"È facile crescere del 20% se hai aperto una volta e mezza più negozi"
— Nel tuo discorso tu
— Il fatturato di X5 continuerà a crescere.In generale, il mercato si sta muovendo verso il consolidamento nel commercio al dettaglio. Attualmente, i nostri tre principali rivenditori occupano circa il 20% del mercato e vediamo che nei paesi capitalisti sviluppati questa quota sarà di circa il 70-75%.
Ogni giorno, in media, X5 ne apre sei nuovinegozi. Mentre stiamo parlando, X5 apre un nuovo store (ride). In effetti, le cose stanno andando bene, a differenza di altri attori del mercato. Se si guardano i dati aperti, uno di essi, con un aumento dell'area del 12%, il fatturato è aumentato solo dell'84%. È facile da calcolare: iniziano a funzionare in senso negativo. C'è un tale indicatore, LFL - Like for like, un confronto degli stessi negozi all'anno. A X5 su di esso, anche se piccolo, ma un vantaggio. Cioè, non è difficile crescere del 20% se hai aperto una volta e mezza più negozi, ma questa è una crescita negativa di fatto. Se cresci perché i vecchi negozi funzionano meglio e quelli nuovi sono aperti, allora è abbastanza positivo.
- Cosa ne pensi, quale quota dei meriti della tua squadra in questo?
— Non è ancora molto grande, perché la squadraformato non molto tempo fa. Siamo onesti, è improbabile che la crescita di X5 nel 2017 sia dovuta alla nostra applicazione dell'analisi dei dati, con l'aiuto di un team creato nel 2018.
Il capo della nostra direzione è Anton Mironenkov, un uomo che ha preso parte alla creazione della società X5. È stato coinvolto nella fusione di Perekrestok e Pyaterochka, dopo la quale è apparso X5.
Consideriamo la direzione dei big datastrategico. Il futuro del commercio al dettaglio dipende dalla rapidità con cui i rivenditori imparano a monetizzare e a utilizzare i dati che generiamo ogni giorno in quantità piuttosto grandi per ottimizzare i processi e migliorare l’esperienza del cliente. Pertanto, abbiamo deciso di separare tutto questo in una direzione separata e di dargli maggiore attenzione in modo che si sviluppi più velocemente.
Anton Mironenkov, Capo della Direzione Big Data X5
All'interno di questa direzione abbiamo le nostre capacità,cluster, sviluppatori, tester, analisti, progetti, prodotti: tutto ciò di cui hai bisogno. Abbiamo già fatto alcune cose e si tratta di molti progressi in meno di un anno. Comprendiamo chiaramente che daremo all'azienda un profitto abbastanza elevato, ma ancora una volta questi risultati saranno visibili solo tra un anno.
Tutte le informazioni nel controllo - se hai comprato la vodka, allora hai più di 18 anni.
- Se vengo al "Crossroads" e faccio un acquisto, che cosa porterai per l'analisi?
- Controllare. I tuoi prodotti ti caratterizzano abbastanza bene. Se acquisti pannolini, probabilmente hai un bambino piccolo. Se vodka, allora hai più di 18 anni. Una persona può comprare fiches, e sarà con una certa probabilità un adolescente di 16 anni. E se hai comprato un diario, allora tu o la tua famiglia avete un bambino dai 7 ai 17 anni. Questa è una grande quantità di informazioni.
Immaginate: vieni al negozio, guardi alcuni prodotti e capisci che il negozio è costoso, economico o di fascia media. In Pyaterochka ci sono da 4 a 8 mila prodotti unici. È improbabile che tu vada con un taccuino e scriva i prezzi per l'intera serie di prodotti, quindi osserva i prezzi medi dei beni in città e ne trai una conclusione. Dai un'occhiata ai cinque-dieci prodotti. E quindi quali prodotti guardi, siamo anche fidanzati.
Anche i prodotti con cui le persone guardano cambianodal tempo. Un semplice esempio: 20 anni fa non c'erano prodotti relativi alle comunicazioni mobili. Ora puoi, non in tutti i negozi, ma comprare una carta SIM. 20 anni fa in Russia c'erano generalmente tempi un po 'più difficili di adesso e il consumo era completamente diverso.
- In che modo la creazione di profili cliente offre sconti?
