Когда план равен факту: как ZENDEN Group удалось дисциплинировать сотрудников с помощью биометрии

Кейсом внедрения системы учета рабочего времени через распознавание лиц в сетевой рознице поделился Михаил Павлов, ИТ-директор Никамед, экс-технический директор ZENDEN Group.

R&L: Как возникла идея создания системы учета рабочего времени сотрудников?

М. Павлов: Идея зародилась в начале 2019 года, на тот момент в ZENDEN Group работало 3 тыс. сотрудников в примерно 300 магазинах, и нужно было каким-то образом решить проблему их распределения на рабочих местах исходя из количества посетителей. С этой целью нами была внедрена система Workforce Management (WFM), разработанная Verme, но без фиксации факта выхода сотрудников ее данные были не точные и невозможно было оценить фактическую пользу от системы.. Система оставляла множество лазеек для сотрудников, где-то из-за недоверия к ней управляющего, где-то по причине незафиксированных нигде договоренностей сотрудников между собой. Как следствие – компания теряла деньги, но не видела источника этих потерь. В идеале факт всегда равняется плану, но в жизни такого не бывает – в компаниях с таким количеством сотрудников всегда кто-то может заболеть либо отпроситься, соответственно, нужно было решать задачу фактического учета рабочего времени людей. При этом в расчет должны были приниматься опоздания, отработка необходимого количества часов, количество чеков, показатели конверсии и пр.

Тогда мы приступили к изучению представленных на рынке технологий, начиная от самых простых и доступных, таких как карточки для учета рабочего времени. Но оказалось, что они, во-первых, не устраняют проблему фальсификации, во-вторых, требуют внедрения дополнительных устройств.

Следующее рассмотренное нами решение – это контроль по отпечаткам пальцев или рисунку вен на ладонях, и здесь мы опять-таки уперлись в два барьера – необходимость оснащать все салоны оборудованием стоимостью около 10 тыс. руб. и нерешенный вопрос с мошенничеством. Мы посчитали, что на одну «руку» можно записать более десятка людей. С ладонями ситуация немного лучше, но все равно остаются возможности для фальсификаций. А проконтролировать процесс добавления данных, в ходе которого как раз и появляются возможности схитрить, физически невозможно – для этого пришлось бы на каждую процедуру отправлять доверенного человека, что повлекло бы гигантские расходы.

На следующем этапе мы стали анализировать рынок систем распознавания лиц, который на тот момент только зарождался – когда я начал занимался реализацией проекта, уже существовали нейросети, способные распознавать и сравнивать изображения лиц, но не было ни одного готового решения для розницы.

R&L: И в итоге ваш выбор именно на эту технологию?

М. Павлов: Да, мы стали тестировать различные нейросети – всего около 10, которые, согласно статистике западной отраслевой прессы, должны были обеспечить хорошие результаты. В итоге мы выбрали решение компании VisionLabs, которая позднее была куплена Сбербанком, а на тот момент являлась довольно известным сколковским стартапом. Таким образом, вопрос с бэк-системой был решен, оставалось решить вопрос с «фронтом». Практика показала, что привлекать внешних разработчиков здесь не имеет смысла из-за длительных сроков внедрения и дороговизны: по нашим внутренним оценкам на реализацию потребовалось бы около 2-3 млн руб. Между тем у нас была возможность самостоятельно доработать корпоративный портал Битрикс24, добавив к нему подсистему распознавания лиц.

С этого момента и ведется отсчет жизни нового проекта по реализации на Битрикс24 системы учета рабочего времени сотрудников магазинов. В качестве итоговой цели проекта были заявлены факт присутствия сотрудника на рабочем месте в заявленное время и недопущение любых фальсификаций. Отмечу, что на момент запуска системы FaceDetect (а скорее всего, за прошедшие полгода ситуация не слишком изменилась), на рынке не было готовых технологий, гарантирующих полную защиту от фальсификаций с помощью качественных фотографий. Мы придумали специальное решение, пусть и требующее частично ручного труда, но только одного человека на весь проект. Все остальные решения требуют установки специализированного оборудования наподобие 3D-камер, что подразумевает немалые вложения и не дает стопроцентной гарантии отсутствия мошенничества (ведь обмануть при желании можно даже камеру iPhone).

