„Ja esat atvēruši pusotru reizi vairāk veikalu, tas ir viegli augt par 20%.
— Savā runā tu
— X5 apgrozījums turpinās augt.Kopumā mazumtirdzniecībā tirgus virzās uz konsolidāciju. Šobrīd mūsu trīs vadošie mazumtirgotāji aizņem aptuveni 20% no tirgus, un mēs redzam attīstītajās kapitālistiskajās valstīs, ka šī daļa būs aptuveni 70–75%.
Katru dienu X5 atver sešas jaunasveikalos. Kamēr mēs runājam, X5 atver jaunu veikalu (smejas). Proti, lietas notiek labi, atšķirībā no dažiem citiem tirgus dalībniekiem. Ja aplūkojat atklātos datus, viens no tiem, palielinoties par 12%, palielinājās tikai par 84%. Ir viegli aprēķināt: viņi sāk strādāt negatīvi. Ir tāds rādītājs, LFL - tāpat kā līdzīgi, to pašu veikalu salīdzinājums gadā. Pie X5, lai gan tas ir mazs, bet plus. Tas nozīmē, ka nav grūti augt par 20%, ja esat atvēruši pusotru reizi vairāk veikalu, bet tas faktiski ir negatīvs pieaugums. Ja jūs augt, jo vecie veikali darbojas labāk un jauni ir atvērti, tad tas ir diezgan pozitīvs.
- Ko jūs domājat, kāda daļa no jūsu komandas nopelniem ir?
— Tas vēl nav īpaši liels, jo komandaizveidojās ne tik sen. Būsim godīgi, maz ticams, ka X5 izaugsme 2017. gadā būs saistīta ar mūsu datu analītikas pielietojumu ar 2018. gadā izveidotās komandas palīdzību.
Mūsu direkcijas vadītājs ir Antons Mironenkovs, cilvēks, kurš piedalījās uzņēmuma X5 izveidē. Viņš bija iesaistīts Perekrestok un Pyaterochka apvienošanā, pēc kuras parādījās X5.
Mēs apsveram lielo datu virzienustratēģiski. Mazumtirdzniecības nākotne ir atkarīga no tā, cik ātri mazumtirgotāji iemācīsies gūt peļņu un izmantot datus, ko mēs katru dienu ģenerējam diezgan lielos daudzumos, lai optimizētu procesus un uzlabotu klientu pieredzi. Tāpēc mēs nolēmām to visu sadalīt atsevišķā virzienā un piešķirt tam lielāku fokusu, lai tas attīstītos ātrāk.
Anton Mironenkov, Lielo datu direktorāta vadītājs X5
Šajā direktorātā mums ir savas iespējas,klasteris, izstrādātāji, testētāji, analītiķi, projekti, produkti — viss, kas jums nepieciešams. Mēs jau esam paveikuši dažas lietas, un tas ir liels progress mazāk nekā gada laikā. Mēs skaidri saprotam, ka dosim uzņēmumam diezgan lielu peļņu, taču atkal šie rezultāti būs redzami tikai pēc gada.
Visa informācija čekā - ja esat iegādājies degvīnu, tad esat vecāks par 18 gadiem.
- Ja es nonākšu pie "krustceles" un veicu pirkumu, ko jūs to darīsiet analīzei?
- Pārbaudiet. Jūsu produkti raksturo jūs diezgan labi. Ja pērkat autiņus, jums, iespējams, ir mazs bērns. Ja degvīns, tad tu esi vecāks par 18 gadiem. Cilvēks var nopirkt mikroshēmas, un tas ar zināmu varbūtību būs 16 gadus vecs pusaudzis. Un, ja esat iegādājies dienasgrāmatu, tad jums vai jūsu ģimenei ir bērns vecumā no 7 līdz 17 gadiem. Tas ir daudz informācijas.
