Ритейл: shelf analytics — камеры на полках

Ситуация: Пилот с камерами на полках в 10 магазинах показал, что OOS (out-of-stock) real-time — 8,5%, а по данным WMS — 2,1%. Gap стоит 120 млн ₽/год.

Сеть тестирует computer vision решение для мониторинга полок. Камеры фиксируют: пустые полки, неправильное размещение, ценники. Возникла проблема интеграции данных CV и WMS.

Доступные данные

• shelf_snapshots: snapshot_id, store_id, shelf_id, timestamp, sku_detected, sku_expected, oos_flag, misplaced_flag
• wms_stock: store_id, sku_id, date, system_qty, last_replenishment, next_replenishment
• sales_impact: store_id, sku_id, date, expected_sales, actual_sales, oos_hours
• staff_tasks: task_id, store_id, task_type, created_at, completed_at, priority

Задачи

• Определить причины gap между CV и WMS данными по OOS.
• Рассчитать revenue impact OOS с учётом substitution behavior.
• Спроектировать alert workflow: какие OOS требуют немедленной реакции.
• Оценить ROI масштабирования CV-решения на всю сеть.

Все кейсы для подготовки → ← Все кейсы