"Lako je rasti za 20% ako ste otvorili jedan i pol puta više trgovina"
— U svom govoru ti
— Promet X5 nastavit će rasti.Općenito, tržište ide prema konsolidaciji u maloprodaji. Trenutačno naša tri vodeća trgovca na malo zauzimaju otprilike 20% tržišta, a vidimo da će u razvijenim kapitalističkim zemljama taj udio biti oko 70-75%.
U prosjeku svaki dan X5 otvara šest novihtrgovine. Dok razgovaramo, X5 otvara novu trgovinu (smijeh). Doista, stvari idu dobro, za razliku od nekih drugih igrača na tržištu. Ako pogledamo otvorene podatke, jedan od njih, uz povećanje površine od 12%, promet je porastao za samo 84%. Lako je izračunati: počinju raditi negativno. Postoji takav pokazatelj, LFL - kao za usporedbu istih trgovina godišnje. Na X5 na njemu, iako mali, ali plus. To jest, nije teško rasti za 20% ako ste otvorili jedan i pol puta više trgovina, ali to je zapravo negativan rast. Ako odrastete zbog činjenice da stare trgovine rade bolje, a nove otvorene, onda je to prilično pozitivno.
- Što mislite, koji je dio zasluga vašeg tima u ovome?
— Još nije jako velik, jer timnastala ne tako davno. Budimo iskreni, rast X5 u 2017. vjerojatno neće biti posljedica naše primjene analitike podataka, uz pomoć tima stvorenog 2018.
Šef naše direkcije je Anton Mironenkov, čovjek koji je sudjelovao u stvaranju tvrtke X5. Sudjelovao je u spajanju tvrtki Perekrestok i Pyaterochka, nakon čega se pojavio X5.
Razmatramo smjer velikih podatakastrateški. Budućnost maloprodaje ovisi o tome koliko brzo trgovci nauče unovčiti i koristiti podatke koje svakodnevno generiramo u velikim količinama za optimizaciju procesa i poboljšanje korisničkog iskustva. Stoga smo odlučili sve to izdvojiti u poseban smjer i dati mu veći fokus kako bi se brže razvijalo.
Anton Mironenkov, voditelj Direkcije za velike podatke X5
Unutar ove uprave imamo vlastite kapacitete,klaster, programeri, testeri, analitičari, projekti, proizvodi - sve što trebate. Neke stvari smo već napravili, a to je veliki napredak za manje od godinu dana. Jasno nam je jasno da ćemo tvrtki dati prilično veliku dobit, ali opet, ti rezultati će biti vidljivi tek za godinu dana.
Sve informacije u čeku - ako ste kupili votku, onda ste stariji od 18 godina.
- Ako dođem na "Crossroads" i obavim kupnju, što ćete od svega ovoga uzeti za analizu?
- Provjerite. Vaši su vas proizvodi prilično dobro obilježili. Ako kupujete pelene, vjerojatno imate malo dijete. Ako je votka, onda ste stariji od 18 godina. Osoba može kupiti čipove, i to s određenom vjerojatnošću tinejdžer od 16 godina. A ako ste kupili dnevnik, onda vi ili vaša obitelj imate dijete od sedam do 17 godina. Ovo je mnogo informacija.
Zamislite: dolazite u trgovinu, pogledajte neke proizvode i shvatite da je trgovina skupa, jeftina ili srednja cijena. U Pyaterochka postoji od 4 do 8 tisuća jedinstvenih proizvoda. Malo je vjerojatno da ćete otići s bilježnicom i zapisati cijene za cijeli skup robe, a zatim pogledati prosječne cijene robe u gradu i izvući zaključak. Pogledajte samo pet do deset proizvoda. I tako, koje proizvode gledate, također smo angažirani.
Proizvodi koje ljudi gledaju također se mijenjajupo vremenu. Jednostavan primjer: prije 20 godina nije bilo proizvoda vezanih uz mobilne komunikacije. Sada možete, ne u svim trgovinama, nego kupiti SIM karticu. Prije 20 godina u Rusiji je bilo općenito malo teže nego što su sada, a potrošnja je bila potpuno drugačija.
- Kako je kreiranje profila kupaca ponuditi popuste?
