"Είναι εύκολο να αυξηθεί κατά 20% αν έχετε ανοίξει ενάμιση χρόνο περισσότερα καταστήματα"
— Στην ομιλία σας, εσείς
— Ο κύκλος εργασιών της X5 θα συνεχίσει να αυξάνεται.Γενικά, η αγορά προσπαθεί να εδραιωθεί στο λιανικό εμπόριο.Οι τρεις κορυφαίοι λιανοπωλητές μας καταλαμβάνουν περίπου το 20% της αγοράς και βλέπουμε στις χώρες του ανεπτυγμένου καπιταλισμού ότι αυτό το μερίδιο θα είναιπερίπου 70-75%.
Κάθε μέρα, κατά μέσο όρο το X5 ανοίγει έξι νέακαταστήματα. Ενώ μιλάμε, το X5 ανοίγει ένα νέο κατάστημα (γελάει). Πράγματι, τα πράγματα πάνε καλά, σε αντίθεση με κάποιους άλλους παράγοντες της αγοράς. Αν κοιτάξετε τα ανοιχτά δεδομένα, ένας από αυτούς, με αύξηση της έκτασης κατά 12%, ο κύκλος εργασιών αυξήθηκε μόνο κατά 84%. Είναι εύκολο να υπολογίσετε: αρχίζουν να εργάζονται αρνητικά. Υπάρχει ένας τέτοιος δείκτης, το LFL - όπως για παράδειγμα, μια σύγκριση των ίδιων καταστημάτων το χρόνο. Στο X5 σε αυτό, αν και μικρό, αλλά ένα συν. Δηλαδή, δεν είναι δύσκολο να αυξηθεί κατά 20% αν έχετε ανοίξει ενάμισι φορές περισσότερα καταστήματα, αλλά αυτό είναι μια αρνητική αύξηση στην πραγματικότητα. Αν μεγαλώσετε λόγω του γεγονότος ότι τα παλιά καταστήματα λειτουργούν καλύτερα και τα νέα ανοιχτά, τότε αυτό είναι πολύ θετικό.
- Τι νομίζετε, ποιο είναι το μερίδιο των πλεονεκτημάτων της ομάδας σας σε αυτό;
— Όχι πολύ μεγάλη ακόμα, γιατί η ομάδα σχηματίστηκε όχι πολύ καιρό πριν.Ας είμαστε ειλικρινείς, η ανάπτυξη της X5 το 2017 δεν οφείλεται στο γεγονός ότι εφαρμόζουμε ανάλυση δεδομένων με τη βοήθεια μιας ομάδας που δημιουργήθηκε το 2018.
Επικεφαλής της διεύθυνσης μας είναι ο Anton Mironenkov, ένας άνθρωπος που συμμετείχε στη δημιουργία της εταιρείας X5. Συμμετείχε στη συγχώνευση των Perekrestok και Pyaterochka, μετά την οποία εμφανίστηκε το X5.
Λαμβάνουμε υπόψη την κατεύθυνση των μεγάλων δεδομένωνστρατηγικό. Το μέλλον του λιανικού εμπορίου εξαρτάται από το πόσο γρήγορα μαθαίνουν οι έμποροι λιανικής να δημιουργούν έσοδα και να χρησιμοποιούν τα δεδομένα που παράγουμε σε αρκετά μεγάλες ποσότητες καθημερινά για τη βελτιστοποίηση των διαδικασιών και τη βελτίωση της εμπειρίας των πελατών. Ως εκ τούτου, αποφασίσαμε να χωρίσουμε όλα αυτά σε μια ξεχωριστή κατεύθυνση και να του δώσουμε μεγαλύτερη εστίαση ώστε να εξελιχθεί πιο γρήγορα.
Anton Mironenkov, Διευθυντής της Διεύθυνσης Μεγάλων Δεδομένων X5
Μέσα σε αυτή τη διεύθυνση έχουμε τις δικές μας ικανότητες,cluster, προγραμματιστές, δοκιμαστές, αναλυτές, έργα, προϊόντα - όλα όσα χρειάζεστε. Έχουμε ήδη κάνει κάποια πράγματα, και αυτό είναι μεγάλη πρόοδος για λιγότερο από ένα χρόνο. Καταλαβαίνουμε ξεκάθαρα ότι θα δώσουμε στην εταιρεία ένα αρκετά μεγάλο κέρδος, αλλά και πάλι, αυτά τα αποτελέσματα θα είναι ορατά μόνο σε ένα χρόνο.
