СоХабр закрыт.

С 13.05.2019 изменения постов больше не отслеживаются, и новые посты не сохраняются.

| сохранено

H Как «Додо Пицца» решает проблемы бизнеса с помощью машинного обучения в черновиках

image
«Пиццерии будущего» появляются по всему миру. На фото – Zume Pizza из Калифорнии

В прекрасной России будущего вы зайдёте в пиццерию, посетите почтовое отделение или банк, возьмёте нужную вещь – и спокойно уйдёте. Не будет никаких очередей. Просто автоматическое списывание денег с вашего счета. При этом качество товаров значительно возрастет, ведь проверять их будут машины, а не человек.

Облачные решения в ближайшие годы изменят мир ритейла. VR, AR, видеоаналитика, нейросети – все эти технологии связаны с облаками и попадают в прямую зону ответственности VSaaS.

«Додо Пицца» – международная сеть пиццерий с интересной структурой прозрачности – открыты данные по прибылям и убыткам, а инвесторы могут в онлайн режиме следить за жизненно важными показателями пиццерий: выручкой, средним чеком, производительностью, расходами.

«Додо пицца» устанавливает видеонаблюдение в каждую пиццерию. Посмотреть трансляцию с камеры может не только Федор Овчинников, а любой человек на сайте «Додо». Видеонаблюдение – часть стратегии открытости и прозрачности «Додо». А еще это инструмент увеличения продаж.

Основа успеха «Додо» – стремление к автоматизации бизнес-процессов. С этой целью в компании создали облачную информационную систему «Додо ИС» и стали глобально менять подход к видеонаблюдению.

Для «Додо» всё началось с простого желания обеспечить порядок и показать клиентам процесс приготовления пиццы. В каждой пиццерии на кухне висит камера. Трансляция ведется через интернет и доступна к просмотру всем.

За последний год камеры в пиццериях из инструмента «живого присутствия», эволюционировали в инструмент сбора данных для видеоаналитики.

«Додо пицца» воспользовалась двумя сервисами, расширяющими возможности видеонаблюдения: платформой Dbrain и детектором очередей Ivideon.

Нейросети DBrain


image

CEO и соучредитель Dbrain – Дмитрий Мацкевич. Несколько лет назад он участвовал в создании чат-бота Icon8, мгновенно обрабатывающего фотографии с помощью нейронных сетей. Пользователь выбирает один из шести стилей, доступных для использования в боте – на старте проекта в 2016 году это удивляло.

Icon8 собрал 7,5 миллионов пользователей – самый популярный на тот момент проект в Telegram, удостоенный грантом от Павла Дурова.

Полученный опыт Дмитрий использовал в DBrain. Компания делает ставку на нейросети и добавляет к ним технологию распределенного реестра.

DBrain представляет собой блокчейн-платформу для совместной работы над созданием «слабого» ИИ. Обучение нейросети предполагает большой объем ручного труда при разметке данных – процесс дорогой и занимает много времени. Команда придумала, как снизить стоимость создания и повысить точность нейросетей: любой человек может за деньги стать «учителем» для нейросети.

image

Обучать сетку очень просто – смотрим на фотографию в приложении и отвечаем, кто же на ней изображен: лисичка, котик, собачка или комок шерсти. Возможно, это самая невероятная интерпретация игры «Корова делает МУУУ».

По запросу «Додо Пиццы» на DBrain разработали приложение на основе машинного обучения, которое контролирует качество приготовления пиццы. Приложение реализовано в виде Telegram-бота, оценивающего пиццу по фотографии. Бот самостоятельно даст оценку продукту от 0 до 10 по ключевому критерию — качеству теста.

image

Бот работает с армией тайных покупателей – это внутреннее сообщество «Додо пиццы», насчитывающее более 50 000 человек. Рейтинг качества пиццерий формируется на основе отчетов покупателей, которые еженедельно оценивают на соответствие стандартам почти 700 пицц. Добровольцы получают за работу Додо-рубли, которыми можно оплатить пиццу при следующем заказе.

Но где же тут видеонаблюдение?

Видеонаблюдение сокращает расходы и полностью автоматизирует работу по составлению рейтинга пиццерий. Для этого достаточно предоставить приложению от Dbrain видеоданные вместо фото. С помощью камеры программа успеет проверить не 2 пиццы в неделю, как обычный человек, а 300 в день – ровно всё, что выйдет из печи.

image

Нейросеть Dbrain сегментировала пиццу на 50 000 фотографиях и научилась искать изъяны в каждом сегменте. Например, если на краях пиццы сетка обнаружит маленькие вздутия, которые практически не заметны человеческому глазу, то сразу «поймёт» о плохом качестве теста. При этом сеть сравнивает каждую пиццу с «идеальной» моделью, созданной на основе данных, которые предоставили тайные покупатели и эксперты, профессионально занимающиеся оценкой качества пиццы.

