В условиях высокой цифровой зрелости компания SENAT столкнулась с рядом системных ограничений, затрудняющих эффективную работу с данными. Основными предпосылками для запуска проекта по внедрению BI-системы стали следующие вызовы:
1. Ограниченная функциональность существующих инструментов аналитики.Основной аналитический стек был построен на Excel с ручной обработкой данных, загружаемых из 1С. Поддержка более 280 регулярных отчетов, каждый из которых требовал значительного времени на обновление (до 15−20 минут), создавала критические задержки в принятии решений, особенно для департаментов, нуждающихся в оперативной информации.
2. Недостаточные возможности глубокой аналитики и прогнозирования.Excel не справлялся с высоконагруженными задачами по моделированию спроса и сезонных колебаний. При объеме номенклатуры более 30 000 единиц стандартные инструменты переставали быть эффективными. Необходим был специализированный аналитический инструмент, способный обрабатывать большие объемы данных и поддерживать сценарный анализ.
3. Сложная и разрозненная ИТ-экосистема.В компании эксплуатируется большое количество информационных систем:
- CRM;
- ERP;
- Excel;
- 1C:Управление торговлей;
- торговые площадки;
- электронные магазины;
- рекламные сервисы.
Объем товарной номенклатуры приближался к 100 000 уникальных артикулов. Это требовало внедрения гибкой BI-платформы.
Выбор решенияВ качестве платформы бизнес-аналитики была выбрана BI-система AW BI, как наиболее адаптированная к задачам российского бизнеса в условиях импортозамещения и высокой нагрузки на систему отчетности. Решение внедрялось партнером AW BI — компанией
Открытые бизнес технологии, специализирующейся на BI-решениях и комплексной ИТ-интеграции.
Ключевые причины выбора AW BI:- наличие встроенного ETL-модуля с коннекторами к 1С и Excel (включая поддержку OData);
- возможность инкрементальной загрузки данных;
- гибкая визуализация с адаптивной версткой;
- высокая скорость отображения, даже при больших объемах информации.
Особенности проекта:- подключено 6 источников данных, данные предварительно очищались и нормализовались;
- создана буферная витрина данных для оптимизации производительности;
- реализовано 30 дашбордов и более 500 виджетов с фильтрацией и вложенностью;
- метрик в системе увеличилось с 100 до 305 по мере уточнения бизнес-требований;
- организована автоматическая ночная синхронизация, отчеты формируются без участия аналитика;
- встроена рассылка дашбордов по электронной почте, что обеспечивает актуальность информации для всех уровней менеджмента.
| Было | Стало |
Как построена аналитика | Excel + 280 внешних подключений | AW BI: 10 дашбордов |
Число метрик | 100 | 305 |
Скорость загрузки данных | До 5 минут | 2−3 секунды |
Время подготовки отчетов | До 3 часов | 0 секунд |
Преимущества для бизнеса:- экономия времени аналитиков и руководителей подразделений;
- актуальность информации — отчеты обновляются ежедневно без ручных операций;
- оптимизация визуальной подачи: ключевые показатели на одном экране без перегрузки;
- доступность на всех устройствах — благодаря адаптивной верстке руководители могут просматривать отчеты с планшетов;
- прозрачность данных — выявлены и устранены пробелы в заполнении данных, ранее не фиксируемые вручную;
- улучшение качества управленческих решений — за счет расширенной детализации и новых аналитических срезов.
Сложности и способы их преодоленияОсновной вызов проекта — низкая полнота данных. В процессе построения витрин обнаружились неочевидные ошибки, включая пустые строки и неполные справочники. В результате заказчик совместно с исполнителем провел внутренний аудит качества данных и выстроил новые регламенты работы с системами первичного учета.
Также изначальные сроки внедрения (4 месяца) были увеличены до 6 месяцев из-за расширения аналитических потребностей со стороны бизнеса. Это типичная ситуация, когда после первых прототипов пользователи начинают осознавать возможности системы и запрашивают более глубокую детализацию.