Одна из крупнейших розничных сетей России, «Магнит», разрабатывает современную систему прогнозирования и пополнения товаров (F&R). Цель проекта – создание и внедрение нового решения, которое закроет все потребности ритейлера на ближайшие 10–15 лет. Для решения амбициозных задач Магнит точечно привлекает лучшую экспертизу, доступную на российском рынке. Компания Napoleon IT была выбрана в роли партнера для решения задач, связанных с функциональностью нового решения.

В этой статье CTO программы проектов F&R в «Магнит» Михаил Гедзберг и директор по продукту Napoleon ADR (AI-Driven Replenishment) Азамат Ниров расскажут о процессе разработки функционального дизайна будущего решения и о том, почему оно так важно для «Магнита».

Редизайн касс самообслуживания в «Магните» упростил процесс покупок и улучшил работу с товарами и бонусной картой Магнит Плюс. Оптимизация интерфейса сократила участие сотрудников, что повысило операционную эффективность. Все эти изменения улучшили клиентский опыт, увеличив средний чек и снизив затраты на обслуживание

Конкуренция за клиента становится все ожесточеннее, и в ход идут разные инструменты. Про трансформацию отрасли ритейла, как с помощью «выхода в поля» улучшать онлайн и офлайн опыт пользователей, и что это значит для продактов — рассказал Андрей Корыстин, Директор по продукту «Магнит OMNI», на митапе «Magnit OMNI Product Meetup: онлайн vs офлайн — битва за клиента». Делимся материалами.

Когда вы заказываете товары на сайте и в приложении, сервис доставки привозит их из магазинов «Магнит». Раньше для сборки заказов выбирался ближайший к покупателю магазин. Причём ближайший в буквальном смысле — по прямой. Это позволяло экономить на курьерах, но во всех магазинах разное количество сотрудников и ассортимент: где-то заказы собирали дольше, а где-то, из-за отсутствия определенных товаров, позиции в заказе меняли на аналоги. Поэтому мы решили поменять логику выбора магазинов, провели в нескольких городах пилотный проект и делимся первыми результатами.

В сентябре 2022 года в компании Магнит стартовал проект по переводу аналитики с он-прем железа в облако. Фактически компании пришлось выбирать как пути миграции, так и возможные инструменты работы. Было принято решение о миграции в облако Яндекс.

Цель нашей статьи – описать свое решение и те грабли, на которые мы наступили в процессе миграции.

В этой статье поговорим о Sentry — инструменте для сбора exception, который помогает разработчикам быстро обнаруживать и устранять проблемы, сокращая время выхода новых релизов и повышая удовлетворенность пользователей.

 В этой статье поделюсь нашим техническим опытом, расскажу о бизнес-задачах, успешно решаемых в Magnit Tech, проиллюстрирую подходы на одном из MLaaS проектов по таргетированию аудиторий. 

На практике таргетирование может стать настоящим АТАСом для покупателей, перегруженных нерелевантными коммуникациями – но только не с нашим сервисом! 

Далее расскажу, почему это так и детально поделюсь целями проекта и его технической реализацией от постановки задачи до боевого использования в проде. 

По мере работы приходилось часто сталкиваться с тем, что не все коллеги были знакомы с комбинаторами агрегатных функций в ClickHouse или же ограничивались использованием комбинатора -If. Это побудило меня написать статью. Надеюсь, она окажется для вас полезной.

В статье рассматриваются проблемы интерфейса и эргономики касс самообслуживания в сети «Магнит», необходимость разработки собственного ПО и результаты UX-исследований, направленные на улучшение покупательского опыта и эффективности. Материал раскрывает этапы проектирования и внедрения ПО для сложных систем, демонстрируя, как UX-оптимизация способствует значительному повышению операционной продуктивности и удовлетворённости пользователей.

В статье поделимся опытом создания и развития команды аналитики «Магнит Маркета», которая становится не только двигателем бизнеса, но и источником новых идей и проектов.

