Как «ВинЛаб» приводит в порядок данные о товарах и экономит миллионы рублей с помощью робота DaCo
Сеть магазинов «ВинЛаб» внедрила роботизированную систему консистентности данных. Set Robot DaCo контролирует качество данных во внутренних системах ритейлера — устраняет ошибки сам или направляет их в службу поддержки.
С помощью DaCo «ВинЛаб» на 90% сократил финансовые потери из-за ошибок данных на кассе, сократил упущенную прибыль в 2 раза за первые два месяца, снизил на 90% трудозатраты сотрудников на решение вопросов по некорректным данным, ускорил работу касс на 5%. Продукт, не имеющий аналогов на рынке, предложила компания CSI.
90%
Сокращение потерь из-за ошибок данных
О компании
Супермаркеты напитков «ВинЛаб» — это 660 магазинов по всей России: от Санкт-Петербурга до Южно-Сахалинска. Специализация — алкогольные и безалкогольные напитки во всех популярных категориях с акцентом на высокое качество продукции. «Винлаб» входит в тройку крупнейших специализированных сетей страны. В 2020 году в рамках премии Retail Week Awards сеть супермаркетов «Винлаб» признана победителем в номинации «Самая быстрорастущая сеть food».

Сеть «ВинЛаб» входит в структуру BELUGA GROUP — крупнейшей алкогольной компании в России, которая ведет свою историю с 1999 года. BELUGA GROUP выпускает высококачественные продукты на 6 собственных заводах и винодельне «Поместье Голубицкое», некоторые из которых обладают вековыми традициями производства.

Кроме того, BELUGA GROUP — один из крупнейших импортеров крепкого алкоголя в стране. Среди давних партнеров – такие мировые гранды как William Grant & Sons и французский коньячный дом Camus. Компания также эксклюзивно представляет в России вина от знаковых производителей из Франции, Италии, Испании, Германии, США, ЮАР и других стран, среди которых Torres, Masi Agricola, Faustino, Cono Sur, Calvet, Piccini, Barefoot.



«ВинЛаб» входит в структуру BELUGA GROUP — крупнейшей алкогольной компании в России

Предпосылки проекта
Решение внедрить роботизированную систему консистентности данных назрело в связи с общей необходимостью снизить издержки, учитывая рост сети и объемы замены оборудования на кассах и серверах. После замен часто возникают неконсистентные данные — например, остаются лишние данные при переносе кассы с прошлой торговой точки или отсутствуют актуальные данные для новой.
1250
касс в сети на май 2021 года
Ритейлеру нужно было решить несколько задач
1
Снизить трудозатраты IT на обслуживание кассовых узлов, сократить взаимодействие персонала магазина с IT-службой из-за ошибок в данных
Решение проблем с товарным справочником — например, неверная цена на кассе, блокировка товара или отсутствие цены — занимало у сотрудников магазина много времени. Нужно описать и сформулировать задачу, контролировать статус, проверять и подтверждать результаты, не говоря уже о ситуации, когда от IT появляются уточнения и начинается диалог. От IT эта поддержка также требовала ресурсов.
2
Сократить финансовые потери, вызванные ошибками в данных
Прямые убытки возникают из-за продаж товара по ошибочно низкой цене, когда ритейлер недополучает прибыль. Косвенные — из-за продаж по завышенной цене, когда клиенты теряют лояльность и начинается отток покупателей. На начало проекта связанные с этим потери специалисты «ВинЛаб» и CSI оценили в 500 тысяч рублей в месяц на каждую 1000 касс.
3
Устранить проблемы с простоем товара, который невозможно продать из-за ошибки или недозагрузки данных
Отделы, отвечающие за подготовку товара на стороне ERP ("Ценообразование", "Номенклатура", "Товарная логистика") могут не назначить необходимые атрибуты товара (цену, штрихкод), вовремя не обновить цену по истечении срока, не назначить сам товар для конкретной торговой точки или доставить его на точку ошибочно. В результате покупатель не может его купить. Быстрой обратной связи об ошибках тоже не было из-за несовершенства интеграционных процессов.

Упущенная прибыль сети из-за подобных ситуаций была оценена в 2 млн рублей в месяц. Расчёт основан на анализе всех ситуаций, когда товар не удалось продать одному покупателю из-за ошибки данных, но он остался в сети и был продан другому после устранения ошибки. Долгий разбор ситуаций сотрудниками лишь увеличивал потери ритейлера.
4
Обеспечить возможность быстро оценивать состояние данных по всем узлам Set Retail

5
Обеспечить контроль учётных записей кассиров — хранить на кассе только актуальный справочник

Решение — новый сервис Set Robot DaCo
Сеть «ВинЛаб» несколько лет сотрудничает с компанией CSI: работает в кассовой системе Set Retail, использует систему контроля кассовых операций Set Prisma.

Специалисты CSI для решения обозначенных выше задач предложили «ВинЛаб» один из новых сервисов экосистемы Set — робота DaCo (сокращённо от Data Consistency, что значит «консистентность» или «согласованность» данных).

Робот сверяет данные в системах ритейлера, выявляет и устраняет расхождения в ценах, штрихкодах, сроках, поддерживая информацию о товарах в актуальном состоянии.