- Ci sono due prodotti: profilo del cliente e fedeltà. Un profilo client è un'attività di questo tipo quando non si dispone di alcuni markup e si utilizzano approcci diversi. Utilizziamo approcci diversi al clustering: partendo da statistiche standard, calcoliamo alcune velocità Z, deviazioni robuste dalla mediana e terminando con Word2vec, sovrapponendole ai controlli e "traducendo" una persona nel tipo di vettore mediato tramite TF-IDF su Word2vec.
Punteggio Z, punteggio Z- una stima statistica che esprimeLa distanza (misurata come deviazione standard) di un dato livello dalla media del set di dati. In particolare, lo Z-score è una misura dell'affidabilità creditizia di un'azienda e del grado di rischio di fallimento.
Robuste deviazioni dall'inglese robusto, "robusto" è la stabilità delle stime rispetto alle emissioni nei dati. Considerato relativo alla mediana.
Word2vecè uno strumento che ti permette di rappresentare le parole come vettori.
TF-IDF- un termine statistico che indica il grado di importanza di una parola in un corpus di testi.
Se hai qualche modello che fauna proposta personale, quindi supponiamo che il clustering abbia successo se, dopo aver aggiunto gli attributi, la qualità dei modelli migliora. Qui puoi calcolare l'effetto economico e qualche tipo di metrica.
- In quale parte dei negozi vengono utilizzati i tuoi prodotti?
- In tutti.Abbiamo testato lo sconto personalizzato su mezzo milione di utenti per capirne l'effetto in tutti i 14mila negozi X5. Raccogliamo report interattivi da tutti questi negozi. Abbiamo un prodotto promozionale disponibile in tutti i negozi. Abbiamo una matrice di assortimento, abbiamo una previsione della domanda. Si assicurano che, in primo luogo, ci sia del pollo nel negozio e, in secondo luogo, che il pollo non sia marcio.
Ora iniziamo a fare la visione artificialeinizialmente non sarà disponibile in tutti i negozi. Cominciamo con quelli più grandi: ha senso testare solo in essi. Il compito è abbastanza semplice, i vantaggi sono chiari. C'è un prodotto, potrebbe non essere sullo scaffale, ma potrebbe trovarsi in magazzino e in quel momento il prodotto non viene acquistato. Questo è molto brutto. Il negozio lo ha acquistato, ma non può venderlo. Nel migliore dei casi, l'utente non acquisterà il prodotto e, nel peggiore dei casi, si volterà e se ne andrà, perché non ha bisogno di venire dove comprerà due dei tre prodotti e andare in un altro negozio per il terzo. Verrà direttamente al negozio dove potrà comprare tutto. E questo viene risolto utilizzando la visione artificiale. Viene posizionata una telecamera che rileva che è rimasto poco prodotto. Una notifica arriva al responsabile, si reca al magazzino per acquistare questo prodotto.
Il secondo compito è il turno. Sappiamo che abbiamo una coda nel negozio. O sei in fila, insoddisfatto e perdi tempo a cui nessuno piace, o vai al negozio, guarda la linea, si gira e se ne va. Se il motivo della coda è che lo stato è insufficiente, non si può fare nulla al riguardo. E se il problema è che la commessa condizionata si siede nella stanza sul retro, riposa e beve il tè, e il direttore la chiama. Il negozio è già in linea, e finché non raggiunge, si siede al computer, lo accende, inizia a tirare il cassiere, il tempo passerà. Sempre a guardarla, è nervosa, anche la gente. Questo cassiere deve uscire prima che si formi la coda, in modo che al momento dell'uscita la gente sia già andata al cassiere. È abbastanza facile da risolvere usando la visione artificiale.
Lo testeremo a circa 150negozi e molto probabilmente a Mosca. In primo luogo, noi stessi siamo a Mosca e, in secondo luogo, qui c'è più traffico. Quindi diventerà chiaro come migliorare l'esperienza dell'utente e quale vantaggio ne trarrà X5.
"Non mi piace davvero la parola data scientist".
- Espandi la tua gestione?
- Certo, i manager vedono che stiamo dando dei risultati. Nessuno ti consente di espandere la squadra due volte se non stai lavorando bene. Di per sé, questo fatto parla della nostra efficacia.
- Hai detto che hai 32 persone al lavoro, quanti altri recluterai?