Όλες οι πληροφορίες στον έλεγχο - αν έχετε αγοράσει βότκα, τότε είστε άνω των 18 ετών.
- Αν έρθω στο "Crossroads" και κάνω μια αγορά, τι από όλα αυτά θα πάρετε για την ανάλυση;
- Ελέγξτε. Τα προϊόντα σας χαρακτηρίζουν πολύ καλά. Αν αγοράζετε πάνες, ίσως έχετε ένα μικρό παιδί. Αν βότκα, τότε είστε άνω των 18 ετών. Ένα άτομο μπορεί να αγοράσει μάρκες, και θα είναι με μια πιθανότητα έφηβος 16 ετών. Και αν έχετε αγοράσει ένα ημερολόγιο, τότε εσείς ή η οικογένειά σας έχετε παιδί από επτά έως 17 ετών. Αυτές είναι πολλές πληροφορίες.
Φανταστείτε: έρχεστε στο κατάστημα, δείτε μερικά προϊόντα και καταλάβετε ότι το κατάστημα είναι ακριβό, φτηνό ή μεσαία τιμή. Στην Pyaterochka υπάρχουν από 4 έως 8 χιλιάδες μοναδικά προϊόντα. Είναι απίθανο να πάτε με ένα σημειωματάριο και να καταγράψετε τις τιμές για ολόκληρο το σύνολο των προϊόντων, και στη συνέχεια να εξετάσει τις μέσες τιμές των αγαθών στην πόλη και να συνάψει ένα συμπέρασμα. Απλά κοιτάξτε τα πέντε με δέκα προϊόντα. Και, λοιπόν, ποια προϊόντα εξετάζετε, είμαστε επίσης εμπλακεί.
Τα προϊόντα που βλέπουν οι άνθρωποι επίσης αλλάζουν μεμε το χρόνο. Ένα απλό παράδειγμα: πριν από 20 χρόνια δεν υπήρχαν προϊόντα που να σχετίζονται με τις κινητές επικοινωνίες. Τώρα μπορείτε, όχι σε όλα τα καταστήματα, αλλά να αγοράσετε μια κάρτα SIM. Πριν από 20 χρόνια στη Ρωσία υπήρχαν γενικά φορές λίγο πιο σκληρά από ό, τι τώρα, και η κατανάλωση ήταν τελείως διαφορετική.
- Πώς είναι η δημιουργία προφίλ πελατών για να τους προσφέρει εκπτώσεις;
- Υπάρχουν δύο προϊόντα: προφίλ πελατών και πίστη. Ένα προφίλ πελάτη είναι μια τέτοια εργασία όταν δεν έχετε κάποια σήμανση και χρησιμοποιείτε διαφορετικές προσεγγίσεις. Χρησιμοποιούμε διαφορετικές προσεγγίσεις στην ομαδοποίηση - ξεκινώντας από τις τυπικές στατιστικές, υπολογίζοντας ορισμένες ταχύτητες Z, ισχυρές αποκλίσεις από το διάμεσο και τελειώνοντας με το Word2vec, επικαλύπτοντας τους ελέγχους και "μεταφράζοντας" ένα άτομο σε έναν τύπο διανύσματος κατά μέσο όρο μέσω του TF-IDF πάνω από το Word2vec.
Z-score, Z-score- μια στατιστική εκτίμηση που εκφράζειΗ απόσταση (μετρούμενη ως τυπική απόκλιση) ενός δεδομένου επιπέδου από το μέσο όρο του συνόλου δεδομένων. Ειδικότερα, το Z-score είναι ένα μέτρο παραγωγής της πιστοληπτικής ικανότητας μιας εταιρείας και του βαθμού του κινδύνου χρεοκοπίας της.
