1С и компьютерное зрение: новый подход к контролю за ассортиментом магазина

Публикация № 1079490 20.06.19

Учет и отчетность - Розничная торговля

ассортиментная матрица ABC-анализ XYZ-анализ трафик покупателей воронка продаж анализ магазина длина очереди остатки товаров прогноз

Машинное зрение в магазинах и 1С. Как поднять эффективность торгового предприятия (магазин. кафе, шоурум и т.д.) с совершенно неожиданной стороны? Как получить реальные демографические данные покупателей и, самое главное, как это использовать в повседневной работе магазина? Как можно расширить привычные ABC и XYZ анализ, добавив в них пласт данных о трафике и демографии покупателей? Что необходимо для 1С, чтобы использовать данные видеоанализа людского трафика?

Вступление

Данная статья будет интересна всем тем, кто интересуется новыми технологиями, внедряемыми в ритейле, сфере обслуживания и т.д. Речь пойдет не столько о платформе 1С, сколько о совершенно новом массиве данных, который можно получить технологиями компьютерного зрения и импортировать в ИС заказчика, предложить ему совершенно новые метрики, отчеты, диаграммы для повышения эффективности бизнеса. Вполне вероятно, многие из вас соприкасались с похожими задачами, но даже и не думали о них в свете какого-то сопряжения с 1С. Хочу предложить читателям пофантазировать вместе со мной, высказать свое мнение, поделится своим опытом, и, может быть, даже внести конструктивные предложения.

Пару слов о технологиях CVizi. Мы разрабатываем и внедряем различные инструменты для анализа видеопотока с камер. В том числе, алгоритмы для поиска нужных событий в кадре, фиксируем их в удобном пользовательском интерфейсе в виде наглядных дашбордов с обязательным фотоподтверждением. События могут быть самыми разнообразными: появление/отсутствие человека в некой зоне, появление лица и его распознавание, въезд/выезд автомобиля или ж/д вагонов, какие-то предметы на производственной линии и многое другое.

После нескольких лет внедрений у наших заказчиков инструментов для подсчета и анализа потоков людей появилось устойчивое ощущение, что бизнесу нужно более целостное решение, когда он сможет в едином окне видеть и принимать аргументированное решение. Когда он сможет использовать все свои учетные данные, а не складывать пазл из различных информационных систем. И этим окном должна стать его же ИТ-система.

Почему 1С? Тут всё просто – это самая распространённая платформа для управленческого, кассового и бухгалтерского учета в стране. 1С очень гибка к настройкам и адаптации под задачи заказчика. Мы, в свою очередь, предоставляем рабочую технологию компьютерного зрения, успешно опробованную на сотнях инсталляций в совершенно разных отраслях, а также даём API к ней. Поэтому основной вектор статьи – как можно использовать данные компьютерного зрения в бизнесе отдельно и совместно с учетными данными в ИС заказчика. Размер бизнеса значения не имеет. Это может быть магазин у дома, бутик в торговом центре или крупный сетевой магазин.

Традиционный подход к анализу товаров

Для оптимизации продаж магазина бизнес всегда должен держать руку на пульсе и постоянно контролировать присутствие в ассортиментной матрице тех или иных товаров. То есть ответ на вопрос «Какие товары важны в данный момент или в перспективе для бизнеса, а какие не важны» не должен вызывать затруднений. Важность характеризуется, как минимум, следующими понятиями:

  1. товары пользуются спросом в магазине?
  2. какой объем продаж дают товарные группы сейчас и какой будут давать дальше?
  3. как увеличить оборачиваемость и сократить расходы на содержание складских запасов?

Если товаров в продуктовой линейке много, то обычно используют ABC и XYZ анализ.

Буквально пару абзацев про них, чтобы общаться в единых терминах.

ABC анализ отвечает на вопрос, какие товары или группы товаров вносят самый ощутимый вклад в продажи. Тут почти всегда действуют правило Парето – 20% товаров и услуг дают 80% выручки. Это получается группа «А», а остальные 80% ассортимента дают лишь 20% выручки и делятся на группы «B» и «С». Цифры 20% и 80% - условные. Отклонения могут быть, но порядок тот же.

Итого:

  1. А — самые ценные товары (20% ассортимента; 80% продаж);
  2. В — промежуточные товары (30% ассортимента; 15% продаж).
  3. С — менее ценные товары (50% ассортимента; 5% продаж).

 

XYZ анализ отвечает на вопрос какие товары пользуются самым большим спросом. Для того чтобы разбить ассортимент на категории используется коэффициент вариации продаж, который помогает оценить характер спроса, его стабильность и прогнозируемость.

  1.  X – товары с высоким и устойчивым спросом
  2.  Y – товары с изменчивым спросом (сезонность, акции, дефицит)
  3.  Z – товары с нерегулярным потреблением, точность прогноза низкая

Производя кросс-анализ ABC + XYZ, можно создать стратегию продвижения определенных товаров и можно разработать рекомендации для работы с товарами каждой категории.

 

Основная проблема, по которой бывает тяжело принять решение - это правильное и аргументированное сокращение или изменение ассортиментной матрицы:

  1. Категории товаров, которые достаточно важные (с точки зрения вклада в выручку ABC анализ), но с нестабильным спросом (XYZ анализ)
  2. Категории с товарами с низким спросом и с низкими продажами.

В эти категории могут попадать новые товары или, например, элитные, статусные. И не всегда правильно просто взять, и отказаться от них.

Кроме этого есть еще проблема прогнозирования продаж в других магазинах. Почему в этом магазине сети товар Х продается на ура, а в соседнем микрорайоне вообще никак? Можно это было спрогнозировать? Может быть нужно сначала было создать спрос на определенные товары, а не терпеть убытки? А может быть эти товары изначально здесь не имели шансов на хорошие продажи?

Как может помочь видеоаналитика?

Под видеоаналитикой в данной статье будем понимать анализ покупателей, полученный при помощи видеокамер, с точки зрения их трафика, демографии и эмоционального фона.

Про видеоанализ товаров на полках и т.п. – это не в этой статье. Здесь – про покупателей и как эти результаты можно использовать для более качественного контроля спроса и управления ассортиментом в дополнение к ABC и XYZ анализу.

Давайте посмотрим, как более глубокое знание об аудитории магазина позволит тонко управлять ассортиментом.

Анализ покупательского трафика

Для анализа покупательского трафика мы будем исследовать следующие метрики

  1.  Внешняя конверсия

Показывает отношение количества прошедших около входа людей к количеству вошедших внутрь магазина.

