CNews: Как развивается рынок инноваций для ритейла в России? Насколько быстро развиваются аналитические решения, востребована ли аналитика в развивающихся направлениях инноваций?

Денис Левченко: Во многих отраслях экономики потенциал органического роста сужается, и компаниям приходится учиться делать более качественные, конкурентоспособные вещи за те же деньги, чтобы успешно конкурировать. Стартапы, инновации появляются во всех процессах бизнеса, не только чтобы обогатить их чем-то интересным и самобытным инновационным, но главное для оптимизации затрат и повышения качества продуктов и услуг, чтобы выжать из привычных вещей больше. При этом важно не перестараться и не разрушить процесс, который уже существует. Аналитика и большие данные позволяют определить, где находится тот самый потенциал, который можно использовать и потратить, например, не 100 рублей на что-то, а 90 рублей.

Многообещающие инновации лежат в анализе большого объема информации – всевозможных неструктурированных массивов информации, и попытках выстроить какие-то логические связи, использовать эту аналитику наилучшим образом для самых разных процессов. Это может быть и более таргетированная реклама, и более удачный расчет логистических путей и маршрутов для оптимизации расходов на логистику.

CNews: Какие направления инноваций кроме больших данных наиболее активно растут?

Денис Левченко: Что касается других больших стримов в инновациях, то это, на мой взгляд, также все технологии, связанные с персоналом, то есть разработки для автоматизации рутинных процессов, обучения. Крупный бизнес – это большое и затратное хозяйство, поэтому активно растет сегмент решений для предиктивной аналитики по расходам на электричество и воду, для экономичного потребления ресурсов и так далее. Еще активно растут разработки для логистики, более эффективного совместного использования автопарка и управления транспортом. Мы уже используем подобные модели и доставляем пустыми рейсами сторонние грузы, оказываем транспортные услуги для поставщиков.

Очень перспективны аналитические решения для открытия магазинов. В нулевых годах практически в каждом первом помещении, подходящем нам по площади, можно было открывать магазин. Сейчас ситуация изменилась, мы более вдумчиво выбираем помещения. И если раньше было достаточно сделать собственное исследование и в табличке зафиксировать, сколько людей живет вокруг, то сейчас для этого мы уже применяем сложные аналитические продукты, которые анализируют и сопоставляют сотни загруженных параметров с помощью математических моделей и помогают анализировать целесообразность открытия торговой точки и срок ее выхода на окупаемость.

CNews: Можете оценить конкретные показатели, на которые влияет применения аналитики?

Денис Левченко: У одного авиаперевозчика благодаря внедрению инструментов аналитики и интеграции с booking.com, Aviasales и другими агрегаторами, продающими билеты, за последние несколько лет заполняемость рейсов выросла с 79 до 96%. Это значимый скачок, он серьезно влияет на эффективность использования материальных фондов. Для ритейла это тоже работает. Аналитика может помочь эффективнее использовать площади магазинов, сотрудников, сократить коммунальные платежи и прочие расходы. Мы учимся использовать наши «квадратные метры» более эффективно и арендовать квадратные метры в тех местах, где мы знаем, что продажи будут однозначно выше. Также аналитика интересна бизнесу там, где она может помочь росту товарооборота или снижению потерь. Например, анализ данных о скорости движения товаров, объеме поставок, распределении между магазинами, по скорости продаж позволяет спрогнозировать пики спроса и оптимально спланировать промо.

CNews: Искусственный интеллект, нейронные сети, машинное обучение – можно ли получать пользу от этих технологий уже сейчас, или вы пока присматриваетесь к ним?

Денис Левченко: Искусственный интеллект – слишком общее понятие. Объективно до полноценного искусственного интеллекта наука будет развиваться еще 10–15–20 лет. Мы должны размышлять о том, как работать с машинным обучением и нейронными сетями. Сейчас, например, решения на основе компьютерного зрения и нейронных сетей используются в видеоаналитике. Видеоаналитика и аналитика данных востребована практически для любой функции в ритейле. Это HR, и маркетинг, и операции, практически все, и даже безопасность. За последние 3–5 лет стало понятно, что видеоаналитика может решать многие задачи, которые раньше решали с помощью каких-то отдельных инфраструктурных решений. Например, у нас в магазинах установлены терминалы для распознавания отпечатков пальцев, чтобы учитывать рабочее время сотрудников. Сейчас стало возможно распознавать лица, и это гораздо проще и намного удобнее.

Денис Левченко: Финансовую выгоду приносят продукты видеоаналитики, которые показывают измеримый результат быстро – в тот же день, через час или в режиме онлайн

CNews: Расскажите о вашем проекте тестирования систем видеоаналитики. В каких бизнес-процессах вы изначально планировали использовать подобные решения?

Денис Левченко: В конце прошлого года мы посмотрели на всевозможные процессы в бизнесе и поняли, что часть задач можно успешнее, дешевле и проще решать с помощью видеоаналитики. В одной ситуации видеоаналитика может способствовать росту РТО, в другой – снижению потерь, в третьей – поможет перераспределить рабочее время сотрудников и поручить им более интеллектуальные задачи. Потом мы стали смотреть на процессы уже и более детально определять конкретные сценарии, которые можно улучшить с помощью видеоаналитики. Например, мы поняли, что с помощью компьютерного зрения можно автоматизировать, ускорять контроль доступности товаров на полках в магазинах, контролировать длину очередей и наличие свободных касс. Это поможет увеличить товарооборот. Чтобы снизить потери можно с помощью видеоаналитики предупреждать вероятные кражи.

