Как Data Science находит ценность для клиентов на пересечении науки и бизнеса
Как Data Science и машинное обучение помогают бизнесу получать прибыль и оптимизировать процессы — рассказал руководитель департамента машинного обучения в ecom.tech Петр Лукьянченко подкасту Data Heroes.
Data Heroes — подкаст про супергероев в области данных. Уже 5 сезонов я общаюсь с аналитиками, дата-инженерами, BI-специалистами, маркетологами, предпринимателями и руководителями отделов про то, как они работают с данными и извлекают из них пользу.
Гостем нового выпуска стал Петр Лукьянченко из ecom.tech — компании, которая разрабатывает ML и DS-решения для «Самоката», «Мегамаркета» и «Купера».
Раньше компания называлась Samokat.tech, но из-за этого многие думали, что она работает только с «Самокатом». Ребрендинг провели, чтобы не возникала путаница.
Ниже — самые интересные моменты из интервью, которое вы можете посмотреть целиком на YouTube-канале Data Heroes или в VK.
Сквозное операционное планирование с помощью DS
Одна из ключевых задач команды Data Science — синхронизация прогнозов или сквозное операционное планирование.
- Прогноз спроса помогает закупить оптимальное количество товара.
- Прогноз количества заказов определяет, сколько курьеров нужно в каждом районе.
Эти данные должны быть согласованы, так чтобы они дополняли друг друга и ни в коем случае не вступали в противоречие. Особую сложность добавляет разная сезонность товаров: у некоторых товаров она ярко выражена, у некоторых отсутствует, а у некоторых есть «контрсезонность».
«Для нас большим удивлением стало, что сланцы и пляжные принадлежности, казалось бы, должны расти в продажах в апреле-мае. Ничего подобного — они растут в конце ноябре-декабре, поскольку многие улетают в теплые края зимовать».
Синхронизировать прогнозы удается как раз с помощью Data Science и оценки различных метрик — продаж, поведения пользователей и их интереса к разным товарам.
Скоринг пользователей: «Черное зеркало» или новые возможности для всех?
Одна из задач команды — предвосхищать мошенничество со стороны мерчантов и покупателей и прогнозировать вероятность таких событий.
Недавно Самокат запустил сервис, который позволяет примерить одежду, забрать ее и оплатить через несколько часов. Такая опция доступна только тем пользователям, про которых система сказала, что они не склонны к мошенничеству, и им можно доверять.
«Информация о том, какие покупки совершал клиент, при этом незначительна. Поведенческие особенности пользователя что он смотрит и на что залипают, больше характеризуют склонность к фроду».
Скоринг клиентов и мерчантов — это возможность предоставить новые сервисы клиентам, которым компания доверяет: постоплату или рассрочку.
Машинное обучение — будущее онлайн-торговли?
«E-commerce как бизнес-модель построен на том, чтобы собирать огромный пул информации о разных сегментах бизнеса, продавцах, ценах, логистике, и вся эта информация может быть обработана, чтобы на ее основе получить более оптимальные решения».
Data Science и машинное обучение позволяют автоматизировать и сделать более эффектиной обработку информации. Необязательно рассматривать это как замену человека — возможно, возникнет система поддержки принятия решений, которая подсвечивает оптимальные варианты.
Data Science будет развиваться в ecom-сфере, а в будущем возможен перенос многих идей и технологий в офлайн-магазины. Например, компьютерное зрение на основании перемещений пользователей внутри магазина может определить их увлечения, найти слепые зоны, куда люди не доходят, подсказать консультанту, что посоветовать человеку.
Офлайн-магазины — площадка первого касания, а будущее за онлайн-магазинами, службами доставки и дарксторами
Онлайн-магазины не заменят офлайн, но модель потребления меняется. В магазины люди ходят, чтобы оценить товар, пощупать, понять, какой размер подходит. А второй раз они уже туда не возвращаются, а заказывают вещи онлайн.
«Я сомневаюсь, что объемы покупок в офлайн-магазинах сохранят прежние объемы. Будет переток в онлайн-сферу».
Офлайн-магазины, даже дискаунтеры, много ресурсов тратят на содержание складов: электричество, поддержание, обслуживание, зарплаты персоналу. Дарксторы способны многие из этих вещей удешевить: им не нужно столько персонала, можно оптимизировать количество товара на квадратный метр.
«В итоге ценообразование дарксторов будет перебивать цены дискаунтеров».
В интервью еще много интересного — про состав команды машинного обучения, их подход к найму и разные сервисы, над которыми они работают для «Самоката» и не только. И, конечно, еще больше рассуждений о будущем онлайн- и офлайн-торговли и Data Science.
Смотрите выпуск целиком на YouTube-канале Data Heroes и в VK. И обязательно подписывайтесь, чтобы не пропустить новые видео!