"זה קל לגדול ב -20% אם יש לך פתח אחד וחצי פעמים יותר חנויות"
— בנאום שלך אתה
- המחזור של X5 ימשיך לגדול.באופן כללי, השוק הולך לקראת קונסולידציה בקמעונאות. נכון לעכשיו, שלושת הקמעונאים המובילים שלנו תופסים כ-20% מהשוק, ואנו רואים במדינות קפיטליסטיות מפותחות שנתח זה יעמוד על כ-70-75%.
כל יום בממוצע X5 נפתח שישה חדשיםחנויות. בזמן שאנחנו מדברים, X5 פותח חנות חדשה (צוחק). ואכן, הדברים הולכים טוב, בניגוד לשחקנים אחרים בשוק. אם מסתכלים על הנתונים הפתוחים, אחד מהם, עם גידול של שטח של 12%, המחזור גדל ב 84% בלבד. קל לחשב: הם מתחילים לעבוד בשלילה. יש אינדיקטור כזה, LFL - כמו עבור כמו, השוואה של חנויות אותו בשנה. ב X5 על זה, אם כי קטן, אבל פלוס. כלומר, קל לגדול ב -20% אם יש לך פתח אחד וחצי פעמים יותר חנויות, אבל זה צמיחה שלילית למעשה. אם אתם גדלים בשל העובדה כי חנויות ישנות לעבוד טוב יותר חדשים פתוחים, אז זה די חיובי.
- מה אתה חושב, איזה חלק של היתרונות של הצוות שלך זה?
- זה עדיין לא מאוד גדול, כי הצוותנוצר לפני זמן לא רב. בואו נהיה כנים, סביר להניח שהצמיחה של X5 ב-2017 לא נובעת מהיישום שלנו של ניתוח נתונים, בעזרת צוות שנוצר ב-2018.
ראש הדירקטוריון שלנו הוא אנטון מירוננקוב, אדם שלקח חלק בהקמת חברת X5. הוא היה מעורב במיזוג של Perekrestok ו- Pyaterochka, ולאחר מכן הופיע X5.
אנחנו שוקלים את הכיוון של ביג דאטהאסטרטגי. עתיד הקמעונאות תלוי באיזו מהירות קמעונאים לומדים לייצר רווחים ולהשתמש בנתונים שאנו מייצרים בכמויות גדולות מדי יום כדי לייעל תהליכים ולשפר את חווית הלקוח. לכן, החלטנו להפריד את כל זה לכיוון נפרד ולתת לו מיקוד גדול יותר כדי שיתפתח מהר יותר.
אנטון Mironenkov, ראש ביג נתונים מנהל X5
בתוך הדירקטוריון הזה יש לנו יכולות משלנו,אשכול, מפתחים, בודקים, אנליסטים, פרויקטים, מוצרים - כל מה שאתה צריך. כבר עשינו כמה דברים, וזו התקדמות רבה במשך פחות משנה. אנו מבינים בבירור כי ניתן לחברה רווח די גדול, אך שוב, התוצאות הללו ייראו רק בעוד שנה.
כל המידע בהמחאה - אם קנית וודקה, אז אתה מעל גיל 18.
- אם אני מגיע ל "Crossroads" ולבצע רכישה, מה כל זה ייקח לניתוח?
- בדוק. המוצרים שלך מאפיין אותך די טוב. אם אתה קונה חיתולים, אתה כנראה יש ילד קטן. אם וודקה, אז אתה מעל גיל 18. אדם יכול לקנות שבבים, וזה יהיה עם הסתברות מסוימת נער של 16 שנים. ואם קנית יומן, אז או לך או למשפחה שלך יש ילד מגיל שבע עד 17. זה הרבה מידע.
תארו לעצמכם: אתה בא לחנות, להסתכל על כמה מוצרים ולהבין כי החנות היא יקר, זול או מחיר בקטגוריה מחיר. ב Pyaterochka ישנם 4 עד 8000 מוצרים ייחודיים. אין זה סביר כי אתה הולך עם מחברת לכתוב את המחירים עבור כל סט של סחורות, ולאחר מכן להסתכל על המחירים הממוצעים של סחורות בעיר להסיק מסקנה. רק להסתכל על חמש עד עשר מוצרים. אז מה אתה מסתכל על מוצרים, אנחנו גם עוסקת.