Ισχυρές αποκλίσεις από τα αγγλικά. ισχυρό, "ισχυρό" είναι η σταθερότητα των εκτιμήσεων όσον αφορά τις εκπομπές στα δεδομένα. Θεωρείται σε σχέση με το διάμεσο.
Word2vecείναι ένα εργαλείο που σας επιτρέπει να αναπαραστήσετε λέξεις ως διανύσματα.
TF-IDF- ένας όρος στα στατιστικά στοιχεία που δηλώνει το βαθμό σημασίας μιας λέξης σε ένα σύνολο κειμένων.
Εάν έχετε οποιοδήποτε μοντέλο που κάνειμια προσωπική πρόταση, τότε ας υποθέσουμε ότι η ομαδοποίηση είναι επιτυχής εάν, μετά την προσθήκη χαρακτηριστικών, η ποιότητα των μοντέλων βελτιώνεται. Εδώ μπορείτε να υπολογίσετε το οικονομικό αποτέλεσμα και κάποιο είδος μέτρησης.
- Σε ποιο μέρος των καταστημάτων χρησιμοποιούνται τα προϊόντα σας;
- Σε όλες.Δοκιμάσαμε την εξατομικευμένη έκπτωση σε μισό εκατομμύριο χρήστες για να κατανοήσουμε την επίδρασή της και στα 14 χιλιάδες καταστήματα X5. Συλλέγουμε διαδραστικές αναφορές από όλα αυτά τα καταστήματα. Έχουμε ένα προωθητικό προϊόν που είναι διαθέσιμο σε όλα τα καταστήματα. Έχουμε έναν πίνακα κατάταξης, έχουμε μια πρόβλεψη ζήτησης. Φροντίζουν, πρώτον, να υπάρχει κοτόπουλο στο μαγαζί και δεύτερον, να μην είναι σάπιο το κοτόπουλο.
Τώρα ας αρχίσουμε να κάνουμε όραση υπολογιστή, αυτόαρχικά δεν θα είναι διαθέσιμο σε όλα τα καταστήματα. Ας ξεκινήσουμε με τα μεγαλύτερα - είναι λογικό να δοκιμάσουμε μόνο σε αυτά. Το έργο είναι αρκετά απλό, τα οφέλη είναι ξεκάθαρα. Υπάρχει ένα προϊόν, μπορεί να μην βρίσκεται στο ράφι, αλλά μπορεί να βρίσκεται στην αποθήκη και εκείνη τη στιγμή το προϊόν δεν αγοράζεται. Αυτό είναι πολύ κακό. Το κατάστημα το αγόρασε, αλλά δεν μπορεί να το πουλήσει. Στην καλύτερη περίπτωση, ο χρήστης δεν θα αγοράσει το προϊόν και στη χειρότερη περίπτωση, θα γυρίσει και θα φύγει, γιατί δεν χρειάζεται να έρθει εκεί που θα αγοράσει δύο από τα τρία προϊόντα και να πάει σε άλλο κατάστημα για το τρίτο. Θα έρθει κατευθείαν στο μαγαζί όπου μπορεί να αγοράσει τα πάντα. Και αυτό λύνεται χρησιμοποιώντας την όραση υπολογιστή. Τοποθετείται μια κάμερα και ανιχνεύει ότι σας έχει απομείνει λίγο προϊόν. Έρχεται μια ειδοποίηση στον υπεύθυνο για αυτό, πηγαίνει στην αποθήκη για να αγοράσει αυτό το προϊόν.
