Чеки есть, деньги есть, а управляемости нет
Как BI-аналитика помогла фарм-платформе навести порядок в данных и бизнесе
Представьте сервис, через который ежедневно проходят тысячи чеков из аптек по всей стране. Данные есть. Пользователи есть. Акции работают. Деньги крутятся.
Но попробуйте в любой момент ответить на простой вопрос:
Где именно мы зарабатываем, а где – теряем?
И вот здесь у многих платформ начинается пауза.
Эта статья – практический кейс фарм-платформы «Чеки из аптеки» и разговор не про «красивые дашборды», а про момент, когда бизнес внезапно понимает:данных стало слишком много, чтобы управлять ими вручную.
Что за платформа и почему здесь быстро заканчивается Excel
«Чеки из аптеки» – кэшбэк-платформа, реализованная в формате мобильного приложения. Пользователь покупает акционные товары в аптеке, сканирует чек и получает кэшбэк.
На стороне бизнеса это означает сразу несколько уровней сложности:
- большие объемы чековых данных;
- работа с аптечными сетями и производителями;
- региональная распределенность;
- разные условия акций и товаров;
- экономика, где важно считать не только оборот, но и возвраты.
Пока объемы небольшие – хватает Excel. Но в какой-то момент происходит перелом.
Когда «все вроде работает», но управлять становится сложно
Формально данные были:
- выгрузки существовали;
- отчеты собирались;
- цифры сходились.
По факту:
- данные находились в разных источниках;
- отчеты собирались вручную;
- цифры быстро устаревали;
- ответы на управленческие вопросы появлялись с задержкой.
Аналитика строилась на разовых SQL-запросах по дням или максимум по месяцам, что делало работу с длинными периодами и большими объемами данных практически невозможной.
Плановые показатели велись в Excel, фактические данные выгружались из SQL, после чего сопоставлялись вручную через ВПР – без кросс-фильтрации и полноценной исторической аналитики.
Управление начинало напоминать движение по навигатору, который показывает ситуацию несколько километров назад.
Именно в этот момент BI-аналитика перестает быть «модным словом» и становится управленческой необходимостью.
Зачем платформе понадобилась BI-аналитика
Цели и требования к BI перед стартом проекта. Основная цель – автоматизировать обмен и обработку данных, снизить нагрузку на источники и получить возможность работать с историей данных за год и более.
В рамках проекта были поставлены задачи:
- настроить стабильный обмен BI-системы с базами данных;
- вывести ключевые показатели (кэшбэк, комиссия, продажи);
- сопоставлять фактические показатели с планами вплоть до уровня SKU.
Цель была не в визуализации ради визуализации.
Ключевые задачи выглядели так:
- Объединить данные чеков, аптек, производителей и регионов в едином аналитическом пространстве.
- Сделать экономику прозрачной и проверяемой.
- Перейти от разрозненных отчетов к единой картине бизнеса.
- Сократить время от вопроса к ответу – с часов до минут.
Ключевой запрос формулировался просто:
«Мы хотим понимать бизнес целиком и вовремя»
С какими сложностями столкнулись
Ключевая сложность проекта была связана с тем, что исходная база данных клиента изначально не была рассчитана на регулярную отдачу больших объемов информации.
В процессе внедрения потребовалось наращивать мощности на стороне заказчика и дополнительно дробить выгрузки, чтобы не перегружать операционные системы и обеспечить стабильность обмена данными.
Как выстраивалась аналитика (без лишней техно-магии)
В BI-системе были собраны данные:
- мобильного приложения;
- чеков;
- аптечных сетей;
- производителей и акционных товаров;
- региональных разрезов;
- операционных и финансовых показателей.
Данные очистили, нормализовали и выстроили единую модель, которая позволяет:
- видеть общую картину;
- проваливаться от агрегатов к деталям;
- анализировать динамику;
- сравнивать периоды.
В результате были реализованы ключевые BI-дашборды:
- продажи;
- чеки;
- пользователи;
- акции и экономика платформы.
Ключевые показатели, которые были оцифрованы в BI:
– общее количество продаж (упаковки в чеках);
– сумма начисленного кэшбэка;
– комиссия платформы (продажи по чекам × агентское вознаграждение по акциям);
– совокупный расход (кэшбэк + агентское вознаграждение);
– выполнение плана продаж (план-факт, %);
– уровни кэшбэка (базовый, после презентации, после опроса, ручные начисления);
– количество отсканированных чеков и их недельная динамика;
– среднее количество чеков на одну точку продаж;
– количество уникальных точек продаж и ИНН;
– параметры акций: период, план по упаковкам, бюджет кэшбэка и плановая выручка.
Проект занял около трех-четырех месяцев. По его итогам компания получила рабочие дашборды и многоуровневое хранилище данных, а команда заказчика смогла в дальнейшем самостоятельно дорабатывать отчеты и аналитику на платформе.
Используемая архитектура решения
В рамках проекта были задействованы следующие модули:
– ETL-слой для интеграции и обработки данных;
– аналитическое хранилище на базе ClickHouse;
– слой визуализации данных с управленческими дашбордами.