מוצרים שאנשים מסתכלים עליהם גם משתניםלפי הזמן. דוגמה פשוטה: לפני 20 שנה לא היו מוצרים הקשורים לתקשורת ניידת. עכשיו אתה יכול, לא בכל החנויות, אבל לקנות כרטיס ה- SIM. לפני 20 שנה ברוסיה היו בדרך כלל קצת יותר קשים ממה שהם עכשיו, והצריכה היתה שונה לחלוטין.
- איך הוא יצירת פרופילים של לקוחות להציע להם הנחות?
- ישנם שני מוצרים: פרופיל הלקוח ונאמנות. פרופיל לקוח הוא משימה שכזו כאשר אין לך סימון מסוים ולהשתמש בגישות שונות. אנו משתמשים בגישות שונות לאשכולות - החל בסטטיסטיקה הסטנדרטית, לחשב כמה מהירויות Z, סטיות חזקות מהחציון, ולסיים ב- Word2vec, על גבי המחאות, ו"תרגום "של אדם לסוג וקטור ממוצע באמצעות TF-IDF על Word2vec.
ציון Z, ציון Z- אומדן סטטיסטי המבטאהמרחק (נמדד כסטיית תקן) של רמה נתונה מהממוצע של מערך הנתונים. בפרט, ציון Z הוא אינדיקטור תפוקה של כושר האשראי של החברה ומידת הסיכון שלה לפשיטת רגל.
סטיות חזקות מהאנגלית. החזקה, "החזקה" היא היציבות של האומדנים לגבי פליטות הנתונים. נחשב יחסית לחציון.
Word2vecהוא כלי המאפשר לך לייצג מילים כווקטורים.
צה"ל- מונח בסטטיסטיקה המציין את מידת החשיבות של מילה בקורפוס של טקסטים.
אם יש לך מודל זה עושההצעה אישית, אז נניח כי אשכולות מוצלחת אם, לאחר הוספת תכונות, איכות המודלים משתפרת. כאן אתה יכול לחשב את ההשפעה הכלכלית, איזה סוג של מטרי.
- באיזה חלק של החנויות הם המוצרים שלך בשימוש?
- בכל.בדקנו את ההנחה המותאמת על חצי מיליון משתמשים כדי להבין את השפעתה בכל 14 אלף חנויות X5. אנו אוספים דיווח אינטראקטיבי מכל החנויות הללו. יש לנו מוצר קידום מכירות שזמין בכל החנויות. יש לנו מטריצת מבחר, יש לנו תחזית ביקוש. הם דואגים שראשית יש עוף בחנות ושנית שהעוף לא רקוב.
עכשיו בואו נתחיל לעשות ראייה ממוחשבת, זהלא יהיה זמין בכל החנויות בהתחלה. נתחיל מהגדולים שבהם - הגיוני לבדוק רק בהם. המשימה די פשוטה, היתרונות ברורים. יש מוצר, אולי הוא לא על המדף, אבל יכול להיות שהוא שוכב במחסן, ובאותו רגע המוצר לא נרכש. זה רע מאוד. החנות קנתה אותו, אבל לא יכולה למכור אותו. במקרה הטוב, המשתמש לא יקנה את המוצר, ובמקרה הרע, הוא יסתובב ויעזוב, כי הוא לא צריך להגיע למקום שבו הוא יקנה שניים משלושת המוצרים, וללכת לחנות אחרת עבור השלישי. הוא יגיע ישר לחנות שבה הוא יכול לקנות הכל. ואת זה פותרים באמצעות ראייה ממוחשבת. מצלמה מוצבת והיא מזהה שנותר לך מעט מוצר. מגיעה הודעה למי שאחראי לכך, הוא הולך למחסן לקנות את המוצר הזה.
