Услуги анализа данных и BI-аналитики для бизнеса

Всё из Medium-пакета
Единое хранилище данных DWH
Структурированная обработка данных: все данные проходят несколько этапов подготовки
OLAP-модель: возможность строить многомерные кубы и анализировать данные по любым измерениям
Unit-экономика, LTV, CAC и когортный анализ
План-факт и прогнозирование
Постоянная поддержка аналитика

Результат: управление бизнесом на основе данных, а не интуиции

от 120 000 ₽ / мес.

Получить консультацию

Наши проекты

Не просто создаём отчёты — мы решаем задачи.

Проекты, где мы помогли бизнесу навести порядок в данных, увидеть новое и ускорить рост

Внедрение OLAP-куба для отдела управления товарными запасами

Внедрение OLAP-куба для отдела управления товарными запасами позволило объединить разрозненные источники данных, автоматизировать их обработку и создать гибкий аналитический инструмент, который используется менеджерами ежедневно.

Оптимизация логистических процессов в розничной торговле

Данный проект является примером того, как BI-аналитика способна трансформировать операционный процесс. Теперь отдел доставки управляет логистикой на основе данных, а не интуиции. Проект создал фундамент для цифрового управления логистикой компании.

Построение системы аналитики в компании с нуля

Проект позволил объединить данные из CRM, 1С, маркетинговых и операционных систем в единое хранилище, автоматизировать их загрузку и трансформацию, а также создать OLAP-кубы и интерактивные дашборды. В результате ключевые отделы получили удобный инструмент для ежедневного анализа эффективности бизнеса.

Статьи об аналитике

Предлагаем обсудить сотрудничество

Заполните форму, и мы свяжемся
для обсуждения деталей

Как SELECT * оптимизировал отчётность в отделе управления товарными запасами (УТЗ)

Проект «Внедрение OLAP-куба для отдела управления товарными запасами» позволил объединить разрозненные источники данных, автоматизировать их обработку и создать гибкий аналитический инструмент, который используется менеджерами ежедневно.

После реализации

ДЛЯ ДАННОЙ ВИЗУАЛИЗАЦИИ ИСПОЛЬЗОВАНЫ ТЕСТОВЫЕ ДАННЫЕ С ЦЕЛЬЮ СОХРАНЕНИЯ КОММЕРЧЕСКОЙ ТАЙНЫ

Разработан Excel-файл с прямым подключением к OLAP-кубу
Настроен доступ к отчетам для пользователей
Проведено обучение менеджеров: как строить сводные отчеты, фильтровать данные, анализировать показатели
Реализована поддержка ad-hoc запросов для отдела УТЗ

ПРОТОТИП ДЕЙСТВУЮЩЕГО BI-ОТЧЁТА

РЕАЛИЗАЦИЯ. ЭТАП IV

До реализации

Создан OLAP-куб с помощью SQL Server Analysis Services (SSAS)
Собрана модель данных
В кубе реализованы ключевые метрики и срезы (запасы, продажи, обеспеченность, оборачиваемость и т.д.)

В кубе реализованы ключевые метрики и срезы (запасы, продажи, обеспеченность, оборачиваемость и т.д.)

Создан OLAP-куб с помощью SQL Server Analysis Services (SSAS)
Собрана модель данных

РЕАЛИЗАЦИЯ. ЭТАП III

Низкие (снижены в 2-3 раза)

Организовали процесс выгрузки данных в хранилище из всех трёх баз 1С с использованием оркестратора Apache Airflow и настроили автоматическую выгрузку
Реализовали staging-слой для выгрузки сырых данных
Построили слой витрин данных (data mart) для агрегации показателей

РЕАЛИЗАЦИЯ. ЭТАП II

Высокие

Провели бизнес-интервью с руководителем отдела УТЗ и категорийными менеджерами
Выявили ключевые боли: ручная подготовка отчётов из трёх баз (занимала до 8 часов) , отсутствие единой картины по остаткам и оборачиваемости , невозможность сравнивать обеспеченность по складам и регионам , высокая вероятность ошибок при ручных сводках
Сформулировали бизнес-запрос: «Создать инструмент, который даст возможность анализировать остатки и движение товаров по всем регионам в едином интерфейсе, с ежедневным обновлением данных и возможностью формировать отчёты самостоятельно»