Το δεύτερο καθήκον είναι η στροφή. Ξέρουμε ότι έχουμε μια ουρά στο κατάστημα. Είτε στέκεστε στη γραμμή, δυσαρεστημένος και σπαταλάτε χρόνο που κανείς δεν συμπαθεί ή πηγαίνετε στο κατάστημα, κοιτάξτε την ουρά, γυρίστε και αφήστε. Εάν ο λόγος για την ουρά είναι ότι το κράτος δεν διαθέτει επαρκείς πόρους, τίποτα δεν μπορεί να γίνει γι 'αυτό. Και αν το πρόβλημα είναι ότι ο υπό όρους πωλητής κάθεται στο πίσω δωμάτιο, αναπαύεται και πίνει τσάι και ο σκηνοθέτης την καλεί. Το κατάστημα είναι ήδη σε σειρά και μέχρι να φτάσει, κάθεται στον υπολογιστή, το ενεργοποιεί, αρχίζει να τραβάει το ταμείο, ο χρόνος θα περάσει. Ακόμη κοιτάζοντας την, είναι νευρικός, και οι άνθρωποι. Αυτό το ταμείο πρέπει να βγει πριν από την ουρά που σχηματίζεται, έτσι ώστε από τη στιγμή της έξοδο, οι άνθρωποι έχουν ήδη πάει στο ταμείο. Είναι αρκετά εύκολο να το λύσεις χρησιμοποιώντας την ορατότητα του υπολογιστή.
Θα το δοκιμάσουμε στα 150 περίπουκαταστήματα, και πιθανότατα στη Μόσχα. Πρώτον, εμείς οι ίδιοι είμαστε στη Μόσχα και, δεύτερον, υπάρχει περισσότερη κίνηση εδώ. Στη συνέχεια θα γίνει σαφές πώς να βελτιώσετε την εμπειρία χρήστη και ποιο είναι το όφελος του X5.
"Δεν μου αρέσει πραγματικά η λέξη επιστήμονας δεδομένων".
- Επεκτείνετε τη διοίκησή σας;
- Φυσικά, οι διευθυντές βλέπουν ότι δίνουμε αποτελέσματα. Κανείς δεν σας επιτρέπει να επεκτείνετε την ομάδα δύο φορές εάν δεν δουλεύετε καλά. Από μόνο του, αυτό το γεγονός μιλά για την αποτελεσματικότητά μας.
- Είπατε ότι έχετε 32 εργαζόμενους, πόσα περισσότερα θα προσλάβετε;
- Ακόμα κάπου 20-30. Θα χρησιμοποιήσουμε τώρα την τεχνολογία ορατότητας και ομιλίας ως μέρος της διαχείρισης μου. Θα υπάρξουν δύο νέα τμήματα, δηλαδή, συν δέκα άτομα, κατά τη γνώμη μου, συμφωνούνται άλλες 10-15 για το επόμενο έτος. Υπάρχουν λεγόμενα ποσοστά έργου. Αναμένουμε ότι θα είναι 30-36 συν, κάπου πάνω από 60 άτομα. Αυτοί είναι συγκεκριμένα οι άνθρωποι που ασχολούνται με την ανάλυση δεδομένων και την εκμάθηση μηχανών.
- Ποιος καλείτε να εργαστείτε;
— Δεν μου αρέσει πολύ η λέξη «επιστήμονας δεδομένων»γιατί δεν φέρει καμία πληροφορία. Μπορείτε να έρθετε σε δέκα εταιρείες όπου αναζητούν έναν επιστήμονα δεδομένων, και αυτές θα είναι δέκα εντελώς διαφορετικές θέσεις. Μου αρέσει η λέξη «αναλυτής». Τα ονόματα των τμημάτων μου μιλούν από μόνα τους: υπάρχει ένα τμήμα μηχανικής μάθησης, ένα τμήμα ανάλυσης δεδομένων, μια ομάδα Ε&Α, δηλαδή έρευνα, ένα τμήμα όρασης υπολογιστών, ένα τμήμα τεχνολογίας ομιλίας και μια ομάδα ανάλυσης μη προϊόντων για την επίλυση αυτών των προβλημάτων που προέρχονται εκτός οποιασδήποτε υπάρχουσας κατεύθυνσης προϊόντος.
Ψάχνω για ανθρώπους που μπορούν να προγραμματιστούνPython, γνωρίζω τη θεωρία πιθανοτήτων και τις μαθηματικές στατιστικές, αν χρειάζομαι μοντελοποίηση, τότε απαιτούνται δεξιότητες μηχανικής μάθησης. Αλλά το πιο σημαντικό είναι η ικανότητα ενός ατόμου να σκέφτεται και να αναλύει. Όλο και περισσότερο έρχομαι στην ιδέα ότι η αναλυτική σκέψη και η κριτική είναι κάτι πολύ δύσκολο να διδάξουμε. Αν κατά 20-25 χρόνια υπάρχει ήδη κάποια κοσμοθεωρία, είναι απίθανο να αλλάξει.