המשימה השנייה היא התור. אנחנו יודעים שיש לנו תור בחנות. או שאתה עומד בתור, מרוצה ומבזבז זמן שאף אחד לא אוהב, או הולך לחנות, מסתכל על התור, מסתובב ועוזב. אם הסיבה לתור היא שהמדינה חסרת יכולת, לא ניתן לעשות דבר. ואם הבעיה היא כי המוכרת מותנה יושב בחדר האחורי, נשענת ושותה תה, והבמאי קורא לה. החנות כבר בשורה, ועד שהיא מגיעה, יושבת ליד המחשב, מדליקה אותו, מתחילה למשוך את הקופאית, הזמן יעבור. עדיין מביט בה, היא עצבנית, גם אנשים. הקופאי הזה חייב לצאת לפני התור נוצר, כך שעד למועד היציאה, אנשים כבר הלכו הקופה. זה די קל לפתור באמצעות ראיית מחשב.
אנחנו נבדוק את זה בערך 150חנויות, וככל הנראה במוסקבה. ראשית, אנחנו עצמנו במוסקבה, ושנית, יש כאן יותר תנועה. לאחר מכן יתברר כיצד לשפר את חווית המשתמש ומה היתרון של X5.
"אני באמת לא אוהב את המילה מדען נתונים."
- האם אתם מרחיבים את הניהול שלכם?
- כמובן, מנהלים רואים שאנחנו נותנים תוצאות. אף אחד לא מאפשר לך להרחיב את הצוות פעמיים אם אתה לא עובד טוב. כשלעצמה, עובדה זו מדברת על האפקטיביות שלנו.
- אמרת שיש לך 32 אנשים עובדים, כמה עוד תגייס?
- עדיין איפשהו 20-30. כעת נשתמש בטכנולוגיית ראיית מחשב ודיבור כחלק מההנהלה שלי. יהיו שתי מחלקות חדשות, כלומר, זה בתוספת עשרה אנשים, לדעתי, עוד 10-15 מוסכמים בשנה הבאה. יש מה שנקרא שיעורי הפרויקט. אנו מצפים שזה יהיה 30-36 פלוס, איפשהו מעל 60 אנשים. אלה הם דווקא אנשים העוסקים בניתוח נתונים ולמידה מכונה.
- מי אתה מזמין לעבוד?
- אני ממש לא אוהב את המילה "מדען נתונים"כי הוא לא נושא שום מידע. אפשר להגיע לעשר חברות שבהן הם מחפשים מדען נתונים, ואלה יהיו עשרה תפקידים שונים לגמרי. אני אוהב את המילה "אנליסט". שמות המחלקות שלי מדברים בעד עצמם: יש מחלקת למידת מכונה, מחלקת ניתוח נתונים, קבוצת מו"פ, כלומר מחקר, מחלקת ראייה ממוחשבת, מחלקת טכנולוגיות דיבור וקבוצת ניתוח לא מוצר לפתרון בעיות אלו. שמגיעים מחוץ לכל כיוון מוצר קיים.
אני מחפש אנשים שיכולים לתכנתPython, לדעת תורת ההסתברות וסטטיסטיקות מתמטיות, אם אני צריך דוגמנות, אז מיומנויות למידה מכונה נדרשים. אבל הדבר החשוב ביותר הוא היכולת של אדם לחשוב ולנתח. יותר ויותר אני מגיע לרעיון שחשיבה אנליטית וביקורת היא דבר שקשה מאוד ללמד. אם ב 20-25 שנים יש כבר כמה השקפת עולם, אין זה סביר לשנות.
- האם הבנת את זה ב X5?
- לא שה- X5 הוביל אותי לזה. אני גם מסתכל על אנשים, לתקשר, לראות איך הם עובדים. כפי שאתם יודעים, הריאיון הטוב ביותר הוא תקופת ניסיון. ובנקודה מסוימת אתה רואה שזה פשוט לא לאדם הזה. כלומר, הוא נראה כי הוא סיים מכמט, נראה שהוא לא טיפש, אבל לא הוא. אין יחס נכון, לא רואה דברים. זה היה בספרו של דניאל קאנמן "חושב, מהיר ואיטי", שבו תיאר את מה שמתאים לחשיבה ביקורתית. זה כולל מבט פסימי של העולם, וזה יותר איכות מולדת מאשר רכשה, למרבה הצער או למרבה המזל.