  1.  Внутренняя конверсия

Показывает отношения количества вошедших людей к количеству тех, кто дошел до кассы и совершил покупку (или количеству чеков)

  1.  Демография

Показывает пол и возраст посетителей и покупателей

  1.  Эмоции

Показывает эмоциональный фон посетителей и покупателей

Использовать их можно как по отдельности, так и в комплексе. Каждая из этих метрик – это кусочек пазла, который дает свой вклад в маркетинговую стратегию магазина. Плюс ко всему каждый из этих массивов данных может быть импортирован в ИС 1С и обогатить существующий учет по товарам и чекам совершенно новой информацией, которой бизнес до этого не владел и даже не представлял о ее существовании.

Технически для сбора этих данных используется программно-аппаратный комплекс Track Expert, состоящий из бытовых IP-камер, миниатюрных вычислительных устройства S-Box и пользовательской части на web-портале. Он достаточно легко и быстро устанавливается на объекте в нужном количестве и уже через считанные часы начинает собирать данные, которые будут доступны на портале и готовы для импорта.

Внешняя конверсия

Сам показатель говорит о том, насколько ваш магазин привлекателен для прохожих. Для постоянных покупателей он в первую очередь привлекателен ассортиментом, а для новых, скорее всего, - внешним видом, витриной.

Чтобы собрать данные по одному входу нужно две камеры – одна считает проходящих людей, другая – входящих внутрь.

Получаемые данные

  1. Количество вошедших за искомый период времени
  2. Количество прошедших за искомый период времени
  3. Конверсия = Qвошедших/Qпрошедших

 

Так это выглядит в web-интерфейсе

 

Что с этим делать, как использовать?

Внешняя конверсия – это самый верхний уровень воронки продаж и оценивает, в первую очередь, привлекательность магазина во вполне конкретный период. Для полной воронки нужно еще знать внутреннюю конверсию (в следующем разделе), тогда можно уже связывать это с ассортиментом.

Знать данные по количеству входящих посетителей в магазин не всегда достаточно, чтобы принимать верные решения, т.к. не ясны причины изменения потока в любую сторону.

Имея оперативные данные о внешней конверсии можно:

  1. Быстро проверять маркетинговые гипотезы и управлять рекламными компаниями: изменили витрину, изменили вывеску, установили баннер, провели промоакцию и т.д. Выхлоп увидите очень быстро. Здесь даже не нужен анализ продаж, глубины чека и т.п.
  2. Принимать решение о перспективности локации определенного магазина. Особенно, если есть возможность сравнить с аналогичным магазином в другом месте.

Внутренняя конверсия

 

Этот показатель не нов и им пользуются многие магазины. Для его получения используется интеграция двух систем: счетчиков людей и кассовой программы.

В простейшем виде – это отношение количества кассовых чеков к количеству зашедших людей. Показатель будет несколько занижен, т.к. люди очень часто заходят в магазин компаниями и семьями. Поэтому крупный ритейл сейчас пытается решить задачу объединения людей на входе в группы, хотя бы по семейному признаку. Задача не простая, но в принципе решаемая. Но вернемся к конверсии и воронке продаж.

Получаемые данные

В простейшем виде для анализа достаточно иметь:

  1. Количество вошедших за искомый период времени (из системы Track Expert)
  2. Количество кассовых чеков (из кассовой системы)

Для более глубокого анализа данные можно еще расширить:

  1. Длина очереди (из системы Track Expert)
  2. Товары в чеке (из кассовой системы)
  3. Количество персонала в магазине (из системы Track Expert)

 

Что с этим делать, как использовать?

Сначала то, что лежит на поверхности и достаточно очевидно.

Если магазин сетевой, то идеально сравнивать данные по нескольким однотипным магазинам.

Пример. В двух магазинах схожие данные по внешней конверсии, но совершенно разнятся показатели внутренней конверсии. Очевидно, что проблемы где-то внутри:

  1. Люди заходят и не находят нужных товаров
  2. Люди заходят и видят (сразу или в конце) очереди на кассах и уходят
  3. Людей пугает убранство магазина, включая запахи
  4. Люди видят какое-то несоответствие рекламы и реалий
  5. Люди не получили качественную консультацию от менеджеров и продавцов

Как видите, вариантов не так уж и много. На выявление истинных причин понадобится совсем не много времени. Где искать понятно. Сложнее потом правильно отслеживать динамику по каждой проблеме. Не всегда оно будет конвертироваться напрямую в чеки и продажи, т.к. проблем может быть несколько и подход должен быть системным.

Для повышения внутренней конверсии компьютерное зрение сможет помочь отследить следующие метрики и получить причинно-следственную связь от управленческих действий:

  1. Мониторинг присутствия на рабочем месте персонала (продавцы, менеджеры, охрана).
  2. Динамику изменения входного потока, после изменений в магазине (оформление, реклама, рассылки и т.п.).
  3. Длину очередей на кассах.
  4. Проходимость отдельных зон/стеллажей и т.д.

 

Если копнуть чуть глубже, то можно и нужно отслеживать товарные остатки в зале. Я в принципе представляю как это делается сейчас в магазинах и иллюзий по этому поводу не испытываю. И также представляю то, что OutOfShelf (отсутствие товара на полке) чаще вызван банальным разгильдяйством, нежели действительным отсутствием товара на складе.

В ИТ-системе магазина можно оперативно отслеживать остаток тех или иных товаров, ориентируясь на данные кассовых лент. Но если эти данные совместить еще с фактическим или прогнозным количеством людей в зале, то вероятность появления OutOfShelf гораздо снизится.

Возьмем для примера некий товар, который всегда пользуется спросом и достаточно маржинальный (категория X по XYZ-анализу+ категория A по ABC-анализу). Т.е. всегда нужно обеспечивать наличие таких товаров. Пусть это будет абстрактное Молоко. В часы пик молоко должно быть всегда в достаточном количестве. В противном случае, не найдя товаров первой необходимости, покупатель в следующий раз может и не вернуться. А если это происходит периодически, то 100% не вернется.

На диаграмме ниже представлено распределение остатков молока в зале плюс распределение входящего потока в течение двух вечерних часов.

Оранжевым маркером выделил область, когда пошла первая волна вечерних покупателей. Остатков молока в этот момент было вроде бы достаточно. Снижались остатки достаточно равномерно. Но волну никто не учёл! И к 18:50 молока на полке уже не было. А точнее его не было раньше, т.к. остатки считаются по кассовой программе, а человеку нужно время, чтобы дойти от полки до кассы. А вот если бы менеджеры увидели волну, то могли бы сыграть на опережение и не допустить OutOfShelf. Полчаса пустой полки для товара категории AX – это очень много!

Аналогично можно грамотно управлять кассами.

Вы знаете, что психологически комфортный барьер для любого покупателя – это 3 человека в очереди? Три! Если больше, то это вызывает у него негативные реакции и требует оперативного вмешательства.

После первой же волны этих людей можно ожидать на кассе уже через 15-20 мин. Значит надо подготовиться к открытию дополнительных одной-двух касс. Заранее! А если не отследили волну, то хотя бы вовремя среагируйте на очередь в кассах:

И покупатели будут вам благодарны своим рублем. Это всё маленькие кирпичики в пазле управлении лояльностью.

