Выберите тему — соберём контекст
Задачи, которые чаще всего окупаются первыми: автозаказ поставщику, управление сроками годности, контроль выкладки и борьба с потерями на кассах самообслуживания.
Ежедневный пересчёт потребности по каждому SKU с учётом срока поставки, минимальной партии и кратности упаковки. Заказ формируется в 1С или ERP, а закупщик подтверждает исключения: новинки, товары с аномальным спросом и позиции с ручными ограничениями поставщика.
Модель прогнозирует, успеет ли партия уйти по полной цене, и предлагает срок и глубину уценки заранее. Для скоропорта это разница между скидкой в 20% за два дня до истечения срока и полным списанием в последний день.
Камеры в торговом зале фиксируют пустые места и нарушения выкладки, система сопоставляет это с остатками в учётной системе и заказами в пути. Так становится видна разница между «товар числится на складе» и «товар доступен покупателю».
Видеоаналитика вместе с анализом чеков отмечает подозрительные сценарии: невзвешенный товар, пробивка дешёвого артикула вместо дорогого, пропуск позиций в корзине. Служба безопасности получает короткий список с фрагментом записи вместо часов видеонаблюдения.
Да, при наличии двух-трёх лет истории чеков. На малых сетях эффект даёт не столько точность по каждому SKU, сколько дисциплина пополнения: меньше срочных дозаказов, меньше ручных решений закупщика и предсказуемые списания скоропорта.
Нет. Мы читаем данные из существующих систем — выгрузки чеков, остатков и приёмок — и возвращаем результат обратно в виде заказов, отчётов или рекомендаций. Замена учётной системы не требуется и обычно не оправдана.
Источники данных остаются зоной ответственности заказчика: мы показываем, какие ошибки учёта ломают прогноз, и даём список проверок. Очистку справочников товаров и корректность приёмок без владельца процесса не исправить никакой моделью.
Заказ формируется в существующих правилах: кратность упаковки, минимальная партия, сроки поставки по договору, график фур. Модель меняет только объём, а не регламент взаимодействия, и на первом этапе рекомендует объём, оставляя подтверждение закупщику.
Нет, достаточно камер с разрешением, при котором читается ценник, и стабильным освещением. Инференс можно запускать на локальном сервере магазина или в облаке — во втором случае важнее канал связи, чем модель камеры.
Система не выносит обвинений: она помечает расхождение между видео и чеком и формирует короткий фрагмент записи для проверки. Решение о том, что произошло, принимает служба безопасности, а статистика по типам расхождений помогает править инструкции и обучение персонала.
Cookie и аналитика
Мы используем необходимые cookie для работы сайта и форм. Аналитические cookie (Яндекс.Метрика, включая запись сессий) подключаем только с вашего согласия — от него можно отказаться. Подробнее: Политика использования cookie и обработка персональных данных.