- אם מגיע אנליסט, ואחרי תקופת ניסיון, אתה מבין שהוא מתאים, מה אדם יכול לצפות?
- באופן סטנדרטי ב-IT יש הדרגות - זוטר, בינוני,בכיר ומתאמן. לעתים רחוקות זה נמצא למעלה - זה הצוות או המנהיג. אני מאמין שיש אינפלציה של התפקיד הבכיר: יש לנו הרבה כאלה, אבל למעשה הם מגיעים רק לעתים רחוקות למיקום האמצע הממוצע.
אם אתה לוקח את השכר הממוצע בשוק, זוטרמקבל על 120-150,000 רובל לפני מסים לחודש, באמצע - עד 250,000. קשישים על 400,000 רובל. בר למעלה: אני אישית החזיק את ההצעה בידי על מפתח מוביל, זה היה יותר מ -600 אלף רובל.
"מדע הנתונים הוא באמת איזה סוג של" דובדבן על עוגה ""
- איך התחלת לעשות למידת מכונה?
- לא היה מדעי המחשב באוניברסיטה בכלל.הַדְרָכָה. בגלל שסיימתי את לימודיי באוניברסיטה ב-2012, בערך באותו זמן חלה עלייה נוספת בדברים שקשורים לזה. לא היה זמן. בוגר שתי אוניברסיטאות, האחרונה הייתה האוניברסיטה למדעים שימושיים בקרלסרוהה, תואר שני במכטרוניקה. לפני כן, הוא למד במכון להנדסה כימית במוסקבה, הנקרא כיום הפוליטכני של מוסקבה. לא הייתי מעורב בלמידת מכונה לא שם ולא שם.
דבר מצחיק: עכשיו מי להשלים נתונים המדע מתראיינים, ונראה כי הרמה שלהם היא חלשה ונמוכה מזו של אלה שיש להם השלמת פיסיקה, הנדסה, מדעי המחשב, ולאחר מכן מכונה מכונה יש "פצע" על זה. אולי זה שינוי קל, כי החבר'ה שלמדו את זה בעצמם היו חזקים בתחילה, למדו משהו חדש והגיעו. מדע הנתונים הוא באמת איזה "דובדבן על עוגה", ואם אין "עוגה" עצמה, אבל יש "דובדבן", אז זה לא כל כך מעניין.
- איך למדת את זה?
- יש פתגם ישן שאומר שבקורסרה יש שנייםקורס רציני, אפילו אחד וחצי. זהו הקורס של הינטון בנושא למידת מכונה ורשתות עצביות (הקורס אינו זמין יותר ב-Coursera, אך ניתן לצפות בו ביוטיוב - היי-טק) והקורס של דפנה קולר בנושא מודלים הסתברותיים לא גרפיים.
קורס קולר הוא הרצאות וידאו,אשר היא קוראת לסטודנטים לתואר שני בסטנפורד. לכן, לקרוא לו לא לגמרי רציני לא להפוך את השפה. הקורס של הינטון נמשך 16 שבועות, וקולר יש שלושה קורסים של חמישה עד שישה שבועות. ואני אספתי את הכוח לאגרוף, עברתי את הקורס הראשון והבנתי כי השני והשלישי אינו מוכן לעבור.
אבל Coursera היא לא האפשרות היחידה.קראתי הרבה ספרים. אגב, עכשיו סיימתי את ספרו של בראדלי אפרון על סטטיסטיקה (סטטיסטיקאי אמריקאי, זוכה מדליית הכבוד הלאומית של ארה"ב - פרס המדינה הגבוה ביותר למדענים אמריקאים - "היי-טק"). לפני כן, ספר מאת איאן גודפלו (מומחה אמריקאי ללימוד מכונה, עובד ב-Google Brain - Hi-Tech) בנושא למידה עמוקה. זה תהליך למידה מתמשך. Coursera הוא רק משאב אחד, Kaggle (קהילת מדעי המחשב מקוונת המארחת תחרויות באופן קבוע - "היי-טק") היא משאב אחר, אבל העיקר לקרוא, לקרוא, לקרוא ולבדוק. אם אתה קורא אותו ולא מבין אותו, זה רע. אם אתה מבין איך זה עובד, אתה יכול לעשות הכל.
