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».

Ниже — самые интересные моменты из интервью, которое вы можете посмотреть целиком на YouTube-канале Data Heroes или в VK.

Одна из ключевых задач команды Data Science — синхронизация прогнозов или сквозное операционное планирование.

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».

Синхронизировать прогнозы удается как раз с помощью Data Science и оценки различных метрик — продаж, поведения пользователей и их интереса к разным товарам.

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.

Скоринг клиентов и мерчантов — это возможность предоставить новые сервисы клиентам, которым компания доверяет: постоплату или рассрочку.

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.

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.

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 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!