- Postoje dva proizvoda: profil kupca i lojalnost. Profil klijenta je takav zadatak kada nemate određenu oznaku i koristite različite pristupe. Koristimo različite pristupe klasteriranju - počevši od standardnih statistika, izračunamo neke Z-brzine, robustna odstupanja od medijana i završavamo s Word2vec, superponiramo na provjere, i “prevedemo” osobu u tip vektora koji je prosječan kroz TF-IDF preko Word2vec.
Z-rezultat, Z-rezultat- statistička procjena koja izražavaUdaljenost (mjerena kao standardna devijacija) dane razine od srednje vrijednosti skupa podataka. Konkretno, Z-score je izlazna mjera kreditne sposobnosti poduzeća i njegovog rizika od bankrota.
Robusna odstupanja od engleskog. robustan, “robustan” je stabilnost procjena s obzirom na emisije u podacima. Smatra se u odnosu na medijan.
Word2vecje alat koji vam omogućuje predstavljanje riječi kao vektora.
TF-IDF- termin u statistici koji označava stupanj važnosti riječi u korpusu tekstova.
Ako imate bilo koji model koji to činiKao osobni prijedlog, pretpostavimo da je klasteriranje uspješno ako se nakon dodavanja atributa kvaliteta modela poboljša. Ovdje možete izračunati ekonomski učinak i neku vrstu metrike.
- U kojem dijelu trgovina se koriste vaši proizvodi?
- U svemu.Testirali smo personalizirani popust na pola milijuna korisnika kako bismo razumjeli njegov učinak u svih 14 tisuća X5 trgovina. Prikupljamo interaktivna izvješća iz svih tih trgovina. Imamo promotivni proizvod koji je dostupan u svim trgovinama. Imamo matricu asortimana, imamo prognozu potražnje. Paze da, prvo, ima piletine u dućanu i, drugo, da piletina nije pokvarena.
Sada počnimo raditi računalni vid, toisprva neće biti dostupan u svim trgovinama. Počnimo s najvećima - ima smisla testirati samo u njima. Zadatak je vrlo jednostavan, prednosti su jasne. Postoji proizvod, možda nije na polici, ali može ležati u skladištu, au tom trenutku proizvod nije kupljen. Ovo je jako loše. Trgovina ga je kupila, ali ga ne može prodati. U najboljem slučaju korisnik neće kupiti proizvod, au najgorem slučaju će se okrenuti i otići, jer ne treba dolaziti tamo gdje će kupiti dva od tri proizvoda, a otići u drugu trgovinu po Treći. Doći će ravno u trgovinu gdje može sve kupiti. I to se rješava pomoću računalnog vida. Kamera se postavlja i otkriva da vam je ostalo malo proizvoda. Za to odgovorna osoba dolazi obavijest, odlazi u skladište kupiti ovaj proizvod.
Drugi zadatak je red. Znamo da imamo red u trgovini. Ili stojite u redu, nezadovoljni i gubite vrijeme koje nitko ne voli, ili idite u trgovinu, pogledajte red, okrenite se i napustite. Ako je razlog za red da država nema dovoljno osoblja, ništa se ne može učiniti. A ako je problem u tome što uvjetna prodavačica sjedi u stražnjoj sobi, odmara se i pije čaj, a redatelj je zove. Prodavaonica je već u redu, i dok ne stigne, sjedne za računalo, uključi ga, počne povlačiti blagajnu, vrijeme će proći. I dalje je gleda, nervozna je, ljudi također. Ovaj blagajnik mora izaći prije nego se formira red, tako da su ljudi u vrijeme izlaska već otišli u blagajnu. To je vrlo lako riješiti pomoću računalnog vida.
Testirat ćemo ga na oko 150trgovinama, a najvjerojatnije u Moskvi. Prvo, mi smo u Moskvi, a drugo, ovdje je više prometa. Tada će postati jasno kako poboljšati korisničko iskustvo i koja je korist od X5.
"Doista mi se ne sviđa riječ znanstvenik podataka."
- Širiš svoje upravljanje?
- Naravno, menadžeri vide da damo rezultate. Nitko vam ne dopušta da dva puta proširite tim ako ne radite dobro. Samo po sebi ta činjenica govori o našoj učinkovitosti.
- Rekli ste da imate 32 ljudi koji rade, koliko ćete još ljudi regrutirati?
