BI-дашборд на DataLens для розничной сети: шесть магазинов на одном экране собственника

Шесть «магазинов у дома» и небольшая онлайн-витрина с доставкой. Учёт в 1С:Розница, реклама доставки в Яндекс Директе, на сайте Метрика. Каждый месяц бухгалтер и товаровед неделю сводили цифры из 1С и рекламных кабинетов в Excel.

К моменту, когда отчёт был готов, данные устаревали. Решения собственник принимал по последнему громкому событию.

Задача

Собственник пришёл с тремя вопросами, на которые Excel-отчёт не отвечал. Почему выручка растёт, а прибыль стоит на месте? Какая из точек реально хуже других? Что даёт реклама доставки?

Мы сознательно начали не с инструмента, а с этих вопросов. Сначала под них подобрали показатели, и только потом рисовали дашборды.

Что сделали

• Составили карту решений: какие цифры на что влияют и кто на них реагирует. Из полусотни «хотелок» осталось 14 метрик. У каждой есть владелец: собственник, управляющий розницей, маркетолог.
• Выбрали Yandex DataLens на тарифе Community. Бесплатно, без ограничений по пользователям, данные лежат в российском облаке. Собственник изначально просил Power BI «как у знакомых». Но лицензировать Microsoft в России стало квестом, и после разбора рисков остановились на DataLens без сожалений.
• Развернули промежуточное хранилище на PostgreSQL. Туда стекаются выгрузки из 1С:Розница по всем точкам, расходы из Директа, визиты и заказы из Метрики. Обновление идёт ночью, к утру данные свежие.
• Собрали три дашборда. Собственнику: выручка, маржа и динамика по сети. Управляющему: точки в сравнении, списания, средний чек. Маркетологу: стоимость заказа доставки по кампаниям.
• Настроили ролевой доступ и уведомления об аномалиях. Резкое отклонение выручки или списаний приходит письмом, не дожидаясь, пока кто-то откроет дашборд.
• Провели два обучающих созвона и передали документацию по схеме данных.

Запускались блоками, а не большим взрывом. Сначала собрали дашборд собственника на данных 1С. Через месяц добавили сравнение точек. Ещё через месяц маркетинговый контур с Директом и Метрикой. Польза пошла с первых недель, а доверие к цифрам росло постепенно: каждый блок сверяли с привычными отчётами, прежде чем на него опираться.

Где споткнулись

Справочник товаров врал при сравнении точек

Первая же сборка сравнения магазинов выдала бессмыслицу. Одна и та же вода числилась в трёх точках под разными карточками номенклатуры. Магазины открывались в разное время, и справочники в каждом вели по-своему. Сравнивать категории между точками на таких данных бесполезно: цифры врут.

Три недели ушло на маппинг и склейку дублей вместе с товароведом. Заодно написали регламент: новые позиции заводятся через единый справочник. BI этот бардак не вылечил, он его подсветил. И это оказалось самой полезной частью проекта.

Маржа считалась от закупки вообще, а не от партии

Себестоимость в отчётах брали по последней цене закупки. Закупочные цены скакали, и маржа по молочной категории гуляла на несколько пунктов в обе стороны. Пересобрали расчёт на партионные данные из 1С. Цифры стали скучнее и честнее.

Дашборды рисковали стать обоями

Через месяц статистика DataLens показала: управляющий не открывал свой дашборд две недели. Разобрались почему. Экран отвечал на вопросы собственника, а не на его собственные. Пересобрали под его рабочий ритм: утренняя сводка по вчерашнему дню и топ отклонений, которые требуют действия. Правило «у каждой метрики есть владелец и решение» пришлось применить второй раз, уже к живой системе.

Результат

• Утренний экран заменил недельную сборку. Собственник смотрит вчерашний день за пару минут. Ежемесячный Excel-марафон отменили, а это около 30 часов рабочего времени бухгалтера и товароведа в месяц.
• Сравнение точек на чистом справочнике удивило. «Худший» магазин оказался нормальным, а тихо проседала другая точка: маржа ниже сети на несколько пунктов из-за списаний. Скорректировали объёмы заказа скоропорта, и списания за два месяца заметно снизились.
• По доставке отключили кампанию, которая давала заказы дороже их маржи, а бюджет перенесли на работающие. Стоимость заказа снизилась примерно на четверть.
• Бюджет на BI-платформу нулевой: тариф Community, расходы только на небольшую виртуальную машину под хранилище.

Месяц сводится в Excel неделю, а решения принимаются по ощущениям? Опишите в форме на странице услуги, какие системы у вас есть и каких цифр не хватает. Предложим вариант под ваш масштаб, от бесплатного DataLens до полноценного хранилища.