Iedomājieties: Jūs ierodaties veikalā, apskatāt dažus produktus un saprotat, ka veikals ir dārgs, lēts vai vidējs cenu kategorija. Pyaterochka ir no 4 līdz 8 tūkstošiem unikālu produktu. Maz ticams, ka jūs apmeklēsiet piezīmjdatoru un pierakstīsiet visu preču komplektu cenas un pēc tam apskatiet vidējās preču cenas pilsētā un izdarīsiet secinājumus. Paskatieties piecus līdz desmit produktus. Un tā, kādus produktus jūs aplūkojat, mēs arī esam iesaistīti.
Produkti, kurus cilvēki skatās, arī maināslaiku. Vienkāršs piemērs: pirms 20 gadiem nebija mobilo sakaru produktu. Tagad jūs varat, nevis visos veikalos, bet iegādāties SIM karti. Pirms 20 gadiem Krievijā parasti bija nedaudz grūtāk nekā tagad, un patēriņš bija pilnīgi atšķirīgs.
- Kā klientu profilu izveide piedāvā viņiem atlaides?
- Ir divi produkti: klientu profils un lojalitāte. Klienta profils ir šāds uzdevums, ja jums nav zināmas atzīmes un izmantojat dažādas pieejas. Mēs izmantojam dažādas pieejas klasterizācijai - sākot ar standarta statistiku, aprēķinām dažus Z-ātrumus, stabilas novirzes no mediāna un beidzot ar Word2vec, kas atrodas uz čekiem, un "pārvēršot" personu uz tipu vektoru, kas vidēji aprēķināts caur TF-IDF pāri Word2vec.
Z-score, Z-score- statistikas aplēse, kas izsakaDotā līmeņa attālums (mērīts kā standarta novirze) no datu kopas vidējā. Konkrēti, Z-score ir uzņēmuma kredītspējas un tā bankrota riska pakāpes rādītājs.
Spēcīgas novirzes no angļu valodas. spēcīga, “stabila” ir aplēšu stabilitāte attiecībā uz emisijām datiem. Uzskata par vidējo.
Word2vecir rīks, kas ļauj attēlot vārdus kā vektorus.
TF-IDF- termins statistikā, kas apzīmē vārda svarīguma pakāpi tekstu korpusā.
Ja jums ir kāds modelispersonisku priekšlikumu, tad pieņemsim, ka klasterizācija ir veiksmīga, ja pēc atribūtu pievienošanas uzlabojas modeļu kvalitāte. Šeit jūs varat aprēķināt ekonomisko efektu un kādu metriku.
- Kādā veikalu daļā tiek izmantoti jūsu produkti?
– Visās.Personalizēto atlaidi pārbaudījām pusmiljonam lietotāju, lai saprastu tās ietekmi visos 14 tūkstošos X5 veikalu. Mēs apkopojam interaktīvos pārskatus no visiem šiem veikaliem. Mums ir akcijas produkts, kas pieejams visos veikalos. Mums ir sortimenta matrica, mums ir pieprasījuma prognoze. Viņi pārliecinās, ka, pirmkārt, veikalā ir vista un, otrkārt, vai vista nav sapuvusi.
Tagad sāksim nodarboties ar datorredzisākumā nebūs pieejams visos veikalos. Sāksim ar lielākajiem – ir jēga testēt tikai tajos. Uzdevums ir pavisam vienkāršs, priekšrocības ir skaidras. Prece ir, tā var nebūt plauktā, bet tā var gulēt noliktavā, un tajā brīdī prece netiek iegādāta. Tas ir ļoti slikti. Veikals to nopirka, bet nevar pārdot. Labākajā gadījumā lietotājs preci nenopirks, sliktākajā gadījumā apgriezīsies un aizies, jo viņam nav jānāk tur, kur viņš iegādāsies divas no trim precēm, un jāiet uz citu veikalu trešais. Viņš nāks tieši uz veikalu, kur varēs nopirkt visu. Un tas tiek atrisināts, izmantojot datorredzi. Tiek novietota kamera, un tā konstatē, ka jums ir palicis maz produkta. Par to atbildīgajam pienāk paziņojums, viņš dodas uz noliktavu, lai iegādātos šo preci.
