Andrey NМы собрали некоторые из наших наиболее интересных проектов в 10 слайдах. каждый слайд - по отдельному направлению. За каждым - привлекательный бизнес-кейс с возвратом на аналитику 2x и более, история реализации, полезные инсайты для заказчика и lessons learned для команды.
Делимся результатом:
Среди аналитических задач время от времени попадаются нестандартные - те, у которых нет известного решения.
В одном из давних проектов мы анализировали новостной портрет одного из субъектов РФ - как выглядит регион глазами человека, читающего СМИ.
Идея пришла довольно быстро: показать ключевые слова (ключевые фигуры и бизнес региона, а также характерные слова, такие как, например, "инновация"), а также их связи. Немного обработки, и мы получили карту связанных понятий, вот она:
Пристальное изучение карты позволило сделать много содержательных выводов: и то, что именно обсуждается, и то, в каком контексте. Отдельные кластеры сформировались вокруг ключевых бизнесов региона, хоккея, авиации, операторов связи и сельскохозяйственных инициатив.
Выводы были использована на сессии стратегического планирования развития региона, сама карта была несколько раз распечатана на широкоформатных листах и породила немало обсуждений и инсайтов.
Иногда кассиры проводят товары мимо сканера. Намеренно или нет (ситуации бывают разные), но это существенная статья потерь для любого ритейлера, и службы безопасности за этим пристально следят.
В большинстве сетевых ритейлеров над каждым кассиром находится камера, которая снимает его действия, эти видео потом просматривают видеоаналитики. Но час работы видеоаналитика стоит дороже часа кассира, и просматривать все видео экономически невозможно. Возникает постановка задачи: выбрать те фрагменты, где пронос мимо сканера наиболее вероятен.
Простое решение напрашивается само собой: все, что сканировалось дольше 5 секунд (после пробития предыдущего товара) - направляем на аналитику. Пробуем, видим: большинство таких товаров - сигареты (которые кассир достает из специального ящика), шоколадки (которые клиент берет в последний момент из прикассовой зоны), пакеты (которые нужно отделить от пачки и раскрыть). Подход не сработал.
На помощь приходит машинное обучение. Мы прогнозируем время, необходимое для сканирования товара, с учетом множества факторов (включая, например, день и ночь, опытность кассира и прочие) и берем те сканирования, которые заняли необычно много времени.
Результат пилота - порядка 30% выделенных машиной случаев действительно стоят внимания. И это те случаи, которые ранее не попадали под пристальный взгляд видеоаналитиков и СБ.
"В ходе короткого пилота мы смогли убедиться, что предположение о возможности выделять в потоке данных с касс интересующие нас аномалии - оправдалось."
Сергей Малютенков, Управляющий партнер, "Император-техно"