Главная » Хабрахабр » Как «Додо Пицца» решает проблемы бизнеса с помощью машинного обучения

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

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

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

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. Облачные решения в ближайшие годы изменят мир ритейла.

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

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

В каждой пиццерии на кухне висит камера. Для «Додо» всё началось с простого желания обеспечить порядок и показать клиентам процесс приготовления пиццы. 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

Несколько лет назад он участвовал в создании чат-бота Icon8, мгновенно обрабатывающего фотографии с помощью нейронных сетей. CEO и соучредитель Dbrain – Дмитрий Мацкевич. 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.

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

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

image

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

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

image

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

Но где же тут видеонаблюдение?

Для этого достаточно предоставить приложению от Dbrain видеоданные вместо фото. Видеонаблюдение сокращает расходы и полностью автоматизирует работу по составлению рейтинга пиццерий. 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

Например, если на краях пиццы сетка обнаружит маленькие вздутия, которые практически не заметны человеческому глазу, то сразу «поймёт» о плохом качестве теста. Нейросеть Dbrain сегментировала пиццу на 50 000 фотографиях и научилась искать изъяны в каждом сегменте. 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

Детекторов придумали уже превеликое множество, но все они не лишены недостатков. Компания Ivideon использовала машинное обучение для создания детектора очереди. 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. Люди в очереди не ведут себя как статичные геометрические фигуры.

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

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

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

image

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

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

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

image

Для этого систему управления очередью нужно дополнить бесплатным модулем интеграции с 1С. Ivideon также обрабатывает данные из касс по чекам. 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.

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. Затраты на детектор очередей видит любой пользователь сервиса Ivideon в личном кабинете – 800 рублей за одну камеру в месяц.

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

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. Бизнес в этой истории интересует прибыль. За счет роста качества работы и экономии на персонале (дополнительный продавец появляется только когда нужен) средняя выручка магазина увеличилась на 7%. Содержание системы обходится в 30 000 рублей в месяц. 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.

С появлением видеоаналитики сама камера не изменилась, но ее возможности многократно расширились. 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.

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

Малый и средний бизнес замер в ожидании своей участи.


Оставить комментарий

Ваш email нигде не будет показан
Обязательные для заполнения поля помечены *

*

x

Ещё Hi-Tech Интересное!

[Из песочницы] От var b до собеседования

Вы почти закончили универ или колледж? Вас пригласили на собеседования, но вы идете туда без подготовки? У вас нет образования (высшего), но хотите работать программистом или в сфере IT? Речь пойдёт по большей степени о поиске работы, я буду говорить ...

OpenSceneGraph: Основы работы с геометрией сцены

OpenGL, являющийся бэкэндом для OpenSceneGraph, использует геометрические примитивы (такие как точки, линии, треугольники и полигональные грани) для построения всех объектов трехмерного мира. Эти данные хранятся в специальных массивах. Эти примитивы задаются данными об их вершинах, в которые входят координаты вершин, ...