- Καταλάβατε αυτό στο X5;
- Όχι ότι το X5 με οδήγησε σε αυτό. Επίσης, κοιτάζω τους ανθρώπους, επικοινωνώ, βλέπω πώς λειτουργούν. Όπως γνωρίζετε, η καλύτερη συνέντευξη είναι μια δοκιμαστική περίοδος. Και σε κάποιο σημείο βλέπετε ότι αυτό απλά δεν είναι για αυτό το άτομο. Δηλαδή, φαίνεται ότι αποφοίτησε από mekhmat, φαίνεται ότι δεν είναι ανόητος, αλλά όχι αυτόν. Δεν υπάρχει σωστή στάση, δεν βλέπω τα πράγματα. Ήταν στο βιβλίο του Daniel Kaneman "Thinking, Fast and Slow", όπου περιγράφει αυτό που αντιστοιχεί στην κριτική σκέψη. Αυτό περιλαμβάνει μια απαισιόδοξη άποψη του κόσμου και είναι περισσότερο από μια εγγενή ποιότητα από εκείνη που αποκτήθηκε, δυστυχώς ή ευτυχώς.
- Αν έρθει κάποιος αναλυτής και μετά από μια δοκιμαστική περίοδο, καταλαβαίνετε ότι είναι κατάλληλος, τι μπορεί να αναμένει κάποιος;
- Τυπικά στην πληροφορική υπάρχουν διαβαθμίσεις - junior, middle,ανώτερος και ασκούμενος. Σπάνια βρίσκεται παραπάνω - αυτό είναι το προσωπικό ή ο ηγέτης. Πιστεύω ότι υπάρχει πληθωρισμός της ανώτερης θέσης: έχουμε πολλά από αυτά, αλλά στην πραγματικότητα σπάνια φτάνουν στη μέση μεσαία θέση.
Εάν παίρνετε το μέσο μισθό στην αγορά, κατώτεροπαίρνει κάπου μεταξύ 120-150 χιλιάδες ρούβλια πριν από τους φόρους ανά μήνα, μεσαία - έως 250 χιλιάδες.Οι ηλικιωμένοι περίπου 400 χιλιάδες ρούβλια. Κορυφή μπαρ: Είχα προσωπικά την προσφορά στα χέρια μου στον κύριο προγραμματιστή, ήταν πάνω από 600 χιλιάδες ρούβλια.
"Η επιστήμη των δεδομένων είναι πραγματικά ένα είδος" κεράσι σε ένα κέικ ""
— Πώς ξεκίνησες να ασχολείσαι με τη μηχανική μάθηση;
— Δεν υπήρχε καθόλου πληροφορική στο πανεπιστήμιο.εκπαίδευση. Επειδή αποφοίτησα από το πανεπιστήμιο το 2012, περίπου την ίδια περίοδο υπήρξε μια άλλη άνοδος σε πράγματα που σχετίζονται με αυτό. Δεν είχε χρόνο. Αποφοίτησε από δύο πανεπιστήμια, το τελευταίο ήταν το Πανεπιστήμιο Εφαρμοσμένων Επιστημών στην Καρλσρούη, μεταπτυχιακό στη Μηχατρονική. Πριν από αυτό, σπούδασε στο Ινστιτούτο Χημικών Μηχανικών της Μόσχας, που τώρα ονομάζεται Πολυτεχνείο της Μόσχας. Δεν ασχολήθηκα με τη μηχανική μάθηση ούτε εκεί ούτε εκεί.
