Чеки есть, деньги есть, а управляемости нет

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:

  1. Объединить данные чеков, аптек, производителей и регионов в едином аналитическом пространстве.
  2. Сделать экономику прозрачной и проверяемой.
  3. Перейти от разрозненных отчетов к единой картине бизнеса.
  4. 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

Чеки есть, деньги есть, а управляемости нет

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.

Чеки есть, деньги есть, а управляемости нет

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.

9
1
1
1
1
1
1
39 комментариев