«Il est facile de croître de 20% si vous avez ouvert une fois et demie plus de magasins»
— Dans votre discours, vous
— Le chiffre d’affaires de X5 va continuer à croître.De manière générale, le marché évolue vers une consolidation dans le commerce de détail. Actuellement, nos trois principaux détaillants occupent environ 20 % du marché, et nous prévoyons que dans les pays capitalistes développés, cette part atteindra environ 70 à 75 %.
Chaque jour en moyenne, X5 ouvre six nouveauxboutiques. Pendant que nous parlons, X5 ouvre un nouveau magasin (rires). En effet, les choses vont bien, contrairement à certains autres acteurs du marché. Si vous regardez les données ouvertes, l'une d'entre elles, avec une augmentation de 12%, le chiffre d'affaires n'a augmenté que de 84%. C'est facile à calculer: ils commencent à travailler de manière négative. Il existe un tel indicateur, LFL - Like for like, une comparaison des mêmes magasins par an. À X5 dessus, bien que petit, mais un plus. C'est-à-dire qu'il n'est pas difficile d'augmenter de 20% si vous avez ouvert une fois et demie plus de magasins, mais il s'agit en fait d'une croissance négative. Si vous grandissez en raison du fait que les anciens magasins fonctionnent mieux et que les nouveaux ouvrent, alors c'est très positif.
- Que pensez-vous, quelle part des mérites de votre équipe en cela?
— Ce n'est pas encore très grand, car l'équipeformé il n'y a pas si longtemps. Soyons honnêtes, il est peu probable que la croissance de X5 en 2017 soit due à notre application de l'analyse de données, avec l'aide d'une équipe créée en 2018.
Le chef de notre direction est Anton Mironenkov, un homme qui a participé à la création de la société X5. Il a participé à la fusion de Perekrestok et Pyaterochka, après quoi X5 est apparu.
Nous considérons la direction du big datastratégique. L’avenir du commerce de détail dépend de la rapidité avec laquelle les détaillants apprennent à monétiser et à utiliser les données que nous générons chaque jour en grande quantité pour optimiser les processus et améliorer l’expérience client. Par conséquent, nous avons décidé de séparer tout cela dans une direction distincte et de lui accorder une plus grande attention afin qu'il se développe plus rapidement.
Anton Mironenkov, chef de la direction Big Data X5
Au sein de cette direction, nous avons nos propres capacités,cluster, développeurs, testeurs, analystes, projets, produits - tout ce dont vous avez besoin. Nous avons déjà fait certaines choses, et c'est beaucoup de progrès depuis moins d'un an. Nous comprenons bien que nous donnerons à l'entreprise un bénéfice assez important, mais encore une fois, ces résultats ne seront visibles que dans un an.
Toutes les informations contenues dans le chèque - si vous avez acheté de la vodka, vous avez plus de 18 ans.
- Si je viens au "Carrefour" et fais un achat, qu'est-ce que tout cela prendra pour analyse?
- Vérifiez. Vos produits vous caractérisent plutôt bien. Si vous achetez des couches, vous avez probablement un petit enfant. Si vous avez de la vodka, vous avez plus de 18 ans. Une personne peut acheter des jetons, et ce sera avec une certaine probabilité un adolescent de 16 ans. Et si vous avez acheté un agenda, vous ou votre famille avez un enfant âgé de 7 à 17 ans. C'est beaucoup d'informations.
Imagine: vous venez au magasin, regardez certains produits et comprenez que le magasin est cher, bon marché ou à prix moyen. Dans Pyaterochka, il y a de 4 000 à 8 000 produits uniques. Il est peu probable que vous utilisiez un cahier pour écrire les prix de l'ensemble des produits, puis que vous examiniez les prix moyens des produits dans la ville et tiriez une conclusion. Il suffit de regarder les cinq à dix produits. Et donc quels produits vous regardez, nous sommes également engagés.
Les produits que les gens regardent changent également avecpar le temps. Un exemple simple: il y a 20 ans, il n'y avait pas de produits liés aux communications mobiles. Maintenant, vous pouvez, pas dans tous les magasins, mais acheter une carte SIM. En Russie, il y a 20 ans, les temps étaient généralement un peu plus difficiles qu'aujourd'hui et la consommation était complètement différente.
- Comment créer des profils de clients pour leur proposer des réductions?
- Il existe deux produits: le profil du client et la fidélité. Un profil de client est une telle tâche lorsque vous ne disposez pas de balisage et utilisez des approches différentes. Nous utilisons différentes méthodes de classification: commencer à partir de statistiques standard, calculer certaines vitesses Z, des écarts importants par rapport à la médiane, se terminer par Word2vec, superposer des vérifications et «traduire» une personne dans le type de vecteur moyenné par TF-IDF sur Word2vec.
