• Открыли первый в России экспериментальный Phygital-магазин «Пятёрочка», где сочетаются цифровые и физические ритейл-решения.

• Х5 полностью импортозаместила систему управления складами на систему собственной разработки – WMS Nexus.

• X5 открыла инновационные лаборатории на базе двух супермаркетов «Перекрёсток» в Москве, где уже тестируются четыре типа технологий: CV (компьютерное зрение), Bluetooth-маячки, IoT (интернет вещей) и аудиобейджи.

• Запущена платформа ACE (AI Construction Engine) — удобное low-codeрешение на базе LLM, с помощью которого можно без программирования создавать ИИ-агентов, чат-ботов и автоматизировать внутренние задачи.

У вас не возникали порой мысли, что мы, разработчики, очень двуличные создания? Мы так много говорим про логику, про то, как правильно надо писать код, как посчитать нагрузку и подобрать правильные архитектурные решения под бюджет нашего продукта... Но в то же время некоторые вещи мы «не можем свести к каким-то цифрам», можем только «почувствовать». Или определить исходя из нашего, так сказать, опыта.

Не знаю как вас, а меня это частенько раздражает. Так что давайте разберем интересные моменты, когда разработчики на самом деле могут все свести к сухим цифрам, но почему-то не хотят это сделать. Или не знают как.

В Маркете есть высоконагруженная мастер-система для всех товаров. Она обеспечивает двустороннюю интеграцию с десятками источников обновлений и потребителей информации. Однако масштаб обработки создавал критический вызов: часть данных не соответствовала требованиям к оперативности обновления, что влияло на качество сервиса для пользователей и партнеров. Для решения этой задачи мы разработали интеллектуальную систему квотирования с функцией автодеградации. Её ключевая особенность — динамическое перераспределение ресурсов, гарантирующее своевременное обновление критически важных данных даже в пиковые нагрузки.

Предстоит писать SQL-запросы, помогать в прототипировании витрин, проверках качества данных и создании ad-hoc аналитики. Необходимо хорошее знанием SQL и опытом работы с БД.

В команде продвинутой аналитики предстоит разрабатывать продуктовые метрики, проводить A/B-тесты, искать точки роста на данных, строить датасеты и участвовать во внутренних встречах с продактом. Мы работаем на стыке продуктового анализа, data science и инженерии, поэтому пригодятся знания Python, SQL, статистики и базовый опыт в ML.

В команде ad-hoc аналитиков ждут эксперименты на клиентах и магазинах, оценка экономических эффектов, моделирование оптимального штата, алгоритмы товарных связок, детектирование аномалий и многое другое. Необходимо знание Python, SQL и основы статистики и ML.

Предстоит превращать цифровые следы работы систем в понятные и полезные инсайты для бизнеса — от реконструкции процессов по логам до визуализации метрик и автоматизации отчётности. Ждём студентов со знанием SQL, Python или R, которые интересуются визуализацией данных (например, в Superset или Grafana), не боятся копаться в деталях и хотят прокачаться на реальных задачах с ощутимым бизнес-эффектом.

Команда внедрения технологий ищет стажёров, которые хотят погрузиться в мир retail-теха: от касс самообслуживания и мобильных принтеров до собственных инноваций и пилотов оборудования. Ты узнаешь, как устроены магазины и распределительные центры, разберёшься в железе, стандартах автоматизации, импортозамещении и сетевых технологиях, а ещё поработаешь с реальными пользователями и живыми процессами. Для студентов IT-специальности, уверенно обращающихся с Excel, кто понимает клиент-серверную архитектуру и не пугаешься слов вроде TCP/IP, PCIe и WMS.