Мы решили пощупать рынок LLM в контексте 1С-разработки. Рассказываем, какие есть инструменты, как их можно использовать и к каким выводам мы пришли.

Мы в компании «Магнит» много лет строим и эксплуатируем корпоративное хранилище данных и занимаемся различными задачами, связанными с этим. В частности, разрабатываем инструмент для конечного пользователя — систему отчётности и BI.

В статье рассмотрим вопросы оптимизации производительности системы.

Рассмотрим Smallstep CA — современное и инновационное решение для управления сертификатами. Оно может предложить несколько преимуществ по сравнению с OpenSSL.

Hibernate — очень мощный и функциональный ORM (Object-Relational Mapping) фреймворк. Он связывает базы данных с помощью объектно-ориентированных языков программирования. Однако многие, начиная с ним работать, натыкаются на проблемы производительности или отсутствия нужной функциональности. Многие из этих проблем появляются просто из-за того, что разработчики не умеют его «готовить». 

В статье делимся рецептами работы с Hibernate и Spring Data JPA: они помогут решить многие проблемы, возникающими при использовании фреймворка.  

Допустим, у нас есть некоторое исполнительное ядро и множество пользователей, владеющих Python на уровне «изучи его полностью за неделю», которые хотят решать задачи своей предметной области, с минимальными усилиями используя сервисы ядра. Мы, как разработчики ядра, хотим, с одной стороны, спрятать всё «грязное белье» за неким интерфейсом, с другой максимально упростить взаимодействие пользователей с ядром.

Как один из вариантов решения предлагаю посмотреть создание своего диалекта Python-скриптов, предназначенного для конкретной предметной области. Этакий DSL «для бедных», с синтаксисом Python, но со средой выполнения, заточенной под выполняемые задачи.

В приложении «Магнит: акции и доставка» можно оставлять отзывы на товары. Отзывы модерируются: мы публикуем те, которые считаем полезными для других покупателей, — они должны описывать потребительские свойства товара. Отклоняем все остальные: как правило, это жалобы на ценники, сервис в магазине, условия хранения либо просто нерелевантные тексты. Отзывы с жалобами обрабатывают службы поддержки и сервиса.

Рассказываем о том, как мы попробовали применять большие языковые модели, чтобы автоматизировать модерацию отзывов. 

Иногда это целая проблема — найти товар с редкими свойствами. Информация о товаре должна быть доступна для поиска, но в лучшем случае особые характеристики указываются в текстовом описании. Даже если для интересующего свойства сделали отдельное поле, то его заполняют левой задней пяткой без гарантий достоверности. В результате покупатель может плюнуть и уйти из магазина, так и не найдя то, что искал. А секрет прост: чтобы все получилось, нужно правильно приготовить мастер-данные.

Рассказываем, чем грамотно построенные процессы управления мастер-данными могут помочь продажам. 

По мере развития проекта в целом и дизайн-системы в частности дизайн-токенов становится очень много. Для примера, у нас уже около четырёхсот иконок, больше двухсот цветов и перспектива внедрения нескольких тем в приложении. Что ещё, если не автоматизация, позволит держать в консистентности всю эту систему?

Рассказываю про наш тернистый путь к собственному генератору токенов дизайн-системы.

Самые первые бизнес-требования были оставлены нашими предками в виде наскальной живописи, некоторые из которых добрались и до наших дней.

О том, как поменять подходы к написанию и пониманию бизнес-требований, чтобы результат от их реализации не был первобытным, расскажем в статье.

Проверка потенциальных контрагентов на благонадёжность — неотъемлемая часть ведения бизнеса. Она нужна, чтобы эффективно управлять рисками, соблюдать должную осмотрительность, исключить репутационные риски и финансовые потери.

Мы создали систему, которая позволила оптимизировать работу по проверке контрагентов из открытых источников. Рассказываем, как она устроена.