זה כמו לוח הכפל.תארו לעצמכם שאדם לא מבין את לוח הכפל, אלא למד אותה בעל פה. הם שואלים אותו: "שש על שש?" - "36". - "שבע על שמונה?" - "56". - "אוקיי, שאלה אחרונה, 10 עד 11?" - האיש אומר: "אני לא יודע, זה לא היה בטבלת הכפל." זהו זה. אלה האנשים שאני פוגש לעתים קרובות. 10 על 11 הרבה יותר קל לחשב, אבל זה לא בטבלה, אתה צריך להבין את העיקרון. אם אתה מבין את העקרונות, אז הכל יהיה הרבה יותר קל.
כל השאר תלוי באדם. נראה שאנחנו לומדים כל דבר בעצמנו. אנחנו רק לעזור ולא להפריע לאנשים אחרים. כל זה הוא עניין של משמעת עצמית.
- ספר לנו על קורס מדעי הנתונים שלך ב-HSE.
- זה כמובן חינם, זה בתוך הסטנדרטתוכניות, על זה אני אומר דברים פשוטים בסיסיים אשר עבור אנשים רבים - התגלות. לדוגמה, מה הם המדדים, למה הם בכלל קיימים, איך הם שונים זה מזה, באיזה מקרים זה הכרחי, איך לבדוק את הרעיון שלך על מה הוא מבחן A / B. זה מה שהבאתי לעצמי שחשוב לאנשים לדעת מה הם באמת צריכים בעבודה שלהם.
- איך אתה רואה את העתיד של הקמעונאי בתוך חמש עד עשר שנים?
- אם אנחנו מדברים על קמעונאות מזון, אזפורמט ההיפרמרקט יגווע. ניתן לראות זאת כעת בארצות הברית, כיצד מרכזי קניות גדולים מתים שם, וברוסיה, אגב, גם. מה היה דפוס הצריכה לפני כן? אנחנו הולכים לקניון, לקולנוע, למתחם האוכל, וקונים משהו אחר. עכשיו אנחנו חוזרים הביתה, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, משלוח ממסעדה, קניות באינטרנט. אנחנו צריכים להתקדם לעבר התאמה אישית.
- מה זה אומר עבור הצרכן?
- האדם משתמש במה? שהוא יכול להרשות לעצמו וזה נוח לו. לפיכך, יש צורך להפחית עלויות, לשמור על אותה איכות או להגדיל אותו. זה המקום שבו ההתאמה האישית עולה על הדעת.
- אדם קונה את מה שהוא יכול להרשות לעצמו. עכשיו ההכנסות האמיתיות של האוכלוסייה נופלים, העלויות יורדות.
- במצב כזה, פורמטים חסכוניים בחנותלהרגיש טוב יותר ולגדול. ישנן שתי דרכים לפתור בעיות רבות עבור קמעונאים. או אוטומציה או שכור עשרה אנשים נוספים. בטווח הקצר, הדרך השנייה היא אסטרטגיה מנצחת, כי האינטגרציה היא יקרה, גוזלת זמן, ואם משהו משתבש, אתה יכול להפסיד את הבונוס שלך. עכשיו דמיינו שאתם מנהלים של מחלקה עם בונוס גדול מאוד, ואתם עלולים לאבד אותו. לא ברור אם תעבוד בחברה בעוד שנתיים, כשהתוצאות של האוטומציה הזו יוודעו או לא, והם ישבחו אותך על כך. ואולי כבר יש לך בונוס. לכן, אנחנו מגייסים עוד עשרה אנשים. אבל זה מוביל להפסד גדול בטווח הארוך.