Score Z, score Z- une estimation statistique qui exprimeLa distance (mesurée comme écart type) d'un niveau donné par rapport à la moyenne de l'ensemble de données. En particulier, le score Z est un indicateur de la solvabilité d'une entreprise et du degré de son risque de faillite.
Déviations robustes par rapport à l'anglais. robuste, «robuste» est la stabilité des estimations en ce qui concerne les émissions dans les données. Considéré par rapport à la médiane.
Word2vecest un outil qui permet de représenter des mots sous forme de vecteurs.
TF-IDF- terme statistique désignant le degré d'importance d'un mot dans un corpus de textes.
Si vous avez un modèle qui faitSi vous proposez une proposition personnelle, supposons que le clustering réussisse si, après l’ajout d’attributs, la qualité des modèles s’améliore. Ici, vous pouvez calculer l'effet économique et une sorte de métrique.
- Dans quelle partie des magasins vos produits sont-ils utilisés?
- Dans tout.Nous avons testé la remise personnalisée sur un demi-million d'utilisateurs pour comprendre son effet dans les 14 000 magasins X5. Nous collectons des rapports interactifs de tous ces magasins. Nous avons un produit promotionnel disponible dans tous les magasins. Nous avons une matrice d'assortiment, nous avons une prévision de la demande. Ils s'assurent, d'une part, qu'il y a du poulet dans le magasin et, d'autre part, que le poulet n'est pas pourri.
Maintenant, commençons à faire de la vision par ordinateur, c'estne sera pas disponible dans tous les magasins dans un premier temps. Commençons par les plus grands - il est logique de tester uniquement ceux-ci. La tâche est assez simple, les avantages sont clairs. Il y a un produit, il n'est peut-être pas en rayon, mais il peut se trouver dans l'entrepôt, et à ce moment-là, le produit n'est pas acheté. C'est très mauvais. Le magasin l'a acheté, mais ne peut pas le vendre. Dans le meilleur des cas, l'utilisateur n'achètera pas le produit, et dans le pire des cas, il fera demi-tour et partira, car il n'a pas besoin de venir là où il achètera deux des trois produits, et d'aller dans un autre magasin pour le troisième. Il viendra directement au magasin où il pourra tout acheter. Et cela est résolu grâce à la vision par ordinateur. Une caméra est placée et elle détecte qu'il vous reste peu de produit. Une notification parvient au responsable, il se rend à l'entrepôt pour acheter ce produit.
La deuxième tâche est le tour. Nous savons que nous avons une file d'attente dans le magasin. Soit vous faites la queue, insatisfait et perdez du temps que personne n’aime, ou vous allez au magasin, regardez la file, faites demi-tour et sortez. Si la file d'attente est due au manque de personnel, rien ne peut être fait pour y remédier. Et si le problème est que la vendeuse conditionnelle est assise dans l'arrière-boutique, se repose et boit du thé, et le directeur l'appelle. Le magasin est déjà en ligne et jusqu'à ce qu'il atteigne l'ordinateur, l'allume, commence à tirer le caissier, le temps passera. La regardant toujours, elle est nerveuse, les gens aussi. Ce caissier doit sortir avant que la file d’attente ne soit formée, de sorte qu’au moment de la sortie, les gens se soient déjà rendus au caissier. Il est assez facile à résoudre en utilisant la vision par ordinateur.
Nous le testerons vers 150magasins, et très probablement à Moscou. Premièrement, nous sommes nous-mêmes à Moscou et deuxièmement, il y a plus de trafic ici. Ensuite, il deviendra clair comment améliorer l'expérience utilisateur et quels sont les avantages du X5.
"Je n'aime vraiment pas le mot scientifique de données."
- Développes-tu ton management?
- Bien sûr, les gestionnaires voient que nous donnons des résultats. Personne ne vous permet d'élargir l'équipe deux fois si vous ne travaillez pas bien. En soi, ce fait parle de notre efficacité.
- Vous avez dit que vous avez 32 personnes qui travaillent, combien allez-vous recruter?
- Toujours quelque part 20-30. Nous allons maintenant utiliser la technologie de la vision par ordinateur et de la parole dans le cadre de ma gestion. Il y aura deux nouveaux départements, c’est-à-dire plus dix personnes; à mon avis, 10 à 15 autres sont convenues pour l’année prochaine. Il y a ce qu'on appelle les taux de projet. Nous nous attendons à ce qu’il y ait entre 30 et 36 ans et plus, quelque part plus de 60 personnes. Ce sont en particulier les personnes impliquées dans l'analyse de données et l'apprentissage automatique.
