbewerbe veranstaltet – „High-Tech“) ist eine andere, aber die Hauptsache ist: Lesen, Lesen, Lesen und Überprüfen. Wenn man es liest und es nicht versteht, ist das schlecht. Wenn Sie verstehen, wie es funktioniert, können Sie alles tun.
Es ist wie das Einmaleins.Stellen Sie sich vor, eine Person versteht das Einmaleins nicht, hat es aber auswendig gelernt. Sie fragen ihn: „Sechs mal sechs?“ - „36“. - „Sieben mal acht?“ - „56“. - „Okay, letzte Frage, 10 bis 11?“ — Der Mann sagt: „Ich weiß nicht, es stand nicht im Einmaleins.“ Das ist es. Das sind die Leute, die ich oft treffe. 10 mal 11 ist viel einfacher zu berechnen, aber das steht nicht in der Tabelle, man muss das Prinzip verstehen. Wenn Sie die Prinzipien verstehen, wird alles viel einfacher.
Alles andere hängt von der Person ab. Es scheint, dass wir alles selbst lernen. Wir helfen nur und stören nicht mit anderen Menschen. All dies ist eine Frage der Selbstdisziplin.
— Erzählen Sie uns von Ihrem Data Science-Kurs an der HSE.
- Dies ist ein kostenloser Kurs, der innerhalb des Standards liegtProgramme, darauf erzähle ich grundlegende einfache Dinge, die für viele Menschen Offenbarung sind. Was sind zum Beispiel die Metriken, warum gibt es sie überhaupt, wie unterscheiden sie sich voneinander, in welchen Fällen ist es erforderlich, wie Sie Ihre Vorstellung von einem A / B-Test testen. Das habe ich für mich abgeleitet, was für die Menschen wichtig ist und was sie wirklich für ihre Arbeit brauchen.
- Wie sehen Sie die Zukunft des Handels in fünf bis zehn Jahren?
— Wenn wir über den Lebensmitteleinzelhandel sprechen, dannDas Hypermarktformat wird aussterben. Das sieht man jetzt in den USA, wie dort große Einkaufszentren aussterben, und übrigens auch in Russland. Wie war das Konsumverhalten vorher? Wir gehen ins Einkaufszentrum, ins Kino, zum Food-Court und kaufen etwas anderes. Jetzt kommen wir nach Hause, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, Lieferung aus einem Restaurant, Online-Shopping. Wir müssen uns der Personalisierung zuwenden.
- Was bedeutet das für den Verbraucher?
- Was benutzt der Mensch? Das kann er sich leisten und das ist für ihn günstig. Dementsprechend ist es notwendig, die Kosten zu senken, die gleiche Qualität zu behalten oder zu erhöhen. Dies ist, wo Personalisierung in den Sinn kommt.
- Eine Person kauft, was sie sich leisten kann. Jetzt sinken die Realeinkommen der Bevölkerung, die Kosten sinken.
— Speichern Sie in einer solchen Situation Economy-Formatesich besser fühlen und wachsen. Für Einzelhändler gibt es zwei Möglichkeiten, viele Probleme zu lösen. Entweder automatisieren oder zehn weitere Leute einstellen. Kurzfristig ist der zweite Weg eine erfolgreiche Strategie, denn die Integration ist teuer, zeitaufwändig und wenn etwas schief geht, können Sie Ihren Bonus verlieren. Stellen Sie sich nun vor, Sie wären der Leiter einer Abteilung mit einem sehr hohen Bonus und könnten diesen verlieren. Es ist unklar, ob Sie in zwei Jahren, wenn die Ergebnisse dieser Automatisierung bekannt werden, im Unternehmen arbeiten werden oder nicht, und Sie werden dafür gelobt. Und vielleicht haben Sie bereits einen Bonus. Deshalb stellen wir zehn weitere Leute ein. Aber das führt auf lange Sicht zu einem großen Verlust.