 

Демография

Пол и возраст покупателей – метрики обязательные в маркетинговом анализе и часто используются в ритейле. Важно - как и когда они используются? Как добываются, отслеживаются?

Обычно для получения данных по демографии используются карты лояльности. Однако, есть много «но».

  1. Не всегда люди носят с собой дисконтные карты;
  2. Не все карты именные;
  3. Не всякий бизнес имеет дисконтные карты;
  4. Часто карту лень искать и доставать сумки, хотя она где-то есть;
  5. Не всегда можно идентифицировать себя на кассе по номеру телефона или email. Да и многие оставляют о себе фейковые данные, чтобы избежать лишнего спама;
  6. Карты можно передавать друг другу. Что все и делают, особенно внутри семьи;

С точки зрения семейных покупок в супермаркете в шаговой доступности от дома, наверное, не имеет сильного значения на кого зарегистрирована карта. Ей пользуется вся семья. Но если семья небольшая, например, пара примерно одного возраста, тогда данные по демографии становятся уже интересны и важны для анализа динамики ассортимента магазина.

Получаемые данные

  1. Пол и возраст посетителей и покупателей с детализацией до товара.

Что с этим делать, как использовать?

Данные о поле и возрасте покупателей – это безусловно полезно, но этого недостаточно, если информация оторвана от основного бизнес процесса – продаж конкретных товаров или услуг.

Предлагаю разобрать два примера с использованием демографических данных в анализе продаж.

Первый –Анализ продаж товаров с плохими показателями.

Второй – предиктивный анализ продаж по внедрению новых товаров в сети магазинов.

 

Для того, чтобы получить демографические данные посетителей магазина нужна камера на каждом входе магазина. В момент входа камера будет фиксировать лица заходящих людей с возможностью не учитывать в статистике сотрудников.

Для того чтобы получить демографические данные покупателей магазина, нужны камеры на каждой кассе, которые в момент покупки будут фиксировать лица покупателей.

Для того чтобы совместить данные по продажам с персонами, нужна интеграция с кассовой программой, чтобы получить связку «Чек – Товар – Лицо».

 

Кейс 1. Анализ низких или нестабильных показателей продаж

Предположим, что магазин провел кросс-анализ ассортимента на базе ABC- и XYZ- анализа и выделил товары или группы товаров, по которым есть проблемы и вопросы. Это желтая (AZ) и красная (CZ) категории товаров.

  1.  Отказываться от товаров CZ в полу других или нет?
  2.  На какую аудиторию запускать рекламу для товаров категории AZ и запускать ли?

 

Товары из этих категорий должны быть внимательно проанализированы на предмет их значимости и спроса. Особенно это касается категории CZ, где часть товаров может быть даже убрана из ассортимента, а освободившиеся средства пущены на увеличение оборота более ликвидных товаров.

Такой анализ – дело очень кропотливое, требующее большого внимания. Используется многомерный анализ ABC, где параметров будет больше одного (кроме объема продаж). И вот таким дополнительными параметрами мы предлагаем ввести демографию покупателей.

Т.е. каждый товар из категорий AZ и CZ следует проанализировать с точки зрения покупательской способности разными возрастными и гендерными группами покупателей.

Например, мы знаем пол и возраст всех покупателей своего магазина за период один месяц. А также знаем пол и возраст каждого покупателя, купившего товары из категории AZ и CZ.

По каждому товару или группе товаров мы должны получить картину вклада в их покупку той или иной половозрастной группы. Возьмем некий «Товар 1» и построим для него ABC анализ по демографическим группам

  

У товара 1 есть ярко выраженная аудитория в виде мужчин и женщин 50+. Соответственно, если товар 1 относится к категории AZ, то понятно на кого таргетировать рекламу (группа “А” в таблице) и кому он совсем не интересен (группа “C” и часть группы “B”).

Если же товар 1 относится к категории CZ и решается вопрос о его присутствии в ассортиментной матрице, то нужно понимать какой есть потенциал у аудитории магазина в целом для покупки товара 1, а также какая у него оборачиваемость и можно ли высвободить деньги на его закупку в пользу более ликвидных товаров. Про оборачиваемость товара – это не в рамках этой статьи, а про потенциал аудитории магазина, чтобы не повторяться, см. в следующем кейсе.

Кейс 2. Предиктивный анализ продаж новых товаров

Предположим, имеется сеть супермаркетов около дома. Мы провели стимулирующую акцию линейки новых товаров в нескольких магазинах. В каких-то продажи новых товаров пошли хорошо, а в каких-то нет. В каких магазинах стоят еще попробовать новую линейку товаров?

Выберем магазин или магазины (условно «Магазин 1»), где новые товары показали хорошие результаты за 1 месяц перешли из категории CZ (красная) хотя бы в категорию BZ (серая) или выше.

Теперь определим половозрастные группы, которые покупали что-либо и которые покупали новые товары в Магазине 1.

    

В принципе, пользуясь даже житейской логикой, из диаграмм понятно кто целевая аудитория новых товаров. Но будем математически беспринципными и проведем ABC- анализ посетителей и покупателей. Получается такая картина.

    

Если эти данные по продажам новых товаров собраны за релевантный период, допустим, хотя бы один-два месяца, то с большой долей вероятности можно предположить, что в других магазинах новые товары точно будут покупать:

  1. Женщины 25…35 лет (группа А)
  2. Мужчины 35…50 лет (группа А)
  3. Женщины 35…50 лет (группа А)
  4. Мужчины 50+ лет (группа А)
  5. Женщины 50+ лет (группа А)

Вероятно, эти товары могут заинтересовать группы:

  1. Мужчины 25…35 лет (группа B)
  2. Женщины 1825 лет (группа B)

И, очевидно, детям и мужчинам 18…25 лет (группа C) эти товары малоинтересны и на них не стоит рассчитывать.

Возьмем новый магазин (условно «Магазин 2»), где еще новых товаров не продавали, но показатели магазина схожие: людские потоки, чеки, локация. Как спрогнозировать продажу новой линейки товаров в других магазинах, зная его демографию?

Для этого нужно собрать статистику по демографии посетителей (даже не покупателей) и сравнить с картиной в магазине 1.

Чтобы понять аудиторию магазина у дома достаточно одной недели и камеры на входе в магазин. Можно использовать камеры на кассе, как в магазине 1, но не все посетители доходят до кассы, а нам важен именно потенциал магазина.

В магазине 2 среди посетителей характерно доминируют женщины и мужчины 25…35 лет и 35…50 лет. Получается, что мы имеем достаточно много пересечений по группам A из одного и другого магазинов, а также есть еще запас по группам B. Таким образом, с очень большой долей вероятности в Магазине 2 линейку новых товаров можно рекомендовать в продажу.