- Ancora da qualche parte 20-30. Ora utilizzeremo la visione artificiale e la tecnologia vocale come parte della mia gestione. Ci saranno due nuovi dipartimenti, cioè, più dieci persone, a mio parere, un altro 10-15 sono d'accordo per il prossimo anno. Ci sono i cosiddetti tassi di progetto. Ci aspettiamo che sia 30-36 in più, da qualche parte oltre 60 persone. Si tratta in particolare delle persone impegnate nell'analisi dei dati e nell'apprendimento automatico.
- Chi stai invitando a lavorare?
— Non mi piace davvero la parola “scienziato dei dati”perché non contiene alcuna informazione. Puoi venire in dieci aziende in cui stanno cercando un data scientist e queste saranno dieci posizioni completamente diverse. Mi piace la parola "analista". I nomi dei miei dipartimenti parlano da soli: c'è un dipartimento di machine learning, un dipartimento di analisi dei dati, un gruppo di ricerca e sviluppo, ovvero ricerca, un dipartimento di visione artificiale, un dipartimento di tecnologia vocale e un gruppo di analisi non di prodotto per risolvere questi problemi che esulano da qualsiasi direzione del prodotto esistente.
Sto cercando persone in grado di programmare inPython, conosca la teoria della probabilità e le statistiche matematiche, se ho bisogno di modellare, allora sono richieste abilità di apprendimento automatico. Ma la cosa più importante è la capacità di una persona di pensare e analizzare. Mi viene sempre più l'idea che il pensiero analitico e critico sia qualcosa di molto difficile da insegnare. Se tra 20-25 anni c'è già qualche visione del mondo, è improbabile che cambi.
- L'hai capito in X5?
- Non che l'X5 mi abbia portato a questo. Guardo anche le persone, comunico, vedo come funzionano. Come sai, la migliore intervista è un periodo di prova. E ad un certo punto capisci che questo non è semplicemente per questa persona. Cioè, sembra che si sia laureato da mekhmat, sembra che non sia un pazzo, ma non lui. Non c'è un giusto atteggiamento, non vedo le cose. È stato nel libro di Daniele Kaneman "Pensare, veloce e lento", in cui ha descritto ciò che corrisponde al pensiero critico. Questo include una visione pessimistica del mondo, ed è una qualità più innata che acquisita, sfortunatamente o fortunatamente.
- Se arriva un analista e dopo un periodo di prova, capisci che è adatto, cosa può aspettarsi una persona?
- Normalmente nell'IT ci sono gradazioni: junior, medio,senior e tirocinante. Raramente si trova sopra: questo è lo staff o il leader. Credo che ci sia un'inflazione delle posizioni senior: ne abbiamo tante, ma in realtà raramente raggiungono la posizione media intermedia.
Se prendi lo stipendio medio sul mercato, juniorriceve da qualche parte tra 120-150 mila rubli prima delle tasse al mese, medio - fino a 250 mila. Anziani circa 400 mila rubli. Top bar: ho personalmente tenuto l'offerta tra le mie mani sullo sviluppatore principale, era più di 600 mila rubli.
"La scienza dei dati è davvero una specie di" ciliegina sulla torta ""
— Come hai iniziato a utilizzare il machine learning?
— All'università non c'era affatto informatica.formazione. Poiché mi sono laureato all'università nel 2012, più o meno nello stesso periodo c'è stato un altro aumento delle cose ad esso correlate. Non ho avuto tempo. Laureato in due università, l'ultima è stata l'Università di Scienze Applicate di Karlsruhe, master in meccatronica. Prima di ciò, ha studiato presso l'Istituto di ingegneria chimica di Mosca, ora chiamato Politecnico di Mosca. Non ero coinvolto nell'apprendimento automatico né lì né lì.
Cosa divertente: Ora quelli che completano la scienza dei dati sono intervistati, e sembra che il loro livello sia più debole e inferiore a quello di quei ragazzi che hanno completato la fisica, l'ingegneria, l'informatica, e quindi l'apprendimento automatico si è "ferito" su di esso. Forse questo è un leggero cambiamento, perché i ragazzi che l'hanno imparato da soli inizialmente erano forti, hanno imparato qualcosa di nuovo e sono venuti. E la scienza dei dati è davvero una specie di "ciliegina sulla torta", e se non c'è una "torta" in sé, ma c'è una "ciliegia", allora non è così interessante.
- Come l'hai imparato?