Otrais uzdevums ir pagrieziens. Mēs zinām, ka veikalā ir rinda. Vai nu jūs stāvat rindā, esat neapmierināts un izšķērdējis laiku, ko nevienam nepatīk, vai dodieties uz veikalu, skatieties rindā, apgriezieties un atstājiet. Ja rindas iemesls ir tas, ka valstij ir nepietiekams darbaspēks, par to nevar izdarīt neko. Un, ja problēma ir tā, ka nosacītā pārdevēja atrodas aizmugurējā istabā, atpūšas un dzer tēju, un direktors to sauc. Veikals jau ir rindā, un līdz tas sasniedz, sēž pie datora, ieslēdz to, sāk vilkt kasieri, laiks iet. Joprojām skatoties uz viņu, viņa ir nervoza, arī cilvēki. Šim kasierim ir jāiziet pirms rindas izveides, lai izceļošanas brīdī cilvēki jau ir devušies uz kasieri. Tas ir diezgan viegli atrisināt, izmantojot datora redzējumu.
Mēs to pārbaudīsim aptuveni 150veikalos, un, visticamāk, Maskavā. Pirmkārt, mēs paši esam Maskavā, otrkārt, šeit ir lielāka satiksme. Tad kļūs skaidrs, kā uzlabot lietotāja pieredzi un kāds ir X5 ieguvums.
"Man tiešām nepatīk vārds" zinātnieks ".
- Vai jūs paplašināt savu vadību?
- Protams, vadītāji redz, ka mēs dodam rezultātus. Neviens nevar jums divreiz paplašināt komandu, ja jūs nedarbojas labi. Tas pats par sevi liecina par mūsu efektivitāti.
- Jūs teicāt, ka jūs strādājat 32 cilvēki, cik daudz jūs pieņemsiet darbā?
- Joprojām kaut kur 20-30. Tagad mēs izmantosim datora redzējumu un runas tehnoloģiju kā daļu no manas vadības. Tiks izveidoti divi jauni departamenti, proti, tas ir plus 10 cilvēki, manuprāt, nākamajam gadam tiek panākta vienošanās par vēl 10-15. Ir tā sauktās projektu likmes. Mēs sagaidām, ka tas būs 30–36 plus, kaut kur vairāk nekā 60 cilvēki. Tie ir tieši cilvēki, kas nodarbojas ar datu analīzi un mašīnu apguvi.
- Kas jūs aicināt strādāt?
— Man ļoti nepatīk vārds “datu zinātnieks”jo tajā nav informācijas. Jūs varat ierasties desmit uzņēmumos, kur viņi meklē datu zinātnieku, un tie būs desmit pilnīgi atšķirīgi amati. Man patīk vārds "analītiķis". Manu nodaļu nosaukumi runā paši par sevi: šo problēmu risināšanai ir mašīnmācīšanās nodaļa, datu analīzes nodaļa, pētniecības un attīstības grupa, tas ir, pētniecība, datorredzes nodaļa, runas tehnoloģiju nodaļa un ar produktu nesaistīta analīzes grupa. kas neietilpst jebkādā esošā produkta virzienā.
Es meklēju cilvēkus, kas var programmētPython, zinu varbūtības teoriju un matemātisko statistiku, ja man ir nepieciešama modelēšana, tad ir nepieciešamas mašīnu mācīšanās prasmes. Bet vissvarīgākais ir cilvēka spēja domāt un analizēt. Es arvien biežāk domāju, ka analītiskā domāšana un kritika ir kaut kas ļoti grūti mācāms. Ja līdz 20–25 gadiem jau ir zināms pasaules redzējums, tas, visticamāk, nemainīsies.
- Vai jūs to sapratāt X5?
- Ne tas, ka X5 mani vadīja. Es arī aplūkoju cilvēkus, sazinājos, redzu, kā viņi strādā. Kā jūs zināt, labākā intervija ir izmēģinājuma periods. Un kādā brīdī jūs redzat, ka tas vienkārši nav šim cilvēkam. Tas ir, šķiet, ka viņš ir beidzis mekmatu, šķiet, ka viņš nav muļķis, bet ne viņš. Nav pareizas attieksmes, neredzu lietas. Tas bija Daniela Kanemana grāmatā „Domāšana, ātrs un lēns”, kur viņš aprakstīja, kas atbilst kritiskajai domāšanai. Tas ietver pesimistisku skatījumu uz pasauli, un tā ir vairāk iedzimta kvalitāte nekā diemžēl vai par laimi.