- Još uvijek negdje 20-30. Sada ćemo koristiti računalnu viziju i tehnologiju govora kao dio svog upravljanja. Bit će dva nova odjela, to jest, to je plus deset ljudi, po mom mišljenju, još 10-15 dogovoreno je za iduću godinu. Postoje takozvane stope projekta. Očekujemo da će biti 30-36 plus, negdje preko 60 ljudi. To su upravo ljudi koji se bave analizom podataka i strojnim učenjem.
- Koga pozivate na posao?
— Stvarno mi se ne sviđa riječ "znanstvenik podataka"jer ne nosi nikakvu informaciju. Možete doći u deset tvrtki u kojima traže data scientista, a to će biti deset potpuno različitih pozicija. Sviđa mi se riječ "analitičar". Nazivi mojih odjela govore sami za sebe: postoji odjel za strojno učenje, odjel za analizu podataka, R&D grupa, odnosno istraživanje, odjel za računalni vid, odjel za govornu tehnologiju i grupa za ne-proizvodnu analitiku za rješavanje tih problema koji dolaze izvan bilo kojeg postojećeg smjera proizvoda.
Tražim ljude koji mogu programiratiPython, zna teoriju vjerojatnosti i matematičku statistiku, ako trebam modeliranje, onda su potrebne vještine strojnog učenja. Ali najvažnija stvar je sposobnost osobe da razmišlja i analizira. Sve više dolazim do ideje da je analitičko razmišljanje i kritika vrlo teško poučavati. Ako već 20-25 godina već postoji neki svjetonazor, malo je vjerojatno da će se promijeniti.
- Jeste li razumjeli u X5?
- Nije da me je X5 doveo do ovoga. Također gledam na ljude, komuniciram, vidim kako oni rade. Kao što znate, najbolji intervju je probno razdoblje. U jednom trenutku vidite da to jednostavno nije za tu osobu. To jest, čini se da je diplomirao mekhmat, čini se da nije budala, ali ne i on. Nema ispravnog stava, ne vidi stvari. Bilo je to u knjizi Daniela Kanemana "Razmišljanje, brzo i polako", gdje je opisao što odgovara kritičkom mišljenju. To uključuje i pesimistički pogled na svijet, a to je više urođena kvaliteta od onoga koji je, nažalost ili na sreću, stekao.
- Ako analitičar stigne, i nakon probnog razdoblja, shvaćate da je on prikladan, što osoba može očekivati?
- Standardno u informatici postoje gradacije - niži, srednji,viši i vježbenik. Rijetko se nalazi iznad - ovo je osoblje ili vođa. Vjerujem da postoji inflacija seniorske pozicije: imamo ih puno, ali zapravo rijetko dosegnu prosječnu srednju poziciju.
Ako uzmete prosječnu plaću na tržištu, juniordobiva negdje između 120-150 tisuća rubalja prije poreza mjesečno, srednji - do 250 tisuća, stariji oko 400 tisuća rubalja. Top bar: Ja osobno održao ponudu u mojim rukama na vodeće developer, to je više od 600 tisuća rubalja.
"Znanost o podacima je zapravo neka vrsta" trešnje na torti ""
— Kako ste se počeli baviti strojnim učenjem?
— Računarstva na sveučilištu uopće nije bilo.trening. Budući da sam diplomirao na sveučilištu 2012., otprilike u isto vrijeme dogodio se još jedan porast stvari vezanih uz to. Nisam imao vremena. Diplomirao na dva sveučilišta, zadnje je bilo Sveučilište primijenjenih znanosti u Karlsruheu, magisterij iz mehatronike. Prije toga je studirao na Moskovskom institutu za kemijsko inženjerstvo, koji se sada zove Moskovska politehnika. Nisam se bavio strojnim učenjem ni tamo ni tamo.
Čudna stvar: Sada se intervjuiraju oni koji završe znanost o podacima, a čini se da je njihova razina slabija i niža od one onih koji su završili fiziku, inženjerstvo, informatiku, a zatim je strojno učenje “ranilo” na njega. Možda je to mali pomak, jer su momci koji su to sami naučili bili u početku jaki, naučili su nešto novo i došli. Znanost o podacima je zapravo neka vrsta "trešnje na torti", a ako ne postoji sama "kolač", ali postoji "trešnja", onda to nije toliko zanimljivo.
- Kako ste to saznali?