Αστείο πράγμα: Τώρα όσοι ολοκληρώνουν την επιστήμη των δεδομένων διερωτώνται και φαίνεται ότι το επίπεδό τους είναι ασθενέστερο και χαμηλότερο από εκείνο των ατόμων που έχουν ολοκληρώσει τη φυσική, τη μηχανική, την επιστήμη των υπολογιστών και στη συνέχεια η μηχανική μάθηση έχει "τραυματιστεί" πάνω σε αυτό. Ίσως πρόκειται για μια μικρή αλλαγή, επειδή τα παιδιά που το έμαθαν ήταν αρχικά ισχυρά, έμαθαν κάτι νέο και ήρθαν. Και η επιστήμη των δεδομένων είναι πραγματικά ένα είδος «κεράσι σε ένα κέικ», και αν δεν υπάρχει "κέικ" η ίδια, αλλά υπάρχει ένα "κεράσι", τότε αυτό δεν είναι τόσο ενδιαφέρον.
- Πώς μάθατε αυτό;
— Υπάρχει ένα παλιό ρητό ότι στο Coursera υπάρχουν δύοσοβαρή πορεία, έστω και μιάμιση. Αυτό είναι το μάθημα του Hinton για τη μηχανική μάθηση και τα νευρωνικά δίκτυα (το μάθημα δεν είναι πλέον διαθέσιμο στο Coursera, αλλά μπορείτε να το δείτε στο YouTube - Hi-Tech) και το μάθημα της Daphne Koller για πιθανοτικά μη γραφικά μοντέλα.
Το μάθημα Koller είναι βιντεοσκοπημένες διαλέξεις,την οποία διαβάζει για να αποφοιτήσει φοιτητές στο Στάνφορντ. Ως εκ τούτου, να τον αποκαλεί όχι εντελώς σοβαρό δεν γυρίζει τη γλώσσα. Η πορεία του Hinton διαρκεί 16 εβδομάδες και ο Koller έχει τρεις σειρές μαθημάτων πέντε έως έξι εβδομάδων. Και συγκέντρωσα τη δύναμη σε μια γροθιά, πέρασα από την πρώτη πορεία και συνειδητοποίησα ότι το δεύτερο και το τρίτο δεν είναι έτοιμοι να περάσουν.
Αλλά το Coursera δεν είναι η μόνη επιλογή.Διάβασα πολλά βιβλία. Παρεμπιπτόντως, τώρα τελείωσα το βιβλίο του Bradley Efron για τη στατιστική (Αμερικανός στατιστικολόγος, νικητής του Εθνικού Μετάλλου Τιμής των ΗΠΑ - το υψηλότερο κρατικό βραβείο για Αμερικανούς επιστήμονες - "High-Tech"). Πριν από αυτό, ένα βιβλίο του Ian Godfellow (Αμερικανός ειδικός στη μηχανική μάθηση, λειτουργεί στο Google Brain - Hi-Tech) για τη βαθιά μάθηση. Είναι μια συνεχής διαδικασία μάθησης. Το Coursera είναι μόνο ένας πόρος, το Kaggle (μια διαδικτυακή κοινότητα επιστήμης υπολογιστών που φιλοξενεί τακτικά διαγωνισμούς - "High-Tech") είναι ένας άλλος, αλλά το κύριο πράγμα είναι να διαβάζεις, να διαβάζεις, να διαβάζεις και να ελέγχεις. Αν το διαβάζεις και δεν το καταλαβαίνεις, είναι κακό. Αν καταλαβαίνετε πώς λειτουργεί, μπορείτε να κάνετε τα πάντα.
Είναι σαν τον πίνακα πολλαπλασιασμού.Φανταστείτε ότι ένα άτομο δεν καταλαβαίνει τον πίνακα πολλαπλασιασμού, αλλά τον έχει μάθει από έξω. Τον ρωτούν: «Έξι επί έξι;» - «36». - «Επτά επί οκτώ;» - «56». - "Εντάξει, τελευταία ερώτηση, 10 με 11;" — Ο άντρας λέει: «Δεν ξέρω, δεν ήταν στον πίνακα πολλαπλασιασμού». Αυτό είναι όλο. Αυτοί είναι οι άνθρωποι που συναντώ συχνά. Το 10 επί 11 είναι πολύ πιο εύκολο να υπολογιστεί, αλλά αυτό δεν είναι στον πίνακα, πρέπει να κατανοήσετε την αρχή. Εάν κατανοήσετε τις αρχές, τότε όλα θα είναι πολύ πιο εύκολα.