- Ja ierodas analītiķis un pēc izmēģinājuma perioda jūs saprotat, ka viņš ir piemērots, ko var sagaidīt persona?
- IT jomā parasti ir gradācijas - jaunākais, vidējais,vecākais un praktikants. Iepriekš tas ir reti sastopams - tas ir personāls vai vadītājs. Uzskatu, ka ir augstākā amata inflācija: mums tādu ir daudz, bet patiesībā viņi reti sasniedz vidējo vidējo pozīciju.
Ja ņemat vidējo algu tirgū, jaunākaissaņem aptuveni 120–150 tūkstošus rubļu pirms nodokļiem mēnesī, vidēji - līdz 250 tūkstošiem. Augšējā josla: es personīgi turēju piedāvājumu rokās uz vadošā attīstītāja, tas bija vairāk nekā 600 tūkstoši rubļu.
„Datu zinātne patiešām ir„ ķiršu ķirsis ””
— Kā jūs sākāt nodarboties ar mašīnmācību?
— Universitātē datorzinātnes vispār nebija.apmācību. Tā kā es absolvēju universitāti 2012. gadā, ap to pašu laiku notika vēl viens ar to saistīto lietu kāpums. Nebija laika. Absolvējis divas universitātes, pēdējā bija Karlsrūes Lietišķo zinātņu universitāte, maģistra grāds mehatronikā. Pirms tam viņš studēja Maskavas Ķīmijas inženierzinātņu institūtā, ko tagad sauc par Maskavas politehniku. Es nebiju iesaistīts mašīnmācībā ne tur, ne tur.
Smieklīgi lieta: Tagad tiek aptaujāti tie, kas pabeiguši datu zinātni, un šķiet, ka viņu līmenis ir vājāks un zemāks nekā tiem, kuri ir pabeiguši fiziku, inženierzinātnes, datorzinātnes, un tad mašīnmācība ir “ievainojusi”. Varbūt tā ir neliela maiņa, jo puiši, kas to iemācījās, sākotnēji bija spēcīgi, iemācījās kaut ko jaunu un nāca. Un datu zinātne patiešām ir „ķiršu ķirsis”, un, ja nav “kūka”, bet ir „ķirsis”, tad tas nav tik interesanti.
- Kā jūs to uzzinājāt?
— Sens teiciens vēsta, ka uz Coursera ir divinopietna gaita, pat pusotra. Šis ir Hintones kurss par mašīnmācīšanos un neironu tīkliem (kurss vairs nav pieejams vietnē Coursera, bet to var skatīt vietnē YouTube — Hi-Tech) un Dafnes Koleres kurss par varbūtības negrafiskiem modeļiem.
Kollera kurss ir videoierakstītas lekcijas,viņa stāsta Stanfordas augstskolu absolventiem. Tāpēc, lai izsauktu viņu ne visai nopietni, tas nerada valodu. Hintona kurss ilgst 16 nedēļas, un Kolleram ir trīs piecu līdz sešu nedēļu kursi. Un es savācu spēku dūrī, izbraucu pa pirmo kursu un sapratu, ka otrais un trešais nav gatavs iet.
Bet Coursera nav vienīgā iespēja.Es lasu daudz grāmatu. Starp citu, tagad esmu pabeidzis Bredlija Efrona grāmatu par statistiku (amerikāņu statistiķis, ASV Nacionālās goda medaļas ieguvējs - augstākais valsts apbalvojums amerikāņu zinātniekiem - “High-Tech”). Pirms tam Īana Godfellova (amerikāņu mašīnmācības speciālists, strādā Google Brain — Hi-Tech) grāmata par dziļo mācīšanos. Tas ir nepārtraukts mācību process. Coursera ir tikai viens resurss, Kaggle (tiešsaistes datorzinātņu kopiena, kas regulāri rīko konkursus - "High-Tech") ir cits, bet galvenais ir lasīt, lasīt, lasīt un pārbaudīt. Ja tu to izlasi un nesaproti, tas ir slikti. Ja jūs saprotat, kā tas darbojas, jūs varat darīt jebko.