 

Эмоции покупателей

Эмоции посетителей, собираемые в автоматическом режиме, для ритейла – это совершенно новая метрика для бизнеса. Максимум с чем сейчас можно встретиться в этом направлении – это кнопки «Доволен» «Не доволен», которые получатель услуги может нажать, например, в банке, чтобы оценить работу оператора.

Чтобы было понятно, Track Expert распознает в человеке восемь эмоций на лице. В сумме они дают условные 100%, и по величине каждой из них можно оценить какая из эмоций доминирует на лице в определенный момент времени. Вот они: гнев, презрение, отвращение, страх, счастье, печаль, удивление и нейтральность. Эмоции можно сгруппировать в позитивные, негативные и нейтральность. Причем нейтральность почти всегда будет доминировать.

Собирать эмоции можно в совершенно разных точках магазина: вход, выход, касса, прилавок. Можно сравнивать эмоции между людьми, между зонами контроля, магазинами и т.д.

 

 

Track Expert и 1С

Архитектурно Track Expert состоит из:

  1. Оборудование, которое устанавливается в магазине - камера и вычислительные устройства S-Box

  1.  Web портал, в котором аккумулируются данные по всем объектам наблюдения. С ним работают пользователи в своих личных кабинетах и любые информационные системы через API.

 

Для того, чтобы подключить Track Expert к вашей информационной системе необходимо иметь учетную запись от личного кабинета Track Expert. Все методы и функции прописаны в технической документации. Есть примеры внешних отчетов, демонстрирующих работу API, которые позволяют подключиться к личному кабинету Track Expert и получить данные с портала:

  1. Магазин
  2. Камера
  3. S-Box
  4. Персона (ID посетителя)
  5. Дата/Время окончания наблюдения
  6. Длительность пребывания перед камерой
  7. Кол-во появлений перед камерой
  8. Это Сотрудник?
  9. Повторное посещение?
  10. Пол
  11. Возраст
  12. Эмоции (гнев, презрение, отвращение, страх, счастье, нейтральность, печаль, удивление)

 

 

Таким образом, для того, чтобы провести подобный анализ ассортимента в некоторых случаях можно даже не дорабатывать конфигурацию, не создавать новые объекты, а работать напрямую с набором данных с портала.

 

Резюме

Для мониторинга и анализа деятельности торгового предприятия придуманы и используется много инструментов и методик: математические, технические, высокотехнологические. Цели у них одни – правильно анализировать продажи, делать прогнозы, чтобы принимать верные управленческие решения. При этом обязательно решается ряд прикладных задач:

  1.  Выявление категорий товаров, дающих наибольшую и наименьшую прибыль в магазине.
  2.  Получение данных о результатах маркетинговых и управленческих решений.
  3.  Сравнение эффективности работы персонала в разных магазинах/сменах.
  4.  Планирование графика и ассортимента закупок. Разрывов в поставках быть не должно.
  5.  Выявление сезонности продаж.

Современный покупатель не привык ждать, и даже немного капризный. Поэтому владельцу розничного бизнеса необходимо быть готовым к любым изменениям в его потребностях, чтобы максимально удовлетворить спрос. Чем выше будет скорость реакции на изменения спроса и появление новых товаров, тем успешнее и прибыльнее будет торговый бизнес. Перечисленные выше показатели должны находиться под непрерывным контролем. А чтобы их рассчитывать, необходимо обеспечить бизнес актуальными и максимально полными маркетинговыми данными.

Анализ трафика покупателей, включая знание о количестве, изменении во времени, поле и возрасте – это один из краеугольных камней маркетинга. Если держать руку на пульсе, то проверка любых маркетинговых гипотез будет занимать единицы дней. Те примеры, что я описал – это дополнительный пласт знаний, дополнение к существующим инструментам, которые призваны помочь и облегчить анализ продаж и выработать правильное управленческое решение.

Я уверен на 100%, что ни в каком магазине подобного анализа не проводили, потому что, во-первых, никто не знал, что так можно. А, во-вторых, такой информации просто нет у бизнеса. Есть догадки, социологические опросы и исследования, есть данные об использовании каких-то карт лояльности. Всё. Фактов нет! А информация по полу, возрасту, количеству повторных визитов, длительности визита/обслуживания, знаний о связки Покупатель – Товар – для многих это что-то недосягаемое. Но оно уже есть, и это можно предлагать бизнесу. К сожалению, это тот пласт данных, которого раньше просто не было и готовность бизнеса к ним крайне низка.

В розничной торговле предприниматели должны быть готовы к резким изменениям потребительских предпочтений, чтобы обеспечить максимальное их удовлетворение. От скорости реакции на появление новых популярных продуктов во многом зависит прибыльность торгового бизнеса. Поэтому расчет показателей продаж нужно проводить регулярно, обеспечивая себя актуальными маркетинговыми данными.

Сейчас в мире очень популярен тренд цифровой трансформации. Цифровой трансформации бизнеса, образования, просто процессов. Что это такое знают не все, толкований термина тоже много. То, о чем я писал выше – это одно из направлений как можно трансформировать бизнес, используя новые технологии машинного зрения, используя новые данные, используя правильную интерпретацию этих данных плюс интеграцию с традиционными данными из корпоративных ИТ-систем.

На самом деле, чтобы получить подобную статистику потребуется очень кропотливый труд. Работы хватит и ИТ-службе и маркетингу и коммерции. Данные от двух систем нужно правильно сводить, интерпретировать и принимать управленческие решения. Возможно, не сразу бизнес найдет правильный алгоритм трактовки и использования этих данных, но в отличие от конкурентов они у него будут. И через год он 100% получит сильнейшее конкурентное преимущество, т.к. другие только начнут их собирать. А выиграет тот, кто первый успеет адаптироваться к новым требованиям и запросам рынка!

 

Алексей Осипов

Директор по развитию CVizi

 

P.S. Если вам понравилась статья, то голосуйте за мой доклад на Infostart Event 2019 в секции "Идеи и тренды"

 

 

Специальные предложения

Комментарии
В избранное Подписаться на ответы Сортировка: Древо развёрнутое
Свернуть все
1. 3vs 20.06.19 16:20 Сейчас в теме
Вопрос, сколько это стоит?
3. osipov_cvizi 38 21.06.19 09:26 Сейчас в теме
(1) С ценами на разные пакеты лучше ознакомиться на сайте продукта https://trackexpert.cvizi.com.

Хотелось еще обратить внимание что стоимость - это, конечно, критерий очень важный. Но нужно смотреть на эффект, который может быть достигнут от внедрения технологии. Например, увеличение выручки магазина хотя бы на 1% покроет затраты на пользование решением или нет?
2. osipov_cvizi 38 20.06.19 16:35 Сейчас в теме
Стоимость разных пакетов можно посмотреть на сайте Track Expert.
Доступ к API - в рамках лицензии, примеры обработок бесплатны.

