О клиенте
Сегмент: компания-производитель и дистрибьютор настольных игр (под брендом 100ИГР).
Команда: 35 человек.
Боль: данные о продажах хранились в нескольких местах (Битрикс24, 1С, выгрузки маркетплейсов). Невозможно было оперативно понять, что с ассортиментом, каналами, маржинальностью.
Что было до
- Отчёты — Excel вручную
- Маркетплейсные продажи (Wildberries, Ozon) — отдельные кабинеты, выгрузка раз в месяц
- Розничные продажи через дистрибьюторов — отдельные отчёты
- Маржинальность считалась примерно
- Невозможно было быстро ответить «сколько продали игры Х за месяц по всем каналам»
Что сделали
1. Единая модель данных. Согласовали справочники: SKU, категории, каналы, регионы.
2. ETL из источников. Загрузка данных из:
- Битрикс24 (B2B продажи)
- 1С (производство, склад, биллинг)
- API Wildberries и Ozon (маркетплейс)
- Выгрузки от дистрибьюторов
3. Дашборд продаж. На Yandex DataLens:
- Продажи по SKU/категориям
- Распределение по каналам (B2B, маркетплейсы, розница)
- Динамика по неделям/месяцам
- Маржинальность каждого SKU
- Складские остатки
- Скорость оборачиваемости
4. Дашборд маркетплейсов. Отдельно — стоимость рекламы, конверсии, отзывы, рейтинг карточек.
5. Алерты. Низкие остатки, падение продаж, рост возвратов — уведомления.
6. Регулярные отчёты. Еженедельная встреча команды продаж по дашборду.
Метрики результата
| Метрика | До | После |
|---|---|---|
| Видимость продаж по каналам | Раз в месяц | Ежедневно |
| Решения по ассортименту | 2–3 раза в год | Ежемесячно |
| Out-of-stock на топовых SKU | 15% времени | 3% времени |
| Время подготовки отчётов | 3 дня/мес | 0 |
Финансовый эффект
- Снижение out-of-stock на топ-SKU = +12% к продажам этих позиций
- Оптимизация ассортимента (вывели 8 убыточных SKU, расширили 12 топовых) = +9% к маржинальности
- Освобождение 3 рабочих дней в месяц для коммерческого аналитика
ROI проекта: 8 месяцев.
Что было сложно
- Согласовать единую систему артикулов (на маркетплейсах, в 1С, в Битрикс — разные)
- API маркетплейсов нестабильны, нужны были резервные механизмы загрузки
- Очистка исторических данных (несоответствия в категориях, дубли SKU)
- Обучение сотрудников использовать DataLens вместо Excel
Сроки и бюджет
- Срок: 3 месяца
- Бюджет: 720 000 ₽
- Поддержка: 25 000 ₽/мес
Урок
В e-commerce данные — это всё. Без них вы продаёте «вслепую». Дашборд + культура решений на основе данных = рост на десятки процентов.
Рассчитать ваш проект → Все кейсы → Записаться на разбор →
FAQ
Подходит для интернет-магазинов?
Да, идеально. Можно подключить также Яндекс.Метрику, Google Analytics для воронки.
А если нет 1С?
Можно строить на основе данных Битрикс24 + маркетплейсов. Только полнота ниже.