Проблемы цифровой трансформации: как преодолеть разрозненность данных в глобальных цепочках поставок
Grand-Trade JSC — один из ведущих поставщиков продовольственных и непродовольственных товаров, импортируемых из разных стран в Россию, главным образом для розничных сетей. Компания работает более чем в 60 странах, обслуживает свыше 1 400 поставщиков, а её ассортимент охватывает более 50 товарных категорий и 1 000 SKU.
Grand Trade сформулировала ясный ориентир для аналитики: единый язык бизнеса, единая надёжная модель данных и более быстрые решения. Цель компании — дать отделам продаж, цепочки поставок, финансов и руководству возможность принимать повседневные решения на основе согласованной и достоверной информации.
Однако с дальнейшим ростом бизнеса внутренняя архитектура данных столкнулась с новыми трудностями. Разные команды вели собственные таблицы Excel и использовали различные версии источников данных; большая часть объединения информации выполнялась вручную, из-за чего подготовка отчётов занимала много времени. Один и тот же KPI рассчитывали по-разному, выручку и валовую маржу определяли по разным правилам, иерархии продуктов дублировались, а измерения не совпадали.
Объединение разрозненных источников и согласование определений KPI стало серьёзной задачей как для ИТ, так и для бизнес-команд.
Скрытая цена цифровой трансформации: утрата доверия, узкие места эффективности и проблемы качества данных
В традиционной архитектуре интеграция данных между системами и подготовка отчётов во многом зависели от ручного труда и внешних подрядчиков. Это приводило к трём основным проблемам:
- Высокие затраты на коммуникацию и кризис доверия. Один и тот же KPI в разных отчётах рассчитывался по-разному, иерархии продуктов дублировались, а измерения не совпадали. Кирилл Зелвянский, руководитель BI и DWH в Grand Trade, поясняет: «На первый взгляд это проблема отчётности, но глубже — проблема доверия. Когда люди тратят время на споры о том, какие цифры правильные, содержательный разговор о бизнесе заканчивается, не успев начаться». Низкое доверие замедляло каждое решение.
- Аналитические ресурсы уходили на извлечение данных, возникали узкие места эффективности. Изучив аналитическую нагрузку за 2024–2025 годы, Grand Trade выяснила, что до 45% ресурсов аналитиков уходило на разовые выгрузки данных; 16% — на автоматизацию отчётности, по 13% — на регулярную отчётность и анализ рынка, 10% — на бюджетное планирование и лишь 3% — на координацию и коммуникацию. Почти половина ресурсов команды расходовалась на повторяющиеся рутинные выгрузки и отчёты, оставляя мало времени на глубокий анализ и ценные сценарии машинного обучения (ML).
FineBI и FineReport: единая аналитическая модель данных и система управления
Чтобы устранить разрозненность данных и повысить самостоятельность внутренней разработки, Grand Trade решила использовать FineBI и FineReport в качестве корпоративного центра данных.
В начале проекта компания приняла важный принцип: «Сначала завоевать доверие, затем масштабировать аналитику». Качество данных и управление ими — основа аналитики и приложений ИИ. Для этого Grand Trade определила пять стратегических направлений: управление данными, управление мастер-данными, управление метаданными, аналитика самообслуживания и данные как продукт.
При проектировании архитектуры Grand Trade придерживалась принципа «потокам данных можно доверять». ERP, CRM, WMS, финансовые системы и данные поставщиков были интегрированы как источники. Для загрузки и преобразования применяются процессы ETL/ELT, на каждом этапе которых встроены проверка качества, очистка и обогащение данных. Компания создала централизованное масштабируемое хранилище данных (DWH), поверх которого построила единую аналитическую модель (Unified Model).
FineBI обеспечивает интерактивную аналитику самообслуживания, а FineReport — управляемую корпоративную отчётность и панели мониторинга. Это помогает отделам продаж, финансов, цепочки поставок и руководству. Управление данными и метаданными встроено во все уровни архитектуры. Каталог данных, бизнес-глоссарий, происхождение данных, владельцы и метаданные помогают Grand Trade следовать принципу: «Доверенные данные открывают больше возможностей».
Каталог данных связал технические метаданные с бизнес-контекстом и дал пользователям возможность самостоятельно выяснять: что означает этот KPI? Откуда поступают данные? Как они преобразуются? Кто за них отвечает? Одобрены ли они для использования? Это значительно сократило затраты на коммуникацию.
Одновременно Grand Trade создала в FineBI аналитику самообслуживания с необходимыми ограничениями и упростила путь пользователя до четырёх шагов: изучить → проанализировать → поделиться → действовать. На основе сертифицированных наборов данных и согласованных определений KPI пользователи могут фильтровать данные, детально исследовать показатели, сравнивать результаты и делиться выводами. Когда особенно важны точность, распространение и повторяемость, FineReport используется, например, для анализа выполнения SLA по товарным категориям и сравнения плановой и фактической выручки, обеспечивая единый формат и контролируемую рассылку отчётов.
Ценность для бизнеса: от ручных выгрузок данных к развитию бизнеса
С помощью FineBI и FineReport команда данных Grand Trade высвободила аналитические ресурсы, ранее занятые повторяющимися выгрузками, и направила их на задачи, создающие большую ценность для бизнеса. Это принесло два ключевых результата.
- Аналитика самообслуживания: снижение затрат и рост эффективности. Единая управляемая основа данных поддерживает множество бизнес-сценариев: показатели продаж (выручка, валовая маржа, цели и динамика каналов), анализ запасов (уровень и доступность запасов, срок хранения и оборачиваемость), финансовый контроль (план и факт, прибыльность и прозрачность затрат), аналитику поставщиков и отслеживание SLA, торговый маркетинг и панели руководителей. Время подготовки отчётов сократилось на 50%, объём ручных операций в Excel — на 40%; число активных пользователей аналитики превысило 60, создано 50 сертифицированных панелей, а цикл принятия решений стал короче на 45%.
- Демократизация данных: более качественные и быстрые решения. Платформа поддерживает более 376 активных пользователей аналитики — в 3,1 раза больше, чем годом ранее, когда их было 120. Число посещений превышает 900 в месяц, а библиотека содержит более 70 панелей, в том числе 50 сертифицированных. Кирилл Зелвянский говорит: «Для меня главный результат — не количество панелей, а то, что платформа становится частью повседневной работы. Люди возвращаются к ней и полагаются на неё».
Создав единый центр данных, Grand Trade не только оптимизировала текущие процессы, но и получила больше контроля над будущими инновациями, избавившись от ограничений, связанных с разрозненными данными и несовпадающими определениями.
В 2026–2027 годах Grand Trade планирует перейти от надёжной отчётности к интеллектуальной поддержке решений: постепенно внедрять архитектуру Lakehouse, аналитику на базе ИИ, прогнозирование и аналитику на естественном языке, продолжая развивать семантический слой. Как говорит Кирилл Зелвянский: «Данные сами по себе не создают ценность. Её создают более качественные решения».
