Камеры на кассе не замечают краж: как видеоаналитика и POS-данные закрывают дыру в 4 млн рублей в год

Когда в российском ритейле говорят о потерях, разговор сводится к воровству покупателей и ошибкам инвентаризации. Про кассовые манипуляции собственных сотрудников говорят тише, хотя по масштабу этот канал нередко больше первых двух вместе.

По данным Appriss Retail, 29% потерь в ритейле - внутренние хищения. Большая часть происходит прямо на кассе, на виду у камер, и стандартное видеонаблюдение здесь бесполезно: мошенничество на кассе выглядит как нормальная транзакция.

Sweethearting: кассир пробивает один товар из трёх, остальные кладёт в пакет знакомому. Камера видит: сотрудник работает, покупатель платит, ящик закрывается.

Skip-scanning на самокассе: покупатель имитирует движение к сканеру и кладёт дорогой товар в зону выдачи. Весовой датчик молчит, камера видит человека, раскладывающего покупки. Так же выглядит возврат несуществующего товара: на видео - человек, нажимающий кнопки на терминале.

Все эти схемы устроены так, чтобы выглядеть как обычное оформление, поэтому 89% кассовых краж не раскрываются просмотром записей. Кражу видно в данных: в разнице между тем, что пробито в чеке, и тем, что покинуло магазин.

• Sweethearting: скидки, сконцентрированные вокруг конкретных смен или сотрудников, ценовые корректировки без авторизации менеджера, заниженные суммы чеков относительно числа позиций
• Skip-scanning: расхождение веса в зоне выдачи и суммы отсканированного, корзины дешевле ожидаемого для своего размера
• Refund fraud: возвраты без чека, высокое соотношение возвратов к продажам у сотрудника, возвраты в моменты, когда касса пуста
• Void manipulation: отмен значительно больше среднего по смене, отмены сконцентрированы в конце смены
• No-sale drawer access: открытия ящика без транзакции у одного сотрудника в разы чаще, чем у остальных

EBR - метод, при котором POS-система сама помечает транзакции, отклоняющиеся от нормы, вместо ручного просмотра каждой операции. Система строит для каждого сотрудника базовые метрики: частоту отмен, долю возвратов, число открытий ящика. Когда текущие показатели выходят за допустимое отклонение, появляется алерт с сотрудником, временем, типом аномалии и её значимостью.

EBR сравнивает сотрудника с ним самим в прошлом и с коллегами в тех же условиях. Восемь отмен за смену могут быть нормой для формата магазина, а двенадцать при личной норме в две - уже значимое отклонение.

• Отмен за смену больше личной нормы более чем в 3 раза
• Доля возвратов выше средней по персоналу более чем на 2 стандартных отклонения
• Больше 5 открытий ящика без продажи за час при норме меньше 1
• Ценовые корректировки без кода авторизации менеджера

EBR находит подозрительную операцию, а видео показывает, что в этот момент происходило у кассы. Каждая транзакция содержит точное время, видеоаналитика синхронизирована с ним по каждой кассе. Когда кассир оформил возврат на 4200 рублей в 14:37, система сама достаёт клип с камеры над кассой за 14:35-14:40. Менеджер видит транзакцию и клип: покупателя нет, сотрудник нажимает кнопки, выдвигает ящик. Расследование закрыто за три минуты вместо трёх часов поиска в архиве.

Главная проблема внедрения - усталость от алертов: при слишком чувствительных порогах система выдаёт сотни ложных срабатываний, и менеджеры перестают их смотреть. Калибровка требует нескольких недель в режиме наблюдения.

Американская сеть спортивной одежды, 80 магазинов в торговых центрах. Кассовые потери составляли 6% выручки и долго считались неизбежными. После внедрения связки POS-данных и видеоаналитики за первый год потери снизились до 1%, расследование инцидентов сократилось с 2-3 месяцев до одного, время от алерта до закрытия кейса - с часов до минут. Анализ трафика и выкладки дополнительно дал рост продаж на 5-15% в части магазинов.

Замена камер не понадобилась: интеграция шла поверх установленного оборудования через API к POS-системе.

• Разнородные POS-системы: 1С:Розница, Frontol, собственные разработки, ERP с кастомными модулями. Под каждую нужен коннектор или выгрузка в промежуточный формат, это несколько недель к сроку
• 54-ФЗ и ОФД: онлайн-кассы передают данные в ОФД в реальном времени, полный лог транзакций уже доступен через API большинства операторов. Готовая база для EBR, которой нет у западных сетей
• Масштаб: средние кассовые потери в российском ритейле - 0,3-0,8% оборота. Для сети с оборотом 500 млн рублей это 1,5-4 млн в год, которые списываются как погрешность
• 152-ФЗ: для кассового контроля биометрия не нужна, достаточно детекции присутствия человека у кассы без идентификации

Сбор данных: камеры над кассами от 2 Мп с обзором и кассира, и покупателя, подключение к POS через API или выгрузку лога, синхронизация времени до секунды.

Обработка: детекция присутствия людей у кассы и анализ транзакций по правилам EBR. Результаты сопоставляются: возврат при пустой кассовой зоне - автоматический алерт высокого приоритета.

Интерфейс: очередь алертов по приоритету, у каждого транзакция и клип, отметка «подтверждён/опровергнут» для обратной связи модели.

Для точек со слабым каналом подойдёт NVIDIA Jetson Orin Nano: 4-8 касс одновременно при детекции YOLOv8n в TensorRT, задержка 20-40 мс.

• Аудит одной точки с наибольшими подозреваемыми потерями: камеры над кассами, выгрузка транзакций за 3 месяца, ручной анализ аномалий
• Пилот на одной кассе на 2-3 недели: детекция присутствия, базовые правила (отмены, открытия ящика, возврат без покупателя), метрики
• Калибровка порогов, затем все кассы точки, затем сеть
• KPI фиксируются до старта: доля подтверждённых алертов, динамика возвратов и открытий ящика по сотрудникам

Кассовое мошенничество видно в транзакциях. Видео нужно, чтобы проверить подозрительную операцию и закрыть кейс.

Для сети с оборотом от 200 млн рублей в год экономика сходится даже в пессимистичном сценарии: снижение кассовых потерь с 0,5% до 0,2% оборота даёт 600 тысяч рублей в год при стоимости пилота на одной точке от 150-200 тысяч.