— C'è un vecchio detto secondo cui su Coursera ce ne sono duecorso serio, anche uno e mezzo. Questo è il corso di Hinton su machine learning e reti neurali (il corso non è più disponibile su Coursera, ma può essere visualizzato su YouTube - Hi-Tech) e il corso di Daphne Koller sui modelli probabilistici non grafici.
Il corso di Koller è lezioni videoregistrate,che legge agli studenti laureati a Stanford. Pertanto, chiamarlo non completamente serio non trasforma la lingua. Il corso di Hinton dura 16 settimane e Koller ha tre corsi da cinque a sei settimane. E ho raccolto la forza in un pugno, ho attraversato il primo corso e ho capito che il secondo e il terzo non sono pronti per passare.
Ma Coursera non è l’unica opzione.Ho letto molti libri. A proposito, ora ho finito il libro sulla statistica di Bradley Efron (statistico americano, vincitore della National Medal of Honor degli Stati Uniti - il più alto riconoscimento statale per gli scienziati americani - "High-Tech"). Prima di ciò, un libro di Ian Godfellow (specialista americano di machine learning, lavora presso Google Brain - Hi-Tech) sul deep learning. È un processo di apprendimento continuo. Coursera è solo una risorsa, Kaggle (una comunità informatica online che ospita regolarmente gare - "High-Tech") è un'altra, ma la cosa principale è leggere, leggere, leggere e controllare. Se lo leggi e non lo capisci, è un male. Se capisci come funziona, puoi fare qualsiasi cosa.
È come la tavola pitagorica.Immagina che una persona non capisca la tavola pitagorica, ma l'abbia imparata a memoria. Gli chiedono: "Sei per sei?" - “36”. - "Sette alle otto?" - “56”. - "Va bene, ultima domanda, dalle 10 alle 11?" — L’uomo dice: “Non lo so, non era nella tavola pitagorica”. Questo è tutto. Queste sono le persone che incontro spesso. 10 per 11 è molto più semplice da calcolare, ma questo non è nella tabella, devi capire il principio. Se capisci i principi, tutto sarà molto più semplice.
Tutto il resto dipende dalla persona. Sembra che impariamo qualcosa da soli. Aiutiamo e non interferiamo con le altre persone. Tutto questo è una questione di autodisciplina.
— Raccontaci del tuo corso di scienza dei dati presso HSE.
- Questo è un corso gratuito, è all'interno dello standardprogrammi, su di esso dico cose semplici di base che per molte persone - rivelazione. Ad esempio, quali sono le metriche, perché esistono, in che cosa differiscono l'una dall'altra, in quali casi è necessario, come testare la tua idea di cosa sia un test A / B. Questo è quello che ho scoperto per me stesso che è importante che le persone sappiano e di cosa hanno veramente bisogno nel loro lavoro.
- Come vedi il futuro del retail in cinque-dieci anni?
— Se parliamo di vendita al dettaglio di prodotti alimentari, alloraIl formato dell’ipermercato morirà. Lo si vede ora negli Stati Uniti, dove i grandi centri commerciali stanno morendo e, tra l'altro, anche in Russia. Qual era il modello di consumo prima? Andiamo al centro commerciale, al cinema, al punto ristoro e compriamo qualcos'altro. Adesso torniamo a casa, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, consegna da un ristorante, shopping online. Dobbiamo andare verso la personalizzazione.
- Cosa significherà per il consumatore?
- L'uomo usa cosa? Che può permettersi e questo è conveniente per lui. Di conseguenza, è necessario ridurre i costi, mantenere la stessa qualità o aumentarla. È qui che viene in mente la personalizzazione.
- Una persona compra ciò che può permettersi. Ora i redditi reali della popolazione stanno diminuendo, i costi sono in calo.
— In una situazione del genere, formati di economia del negoziosentirsi meglio e crescere. Esistono due modi per risolvere molti problemi dei rivenditori. O automatizzi o assumi altre dieci persone. Nel breve termine, la seconda strada è una strategia vincente, perché l’integrazione è costosa, richiede tempo e se qualcosa va storto puoi perdere il bonus. Ora immagina di essere il direttore di un dipartimento con un bonus molto elevato e potresti perderlo. Non è chiaro se lavorerai in azienda tra due anni, quando i risultati di questa automazione diventeranno noti, oppure no, e ti loderanno per loro. E potresti già avere un bonus. Pertanto, assumeremo altre dieci persone. Ma questo porta a una grande perdita a lungo termine.