Но хочу обратить внимание, что сама стоимость технологии не самое главное. Главное - какой эффект это принесет или может принести бизнесу. Например, увеличение выручки на 1% будет окупать технологию или нет?
5. TODD22 18 21.06.19 15:48 Сейчас в теме
(2)
Хорошая разработка для розницы.

Например, увеличение выручки на 1% будет окупать технологию или нет?

А оно будет? Увеличение это?
7. osipov_cvizi 38 21.06.19 17:35 Сейчас в теме
(5) Ну за это стоит побороться. Этим надо заниматься, чтобы быть более конкурентным. Сейчас технологии достигли уровня, когда эти данные можно получить и получить за вменяемые деньги.
9. TODD22 18 21.06.19 17:39 Сейчас в теме
(7)
Ну за это стоит побороться. Этим надо заниматься, чтобы быть более конкурентным. Сейчас технологии достигли уровня, когда эти данные можно получить и получить за вменяемые деньги.

Вопрос был в том будет ли это увеличение в 1% именно благодаря внедрению этого ПО.
Я работал в продуктовых сетевых магазинах, к нам постоянно кто то приходил и предлагал внедрять разные "передовые" технологии. 95% опытной эксплуатации не приносили никакого увеличения в 1%.
Смысл в том что увеличение в 1% может быть, а может не быть. А вот расходы на внедрение даже в опытную эксплуатацию будут точно.
4. пользователь 21.06.19 15:44
Сообщение было скрыто модератором.
...
6. pm74 196 21.06.19 15:51 Сейчас в теме
8. osipov_cvizi 38 21.06.19 17:38 Сейчас в теме
(6) не только.
Часть алгоритмов используем из OpenCV, часть свои, часть из DLib.
Серебряной пули нет, все равно требуется тщательное обучение.
10. VmvLer 21.06.19 18:19 Сейчас в теме
Картинки красивые, размещены грамотно и увлекательно - маркетологу 5 в зачетку.

Смущает, что аналитическая информация о посетителях магазинов будет попадать в распоряжении разработчиков технологии на портал CVizi под мифические гарантии увеличения прибыли магазина.

Что ж, отличный способ заработать дважды - продать технологии и копить бесценную бизнес-аналитику по персонам, которая стоит недешево.
11. s_vidyakin 24.06.19 13:33 Сейчас в теме
(10) Имея данные от многих клиентов-магазинов можно перевернуть анализ и определить какие магазины посещают определенные категории людей, с какими эмоциями и повторно продавать эту аналитику тем же клиентам. Например магазину одежды продать сравнительный анализ по положению среди конкурентов - ваш магазин на 10 месте из 10 в городе, это повод подумать. Или например "вы были в начале года на 2 месте а теперь на 10"
12. VmvLer 24.06.19 13:51 Сейчас в теме
(11) это мелочи, гораздо дороже можно продать бизнес-статистику гигантам по разработке систем обучения, которые для обывателя называют ИИ. Посему попадать в плен красивых картинок черевато.
13. s_vidyakin 63 24.06.19 14:12 Сейчас в теме
(12) Чем это чревато? Для обывателя будет просто более точная таргетированная реклама. А может и не будет. Потому что то же самое делают яндекс, гугл и фейсбук давным давно, только в интернете и по намноооого более широкому спектру метрик.
На западе офлайн-магазины почти вымирают, в США особенно заметно - все заказывают на Амазоне с доставкой на следующий день. Поэтому по каждому человеку известны все его вкусы и передвижения. Ничего нового кроме эмоций эта система не соберет
14. osipov_cvizi 38 25.06.19 17:36 Сейчас в теме
(12)
гораздо дороже можно продать бизнес-статистику гигантам

Дело в том, что тренд на технологии компьютерного зрения идет уже давно. Также есть тренд использования облачных технологий. Думаю, все вы имеете личные почтовые логины в gmail, yandex и т.п. У многих фотографии с телефона автоматически почти сразу же отправляются в те же файловые хранилища. Исключения есть, но это именно исключения. Более того, личную и конфиденциальную переписку вы наверняка ведете не с корпоративных ящиков, а с таких вот личных, принадлежащих "гигантам".

В тех же торговых центрах сейчас повсеместно установлены всевозможные счетчики людей, включая Wi-Fi сканеры. И не говорите мне, что "я всегда отключаю WI-Fi в магазине". Может 10-20% людей отключают или не имеют такового, а остальные даже не знают и не задумываются об этом.

Поэтому очень много аналитической информации уже находится в руках разработчиков, в том числе и гигантов индустрии.

Данные по лицам собирают и гугл, и эпл, и фейсбук, и амазон, и сбербанк и много кто еще. Очень много компаний сейчас занимаются распознаванием лиц, но важно придумать не технологию, а вполне прикладное решение, которое будет работать и приносить пользу.

Сейчас мы разрабатываем решение, которое, на наш взгляд, будет очень ценным для бизнеса в целом и для ритейла в частности. У него, как и у любого другого, есть плюсы и минусы. Мы потому опубликовали статью на Инфостарте, что хотелось получить обратную связь от сообщества. Подискутировать, обсудить возможные риски, ценность и актуальность этих данных. Возможно кто-то уже сталкивался с запросами от бизнеса по получению подобной аналитики и готов поделится ею.
gallam99; +1 Ответить
15. TODD22 18 25.06.19 17:45 Сейчас в теме
(14)
Думаю, все вы имеете личные

Личная информация и корпоративная это разные вещи. Вы можете хранить свои личные данные где вам удобно, а корпоративные там где скажут те кто за это деньги платят.
16. acanta 25.06.19 17:54 Сейчас в теме
(15) насколько я понимаю, многим форумчанам платят деньги за то, чтобы они сами сказали что и где хранить.
17. a_titeev 21 26.06.19 10:07 Сейчас в теме
Закину в избранное. Явно надо что-то такое использовать в рознице... Смотришь порой, открывается магазин - ну колхоз какой-то просто.
Только цены на сайте запутанные какие-то...
starik-2005; +1 Ответить
Оставьте свое сообщение

См. также

Кубик-рубик для деклараций 11 и 12 по данным 1С.Розница, ЕГАИС и других программ и источников. (Сбор/разбор деклараций на части и их анализ) Промо

Регламентированная отчетность Бухгалтерский учет Розничная торговля Розничная торговля v8::ОУ Розница Россия БУ УУ Бесплатно (free)

Рассмотрены самые сложные ситуации(даже когда все данные утеряны). Алкогольные декларации 11 и 12 по данным 1С.Розница и других программ и источников.(Сбор/разбор деклараций на части и их анализ). "Приготовление" деклараций с учетом заданных/требующихся входных/выходных параметров. Рассматриваем самые сложные(изначально кажущиеся безвыходными) ситуации. Подходит тем, кто окончательно запутался в связи с введением ЕГАИСа в розничное звено.