Мы решили задействовать уже имеющееся у нас оборудование – web-камеры, используемые для онлайн-конференций, обучения и пр. Схема Check-In в системе выглядит примерно следующим образом: придя на работу, сотрудник открывает специальную страницу на корпоративном портале, нажимает кнопку «сфотографироваться и распознать меня».

Далее фотография сжимается до определенного размера и отправляется в бэк нейросети, которая за доли секунды обрабатывает ее, сравнивает с ранее загруженной базой фотографий и приветствует сотрудника фразой «Доброе утро, Иван Иванович, хорошего вам дня, вы пришли в 9:01». Также сотрудники обязаны фиксироваться в системе в случае отсутствия на рабочем месте более 30 минут.

R&L: Дорабатывалась ли система после запуска?

М. Павлов: Безусловно, запустив базовый функционал, мы стали смотреть, каким образом систему можно усовершенствовать. Во-первых, была добавлена функция сверки фотографий в базе, чтобы никто не мог добавить дубликат своей фото и отмечаться за другого сотрудника. Во-вторых, появилась возможность отслеживать, с какого компьютера/телефона производилась отметка о приходе – это должна быть локальная сеть магазина.

В-третьих, была внедрена регламентная система контроля, суть которой заключается в том, что раз, например, в неделю, в рандомное время всем сотрудникам магазина на телефон приходит уведомление о необходимости отметиться в течение 10–15 минут. Проводить такие проверки чаще нет смысла, чтобы лишний раз не отвлекать сотрудников от работы. Но при этом они всегда будут держать в голове возможность такой проверки и помнить о рисках, связанных с неразрешенным уходом с рабочего места.

Еще одной непростой задачей было исключение возможности отмечаться в системе с помощью хорошо напечатанной фотографии или с фото в телефоне. В компании был утвержден специальный формат онлайн-отчета, для подготовки которого все фотографии, сделанные сотрудниками, хранятся в базе на протяжении 30 дней и при необходимости выводятся по 50 изображений на лист. Их анализом, как правило, занимается управляющий региональной сетью или магазином (с подключением централизованного контроля со стороны службы безопасности). Сам по себе просмотр фото не вызывает особых затруднений, однако изначально возникла сложность с тем, чтобы определить источник фотографии – например, сам человек снялся на камеру или кто-то поднес к камере его фотографию. Мы поставили перед собой задачу, что после апгрейда системы нейросети смогут отличать подлинный снимок от фото, сделанного с листа A4 или с телефона. Единственное решение проблемы, которое мы тогда видели, – это обработка фотографий двумя нейросетями подряд. Однако оказалось, что в онлайне появлялся достаточно большой временной лаг и низкая точность сетей, которые определяют настоящее фото от поддельного.. Поэтому было запланировано добавление нейросети, выбирающей подозрительные фотографии – тогда человеку придется рассматривать не несколько сотен фотографий в день, а только несколько отобранных системой. В этом случае мониторинг будет необходим не чаще одного раза в неделю, а весь процесс уложится в пару десятков минут. И самое главное – попытки фальсификаций сотрудниками полностью сойдут «на нет».

Итогом работы на данном этапе стало получение полностью верифицированных данных (список сотрудников, фактическое время ухода/прихода в конкретный магазин), проведение интеграции с 1С ЗУП, а также обеспечение выгрузки информации в розничную систему для расчета мотивационных выплат.

На следующем этапе мы провели объединение план-факта с Workforce Management, и стали выгружать данные из Битрикс24 о приходе сотрудников в систему Verme, где непосредственно можно проанализировать план-факт и получить заветную информацию о том, в каких салонах ощущается нехватка сотрудников в момент наплыва посетителей, и принимать обоснованные управленческие решения, точечно разбираясь с нарушениями графика.