Όλα τα υπόλοιπα εξαρτώνται από το άτομο. Φαίνεται ότι μαθαίνουμε οτιδήποτε από εμάς. Βοηθάμε μόνο και δεν παρεμβαίνουμε σε άλλους ανθρώπους. Όλα αυτά είναι θέμα αυτοπειθαρχίας.
— Μιλήστε μας για το μάθημα επιστήμης δεδομένων στο HSE.
- Αυτή είναι μια ελεύθερη πορεία, είναι εντός του προτύπουπρογράμματα, σε αυτό λέω βασικά απλά πράγματα που για πολλούς ανθρώπους - αποκάλυψη. Για παράδειγμα, ποιες είναι οι μετρήσεις, γιατί υπάρχουν ακόμη και πώς διαφέρουν μεταξύ τους, σε ποιες περιπτώσεις είναι απαραίτητο, πώς να ελέγξετε την ιδέα σας για το τι είναι ένα τεστ Α / Β. Αυτός είναι ο τρόπος που έφερα για τον εαυτό μου ότι είναι σημαντικό για τους ανθρώπους να γνωρίζουν και τι χρειάζονται πραγματικά στο έργο τους.
- Πώς βλέπετε το μέλλον της λιανικής πώλησης σε πέντε με δέκα χρόνια;
— Αν μιλάμε για λιανικό εμπόριο τροφίμων, τότεΗ μορφή της υπεραγοράς θα εξαφανιστεί. Αυτό μπορεί να φανεί τώρα στις Ηνωμένες Πολιτείες, πώς πεθαίνουν τα μεγάλα εμπορικά κέντρα εκεί έξω, και στη Ρωσία, παρεμπιπτόντως, επίσης. Ποιο ήταν το καταναλωτικό πρότυπο πριν; Πηγαίνουμε στο εμπορικό κέντρο, στον κινηματογράφο, στο food court και αγοράζουμε κάτι άλλο. Τώρα επιστρέφουμε σπίτι, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, παράδοση από εστιατόριο, διαδικτυακές αγορές. Πρέπει να προχωρήσουμε προς την εξατομίκευση.
- Τι θα σημαίνει για τον καταναλωτή;
- Ο άνθρωπος χρησιμοποιεί αυτό; Αυτό μπορεί να αντέξει και αυτό είναι βολικό γι 'αυτόν. Κατά συνέπεια, είναι απαραίτητο να μειωθεί το κόστος, να διατηρηθεί η ίδια ποιότητα ή να αυξηθεί. Εδώ έρχεται στο μυαλό η εξατομίκευση.
- Ένα άτομο αγοράζει ό, τι μπορεί να αντέξει. Τώρα τα πραγματικά εισοδήματα του πληθυσμού πέφτουν, το κόστος μειώνεται.
— Σε μια τέτοια κατάσταση, οι μορφές οικονομίας αποθήκευσηςαισθανθείτε καλύτερα και μεγαλώστε. Υπάρχουν δύο τρόποι για να λυθούν πολλά προβλήματα για τους λιανοπωλητές. Είτε αυτοματοποίηση είτε προσλάβετε δέκα ακόμη άτομα. Βραχυπρόθεσμα, ο δεύτερος τρόπος είναι μια στρατηγική νίκης, επειδή η ενσωμάτωση είναι δαπανηρή, χρονοβόρα και αν κάτι πάει στραβά, μπορεί να χάσετε το μπόνους σας. Τώρα φανταστείτε ότι είστε διευθυντής ενός τμήματος με πολύ μεγάλο μπόνους, και μπορεί να το χάσετε. Δεν είναι ξεκάθαρο αν θα εργαστείς στην εταιρεία σε δύο χρόνια, όταν γίνουν γνωστά τα αποτελέσματα αυτού του αυτοματισμού, ή όχι και θα σε επαινέσουν γι' αυτά. Και μπορεί να έχετε ήδη ένα μπόνους. Ως εκ τούτου, προσλαμβάνουμε άλλα δέκα άτομα. Αυτό όμως οδηγεί σε μεγάλη απώλεια μακροπρόθεσμα.