Спецпроекты

На страницу обзора
Как объединялись ИТ-инфраструктура, бизнес-процессы и команды «Утконоса» и «Ленты Онлайн»

О том, как данные помогли «Лента Онлайн» адаптироваться к новой реальности 2022 г., как происходило объединение с «Утконосом», какова роль больших данных в развитии бизнеса продуктового ритейлера, в интервью CNews рассказал Дмитрий Бодунов, директор по управлению данными и аналитикой онлайн-сервисов «Ленты».

Дмитрий Бодунов«Лента»

CNews: Каким был 2022 г. для российского ритейла и «Ленты Онлайн» в частности?

Дмитрий Бодунов: 2022 г. стал для нас годом вызовов и кардинальных изменений. Во-первых, изменились покупательское поведение, ассортимент, цепочки поставок. Подобные трансформации, которых никогда не было в истории, приводят к тому, что базовая аналитика и модели оптимизации, используемые во внутренних процессах, начинают работать хуже. Нужен пересмотр и моделей, и процессов.

В этой связи у нас – «Ленты Онлайн» – как у data driven компании, большая нагрузка легла на команды аналитики, data science и платформы данных. Аналитикам всех направлений, включая коммерцию, партнерства, операции, сервис, маркетинг и развитие продукта, необходимо было протестировать множество гипотез и найти лучшие рычаги управления компанией. Data science команде необходимо было перестроить сервисы прогнозирования и оптимизации, используемые различными бизнес-функциями.

Кроме того, с российского рынка ушли многие компании, поставлявшие узкоспециализированное ПО. Например, базы данных, BI инструменты, self-service-технологии. Это в большей степени повлияло на сотрудников из платформы данных, включая инженеров данных, системных аналитиков, владельцев BI. Необходимо было сделать миграцию на новые отечественные или open source инструменты.

CNews: В прошлом году в состав «Ленты» вошел онлайн-ритейлер «Утконос». Как это повлияло на развитие бизнеса «Ленты», в частности, в онлайн-сегменте?

Дмитрий Бодунов: «Утконос» — сильный бренд в московском регионе. Мы продолжаем развивать и адаптировать его под покупательские предпочтения, сильно изменившиеся за последние годы.

Дмитрий Бодунов, директор по управлению данными и аналитикой онлайн-сервисов «Ленты»: Data science команде необходимо было перестроить сервисы прогнозирования и оптимизации

Клиенты «Утконоса» и «Ленты Онлайн» отличаются друг от друга, у них различные предпочтения. Поэтому, несмотря на схожие внутренние процессы, нам необходимо поддерживать различия между брендами. Например, у брендов разные CJM, ценообразование, ранжирование поисковой выдачи и зоны доставки. Поэтому нам потребовалось научиться оптимально работать с обоими брендами с учетом их сходств и различий. Аналитики проводят множество экспериментов на уровне каждого бренда и совместно с бизнесом определяют параметры нашей работы. Это позволяет наилучшим образом соответствовать аудитории каждого бренда.

CNews: Какие задачи в сфере ИТ стояли перед ИТ-подразделением «Ленты Онлайн» в 2022 г.?

Дмитрий Бодунов: Основные задачи можно объединить в три больших блока. Первый — задачи развития. Я считаю, что бизнес должен идти вперед несмотря ни на что. Необходимо искать новые направления роста продаж и улучшения экономики, тестировать их и внедрять. Чем быстрее и точнее мы сможем оценивать различные инициативы и гипотезы, тем лучше. Поэтому мы ускорили работу с данными, ввели Data Governance процесс, повысили скорость обработки данных и выработали единый подход к A/B тестированию.

Второй блок задач включал в себя миграцию нашей работы на новые инструменты. В связи с тем, что популярные зарубежные вендоры ПО ушли, появилась необходимость оперативно найти им замену, запустить пилоты и быстро их внедрить. Postgresql вместо Oracle, Superset вместо Qlik, АппМетрика вместо Amplitude и многое другое.

И наконец, в третьем блоке стояли задачи по интеграции «Утконоса» и «Ленты Онлайн». За очень короткий срок мы должны были объединить инфраструктуры, бизнес-процессы и команды. Благодаря жестким дедлайнам, мы научились быстро расставлять приоритеты и понимать, какие задачи в какой момент времени необходимо решать с учетом наших краткосрочных и долгосрочных целей.

CNews: Расскажите, как происходила интеграция «Утконоса» и «Ленты Онлайн»?

Дмитрий Бодунов: При объединении было много нюансов, для нас было важно взять самое лучшее от обеих компаний. С точки зрения работы с данными и аналитики нас интересовали две координаты.

Первая — это объединение или сохранение операционной модели. Перед нами стоял вопрос, останутся ли большие склады у «Утконоса», или мы перейдем на модель «Ленты Онлайн» с доставкой непосредственно из магазинов.

Вторая — это скорость объединения диджитал ландшафта (ИТ, разработки, аналитики/работы с данными). Здесь мы тщательно исследовали разработки обеих компаний и решали, стоит ли разрабатывать универсальную платформу или взять за основу разработки одной компании и быстро переделать их под новые процессы, оптимизируя в дальнейшем.