РЕАЛИЗАЦИЯ. ЭТАП I

Трудозатраты менеджеров

Создать единое хранилище данных из трёх региональных баз
Реализовать аналитический сервер на основе OLAP-куба для построения гибких отчётов
Обеспечить масштабируемость метрик и срезов для будущих направлений
Обучить сотрудников работе с инструментом и сводными таблицами

ЦЕЛИ ПРОЕКТА

1-2 часа

построить OLAP-куб для анализа остатков, отгрузок и заказов, чтобы видеть актуальные данные на вчерашний день и оптимизировать закупки

БИЗНЕС-ЗАДАЧА

1

Написать в MAX

Обсудить проект

Обновление ежедневно

Филиалы ведут учёт товарных запасов в трёх базах 1С, распределённых по территориям.

Каждый отдел формирует отчёты вручную, расходуя 1-2 рабочих дня. Как следствие, центральный офис получает агрегированные данные с задержкой в 2–3 дня, а сама система аналитики в компании не является гибкой и не позволяет оперативно принимать решения.

Закупочные решения принимаются с опозданием, излишки на складах растут, а прогнозирование спроса является неточным.

НАЧАЛЬНЫЕ УСЛОВИЯ

2-3 дня задержки

СФЕРА

B2B-поставки, собственные склады и розничная торговля

5-6

КОМПАНИЯ

0,5-1 день

производитель и дистрибьютор строительных материалов

Актуальность данных

Кол-во отчётов в день

Время подготовки 1 отчёта

Показатель

Полностью автоматизирована загрузка и подготовка данных
Убрана необходимость ручных выгрузок из баз
Повышена прозрачность в управлении товарными запасами
Решения стали приниматься быстрее — на основе актуальных данных
Появилась возможность масштабировать аналитику на другие подразделения

РЕЗУЛЬТАТЫ ДЛЯ КОМПАНИИ

Дашборд доступен в десктопной версии

Откройте страницу на компьютере или расширьте окно браузера, чтобы увидеть интерактивный отчет.

MoM

Сравнение текущего и предыдущего месяца

Показатель	Июнь	Июль	Отклонение

YoY

Сравнение с аналогичным периодом прошлого года

Показатель	2024	2025	Отклонение

По распределительным центрам

Текущие остатки и транзит по ключевым площадкам

Показатель	Хабаровск	Новосибирск	Владивосток

Обеспеченность, %

План против факта за 12 месяцев

120 100 80 60

Целевое значение Фактическое значение

ABC по распределительным центрам

Структура остатков и оборачиваемости по категориям

Статусы и сегменты

Распределение запасов по ключевым группам

Холдинг

Прошлый месяц против текущего

РЦ	Прошлый месяц	Текущий месяц

Категория A

Прошлый месяц против текущего

РЦ	Прошлый месяц	Текущий месяц

Отклонение от цели 95%

Текущий месяц против фиксированной цели обеспеченности по выбранному срезу

Холдинг

Цель 95%

Категория A

Цель 95%

Динамика обеспеченности

Помесячная матрица по РЦ и филиалам за 2024-2025 годы

График динамики

Помесячное изменение обеспеченности по выбранному РЦ

120 100 80 60

Целевое значение Фактическое значение

Решение уже внедрено и приносит результат — расскажем про процесс, дашборды и логику на встрече

Написать в MAX

Обсудить проект

СФЕРА

оптовая торговля, управление транспортной логистикой и доставка товаров в торговые сети, рестораны, производства и склады партнёров

КОМПАНИЯ

торгово-дистрибьюторский холдинг, занимающийся поставками товаров для сегмента FMCG и HoReCa на территории Дальнего Востока

Решение уже внедрено и приносит результат — расскажем про процесс, дашборды и логику на встрече

Написать в MAX

Обсудить проект

СФЕРА

медицинские услуги,
многопрофильный медицинский центр

КОМПАНИЯ

федеральная сеть медицинских клиник
с филиалами по России и ДВ

Динамика прибыли

Эффективность каналов

Воронка продаж

Lite

Medium

Enterprise

Дашборд доступен в десктопной версии

Показатели отдела управления запасами

MoM

YoY

По распределительным центрам

Обеспеченность, %

ABC по распределительным центрам

Статусы и сегменты

Холдинг

Категория A

Отклонение от цели 95%

Холдинг

Категория A

Динамика обеспеченности

График динамики