Детектор очередей Ivideon


image

Компания Ivideon использовала машинное обучение для создания детектора очереди. Детекторов придумали уже превеликое множество, но все они не лишены недостатков. Люди в очереди не ведут себя как статичные геометрические фигуры. Люди переходят с места на место, нарушая работу внешних датчиков, становятся так, чтобы сливаться с фоном или друг с другом, и мешают камере различить объекты.

Машинное обучение позволило выделить из человека «главное» – голову. Считая по головам, удалось добиться практически 100% точности определения наличия человека в кадре. А дальше достаточно просто подсчитать количество людей и прислать менеджеру уведомление о возникновении очереди для мгновенной реакции.

Менеджер получает уведомление и решает открыть еще одну кассу. Или закрывает кассу, на которой скучает ненагруженный кассир.

Другая важная часть сервиса – статистика. Детектор считает количество людей в очереди, строит графики и диаграммы, характеризующие распределение покупателей по времени. С такими данными проще оптимизировать рабочий график персонала, оценить качество маркетинговой акции или выявить недостатки оформления витрины.

image

Отчеты формируются в формате CSV, данные также доступны в интерфейсе личного кабинета Ivideon. Из отчета можно узнать:

● проблемные зоны (с возможностью сравнения в рамках одного или нескольких заведений);
● пиковые нагрузки, длину и динамику образования очередей;
● видеоданные по каждому скоплению людей.

С данными отчета легко пойти дальше и строить прогнозы на дни и недели вперед. Теперь легко узнать, какие кассы, в какие часы получают максимальную и минимальную нагрузку.

image

Ivideon также обрабатывает данные из касс по чекам. Для этого систему управления очередью нужно дополнить бесплатным модулем интеграции с 1С. Из интерфейса 1С пользователь получает видеозаписи по любым системным событиям, например печать чека, складские операции (приемка, отгрузка), возвраты товара.

Оценка вложений


Затраты на проект с Dbrain «Додо» в открытых источниках пока не публикует. Даже если считать по максимальным затратам, решение все равно выглядит выгодным – нейросеть есть не просит и не претендует на бесплатную пиццу.

Затраты на детектор очередей видит любой пользователь сервиса Ivideon в личном кабинете – 800 рублей за одну камеру в месяц. В эту же сумму входит детектор движения, облачный архив (который сам по себе платный), возможность встроить трансляцию с камеры на свой сайт или поделиться видео в социальных сетях.

Для тех, кто и так использует облачный архив для хранения данных с камеры, подключение детектора выглядит очевидным шагом. С учетом периодических обновлений следует ожидать изменений, которые расширят функции сервиса. После детектора людей как объектов, очевидно, последует детектор лиц.

Бизнес в этой истории интересует прибыль. С «Додо» выводы делать рано, однако другая компания («Интерлогика») публикует такие цифры: общая стоимость внедрения системы детекции очередей, с учетом закупки камер (на объекте их не было), составила примерно 500 000 руб. Содержание системы обходится в 30 000 рублей в месяц. За счет роста качества работы и экономии на персонале (дополнительный продавец появляется только когда нужен) средняя выручка магазина увеличилась на 7%. Система окупится менее, чем за 1 год, а дальше начнет приносить прибыль.

Выводы


Камера – мелкофункциональный кусок пластика. Помогает наблюдать за сотрудниками, клиентами, товарами – тем самым меняет качество обслуживания. Но ничего больше, чем мигать огоньком и демонстрировать картинку, камера делать не умеет.

Еще 10-15 лет назад камера была похожа на версию охранной собаки с ограниченными возможностями здоровья – наблюдает за периметром, сигнализирует охраннику о нарушителях, помогает раскрывать преступления и на этом всё. С появлением видеоаналитики сама камера не изменилась, но ее возможности многократно расширились.

Отдельные тестовые проекты с видеоаналитикой запускают, кажется, все крупные игроки в России. «Сафмар Ритейл», владеющая 30% рынка потребительской электроники, делает ставку на блокчейн и дополненную реальность. Х5 Retail Group тестирует технологии сколковского резидента Intelligence Retail по мониторингу наличия товаров на полках магазина с применением машинного зрения и камер Ivideon. ФРИИ отдельно инвестирует в платформу для шопинга без очередей.

Малый и средний бизнес замер в ожидании своей участи.

комментарии (1)

0
KIVan ,   * (был изменён)
Я немного сокращу ващ текст и добавлю реализма:
«В прекрасной России будущего будет просто автоматическое списывание денег с вашего счета.»