09.12.2016    22973    liginrambler    7    

Как снести минусовые остатки крепкого алкоголя на 2-регистре после апреля 2021

Розничная торговля v8 Розница Россия БУ УУ Акцизы Бесплатно (free)

В статье описано, как средствами 1С:Розницы и обработок для неё поправить запущенные остатки алкоголя в ЕГАИС. Подойдет для тех, кто собрался закрыть продажу крепкого алкоголя под своей лицензией.

27.05.2021    3773    erus88    26    

ВИДы на жительство. Использование внешних источников данных в прикладных задачах

Внешние источники данных v8 Бесплатно (free)

На Infostart Meetup Novosibirsk выступил ведущий разработчик МКК «Ваш Инвестор» Вадим Фоминых. Он на практических примерах показал коллегам, как его команда использует внешние источники данных в прикладных задачах, призвал не отказываться от этого инструмента и объяснил – почему.

19.04.2021    1846    Shmell    4    

Бонусная система. Разработка, внедрение

Управление взаимоотношениями с клиентами (СRM) Розничная торговля v8 УТ10 УУ Бесплатно (free)

Задача: необходимо запрограммировать механизм начисления бонусов не в день покупки товаров, а только по истечении 14 дней.

02.04.2021    1653    Rustig    19    

Продажи без дублей по маркам. Сведение остатков в магазинах с остатками в ЕГАИС. Декларации по Форме 11 и Форме 12 по данным 1С.Розница 2.2 и др. программ и источников. Промо

Бухгалтерский учет Розничная торговля Розничная торговля v8 Розница Розничная и сетевая торговля (FMCG) Россия БУ УУ Бесплатно (free)

Для выбора интересующего пункта используйте нажатие кнопок меню(внизу публикации) 1) Сводим остатки алкоголя в ЕГАИС без остановки продаж в магазинах. 2) Включаем онлайн-контроль дублей марок при продажах. 3) Алкогольные декларации по Форме 11 и Форме 12 по данным 1С.Розница 2.2 и других программ и источников.(Сбор/разбор деклараций на части и их анализ). "Приготовление" деклараций с учетом заданных/требующихся входных/выходных параметров. Рассматриваем самые сложные ситуации. Подходит тем кто окончательно запутался в связи с введением ЕГАИСа в розничное звено.

18.11.2016    33778    liginrambler    12    

Отчет по чекам в 1С

Кассовые операции Розничная торговля v8 1cv8.cf Россия УУ Бесплатно (free)

Отчет по чекам в 1С нужен для вывода информации по чекам и представлен в типовых конфигурациях 1С в разрезе Магазина, Кассы ККМ, Кассира, с отборами по Периоду построения, магазину, онлайн кассе ККМ и кассиру.

01.04.2021    3224    Koder_Line    0    

Бухгалтерия 3.0. Ошибка загрузки билетов из Smartway

Внешние источники данных v8::БУ 8.3.14 БП3.0 Россия БУ Бесплатно (free)

Небольшое расследование причины, по которой часть билетов не загружается в Бухгалтерию из Smartway.

18.03.2021    453    maria_vl    1    

Правила обмена больше не нужны

Внешние источники данных Обмен через XML Перенос данных из 1C8 в 1C8 Распределенная БД (УРИБ, УРБД) WEB v8 Бесплатно (free)

Есть несколько общепринятых подходов к написанию обмена между 1С-системами, каждый из которых упирается в длительное изучение технологии, мучительную отладку правил конвертации и написание большого количества сервисного кода, в котором потом тяжело разобраться. О принципах работы универсального фреймворка liteExchange, который реализует быстрые обмены между 1С и внешними системами, и берет на себя всю техническую обвязку по стандартному преобразованию данных, на INFOSTART MEETUP Saint Petersburg.Online рассказал Николай Крылов.

17.03.2021    11325    Nikola23    39    

Кэширование COM-соединения. Три способа Промо

Практика программирования Перенос данных из 1С7.7 в 1C8.X Внешние источники данных WEB v8 Россия Бесплатно (free)

Статья о трех способах кэширования COM-соединения в 1С:Предприятии 8.x.

11.04.2013    42905    YPermitin    41    

DaJet Exchange: обмен данными с 1С (часть 1)

Внешние источники данных v8 Бесплатно (free)

Типовой механизм обмена данными 1С, основанный на планах обмена, имеет ряд существенных недостатков. Для преодоления этих недостатков предлагается рассмотреть теоретические основы использования альтернативных механизмов, а также предлагается обсудить реализацию практического решения, оптимального с точки зрения автора.

11.01.2021    3805    zhichkin    14    

Маркировка лекарственных препаратов. Часть вторая "Регистраторы выбытия"

Розничная торговля v8 1cv8.cf Фармацевтика, аптеки Россия УУ Бесплатно (free)

Данная статья является второй статьей в цикле, посвященном маркировке лекарственных препаратов. В данной статья я постараюсь поделиться собственным опытом работы с РВ, описанием работы с АПИ (для разработчиков), интересные моменты выявленные в ходе эксплуатации и уделить часть статьи пользователям, а именно ошибочным ситуациям и что с ними делать.

02.11.2020    9396    IssakN    55    

Структура обработки загрузки номенклатуры поставщика с примерами и комментариями (часть 1)

Внешние источники данных v8 УНФ Бесплатно (free)

В статье опишу вариант обработки для загрузки номенклатуры поставщика, блок загрузки групп и их состыковки.

12.10.2020    1098    malikov_pro    0    

Интеркампани в УТ 3.0 для Украины Промо

Комиссионная торговля Оптовая торговля Розничная торговля Бухгалтерский учет Комиссионная торговля Оптовая торговля Розничная торговля v8 УТ10 Украина УУ Бесплатно (free)

Вот, вот уже скоро выйдет долгожданная конфигурация «Управление торговлей для Украины» третьей редакции. Одной из фишек, которую ждут пользователи версии 2.3, является интеркампани, которую и будем обсуждать в нижележащей статье. Господа, кому интересно - прошу под кат.

31.01.2013    25242    akomar    10    

Модуль логиста: как обычная доработка стала тиражным решением

Управление взаимоотношениями с клиентами (СRM) Монитор заказов Розничная торговля Управление услугами и сервисом v8::ОУ 1cv8.cf УУ Бесплатно (free)

Путь развития продукта, который из доработки для устранения проблем одного клиента превратился в полноценное тиражное решение, успешно справляющиеся со всеми актуальными задачами служб доставки.