Tas ir kā reizināšanas tabula.Iedomājieties, ka cilvēks nesaprot reizināšanas tabulu, bet ir iemācījies to no galvas. Viņi viņam jautā: "Seši reiz seši?" - "36". - "Septiņi pa astoņiem?" - "56". - "Labi, pēdējais jautājums, no 10 līdz 11?" — Vīrietis saka: "Es nezinu, tas nebija reizināšanas tabulā." Tas arī viss. Tie ir cilvēki, kurus es bieži satieku. 10 līdz 11 ir daudz vieglāk aprēķināt, taču tas nav tabulā, jums ir jāsaprot princips. Ja sapratīsi principus, tad viss būs daudz vienkāršāk.
Viss pārējais ir atkarīgs no personas. Šķiet, ka mēs sevi iemācāmies. Mēs vienkārši palīdzam un netraucējam citiem cilvēkiem. Tas viss ir pašdisciplīna jautājums.
— Pastāstiet mums par savu datu zinātnes kursu HSE.
- Tas ir bezmaksas kurss, tas ir standartāprogrammās, par to es saku vienkāršas vienkāršas lietas, kas daudziem cilvēkiem - atklāsme. Piemēram, kādas ir metrikas, kāpēc tās vispār pastāv, kā tās atšķiras viena no otras, kādos gadījumos tas ir nepieciešams, kā pārbaudīt savu ideju par A / B testu. Tas, ko es pats sev atnācu, ir tas, ka cilvēkiem ir svarīgi zināt un ko viņi patiešām vajag savā darbā.
- Kā jūs redzat mazumtirdzniecības nākotni piecu līdz desmit gadu laikā?
— Ja runājam par pārtikas mazumtirdzniecību, tadHipermārketa formāts izmirs. To tagad var redzēt štatos, kā tur izmirst lieli tirdzniecības centri, un, starp citu, arī Krievijā. Kāds bija patēriņa modelis iepriekš? Mēs ejam uz tirdzniecības centru, uz kino, uz pārtikas laukumu un nopērkam kaut ko citu. Tagad mēs nākam mājās, ivi, Okko, Netflix, Yandex.Eda, Delivery Club, piegāde no restorāna, iepirkšanās tiešsaistē. Mums jāvirzās uz personalizāciju.
- Ko tas nozīmēs patērētājam?
- Cilvēks izmanto to, ko? Tas, ko viņš var atļauties un kas viņam ir ērti. Attiecīgi ir nepieciešams samazināt izmaksas, saglabāt to pašu kvalitāti vai palielināt to. Tajā ir prātā personalizācija.
- Persona pērk to, ko viņš var atļauties. Tagad iedzīvotāju reālie ienākumi samazinās, izmaksas samazinās.
— Šādā situācijā veikala ekonomijas formātijusties labāk un augt. Ir divi veidi, kā atrisināt daudzas mazumtirgotāju problēmas. Vai nu automatizācija, vai nolīgt vēl desmit cilvēkus. Īstermiņā otrs veids ir uzvaroša stratēģija, jo integrācija ir dārga, laikietilpīga, un, ja kaut kas noiet greizi, jūs varat zaudēt savu bonusu. Tagad iedomājieties, ka esat nodaļas direktors ar ļoti lielu prēmiju, un jūs varat to zaudēt. Nav skaidrs, vai strādāsiet uzņēmumā pēc diviem gadiem, kad kļūs zināmi šīs automatizācijas rezultāti, vai nē, un par tiem jūs uzslavēs. Un jums jau var būt bonuss. Tāpēc mēs pieņemam darbā vēl desmit cilvēkus. Bet tas ilgtermiņā noved pie lieliem zaudējumiem.