01
Архитектура под задачу
Подбор решения от DWH+визуализация on-premise до облачного BI, с честной оценкой стоимости разработки и владения.
DWH, BI, дашборды, рассылки и self-service — под ключ. От архитектуры до обучения команды клиента. On-premise или в облаке, на открытом ПО или проприетарных платформах.
Мы работаем с данными с 2010 года. За это время — более 100 проектов для государства, корпораций и среднего бизнеса. Помогаем выбрать архитектуру, собрать DWH, развернуть BI, настроить регулярную отчётность и научить команду клиента работать самостоятельно.
Подбор решения от DWH+визуализация on-premise до облачного BI, с честной оценкой стоимости разработки и владения.
Источники, модель данных, ETL/ELT, витрины, дашборды, рассылки, экспорт, RLS. От двух недель до нескольких месяцев.
Передаём инструмент команде клиента: разработчики, аналитики и бизнес-пользователи учатся работать самостоятельно.
Регламентная отчётность, ad-hoc и операционная аналитика, развитие модели данных по мере роста бизнеса.
Опыт разработки решений по всем ключевым функциям компании — от клиентской аналитики до финансового планирования.
CRM-аналитика, сегментация, RFM, отток, lifetime value, NPS, воронка маркетинга и продаж.
Розница и опт: товары, точки, чеки, маржа, ассортиментная матрица, план/факт, динамика и сезонность.
Объёмы и брак, загрузка оборудования, остатки сырья, логистика, KPI цехов и себестоимость продукции.
HR-аналитика: численность, текучесть, найм, обучение, ФОТ, эффективность и демография персонала.
P&L, бюджет, движение денежных средств, дебиторка, прогноз ликвидности, контроль расходов и KPI CFO.
Логистика, медицина, госуправление, IT и другие функции — подход одинаков: разобраться, спроектировать, собрать, обучить.
Обсудить задачуНакопленный опыт работы в разных отраслях помогает быстро понимать специфику данных и предлагать решения, которые уже доказали эффективность.
В одном проекте обычно сочетаются несколько форматов: например, регламентная отчётность плюс self-service для бизнес-пользователей.
Слайды и отчёты для совещаний и комитетов: ключевые метрики, динамика, выводы — оформленные под аудиторию.
Глубокое исследование данных, проверка гипотез, поиск причин и закономерностей в показателях.
Дашборды и отчёты, которыми ежедневно пользуются сотрудники для принятия решений на местах.
Регулярные обновления, рассылки в почту и телеграм, выгрузки в Excel и PDF — по расписанию.
Разовые запросы и быстрые ответы на вопросы бизнеса — там, где универсального отчёта мало.
Среда, в которой пользователи сами строят отчёты и дашборды — с контролем доступа и RLS.
Выбор зависит от количества источников, объёма функционала, отчётности, числа пользователей и объектов системы.
| Архитектурное решение | Серверы | Поддержка | Лицензии | Сложность | Стоимость разработки | Стоимость владения |
|---|---|---|---|---|---|---|
| DWH + визуализация (on-premise) | Много | Много | Нет | Огромная | Наибольшая | Нет |
| DWH + визуализация (cloud) | Нет | Нет | Нет | Большая | Наибольшая | Низкая |
| Проприетарная BI (on-premise) | Мало | Мало | На 1 пользователя | Низкая | Низкая | Большая |
| Проприетарная BI (cloud) | Нет | Нет | Да, с ограничениями | Низкая | Низкая | Средняя |
Финансовые и временные затраты на разработку зависят прежде всего от этих факторов.
Диапазоны на разработку базового решения с двумя источниками данных. На точную смету влияет объём функционала и сложность модели.
| Архитектура | Стоимость разработки | Владение в месяц | Сроки |
|---|---|---|---|
| DWH on-prem, Apache Superset | 700 000 – 800 000 ₽ | 0 ₽ | 3 месяца |
| DWH cloud, Apache Superset | 700 000 – 800 000 ₽ | от 90 000 ₽ | 2–3 месяца |
| Проприетарная BI (on-premise) | 300 000 – 400 000 ₽ | от 6 000 ₽ за пользователя | 3–4 недели |
| Проприетарная BI (cloud) | 300 000 – 400 000 ₽ | от 15 000 ₽ | 3–4 недели |
| Проприетарная BI cloud — прототип | 200 000 ₽ | от 15 000 ₽ | 1–2 недели |
Цены и сроки указаны для ориентира. Точная оценка — после знакомства с данными и формализации требований.
Подход одинаков для любой архитектуры — меняются только инструменты и глубина проработки на каждом этапе.
Определяем, о чём проект: кадры, финансы, коммерция, клиенты или другое направление.
Обсуждаем бизнес-задачу и разбираемся с источниками данных, их качеством и доступностью.
Выбираем формат: операционная, регламентная, ad-hoc, self-service или их комбинация.
Список показателей и методик расчёта, измерения, наборы данных, визуализации, функции системы.
Подбираем конкретные продукты и готовим план разработки с понятными сроками и стоимостью.
Выбираем формат сотрудничества под уровень определённости задачи и скорость, которая нужна бизнесу.
Когда требования зафиксированы и нужен один точный результат.
Когда задача дробится на итерации с промежуточными результатами.
Быстрый MVP, проверка гипотез и уточнение требований на живом решении.
Выбор продуктов зависит от ограничений по инфраструктуре, бюджету и требованиям к импортозамещению.
# пример DAG'а Airflow
from airflow import DAG
from airflow.operators.python import PythonOperator
with DAG("daily_sales", schedule="0 6 * * *") as dag:
extract = PythonOperator(task_id="extract", python_callable=load_sources)
transform = PythonOperator(task_id="transform", python_callable=build_marts)
notify = PythonOperator(task_id="notify", python_callable=send_report)
extract >> transform >> notifyДостаточно описать, какие данные есть и какие вопросы хочется закрыть отчётностью. На этом этапе ничего платить и ничего подписывать не нужно.