Интегрированные источники данных
– внешние базы данных (PostgreSQL, MySQL и др.);
– Excel и CSV-файлы с плановыми и справочными данными.
Что стало видно, когда данные «сложились»
Именно здесь BI начинает работать не как отчетность, а как инструмент управления.
Масштаб бизнеса (по данным BI-дашбордов за анализируемый период)
- Общая сумма продаж: 146,4 млн ₽
- Продано упаковок: 434 810
- Точек продаж: 3 649
- Участников экосистемы (юридические лица): 2 507
Это уровень сложности, при котором управление без системной аналитики становится рискованным.
География показала концентрацию
BI-аналитика сразу подсветила распределение продаж:
- Москва – 32,35%
- Санкт-Петербург – 12,98%
- Краснодарский край – 9,54%
- Московская область – 7,35%
Более 45% оборота приходится на два города.
Раньше это ощущалось интуитивно.Теперь стало измеримым фактом, с которым можно работать – от планирования акций до оценки регионального потенциала.
Экономика перестала быть «черным ящиком»
Отдельный эффект дала прозрачность возвратов и затрат:
- Кэшбэк пользователям: 13,86 млн ₽
- Совокупные расходы: 22,64 млн ₽
- Доходная часть платформы: 8,78 млн ₽
Ключевое здесь не сами цифры, а возможность анализировать их:
- по регионам;
- по товарам;
- по участникам экосистемы;
- по периодам.
Экономика перестала быть усредненной и стала управляемой.
Что изменилось в управлении
1. Скорость
Раньше:
- отчеты готовились часами или днями;
- данные проверялись вручную.
Теперь:
- данные обновляются автоматически;
- ключевые показатели доступны за минуты;
- управленческие решения принимаются на актуальной информации.
2. Качество решений
BI-аналитика начала отвечать не только на вопрос «сколько», но и на:
- где рост;
- где просадка;
- какие акции дают эффект;
- где расходы не окупаются.
Это другой уровень управленческого диалога с бизнесом.
3. Меньше интуиции – больше фактов
Решения стали опираться:
- не на ощущения;
- не на устаревшие отчеты;
- а на проверяемые данные.
Результат проекта
В итоге компания получила работающую BI-систему с набором дашбордов по продажам, кэшбэку, комиссиям и плановым показателям, а также многоуровневое аналитическое хранилище.
Это позволило безопасно анализировать исторические данные без перегрузки операционной базы. Время подготовки отчетов сократилось примерно с двух часов ручных выгрузок и склейки Excel до нескольких кликов в дашборде, что заметно ускорило принятие управленческих решений и повысило прозрачность бизнеса.
Почему базовый Excel здесь уже не справляется
Этот кейс хорошо показывает границу возможностей Excel.
Excel подходит:
- для старта;
- для простых моделей;
- для локальных задач.
Но когда появляются:
- тысячи торговых точек;
- сотни тысяч чеков;
- сложная экономика,
Excel начинает тормозить управление.
BI в этом кейсе стал языком управления бизнесом, а не просто инструментом отчетности.
Перспективы развития аналитики
После завершения проекта команда заказчика начала самостоятельно дорабатывать отчеты и аналитическую логику на платформе.
Это создало основу для расширения витрин данных, добавления новых метрик и сценариев анализа, а также развития более глубокой продуктовой и финансовой аналитики на базе уже существующего хранилища.
Главный вывод
Внедрение BI-аналитики позволило фарм-платформе «Чеки из аптеки»:
- взять под контроль 146 млн ₽ выручки,
- управлять сетью из 3 600+ точек продаж,
- сделать прозрачной экономику кэшбэка и комиссии,
- сократить время подготовки отчетов с часов до минут,
- перейти к управлению на основе фактов.
Это не история про «красивые графики». Это не история про «внедрили BI и все взлетело». Это история про зрелость бизнеса и момент, когда данные начинают работать на решения.
Ответы на частые вопросы
❓ Что такое BI-аналитика и зачем она бизнесу?
BI-аналитика – это система, которая объединяет данные из разных источников и позволяет руководству видеть актуальную картину бизнеса и принимать решения на основе фактов, а не интуиции.
❓ Когда Excel перестает подходить для аналитики?
Excel перестает справляться, когда бизнес работает с тысячами точек, сотнями тысяч строк данных и сложной экономикой. В этот момент отчеты начинают запаздывать, а ошибки – накапливаться.
❓ Что дает BI фарм-платформе?
BI позволяет:
- видеть выручку и возвраты в разрезе регионов и товаров;
- анализировать эффективность акций;
- сокращать время подготовки отчетов с часов до минут;
- управлять бизнесом в режиме, близком к реальному времени.
❓ BI увеличивает продажи?
BI не увеличивает продажи напрямую.Он повышает управляемость бизнеса: помогает быстрее замечать отклонения, находить точки роста и принимать более обоснованные решения.
❓ Сколько времени занимает внедрение BI?
Сроки зависят от объема данных и зрелости процессов. В кейсе «Чеки из аптеки» первые управленческие дашборды были получены в течение нескольких месяцев.
Подписывайтесь на мой телеграмм канал.