Set Robot DaCo
Было — человек
Заметил 1 расхождение через 5 дней, забыл отправить заявку в техподдержку — всё это время магазин терпит убытки.
Стало — робот
Заметил 10 инцидентов, как только они произошли: 8 обновил, отправил 2 заявки в техподдержку — когда не получилось актуализировать данные.
Что делает DaCo в сети «ВинЛаб»

К системе подключены все кассы сети. DaCo:

1
Сверяет данные по всем узлам — участникам процесса торговли
2
Автоматически выравнивает все проверяемые типы данных
3
Отслеживает простой товара на полке без возможности его продажи
4
Отслеживает доставку данных по продажам до ERP-системы с автоматическим исправлением и формированием отчета на конец дня
Какие данные контролирует: товары, штрихкоды, цены, МРЦ, алко-коды, карты клиентов, клиенты, кассиры, продажи.
Результаты проекта
С помощью новой роботизированной системы ритейлер решил все поставленные перед проектом задачи: снизил трудозатраты ИТ и сотрудников магазина за счёт автоматизации, усилил контроль ценообразования, устранил существенные финансовые потери.
Результаты в цифрах
1
Исключены 95% инцидентов, связанных с отсутствием товара на кассе или неверной ценой.
2
На 90% снизились убытки за счет автоматического выявления и устранения проблем в консистентности данных. Этот результат превысил поставленную в начале проекта цель почти в два раза.
3
За 2 месяца в 2 раза снизилась упущенная прибыль — с 1,7 млн рублей в январе до 700 тысяч рублей на начало марта по кейсу «простой товара на полке».
4
На 90% сократились трудозатраты персонала магазина и ИТ-специалистов по вопросам некорректных данных в товарном справочнике.
Вне зависимости от текущих нагрузок, робот всегда точно определит проблему и доставит ее в целевую группу в автоматическом режиме.
5
На 5% ускорилась работа интерфейса кассы и сервера, в том числе за счёт возможности хранить только рабочий справочник данных на всех узлах.
На кассах зачастую хранятся данные товаров не только активной матрицы, но и пассивной — товары, выведенные из оборота, или, наоборот, запланированные. Это замедляет кассу и влияет на производительность серверной части: замедляет транспорт, увеличивает время обслуживания баз данных и время восстановления при отказе.
6
Доставка данных о продажах в ERP-систему ускорилась в разы — с 1,5 часов до 15 минут.
Система контроля состояния данных охватывает все узлы-участники процесса — это позволяет эффективно применять IT-ресурсы, а также реализовывать планы по росту числа магазинов без увеличения ФОТ IT-персонала за счёт возможностей робота.

Каждый участник корпоративных процессов теперь оперативно получает актуальные и рабочие данные, собранные роботом, а ИТ-службе доступны удобные онлайн-отчёты.
«Данные — это основной актив любой компании. В современном мире недооценка их кондиции и консистентности может нести серьёзную угрозу бизнесу.

Оценив собственные данные операционных узлов компании и трудозатраты по поддержанию их целостности и консистентности, мы пришли к выводу, что самое эффективное решение — передать заботу о них роботу!

Перед внедрением DaCo мы с коллегами из CSI составили KPI проекта — и перевыполнили их. Сократили 95% инцидентов с ошибками данных и, как следствие, 90% финансовых потерь на кассах. За 2 месяца на миллион рублей сократили упущенную прибыль, высвободили время персонала в магазине и в IT-службе. Ускорилась работа интерфейса касс и обмен данными между системами.

Это не первый продукт из экосистемы Set, который мы используем, и который подтвердил свою эффективность»


Евгений Шингарев
ИТ-директор сети «ВинЛаб»
Ход проекта
1
2020 март — начало
Специалисты CSI предложили «ВинЛаб» внедрить роботизированную систему контроля данных для повышения эффективности и сокращения издержек сети. Ритейлер поддержал идею проекта и стал технологическим партнёром CSI в его реализации.
2
2020, май — старт проекта, подготовка системы
Специалисты CSI реализовали подготовительные работы: сделали сверки и выравнивание по основным типам данных, подтвердили ценность продукта. Сделана стыковка с ERP-системой клиента, проработаны и внедрены бизнес-кейсы по отслеживанию проблематики при продаже товара. Настроены web-отчеты о состоянии данных и интеграция продукта с SD-системой клиента.
3
2020, сентябрь — начало эксплуатации во всей сети
«Внедрение в сети «Винлаб» было одним из первых проектов для DaCo. Благодаря сложившимся доверительным отношениям с нашей командой и готовности со стороны IT клиента повышать эффективность с новыми технологиями, мы тщательно проработали и применили все преимущества роботизации работы с данными. Рады, что «Винлаб» получил такие результаты, ведь это не только экономия, но и порядок в процессах.

Сегодня проект внедрения DaCo занимает 1-2 недели — мы будем рады помочь ритейлерам решить их задачи»


Ефим Бураков
руководитель проекта, CSI
Что дальше
Ритейлер планирует дальше применять и развивать возможности сервиса:
1
Использовать ERP-систему как эталон данных при импорте.
На первых этапах использования за эталон принимается внутренний центральный сервер Set Retail. Различие в том, что с ERP робот сможет своевременно определять проблему и информировать о поступлении данных, которые не соответствуют бизнес-правилам — например, без цены или с запретом на продажу.
2
Контролировать процессы ценообразования и привязку атрибутов к товару внутри ERP.
3
Развивать функциональность целевых событий для Service Desk сети — например, чтобы своевременно расценить товар.
4
Отслеживать в режиме онлайн доставку данных о продажах с каждой кассы до внутренней системы учета.
Задачи доставляются туда, где они будут решены: если проблема техническая - она отправится в SD клиента или CSI. Если с ценообразованием - в отдел ценообразования клиента. Методы доставки: чаты, CRM-система клиента, почта.
5
Подключить к сервису платформу интернет-торговли.