- Qui invitez-vous à travailler?
— Je n'aime vraiment pas le mot « data scientist »car il ne contient aucune information. Vous pouvez vous adresser à dix entreprises où elles recherchent un data scientist, et ce seront dix postes complètement différents. J'aime le mot « analyste ». Les noms de mes départements parlent d'eux-mêmes : il existe un département d'apprentissage automatique, un département d'analyse de données, un groupe de R&D, c'est-à-dire de recherche, un département de vision par ordinateur, un département de technologie vocale et un groupe d'analyse non-produit pour résoudre ces problèmes. qui sortent de toute direction de produit existante.
Je recherche des personnes pouvant programmerPython, connaître la théorie des probabilités et la statistique mathématique, si j’ai besoin d’une modélisation, des compétences en apprentissage automatique sont nécessaires. Mais le plus important est la capacité d'une personne à penser et à analyser. J'arrive de plus en plus à l'idée que la pensée analytique et critique est très difficile à enseigner. Si la vision du monde existe déjà entre 20 et 25 ans, il est peu probable que celle-ci change.
- Avez-vous compris cela en X5?
- Ce n'est pas que le X5 m'ait amené à ça. Je regarde aussi les gens, je communique, je vois comment ils fonctionnent. Comme vous le savez, la meilleure interview est une période d’essai. Et à un moment donné, vous voyez que ce n'est tout simplement pas pour cette personne. C'est-à-dire qu'il semble qu'il ait obtenu son diplôme de mekhmat, il n'est apparemment pas idiot, mais pas lui. Il n'y a pas de bonne attitude, ne voit pas les choses. C'était dans le livre de Daniel Kaneman «Thinking, Fast and Slow», où il décrivait ce qui correspond à la pensée critique. Cela inclut une vision pessimiste du monde, et il s’agit plus d’une qualité innée que celle acquise, malheureusement ou heureusement.
- Si un analyste arrive et qu'après une période d'essai, vous comprenez qu'il convient, à quoi une personne peut-elle s'attendre?
- Normalement en informatique, il existe des gradations - junior, intermédiaire,senior et stagiaire. On le trouve rarement ci-dessus - il s'agit du personnel ou du leader. Je crois qu'il y a une inflation des postes supérieurs : nous en avons beaucoup, mais en fait ils atteignent rarement la position intermédiaire moyenne.
Si vous prenez le salaire moyen sur le marché, juniorreçoit quelque 120 000 à 150 000 roubles avant impôts par mois, jusqu'à 250 000. Les personnes âgées environ 400 000 roubles. Barre du haut: J'ai personnellement réservé l'offre au développeur principal, soit plus de 600 000 roubles.
“La science des données est vraiment une sorte de“ cerise sur un gâteau ””
— Comment avez-vous commencé à faire du machine learning ?
— Il n'y avait pas du tout d'informatique à l'université.entraînement. Parce que j'ai obtenu mon diplôme universitaire en 2012, à peu près au même moment, il y a eu une autre augmentation des choses liées à cela. N'a pas eu le temps. Diplômé de deux universités, la dernière était l'Université des Sciences Appliquées de Karlsruhe, master en mécatronique. Avant cela, il a étudié à l’Institut de génie chimique de Moscou, aujourd’hui appelé École polytechnique de Moscou. Je n'ai été impliqué dans l'apprentissage automatique ni là ni là-bas.
Drôle de chose: Les personnes qui terminent la science des données sont interviewées et il semble que leur niveau soit plus faible et inférieur à celui des gars qui ont terminé la physique, l’ingénierie, l’informatique, puis que l’apprentissage automatique a «gâché». C’est peut-être un léger changement, car les gars qui l’ont appris étaient eux-mêmes forts au départ, ont appris quelque chose de nouveau et sont venus. Et la science des données est vraiment une sorte de "cerise sur un gâteau", et s'il n'y a pas de "gâteau" lui-même, mais s'il y a une "cerise", alors ce n'est pas si intéressant.
- Comment as-tu appris ça?
— Il y a un vieux dicton selon lequel sur Coursera il y en a deuxcours sérieux, même un et demi. Il s'agit du cours de Hinton sur l'apprentissage automatique et les réseaux de neurones (le cours n'est plus disponible sur Coursera, mais peut être consulté sur YouTube - Hi-Tech) et du cours de Daphne Koller sur les modèles probabilistes non graphiques.