18.08.2020    3026    RAU IT    2    

Загрузка данных из Algoritm-S в конфигурацию "Бухгалтерия предприятия 3.0 (3.0.79.21) "

Розничная торговля Внешние источники данных v8 БП3.0 Розничная и сетевая торговля (FMCG) Фармацевтика, аптеки Россия Бесплатно (free)

В статье представлен шаблон обработки для загрузки некоторых данных из программы Algoritm-S в конфигурацию "Бухгалтерия предприятия 3.0 (3.0.79.21)

04.08.2020    1768    RPGrigorev    0    

Страсти по эквайрингу. Раздельный учёт УСН + ЕНВД (1С:Розница)

Розничная торговля v8 Розница Розничная и сетевая торговля (FMCG) НУ ЕНВД УСН Бесплатно (free)

- Зачем статья? - Больше для себя, чтобы не забыть, как всё это делала. Долго искала. Есть по частям. Если кому-то будет полезна – хорошо. - О чём же? - Как учесть поступления на расчетный счет от торгового эквайринга при розничных продажах в АТТ при совмещении налоговых режимов (УСН+ЕНВД, схема с УСН+патент будет такая же) в 1С: Предприятие 3.0.

15.07.2020    5809    MARIYA156    21    

Перенос данных из учетных программ Парус в конфигурации 1С Промо

Внешние источники данных v7.7 v8 БП2.0 ЗУП2.5 ЗКБУ БГУ 1С7:Бух 1С7:ЗиК 1С7:ББУ Россия БУ Госбюджет Бесплатно (free)

Статья посвящена анализу процессов переноса данных из учетных программ Парус в конфигурации 1С.

05.11.2012    53660    sklowsky    16    

Интеграции с сервером SQL. Быстро и просто

Интеграция Внешние источники данных v8 1cv8.cf Бесплатно (free)

Решаем вопросы экспорта/импорта данных в базы отличного от 1С происхождения.

06.07.2020    4133    Infector    4    

Если ККМ Атол + 1С Розница тормозит при печати чеков по сети, или экономим на покупке ККТ и ФР

Розничная торговля Адаптация типовых решений ККМ v8 Розница УТ11 Россия Бесплатно (free)

Очень медленная работа с ККТ по Tcp/ip или Как заставить две клиентских Розницы 1С печатать чеки на одной кассе ККТ онлайн Предыстория и чем все закончилось.

01.07.2020    6209    lepihin    11    

Структура обработки загрузки цен и остатков поставщика с примерами и комментариями

Внешние источники данных WEB v8 1cv8.cf Россия Бесплатно (free)

В статье опишу структуру обработки по загрузке цен и остатков от поставщика с примерами.

27.06.2020    2236    malikov_pro    0    

Сканируем без сканера или MXL to JPG Промо

Внешние источники данных Универсальные функции Печатные формы документов v8 1cv8.cf Бесплатно (free)

Хотите конвертировать документы в формат изображения менее чем за минуту, не имея сканера? Тогда эта статья для вас.

24.05.2012    34679    shakmaev    47    

Маркировка лекарственных препаратов. Часть первая "Быстрая интеграция"

Интеграция Розничная торговля v8 1cv8.cf Фармацевтика, аптеки Россия УУ Бесплатно (free)

Данный цикл будет посвящен маркировке лекарственных препаратов (далее ЛП), нюансам работы с "1С: Библиотека интеграции с МДЛП", доступной для скачивания на сайте ИТС, методиками работы с регистраторами выбытия, и проблемам, с которыми пришлось столкнуться при интеграции. Эта статья будет представлять из себя краткую инструкцию, что делать, когда маркировка уже близко и необходимо быстро внедрить ее. Надеюсь, она станет подспорьем в данной задаче. Будут приведены рекомендации, как в короткие сроки с минимально необходимой функциональностью и минимумом чтения документации произвести интеграцию библиотеки МДЛП и выполнить начальные настройки. Также будут даны рекомендации по быстрым, но важным, на мой взгляд, доработкам.

23.06.2020    9674    IssakN    37    

Диадок. Подключаемый модуль. Отладка

Интеграция Внешние источники данных v8 1cv8.cf Бесплатно (free)

Небольшой пример, как работать с подключаемым модулем Диадок (для изменения УПД перед выгрузкой на сайт Диадок.). Отладка подключаемого модуля, если не смогли подключить стандартную отладку.

17.06.2020    12467    John_d    16    

Как мы загружаем данные в "Центр управления кассами Магнита"

Внешние источники данных Интеграция v8 1cv8.cf Бесплатно (free)

Статья о том, как мы делали механизм загрузки больших объемов данных в "Центр управления кассами Магнита"

08.05.2020    5745    chernenko_vv    26    

Сложное ранжирование клиентов по классам Промо

Управление взаимоотношениями с клиентами (СRM) Оптовая торговля Розничная торговля Управленческие Управление взаимоотношениями с клиентами (СRM) Оптовая торговля Розничная торговля v8 УТ10 Россия УУ Бесплатно (free)

Пример реализации усложненной ABC-классификации клиентов. Данная статья написана для конфигурации "1С: Управление торговлей, ред. 10.3", но, я думаю, предложенный метод подойдет и для других конфигураций, имеющих механизм ABC-классификации.

28.03.2012    24033    charushkin    9    

Интеграция СуперОкна7 и УНФ

Интеграция Внешние источники данных v8 УНФ Россия Бесплатно (free)

Изучаем базу данных СуперОкна7, смотрим возможности передачи и получения информации.

08.05.2020    3093    vostok1.dz    3    

Как разрешить продажу по нулевой цене, или 100%-ная скидка. Простые примеры (КА 2.4, а также ERP 2.2 и УТ 11.4)

Практика программирования Оптовая торговля Розничная торговля Ценообразование, анализ цен v8 ERP2 УТ11 КА2 Россия УУ Бесплатно (free)

Акции, бонусы, подарки, бесплатные буклеты... Это ограничено 1С и НК, но это очень хочется иметь в управленческой базе. При этом не хочется снимать программу с поддержки. Легко.

06.05.2020    7800    ne_en    20    

Синхронизация БИТ:СКУД 8 с Parsec.Net 2.5

Интеграция Внешние источники данных v8 1cv8.cf Бесплатно (free)

Настройка синхронизации БИТ:СКУД 8 с Parsec.Net.2.5, выгрузка данных из внешней системы контроля доступа.

04.05.2020    4824    RPGrigorev    0    

Программирование в Штрих-М Кассир 5

Практика программирования Розничная торговля v8 1cv8.cf Бесплатно (free)

Методы и свойства для программирования в Штрих-М Кассир 5.

