Сегодня делимся историей трансформации аналитики в фирменной сети магазинов «Хорошее дело»: от задачи автоматизации заказов до построения полноценной BI‑системы на базе DataLens.
Исходная точка
Сеть сталкивалась с типичными для ритейла проблемами:
• трудоёмкие ручные заказы
• низкая точность прогнозирования
• сложности с управлением запасами
Задача звучала просто: автоматизировать процесс заказов и прогнозирования спроса.
Основой решения стала система автозаказа на базе ML‑моделей.
DataLens на старте выполнял техническую роль: контроль качества данных, выгрузок и интеграции с 1С.
Как DataLens обеспечил быстрый запуск
Для моделей прогнозирования нужны корректные данные минимум за два года.
DataLens стал инструментом, который:
• выявляет «дыры» и аномалии в данных
• ускоряет коммуникацию между командами
• даёт менеджерам прозрачный контроль выгрузок
• позволяет мониторить качество прогнозов в реальном времени
Фактически он стал «панелью управления» внедрения автозаказа.
Первые результаты
Проект запустили за 2 месяца - от ТЗ до автозаказа в проде.
Сотрудники перестали тратить часы на расчёты, процесс стал стабильным и предсказуемым.
Освободившееся время команда направила на аналитику.
Эволюция: DataLens → BI‑система
Когда операционная рутина ушла, бизнес стал готов к аналитике.
Мы начали развивать DataLens как BI‑продукт:
Возвраты — дашборд для контроля одной из самых болезненных точек
Продажи — разрезы по магазинам, товарам, периодам
ABC‑анализ — приоритизация товарных групп
Поставщики и категории — расширенная статистика и мониторинг
Магазины — структура выручки и динамика по каждой точке
Руководители получили возможность видеть бизнес в реальном времени и принимать решения на основе данных.
Главный вывод
DataLens начинался как технический помощник, но стал стратегическим продуктом, который изменил культуру управления:
• решения стали более обоснованными
• снизились операционные риски
• появилась прозрачность в ассортименте и поставках