Le cours de Koller est des conférences enregistrées sur vidéo,qu'elle lit aux étudiants diplômés à Stanford. Par conséquent, l'appeler pas tout à fait sérieux ne change pas le langage. Le cours de Hinton dure 16 semaines et celui de Koller en trois cours de cinq à six semaines. Et j'ai rassemblé la force dans un poing, j'ai traversé le premier parcours et réalisé que les deuxième et troisième n'étaient pas prêts à passer.
Mais Coursera n’est pas la seule option.Je lis beaucoup de livres. À propos, j'ai maintenant terminé le livre sur les statistiques de Bradley Efron (statisticien américain, lauréat de la médaille d'honneur nationale des États-Unis - la plus haute distinction d'État décernée aux scientifiques américains - "High-Tech"). Avant cela, un livre de Ian Godfellow (spécialiste américain du machine learning, travaille chez Google Brain - Hi-Tech) sur le deep learning. C'est un processus d'apprentissage continu. Coursera n'est qu'une ressource, Kaggle (une communauté informatique en ligne qui organise régulièrement des concours - "High-Tech") en est une autre, mais l'essentiel est de lire, lire, lire et vérifier. Si vous le lisez et ne le comprenez pas, c'est mauvais. Si vous comprenez comment cela fonctionne, vous pouvez tout faire.
C'est comme la table de multiplication.Imaginez qu'une personne ne comprenne pas la table de multiplication, mais qu'elle l'apprenne par cœur. Ils lui demandent : « Six par six ? - "36". - "Sept heures sur huit ?" - "56". - "D'accord, dernière question, 10h à 11h ?" — L'homme dit : "Je ne sais pas, ce n'était pas dans la table de multiplication." C'est ça. Ce sont les gens que je rencontre souvent. 10 sur 11 est beaucoup plus facile à calculer, mais ce n'est pas dans le tableau, il faut comprendre le principe. Si vous comprenez les principes, tout sera beaucoup plus facile.
Tout le reste dépend de la personne. Il semble que nous apprenons quelque chose nous-mêmes. Nous venons d'aider et ne pas interférer avec d'autres personnes. Tout cela est une question d'autodiscipline.
— Parlez-nous de votre cours de science des données à HSE.
- Ceci est un cours gratuit, il est dans la normeprogrammes, sur ce que je raconte des choses simples de base qui pour beaucoup de gens - la révélation. Par exemple, quelles sont les métriques, pourquoi existent-elles, en quoi diffèrent-elles les unes des autres, dans quels cas est-il nécessaire, comment tester votre idée de ce qu'est un test A / B. C’est ce que j’ai fait ressortir: il est important que les gens sachent ce dont ils ont vraiment besoin dans leur travail.
- Comment voyez-vous l'avenir du commerce de détail dans cinq à dix ans?
— Si nous parlons de commerce de détail alimentaire, alorsLe format hypermarché va disparaître. Cela se voit aujourd'hui aux États-Unis, où de grands centres commerciaux sont en train de disparaître, ainsi qu'en Russie, d'ailleurs. Quel était le mode de consommation avant ? Nous allons au centre commercial, au cinéma, à l’aire de restauration et achetons autre chose. Maintenant, nous rentrons à la maison, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, livraison depuis un restaurant, achats en ligne. Nous devons évoluer vers la personnalisation.
- Qu'est-ce que cela signifiera pour le consommateur?
- L'homme utilise quoi? Qu'il peut se permettre et cela lui convient. En conséquence, il est nécessaire de réduire les coûts, de conserver la même qualité ou de l’augmenter. C’est là que la personnalisation vient à l’esprit.
- Une personne achète ce qu'elle peut se permettre. Maintenant, les revenus réels de la population diminuent, les coûts diminuent.
— Dans une telle situation, stocker les formats économiquesse sentir mieux et grandir. Il existe deux manières de résoudre de nombreux problèmes pour les détaillants. Soit l'automatisation, soit l'embauche de dix personnes supplémentaires. À court terme, la deuxième voie est une stratégie gagnante, car l’intégration coûte cher, prend du temps et si quelque chose ne va pas, vous pouvez perdre votre bonus. Imaginez maintenant que vous êtes directeur d'un département avec une très grosse prime, et que vous risquez de la perdre. On ne sait pas si vous travaillerez dans l'entreprise dans deux ans, lorsque les résultats de cette automatisation seront connus, ou non, et ils vous en féliciteront. Et vous avez peut-être déjà un bonus. Nous recrutons donc dix personnes supplémentaires. Mais cela entraîne une perte importante à long terme.