logo
8 (812) 213-67-82Заказ услуг8 (800) 550-09-90Работа у насЗаказать звонок
Экспертное мнение

Применение больших данных в минимизации потерь

Современная экономика напрямую связана с накоплением гигантского объема различных данных – как текстовых, так и числовых, – которые принято называть BigData, т.е. «большие данные». Инновационные технологии позволяют не только анализировать такой объем информации, но и использовать полученные результаты для выявления скрытых потерь. Об особенностях использования больших данных в сфере ритейла рассказал Леонид Нагайцев, директор по развитию ГК «Император».

Леонид Нагайцев, директор по развитию ГК Император

Большими данными принято считать информацию объемом от 0,5 терабайта. Безусловно анализировать такое количество данных традиционными способами, то есть вручную, невозможно – для этого подключается искусственный интеллект, который выявляет наиболее значимые переменные и связи для решения конкретной задачи. Этот процесс принято называть data mining, т.е. интеллектуальный анализ данных, который как раз важен в сфере безопасности. Для хранения, обработки и передачи больших объемов информации используются специальные технологии – data science.

Самыми главными пользователями больших данных в ритейле являются служба безопасности, маркетинг и операционный менеджмент. Во всех случаях главной задачей можно считать повышение эффективности работы компании, которая невозможна без выявления «слабых мест» и анализа рисков. При этом специалистам по безопасности приходится зачастую гораздо сложнее, т.к. к ним поступает информация в разных форматах и из разных источников, таких как чек-листы, программы по аналитике кассовых операций , камеры видеонаблюдения, модули распознавания лиц и другие инструменты контроллинга.

Помимо большого объема информации служба безопасности сталкивается с еще одной проблемой – скоростью поступления данных, которая значительно превышает скорость их обработки. К сожалению, ни один человек не в состоянии осмыслить такое количество информации в реальном времени. Именно поэтому были разработаны инновационные технологические решения, позволяющие обрабатывать большие данные и выдавать специалистам службы безопасности только ту информацию, которая имеет значение при решении задач в сфере безопасности.

Но кроме вышеперечисленных сложностей, у BigData есть и положительная сторона: при таком объеме и скорости потока информации изменить и поправить что-то практически невозможно, а значит любое отклонение от стандартных бизнес-процессов – преднамеренное или нет – оставляет след, который можно вычислить. Во время анализа искусственный интеллект будет обращать внимание именно на различного рода отклонения в поведении покупателей или сотрудников магазина, и выдавать соответствующую информацию службе безопасности. Таким образом, служба безопасности обращает внимание сразу на основные зоны риска, не отвлекаясь по мелочам.

Сегодня существует мобильное приложение , позволяющее собирать BigData в режиме реального времени, что позволяет видеть полную картину и значительно сокращает скорость принятия решений. Это важный критерий для службы безопасности, т.к. чем быстрее будет выявлено и устранено нарушение, тем эффективнее будет работать компания. Специалисты прогнозируют скорое широкое распространение подобных мобильных приложений: они позволят работать с большими данными в любом месте и в любое время.

Конечно, все сотрудники ошибаются, и большинство выявленных нарушений будут наверняка непреднамеренными и не нанесут большого ущерба компании. Такие случаи в большей степени заинтересуют операционный менеджмент, чем службу безопасности. Однако интеллектуальный анализ данных позволяет выявлять не только текущие нарушения, но и прогнозировать потери , выявляя также потенциальные зоны риска.

Что же является основным источником потерь в ритейле? Современные технологии безопасности направлены на выявление хищений покупателями, а также злоупотреблений самих сотрудников при списаниях, инвентаризациях и т. д. Но эти потери составляют не более 40% от всех потерь сетевого магазина. Большая часть – 60-70% – приходится на скрытые потери, связанные с нерациональным движением товаров (перезаказ, недозаказ), а также несоблюдением правил хранения товара, ошибками операторов баз данных и так далее.

Во время исследования скрытых потерь аналитики основываются на утверждении, что товар должен двигаться с такой же скоростью, с какой покупатели выносят его через кассы. Все остальное – остатки, недополученную выручку – можно отнести к потерям.

К сожалению, скрытые потери невозможно выявить традиционными методами, т.к. обычно они тщательно маскируются под неликвидный товар, а в базу заведомо вносятся неверные данные. В итоге магазин теряет либо непосредственно денежную массу, либо какую-то часть непроданного товара. Таких потерь – большинство, но выявить их может только искусственный интеллект, работающий с большими данными гораздо эффективнее, чем сотня аналитиков. А все потому, что любое мошенничество подобного рода, как уже говорилось, оставляет след в цифровых показателях: он может быть выявлен в цене прихода, объемах продаж и входящих партий, наценке, периодичности поставок, сумме проданных товаров по чекам и т. д. – вариантов может быть масса.

Однако мало выявить следы потерь, нужно еще и устранить их причины. Для этого служба безопасности должна работать в плотной связке с операционным менеджментом, а это, как показывает практика, для многих компаний большая административно-управленческая проблема. Необходимо приложить усилия для устранения барьеров между двумя службами, т.к. без этого условия невозможно говорить об эффективном развитии на современном рынке ритейла.

С точки зрения охранных предприятий также очень важно взаимодействие с заказчиком, который первым сталкивается с признаками не типичных процессов на своем объекте, и очень важно, чтобы информация о любых нарушениях или девиантном поведении была вовремя передана службе безопасности.

Специалисты ГК «Император» активно пользуются анализом больших данных как в физической охране, так и включая его в различные комплексные услуги. Основываясь на полученных данных, аналитики решают, в каких зонах необходимо усиление контроля, а какие инструменты можно минимизировать. Таким образом, работа с BigData позволяет также оптимизировать издержки на контроль.