В 95% магазинах в мире на кассах стоят кассиры, которые просто совершают механическую операцию, - они перекладывают товар из точки А в точку B. Проблема 1. Этот процесс не эффективен, т.к. неизбежно в часы пик на кассах образуются очереди и магазины, чтобы не потерять Клиентов обязаны держать избыточное количество касс
и кассиров, которые включаются только в часы пик или праздники.
Проблема 2. По мимо неэффективной работы, на кассах возникают потери из-за человеческого фактора: жажда наживы (кассиры преднамеренно воруют деньги по различным схемам) и ошибки (пропуски при сканировании и т.д.). CERA Cash Control решает проблему сетей супермаркетов формата FMCG размером от 5 до 5000 магазинов, с количеством касс от 2 до 36 шт. Таких сетей в мире около 70 000 шт. Для своих клиентов CERA предлагает следующие услуги по автоматической видеоаналитике: контроль и мониторинг кассовых операций, статистическая аналитика выбранных товаров, аналитика работы кассиров и охранников, подготовка отчетности по заданным событиям (пронос товара в обход кассы, нарушения каждого кассира и т.п.).
Сетям интересен данный продукт, т.к. их кассиры имеют доступ к деньгам, а значит случаи мошенничества на кассах имеют место быть часто и достигают до 1,5% от оборота, многие нарушения невозможно выявить ни одним из стандартных методов (физическая охрана или
удаленное видеонаблюдение этого не видят).
Например: Кейс 1 - На кассовом терминале есть кнопка "Стоимость товара", при нажатии на эту кнопку кассовый терминал переходит в режим проверки стоимости, т.е. фискальный чек не формируется. Этот режим нужен, когда Клиент сомневается в стоимости товара и хочет ее сначала проверить, а потом уже принять решение о покупке - но при уточнения цены, все действия производятся, как и при покупке: скан, цена на экране, - только чека нет. Нерадивые кассиры, при виде покупателя со штучным товаром, переводят кассу в данный режим - сканируют товар, забирают деньги, быстро пробивают пакет, чтобы открыть кассу и положить временно деньги, и отдают товар покупателю. Потерю данного товара будет выявить довольно сложно, а излишек
денег в кассе, кассир заберет при первой возможности.
Кейс 2 - Кассир проносит мимо сканера 6 позиций, а пробивает только 2 из них. Таких кейсов около 20 уже зашиты в систему. Параллельно с этим мы ведем разработку нацеленную на решение Проблемы 1 - мы имеем
огромную выборку товаров в реальных условиях и компонуем собственную базу размеченных кадров, сначала групп товаров, а затем всех позиций по наименованиям. Используя собственные наработки алгоритмов и параметры нейронной сети мы уже имеем сеть способную с приемлемой точностью определять группы товаров и отдельные товары.