Важно понимать, что до внедрения биометрической системы учета рабочего времени система Workforce Management прогнозировала необходимое количество сотрудников только исходя из усредненных данных о продажах и трафике, а также из того, сколько времени тратится на приемку одной пары обуви, на переоценку одного товара и пр. Ее запуск позволил повысить эффективность систем Workforce Management – выводить оптимальное количество людей под определенный прогнозируемый поток посетителей, причем делать это точечно, ориентируясь на потребности каждого конкретного магазина и особенностей его аудитории – важны все параметры, включая регион, локацию (ТЦ или стрит-ритейл) и пр.

Наконец, стоит отметить постпроектную работу в рамках развития системы VisionLabs – в ней появилась функция распознавания эмоций. В числе прочего мы собирали информацию о том, с каким настроением человек пришел и ушел с работы. Следующая итерация предполагала анализ того, в каких салонах сотрудники более удовлетворены своей работой, начинают и заканчивают день с улыбкой, и как это отражается на продажах. Мы убедились в том, что салон, в котором работает позитивный коллектив, демонстрирует намного лучшие показатели конверсии и продаж, чем салон, сотрудники которого склонны к внутренним конфликтам.

К сожалению, карантин не позволил довести проект до конца и принять массовые управленческие решения или «разборы полетов». Но так или иначе информация была доведена до сведения руководства.

R&L: Каким образом обеспечивается защита данных сотрудников?

М. Павлов: Для защиты данных мы использовали Яндекс.Облако, соответствующее всем требованиям ФЗ-152. И, конечно, данные не хранятся в «чистом» виде – при поступлении в облако фотографии немедленно шифруются, при этом обратная дешифровка абсолютно невозможна.

R&L: Каким образом будет работать система в случае обрушения интернет-сети?

М. Павлов: Моя позиция как IT-директора «Никамед», розничной сети из 200+ магазинов, – ни одна крупная сеть сейчас не может работать в офлайне сколь-нибудь значимое время. Все акционные, скидочные системы, система лояльности, безналичный расчёт и пр. завязаны на онлайн-сервисах, CRM и т. д., в этом же ряду стоят выдача интернет-заказов, работа dark store и т. д. В ZENDEN такая возможность работы без онлайна допускалась, но по факту, на мой взгляд, это был некий архаизм.

Что касается системы учета рабочего времени, то она не является критической важной для бизнеса, в случае обрушения интернета каждый человек может отметиться со своего телефона через сети 4G/LTE, и никакие процессы при этом остановлены не будут.

R&L: Как вы в целом оцениваете результативность проекта?

М. Павлов: Запуск системы позволил принимать управленческие решения и контролировать сотрудников, которые пытались заниматься махинациями либо работали намного менее эффективно своих коллег.

На мой взгляд, это было очень качественное решение, позволившее выявить все проблемные места, которые нельзя было обнаружить и проконтролировать другим способом. И я уверен, что у биометрических системам распознавания большое будущее. В ZENDEN такие системы стали использоваться не только в магазинах, но и на складах, в удаленных офисах и пр. Проект был признан самым дешевым стартом в плане внедрения и наиболее эффективным способом учета фактического времени прихода/ухода людей. К слову, таким образом отмечаться могли в том числе и удаленные сотрудники. Система в целом позволяла определенным образом воспитывать сотрудников, контролировать их работу и повышать их эффективность.

R&L: Что бы вы рекомендовали компаниям, которые также присматриваются к подобным системам?

М. Павлов: Я бы рекомендовал четко определиться с набором поставленных задач и целей и – главное – не бояться биометрических систем. Они демонстрируют качественную работу и намного стабильнее, чем другие системы, требующие дополнительного оборудования и более сложного учета. Их можно приобретать и использовать уже сейчас – и, повторюсь, именно за ними будущее.