— Postoji stara izreka da su na Courseri dvaozbiljan tečaj, čak jedan i pol. Ovo je Hintonov tečaj o strojnom učenju i neuronskim mrežama (tečaj više nije dostupan na Courseri, ali se može pogledati na YouTubeu - Hi-Tech) i tečaj Daphne Koller o probabilističkim negrafičkim modelima.
Koller tečaj je snimljen predavanjima,koju čita kako bi diplomirala na Stanfordu. Stoga, da ga nazovete ne sasvim ozbiljnim, jezik se ne pretvara. Hintonov tečaj traje 16 tjedana, a Koller ima tri tečaja od pet do šest tjedana. I skupio sam snagu u šaku, prošao prvi tečaj i shvatio da drugi i treći nisu spremni proći.
Ali Coursera nije jedina opcija.Čitam puno knjiga. Usput, sada sam završio knjigu o statistici Bradleya Efrona (američki statističar, dobitnik US National Medal of Honor - najvišeg državnog priznanja za američke znanstvenike - "High-Tech"). Prije toga, knjiga Iana Godfellowa (američki stručnjak za strojno učenje, radi u Google Brain - Hi-Tech) o dubokom učenju. To je kontinuirani proces učenja. Coursera je samo jedan resurs, Kaggle (online informatička zajednica koja redovito održava natjecanja - "High-Tech") je drugi, ali glavno je čitati, čitati, čitati i provjeravati. Ako čitate i ne razumijete, to je loše. Ako razumijete kako to funkcionira, možete sve.
To je kao tablica množenja.Zamislite da osoba ne razumije tablicu množenja, ali ju je naučila napamet. Pitaju ga: "Šest sa šest?" - “36”. - "Sedam sa osam?" - “56”. - "U redu, posljednje pitanje, 10 do 11?" — Čovjek kaže: "Ne znam, nije bilo u tablici množenja." To je to. To su ljudi koje često susrećem. 10 do 11 mnogo je lakše izračunati, ali to nije u tablici, morate razumjeti princip. Ako razumijete principe, onda će sve biti puno lakše.
Sve ostalo ovisi o osobi. Čini se da sami učimo bilo što. Mi samo pomažemo i ne ometamo druge ljude. Sve je to pitanje samodiscipline.
— Recite nam nešto o svom tečaju znanosti o podacima na HSE-u.
- Ovo je slobodan tečaj, on je unutar standardana njemu govorim osnovne jednostavne stvari koje za mnoge ljude - otkrivenje. Na primjer, koje su metrike, zašto uopće postoje, kako se razlikuju jedna od druge, u kojim slučajevima je to potrebno, kako testirati svoju ideju o tome što je A / B test. To je ono što sam iznio za sebe da je važno da ljudi znaju i što im je stvarno potrebno u svom radu.
- Kako vidite budućnost maloprodaje za pet do deset godina?
— Ako govorimo o maloprodaji hrane, ondaFormat hipermarketa će izumrijeti. To se vidi sada u Americi, kako veliki trgovački centri tamo izumiru, a i u Rusiji, usput. Kakav je bio obrazac potrošnje prije? Idemo u trgovački centar, u kino, u restoran i kupujemo nešto drugo. Sada dolazimo kući, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, dostava iz restorana, online kupovina. Moramo krenuti prema personalizaciji.
- Što će to značiti za potrošača?
- Što čovjek koristi? To mu može priuštiti i to mu odgovara. Prema tome, potrebno je smanjiti troškove, zadržati istu kvalitetu ili je povećati. Ovdje nam dolazi do personalizacije.
- Osoba kupi ono što si može priuštiti. Sada se realni prihodi stanovništva smanjuju, troškovi padaju.
— U takvoj situaciji pohranite ekonomične formateosjećati se bolje i rasti. Postoje dva načina za rješavanje mnogih problema trgovaca. Ili automatizacija ili zaposliti još deset ljudi. Kratkoročno, drugi način je dobitna strategija, jer je integracija skupa, dugotrajna, a ako nešto pođe po zlu, možete izgubiti svoj bonus. Sada zamislite da ste direktor odjela s vrlo velikim bonusom i možete ga izgubiti. Nejasno je hoćete li za dvije godine, kada se saznaju rezultati te automatizacije, raditi u tvrtki ili nećete, a za to će vas hvaliti. A možda već imate bonus. Stoga zapošljavamo još deset ljudi. Ali to dugoročno dovodi do velikog gubitka.