От нашего выбора зависели новые структуры команд и инфраструктура по работе с данными. В итоге мы выбрали новую операционную модель и быструю унификацию.

Важно отметить, что бэкэнд «Ленты Онлайн» являлся форком бэкэнда «Утконоса», но с другим вектором развития. Это значит, что модели данных очень похожи. Быстрая унификация позволила создать единое хранилище данных для обоих брендов и воспользоваться общей инфраструктурой для работы с данными. В то время, как переход «Утконоса» на новую операционную модель позволил быстро построить единообразную аналитику для обоих брендов.

CNews: С какими вызовами пришлось столкнуться в ходе проекта?

Дмитрий Бодунов: Главный вызов — это объединение в очень сжатые сроки, за 3 месяца с максимально бесшовной интеграцией для пользователя. У нас было много непростых задач, начиная с построения переходных метрик, единых для обоих брендов до и после интеграции, заканчивая переездом дата-центров «Ленты Онлайн» и «Утконоса» в единый дата-центр «Ленты».

Совет читателям — не делайте переезд дата-центров одновременно с другим сложным проектом, например, объединением компаний.

CNews: Какова роль больших данных в развитии бизнеса крупной торговой сети?

Дмитрий Бодунов: Аналитика помогает бизнес-функциям найти оптимальные решения для сохранения баланса выручки, прибыльности и устойчивости компании. С помощью аналитики можно быстро понять текущее состояние бизнеса на основе отчетности, вплоть до real-time, проанализировать текущую эффективность. Определить, хватает ли маржинальности, новичков, среднего чека, retention и уровня операционных расходов, синтезировать гипотезы для повышения эффективности бизнеса, проверить гипотезы с помощью А/B тестов и выдать рекомендации бизнес-функциям. Наши Data science команды занимаются прескриптивной аналитикой. Они изучают, какие офферы и каким клиентам следует отправить, сколько нужно вывести персонала в ближайшую неделю, какие цены ставить на конкретный товар.

Команда платформы данных обеспечивает стабильность и достоверность процессов аналитики и Data science. При этом данные не обязательно должны быть большими. Есть много примеров, когда можно обойтись работой в рамках одной классической реляционной БД.

CNews: Как выстроена работа с большими данными в «Ленте-Онлайн»?

Дмитрий Бодунов: Функция работы с данными централизована. Команды аналитики, data science и платформа данных находятся в одной структуре. Это позволяет быстро вырабатывать и внедрять стандарты работы с данными. Например, процессы Data Governance, единый подход к A/B тестам, договориться о «едином источнике правды». При таком подходе бизнес не может административно надавить на аналитиков, чтобы получить нужный результат.

За каждой из команд аналитики и data science закреплена определенная бизнес-функция. Таким образом у нас есть отдельная команда аналитики коммерции, отдельная команда аналитики операций и т.д. Это позволяет ребятам полностью погрузиться в тему и говорить с бизнесом на одном языке.

Логически команды разделены на 3 группы. В первую входит платформа данных. Она забирает данные из различных источников. Например, из kafka, API сервисов, БД монолита и складывает их в хранилище данных.

Во вторую группу входят аналитики, которые на основании данных в хранилище формируют отчетность, ищут инсайты, проводят анализ, синтезируют и проверяют гипотезы, выдают рекомендации бизнес-функциям.

Data science команды строят сервисы, с которыми работают бизнес-пользователи. К таким сервисам относится планирование расписаний со всей внутренней логикой и интерфейсами.

CNews: Используете ли вы прогнозную аналитику? Приведите пример прогнозов, сделанных на основе анализа больших данных, и их влияния на бизнес.

Дмитрий Бодунов: Прогноз сам по себе редко представляет ценность. Обычно он является входным параметром в модель оптимизации, на выходе из которой мы получаем бизнес-рекомендации.

Наши основные юз-кейсы прогнозной аналитики направлены на повышение эффективности существующих процессов: оптимизация расписаний персонала на основе почасового прогноза заказов, поиск оптимальных цен на товары на основе прогноза спроса на уровне товара, организация оптимальной механики взаимодействия с клиентами на основе прогноза отклика клиентов, ранжирование поисковой выдачи на основе прогноза вероятности совершения целевого действия. Сам по себе прогноз без дальнейшей оптимизации мы используем при постановке целей в период бюджетирования.

CNews: Как вы планируете развивать технологии больших данных?

Дмитрий Бодунов: Совместно с бизнес-функциями мы постоянно прорабатываем карту юз-кейсов по аналитике и Data science. Сейчас там несколько сотен задач. Этот список постоянно пополняется и обновляется. Во время проработки юз-кейсов мы понимаем, какие технологии работы с данными нам понадобятся, и подключаем команду платформы данных. Скорее всего, в ближайшее время подход не изменится.

Пример задачи в работе, которая задействует все подразделения работы с данными, — снижение риска ухода зарубежных облачных вендоров. Для решения этой задачи мы развернули on-premise отказоустойчивый кластер ClickHouse.