Большие данные для минимизации потерь в сетевом ритейле

Михаил Ласкин

Бизнес-аналитик «Император Техно»

Современное состояние российского ритейла, интернет торговли привело к тому, что в компаниях скапливаются данные (как числовые, так и текстовые) в объемах называемых сегодня BigData (начиная примерно от 0,5 терабайта). Такие объемы данных невозможно просматривать и изучать традиционными методами, они требуют специальных технологий хранения, передачи и обработки информации.

Основная нагрузка по извлечению значимой информации из таких данных в ритейле ложится на операционный менеджмент и службы безопасности. Нагрузка на службу безопасности значительно больше, т.к. СБ помимо движения товаров имеет, как правило, разветвленные системы сбора другой информации, такой как: чек-листы по нарушениям, кэш-контроль, удаленный видео мониторинг, операционный контролинг и т.д., которая также может иметь как числовой так и текстовый характер. Большой объем данных — только часть проблемы.

Второй частью проблемы является то, что современные технологии позволяют собирать всю значимую информацию в режиме реального времени. Таким образом, информация поступает со скоростью превышающей скорость её обработки, осмысления и нормальной человеческой реакции. Естественным решением является поиск математических решений, создание алгоритмических и программных продуктов («Искусственный интеллект»), позволяющих службам безопасности обрабатывать информацию и вырабатывать решения в режиме реального времени. Технические возможности для этого уже есть. Современное состояние элементной базы, производственных технологий, рынка мобильных устройств, привели к тому, что на рынок вышли мобильные устройства позволяющие работать с BigData (пока до 1 терабайта, но будут и больше), что называется «на ходу», не в офисе. Это очень важно для СБ, основной задачей которых является предотвращение потерь и максимально сокращенное время реакции на события. В ближайшее время следует ожидать появления соответствующих мобильных приложений.

Проблема больших данных имеет оборотную (положительную для СБ) сторону. Данных так много, они поступают с такой скоростью, что изменить или «поправить» в них что-либо просто невозможно. Обычное, стандартное поведение покупателей/персонала, соблюдение бизнес-процессов образует некоторое «компактное» облако многомерных данных. Любое ошибочное или преднамеренное действие обязательно оставит «цифровой» след в виде аномальных отклонений от «стандарта». В BigData такие отклонения должен обнаруживать искусственный интеллект и немедленно выдавать соответствующую информацию в СБ для реакции. В данном случае искусственный интеллект решает и вторую важную для организации работы СБ задачу – позволяет сфокусировать внимание СБ на действительно значимых аномалиях. Человеку свойственно ошибаться – значительная часть ошибок не является преднамеренной и не наносит значимого ущерба компаниям, такие ошибки не являются предметом интереса СБ. Скорее они относятся к текущей деятельности операционного менеджмента. Соответственно, СБ не тратит ресурсы на мелочи, полностью переключаясь на значимые зоны риска.

Методы анализа BigData дают возможность не только реагировать на уже случившиеся события, но и находить зоны риска с точки зрения будущих потерь.

Хорошо развитые и проработанные технологии безопасности направлены на злоупотребления при списаниях, инвентаризациях, воровство покупателей, недобросовестность персонала, а это только 30-40% потерь компаний. Оставшиеся 60-70% потерь – скрытые потери.

Базой при исследовании скрытых потерь является тезис: товар должен двигаться так, как его покупают, т.е. с такой же скоростью, с какой покупатели выносят его через кассы. Все остальное – это потери (например, на остатках, в идее недополученной выручки и т.д.). Скрытые потери не могут быть выявлены традиционными методами, их причиной могут быть как ошибки, так и преднамеренные действия. Чаще всего такие действия старательно «маскируются» под остатки, неликвиды, в базы заносятся неверные данные и т.п. Как правило, результатом скрытых действий и скрытых потерь является изъятие у компании либо товарной массы, либо денежных средств (например, в виде платежа за не проданный товар).

Должны ли такие действия быть предметом интереса СБ? Скорее всего – да, т.к. это тоже потери. Они, как правило, больше всех других потерь вместе взятых, но для их выявления нужны меньшие ресурсы. Здесь больший эффект даст анализ данных, чем армия сотрудников СБ. Любое подобное действие обязательно оставит след в цифровых показателях: в цене прихода, наценке, объемах продаж и входящих партий, периодичности поставок, сумме проданных штук по чекам, списаниях, возвратах и т.д.

Выявление и пресечение таких потерь возможно при хорошо поставленной аналитике и взаимодействии СБ с операционным менеджментом. Взаимодействие СБ с операционным менеджментом – серьезная административно-управленческая проблема, особенно в больших компаниях. Но и потери в больших компаниях несравнимо больше. Компании, заинтересованные в сохранении и расширении своей доли на рынке обязаны уже сейчас решать проблему этого барьера.