CNews: Где системы компьютерного зрения показали себя наиболее эффективно, а где, по вашему мнению, они работают недостаточно хорошо? Что было важным для вас при выборе, какие параметры вы оценивали, тестируя системы видеоаналитики для каждой из задач?

Денис Левченко:

Наш проект по исследованию возможностей видеоаналитики состоит из двух больших этапов – локального тестирования технологий и полноценного пилота с интеграцией в реальные бизнес-процессы и ИТ-системы компании. На этап тестирования технологии мы приглашали проверенные и испытанные годами компании, которые уже реализовали для «Пятерочки» и других сетей проекты, связанные с видеоаналитикой. Также нам важно было не упустить интересные, стартаповские идеи, нестандартные подходы, поэтому стартовый список технологий видеоаналитики для ритейла мы практически не ограничивали. Всего на старте было порядка 12 технологий. Начиная тестирование, мы сказали разработчикам: вот вам каждому по магазину и пытайтесь что-то, реализовать, тренируйтесь, вот вам месяц-полтора, устанавливайте, смотрите, отлаживайте, и возвращайтесь к нам с готовым продуктом и результатом.

На первом этапе главной задачей было понять, что может приносить деньги, а что – нет. Мы поняли, что финансовую выгоду приносят продукты видеоаналитики, которые показывают измеримый результат быстро – через час, в тот же день или в режиме онлайн. Тогда на основе таких данных можно принимать оперативные решения, сразу адаптироваться к условиям, которые показывает анализ видео. Это, например, сценарий для контроля доступности товаров на полке: когда камеры периодически снимают полки, а полученное изображение сразу анализируется нейронной сетью. В таком сценарии данные о том, что пора выложить тот или иной товар, попадают к сотруднику быстрее, чем если бы он контролировал все полки вручную.

Сейчас, на этапе полноценного пилота, мы работаем с компаниями, которые себя зарекомендовали, и над сценариями, которые приносят финансовую выгоду. Мы также заранее оцениваем риски, чтобы по итогам пилотов стоимость решения не выросла в несколько раз. Также немаловажный фактор для выбора решения на старте – компетенции и квалификация для будущего масштабирования решения, чтобы компания осилила весь выполняемый объем работ по раскатке решения на сотни магазинов месяц.

CNews: Как работают выбранные вами решения? Какие задачи они решают, как это выражается в бизнес-показателях?

Денис Левченко: Если говорить про контроль товаров на полках, то в этой области есть два метода. Первый, когда нейронная сеть распознает пустоты на фото и дает сигнал сотруднику, что пора выложить товар, который должен по планограмме быть на пустом месте. Все было бы хорошо, если бы расположение товаров на полках не менялось постоянно. И сотрудники, и покупатели перемещают, сдвигают продукты на полках, в итоге их реальное местоположение не соответствует загруженным в нейронную сеть планограмму, а информация для персонала начинает поступать позже и очень сильно искаженной. Соответственно на этапе тестирования мы поняли, что нужно распознавать не пустоты, а имеющиеся товары, конкретные SKU. Нейронная сеть сравнивает фото имеющихся товаров и сообщает сотрудникам, чего на полке нет. Весь процесс от съемки до информирования сотрудника занимает не больше 10 минут.

Технология для контроля длины очереди – это самая обычная нейронная сеть, которая обучена распознавать макушки людей и способна исключать из подсчетов людей в красных жилетках «Пятёрочки». Сеть видит, что в моменте в квадрате под камерой оказывается 4 или больше человек на период больше 15 секунд и отправляет уведомление. Сейчас это письма на почту, а целевая модель – голосовые сообщения по радио «Пятерочки»: «Уважаемые кассиры, займите свое место на кассе». Впервые такие сообщения могут прозвучать в магазинах в октябре. Плюс будет формироваться отчет о том, сколько раз за день сработала система, насколько это было критично. Управляющий и супервайзер будут за этим наблюдать, корректировать расписание работы кассиров.

CNews: Внедрение таких решений вызывает какие-либо сложности, необходимость перестройки бизнес-процессов, модернизации ИТ-инфраструктуры, организационных изменений?

Денис Левченко: Х5 сейчас работает исключительно на своем оборудовании, расположенном в России либо в магазинах, либо в собственном ЦОДе, с минимальной интеграцией с внешними системами. Не все проекты готовы работать по такому принципу. Мы рассматриваем модели IaaSили PaaS, как работает Microsoft и SAP, либо модель SaaS, когда нам не дают полностью код, а дают только пользоваться этим кодом. Перед раскаткой также нужно будет принять решение, как сделать так, чтобы данные от видеоаналитики, количество которых будет только расти, минимально занимали и без того загруженный канал связи в магазине. Также частично придется менять и бизнес-процессы, это совершенно органический процесс. Например, раньше персонал не проводил столько времени у полок, значит, мы должны его от чего-то освободить и дать ему эту функцию взамен. Предстоит как-то перестроить работу кассиров, чтобы новые кассы в пиковые часы открывались, а затраты на персонал не росли.

CNews: Несколько слов о планах и видении будущего

Денис Левченко: Я думаю, что в перспективе 5–10 лет подавляющее большинство задач для видеоаналитики будет решаться закольцовано, одновременно помогая и безопасности, и маркетингу, и операциям в магазине. Будут дешеветь видеокамеры, аналитические решения. Фактически машинное зрение может заменить человеческое. Каким-то образом будет решен вопрос по использованию персональных данных, который сейчас не всегда дает возможность развивать технологии и корректно работать с данными о людях. Например, наверняка будет гораздо точнее конкретизировано, что относится к персональным данным, а что нет.