Большие данные, цифровизация и машинное обучение для собственников и топ-менеджеров, Или как зарабатывать больше с помощью информации

Речь, конечно, о слишком долгом ожидании в очереди. Студентам приходится тратить на это до 80 % всего перерыва, чтобы потом за оставшиеся считанные минуты быстро забросить в себя еду и бегом добраться до аудитории, где, скорее всего, уже началась лекция. Понятно, что подобные, довольно экстремальные условия серьезно влияют на количество посетителей столовой. Но управляющий не замечает упущенной прибыли, потому что смотрит исключительно на цифры в отчетах и видит постоянную выручку, которая практически не меняется из месяца в месяц. Ориентируясь на эти данные, он делает логичный с его точки зрения вывод: «все отлично, продолжаем работать, клиентам нравится».

То есть для управляющего важно, чтобы выручка не падала, именно поэтому он следит за отчетностью и показателями. Но если мы говорим о росте прибыли, необходимо смотреть не только в бумаги, но и вокруг, обращая внимание на реальные проблемы. Так, выручка стоит на месте, потому что на кассе в каждой столовой сидит только один человек. А очередь – это результат того, что единственный кассир вручную пробивает каждое блюдо, которое видит на подносе у студента, причем в старый кассовый аппарат заносится стоимость блюда с точностью до копейки. То есть в среднем, бедный продавец должен нажать примерно полсотни кнопок, чтобы выдать один чек. А после этого студенты оплачивают еду наличными деньгами, несмотря на то, что вся стипендия приходит на карту, так как раритетный аппарат не принимает карты. Соответственно, кассиру приходится иметь дело еще и с наличными: точно считать, выдавать сдачу и при необходимости бегать разменивать большие купюры. Продолжительность этого процесса сильно зависит от скорости реакции кассира, его моторики, опыта.

Весь этот ад отчетливо видит каждый студент, который стоит в очереди, но не управляющий, который смотрит лишь в цифры, которые говорят ему, что выручка не падает, хотя и не растет. К слову, именно из-за такой вот нелепицы в фирмах и существует отдел «создания и построения компании», который специально отделен от «административного» (поговорим об этом подробно в следующих главах). Оптимизацией и цифровизацией процессов должны заниматься не управляющие, а другие люди, наделенные большими полномочиями и имеющие соответствующую подготовку в области независимого анализа действующих бизнес-процессов. Иначе ничего не получится.

Опишем пошагово задачу и способ проведения цифровизации бизнес-процессов в столовой, по аналогии с тем, как сделали это с гаражным кооперативом.

• Исходные данные: традиционная столовая, где надо встать в очередь, взять поднос, набрать на него еды, подойти к кассиру, оплатить еду.

• Цель цифровизации: увеличить скорость движения очереди, чтобы выросло число обслуживаемых клиентов и, как следствие, ежедневная прибыль.

• Бюджет цифровизации: ноль (как и в случае с гаражным кооперативом). Исходим из того, что свободных денег нет совсем, то есть мы не можем сделать перепланировку в столовой и посадить второго кассира, например.

Немного изучив проблему и стартовые условия, можно прийти к выводу о необходимости построения системы, которая бы работала вместе с кассиром, ускоряя его действия в несколько раз. Эта система сама должна формировать чек, «видя» еду на подносе клиента. А продавцу останется лишь бегло проверять данные и нажимать не на пятьдесят разных кнопок, а только на одну с надписью: «Напечатать чек». И конечно, оплата должна производиться по карте, а не наличными деньгами, что еще больше сократит время обслуживания. Подобный программно-аппаратный комплекс значительно ускорит очередь. Таким образом, необходимо построить систему, при которой кассир бы весь день только смотрел на монитор с результатами распознавания заказа и ему оставалось бы просто подтвердить состав чека и проследить, чтобы клиент заплатил.

Для работы такой системы-помощника кассиру потребуется алгоритм распознавания объектов на фото и видео, вариации которого уже давно есть в публичном доступе в интернете. Их точность распознавания достигает 95–98 % при скорости обработки несколько десятков изображений в секунду. Эти алгоритмы могут анализировать и потоковое видео с камеры. То есть клиенту не надо будет даже делать стоп-кадр подноса – все будет распознано на ходу.

Подобные алгоритмы, размещенные в публичном доступе, часто имеют открытую лицензию, то есть автор разрешает использовать их бесплатно даже в коммерческих целях. С их помощью подобный проект с распознаванием еды на подносе видеокамерой может сделать даже школьник, обладающий средними знаниями в программировании. В этой книге, чуть дальше, вас ждет глава, в которой собрана информация о популярных бесплатных алгоритмах машинного обучения. В том числе и несколько вариантов для распознавания предметов на фото и в потоковом видео.