13.03.2020    4592    Ignatov_mu    4    

Как продавать маркируемый товар (обувь) из 1С:Розница + сканер для маркировки

Розничная торговля Сканер штрих-кода v8 Розница Розничная и сетевая торговля (FMCG) Россия Бесплатно (free)

Маркировка обуви в нашей стране началась с 1 июля 2019 года. Но если в 2019м году от участников рынка требовалось только зарегистрироваться в системе «Честный знак», то теперь уже совсем не за горами дата, когда необходимо будет в обязательном порядке передавать данные о проданных единицах обуви. По графику этот судный день назначен на 1 марта 2020 года. Как все знают, русский человек всегда надеется на лучшее (или на авось, кому как нравится), надеется что правительство передумает. Сейчас в сети ходит информация о возможных сроках переноса судного дня на 1 июля, или, даже, 1 сентября 2020 года, это лишь отсрочки, но никак не отмена обязательной маркировки. В дополнении ко всему вышесказанному надо отметить, что самая популярная программа для розничной торговли, а именно 1С:Розница, как и ее пользователи не смогла заранее подготовиться к нововведениям. Обновление, в котором система стала работать более-менее корректно, вышло лишь 6 февраля 2020 года (менее чем за месяц до судного дня)

22.02.2020    7383    VCPro    10    

Одна ККТ для розничного магазина и Интернет-сайта

Розничная торговля ККМ WEB v8 Россия Бесплатно (free)

Опыт использования одной онлайн-кассы для приема платежей в розничном магазине и на Интернет-сайте: технические подробности.

23.01.2020    9423    sivin-alexey    15    

Получение данных из Сигур

Внешние источники данных v8 1cv8.cf Бесплатно (free)

Получение данных из СКУД Сигур (без танцов с бубном)

25.12.2019    6384    skaoxy    9    

Создание номенклатуры в 1С: Розница 8. Ювелирный магазин

Пользователю системы Бухгалтерский учет Розничная торговля Розничная торговля v8 Розница Ювелирная промышленность и торговля Россия УУ Бесплатно (free)

Создание номенклатуры в Розница 8. Ювелирный магазин, редакция 2.2 (2.2.13.11) с использованием правил именования номенклатуры.

02.09.2019    9752    StAn1988    0    

Выгрузка из 1С номенклатуры со штрихкодами без программирования

Загрузка и выгрузка в Excel Внешние источники данных v8 УТ11 Россия Бесплатно (free)

Я так и не смог найти простой инструкции или обработки, чтобы выгрузить из 1С: Управление торговлей 11 номенклатуру вместе со штрихкодами, поэтому решил написать собственную инструкцию.

28.08.2019    24011    user1114182    10    

Решение проблем с сетевым ключом защиты для Штрих-М: Торговое предприятие 5

Администрирование данных 1С Розничная торговля Розничная торговля v8 1cv8.cf Розничная и сетевая торговля (FMCG) Россия УУ Бесплатно (free)

Штрих-М: Торговое предприятие 5 имеет свой ключ защиты, который проверяет сразу после запуска базы. Если вы увидели сообщение "ключ не найден", материал в этой статье может помочь решить вашу проблему.

21.08.2019    12207    Van2507    7    

Вывод отчетов из Штрих-М Торговое предприятие 5 на кассовое ПО Кассир 5 через веб-сервис

Розничная торговля WEB Розничная торговля v8 1cv8.cf Розничная и сетевая торговля (FMCG) Россия УУ Бесплатно (free)

Универсальный механизм вывода отчетов товароучетной системы Штрих-М Торговое предприятие в кассовое ПО Кассир 5 посредством веб-сервиса.

14.08.2019    7574    Van2507    1    

Вставка BLOB в таблицы ORACLE средствами 1С 8.х с использованием Microsoft OLEDB Provider

Внешние источники данных v8 1cv8.cf Россия Бесплатно (free)

Столкнулся с необходимостью выгружать картинки из 1С 8 в ORACLE-таблицу.

08.08.2019    5174    nomad_irk    0    

Выгрузка данных в таблицу MS SQL SERVER

Внешние источники данных v8 Бесплатно (free)

Процедура по выгрузке данных из 1C (таблица значений) в таблицу MS SQL SERVER через COM.

02.07.2019    11553    EvgenSav    18    

Маркировка табака. Формирование тега 1162 "код товара" для передачи в ККТ и ОФД

Практика программирования Розничная торговля Розничная торговля Разработка v8 1cv8.cf Розничная и сетевая торговля (FMCG) Россия Бесплатно (free)

С 01.07.2019 стартует новый этап маркировки сигарет. Теперь в кассе обязательно надо будет считывать марку с пачек табака, если она там есть. Считывать и передавать в ОФД через тег 1162 в онлайн-кассе. А как сформировать данные этого тега? Не все так просто...

27.06.2019    17357    kirlog    59    

Система питания в офисе: как совместить вендинговые автоматы, 1С, облачную кассу и веб-технологии

Интеграция Розничная торговля Розничная торговля v8 1cv8.cf Розничная и сетевая торговля (FMCG) Россия УУ Бесплатно (free)

В начале 2019 года тенденция развития автоматов питания в России привела к появлению проекта нового формата питания на работе — МикроМаркета “Го!Поедим”. Потребовалось создать новый формат зоны питания сотрудников: интегрировать в офисные кухни полноценные МикроМаркеты с бесконтактной оплатой, кофе-машинами, лаунж-зоной. Если правильно совместить вендинговые автоматы, облачную кассу, 1С и веб-технологии, то в результате будут не только сытые сотрудники, но и корректная работа всей системы офисного питания.

22.06.2019    7456    antonovintervolga    6    

Сжатие данных в мобильном приложении 1С:Предприятие

Мобильная разработка Розничная торговля Розничная торговля v8 v8::Mobile 1cv8.cf УУ Бесплатно (free)

Эту небольшую статью я планировал опубликовать у себя на сайте, чтобы такие любители мобильного приложения от 1С:Предприятие, как я, могли использовать её без дополнительно потраченных двух дней на поиски вариантов написания алгоритма. Во-первых, хотел сказать, что я небольшой разработчик, который начинал делать свои первые шаги ещё на заре правления "Семерки". Новая платформа версии 8 была как глоток свежего воздуха - бодрящий и легко воспринимаемый организмом. Я был очень удивлен, да что сказать, до сих пор удивляюсь как элементарные вещи можно делать на 1С, и как это стремно делается на других языках программирования. Во-вторых, обилие разнообразных интерпретаций платформы позволяет развернуться на все 360 градусов, захватив своими проектами, наверное, любые ветки бизнеса. Так вот, о небольшом нюансе работы с новой мобильной платформой я и хотел рассказать... Сам додумался, так сказать.

27.05.2019    14695    yarsort    27    

Рассрочка в Рознице 2.2

Практика программирования Розничная торговля Розничная торговля Разработка v8 Розница УУ Бесплатно (free)

Добавляем Рассрочку в документ "Отчет о розничных продажах" в конфигурации "Розница для Беларуси, редакция 2.2."

15.04.2019    4819    borlog    0