Как мы построили систему бизнес-аналитики для крупной сети DIY-супермаркетов: история успеха с уроками и эмоциями

Вызов: когда квартальные отчёты больше не спасают, нужна система бизнес-аналитики

«Мы тонем в данных, но не видим картины», — именно так описал проблему директор по развитию сети DIY-супермаркетов, когда обратился к нам за помощью. Компания, управляющая 30 + магазинами, ежедневно генерировала гигабайты данных: от продаж стройматериалов до поведения клиентов, магазинах сети и мобильном приложении. Но вся аналитика сводилась к данным из ERP (с кучей проблем) и Excel-отчётам, разной детализации по времени, которые не всегда отражали реальную картину бизнеса. Результат? Пропущенные тренды, запасы невостребованных товаров и падение лояльности покупателей.

«Нам нужно не просто цифры, а *предсказания*», — заявил клиент. Так начался наш 9-месячный путь к созданию системы бизнес-аналитики, которая увеличила скорость принятия решений на 40%, а точность прогнозов — на 25%.

Проектирование: как мы избежали ловушек и нашли «золотую жилу» данных

Сырые данные — наше всё

«Вы уверены, что хотите хранить всё?» — спросил я, глядя на список из 50+ источников данных. Но клиент был прав: агрегированные отчёты убивали детализацию. Например, когда маркетологи запросили анализ расходов на ремонт домов старше 20 лет, оказалось, что в старых отчётах не было разбивки по возрасту жилья. Пришлось копать «сырые» транзакции за 3 года. Результат? Выяснилось, что 68% таких клиентов покупают материалы определенного типа (экологичные, по качеству и цене средний, средний + — тренд, который помог увеличить продажи в этом сегементе. Новая система бизнес-аналитики способна собирать и агрегировать все нужные данные.

Готовые решения vs. NIH-синдром

«Зачем изобретать велосипед?» — сказал наш техлид, когда мы выбирали инструменты для системы бизнес-аналитики. Вместо кастомной разработки взяли Power BI  для визуализации и Amazon Redshift для хранения данных. Это сократило сроки на 2 месяца. А ещё — спасибо демо-роликам: менеджеры сами выбрали интерфейс, напоминающий «ТикТок-ленту» с графиками. «Теперь даже мой босс-гуманитарий не путает CTR и CPA», — шутил руководитель отдела продаж.

Разработка: лайфхаки, которые сэкономили нам 300 часов

Асинхронный сбор данных и «ленивый» скрипт

Раньше система падала при пиковых нагрузках (например, в час распродаж). Решение? Перешли на асинхронную запись логов через *Apache Kafka*, а фоновый скрипт переносил их в хранилище раз в час. Ошибки упали с 15% до 0,3%, а пользователи даже не заметили изменений.

Денормализация: когда JOIN — это роскошь

«Это же дублирование!» — возмутился junior-разработчик, увидев таблицу «пользователь-платёж». Но для запросов вроде «Сколько мужчины vs женщины тратят на электроинструменты» денормализация ускорила обработку в 5 раз. Запрос, который раньше выполнялся 20 минут, теперь занимал 4. И да, мужчины лидируют — 73% от общего объёма.

Внедрение: от скепсиса к восторгу

«Лишних данных не бывает»: как повторы спасли репутацию

Первый же месяц работы выявил 1200 дублей в данных о поставщиках. Оказалось, бухгалтерия 3 года вручную вводила «ООО СтройМир» и «ООО Строймир». После очистки клиент сэкономил значимую сумму за просроченные контракты.

95% — это новая 100%

«Почему в CRM 95 клиентов, а в системе бизнес-аналитики — 93?» — паниковал менеджер. Оказалось, два клиента зарегистрировались 31 декабря в 23:59:59, и их «разнесло» по разным годам. Мы научили команду не фанатеть от идеальных цифр. Как сказал CFO: «Лучше 95% быстрых данных, чем 100% устаревших».

Тренды, которые нас вдохновили при создании системы бизнес-аналитики

  1. AI-прогнозирование: интеграция *Microsoft Azure ML* позволила предсказывать спрос на сезонные товары (например, грили летом) с точностью 89%.
  2. Мобильная аналитика: 60% менеджеров теперь проверяют дашборды через приложение — особенно в дороге.
  3. Cloud-first: миграция в облако сократила затраты на инфраструктуру на 35%.

Итог: Система бизнес-аналитики как «цифровой компас»

Через 9 месяцев (именно столько длился проект) компания получила не просто инструмент, а *культуру data-driven решений*. Продажи эко материалов выросли на 18%, а время на подготовку отчётов сократилось с 10 дней до 4 часов.

«Раньше мы гадали, теперь — знаем», — сказал на финальной встрече CEO. И это лучшая оценка для нас.

P.S. А ещё мы выпили 742 чашки кофе и научились различать 15 оттенков зелёного в палитре Pantone. Но это уже совсем другая история… ????

Ключевые цифры:

— 40% — рост скорости принятия решений;

— 25% — повышение точности прогнозов;

— ……$— экономия на ошибках данных;

— 18% — рост продаж экотоваров.

*P.P.S. Хотите такую же систему? Не повторяйте наших ошибок — начните с сырых данных и готовых решений. И запаситесь кофе.*