Блог
Как fashion-ритейлер ускорил аналитику Lamoda с 14 дней до 3–5 часов
Было
14 дней
Было
→
Стало
3–5 часов
Время принятия решений по данным Lamoda

Контекст проекта

Крупный федеральный fashion-ритейлер развивает собственную розничную сеть, интернет-магазин и продажи на маркетплейсах. Компания работает в сегменте повседневной одежды, обуви и аксессуаров для всей семьи.

Компания продаёт товары на Wildberries, Ozon и Lamoda. Для сопоставления результатов этих каналов руководству требовались актуальные данные, рассчитанные с учётом особенностей каждой площадки.

Основная сложность возникла с Lamoda: отчётность, необходимая для анализа продаж, поступала только в середине следующего месяца. Пока команда ждала данные и готовила сводные таблицы, период, к которому они относились, уже заканчивался.

Проблема: отчётность не успевала за бизнесом

В рамках проекта данные по Lamoda становились доступны в официальной отчётности примерно 15–20-го числа следующего месяца. Чтобы подготовить информацию для анализа, специалист дополнительно тратил 2–3 дня на сбор и сведение таблиц.

Это создавало два ограничения.

1. Задержка исходных данных
Команда не могла оперативно анализировать показатели Lamoda на той же временной основе, что и данные других маркетплейсов. При обсуждении результатов приходилось учитывать разницу в актуальности информации.
2. Ручная подготовка отчётности
Даже после получения данных требовалось время на их обработку и объединение. Такая работа отнимала ресурсы специалиста, которые можно было направить на анализ ассортимента и подготовку рекомендаций для бизнеса.

Для компании, работающей сразу на нескольких площадках, требовалось не просто ускорить подготовку таблиц. Нужно было организовать регулярное получение данных и привести их к структуре, подходящей для анализа с учётом условий работы на каждом маркетплейсе.

Почему стандартного объединения данных было недостаточно

У каждой площадки собственные правила расчёта показателей и условия работы с продавцами. Для крупного ритейлера с индивидуальными условиями сотрудничества эти различия особенно важны.

При проектировании аналитики требовалось учитывать, в частности:

Wildberries
Особенности бонусов на рекламу
Ozon
Условия хранения, предусмотренные договорённостями с площадкой
Lamoda
Индивидуальные комиссии

Кроме того, для анализа были нужны планы продаж и динамическая себестоимость. Без этих данных нельзя было ограничиться сопоставлением показателей, полученных непосредственно из кабинетов маркетплейсов.

Если объединить исходные данные без учёта различий в правилах расчёта, единая таблица не гарантирует сопоставимости показателей. Поэтому задача заключалась в том, чтобы организовать общий контур аналитики, сохранив специфику каждой площадки и дополнительные данные, необходимые бизнесу.

Решение: четыре дашборда и ежедневное обновление данных

«Концентрат» разработал для клиента платформу аналитики из четырёх дашбордов на базе DataLens. Решение объединило данные маркетплейсов с внутренними планами и информацией о себестоимости.

В проекте использовались следующие компоненты:

  • API маркетплейсов — для получения данных из подключённых источников.
  • Google-таблица — для планов продаж и динамической себестоимости.
  • База данных — для хранения полученной информации.
  • Скрипты нормализации — для обработки и приведения данных к структуре, необходимой для аналитики.
  • DataLens — для представления показателей в дашбордах.

Данные проходят обработку перед отображением в отчётах и обновляются ежедневно. В результате команда получила возможность работать с данными Lamoda за предыдущий день вместо ожидания официальной отчётности в середине следующего месяца.

Какие особенности учли при разработке

Отображение СПП в режиме онлайн
В решение добавили требование по отображению соинвеста (СПП) в оперативном режиме. Это позволяло учитывать нужный клиенту показатель непосредственно в аналитике.
Сводная таблица затрат и артикулов
Дополнительно реализовали сводное представление, в котором можно анализировать структуру затрат и артикулы по нескольким площадкам. Оно дополнило аналитику отдельных каналов и позволило сопоставлять показатели в рамках общей системы.

При этом задача не сводилась к тому, чтобы привести все площадки к одинаковым правилам. Важно было сохранить особенности расчётов и условий работы с каждой из них.

Как проходило внедрение

Работа включала базовое подключение, донастройку под особенности клиента и последующие доработки.

ЭтапСрок
Базовое подключение1 день
Донастройка с учётом особенностей клиента4 дня
Последующие доработки и пожелания2 недели

В ходе работы обнаружилась отдельная техническая сложность: объём исходных данных оказался значительным. Первая выгрузка занимала много времени, а формирование базы данных при работе с фильтрами также затягивалось.

Проблему решали на уровне нормализации данных и организации их хранения. Это позволило устранить выявленные затруднения в обработке больших объёмов информации.

Таким образом, внедрение включало не только подключение источников и настройку визуализации, но и адаптацию решения к реальному объёму данных и требованиям клиента.

Результаты: от месячной отчётности к данным за предыдущий день

После внедрения изменились три аспекта работы с аналитикой.

ПоказательДо внедренияПосле внедрения
Доступность данных по Lamoda15–20 числа следующего месяцаЗа предыдущий день
Подготовка отчётности2–3 дня работы аналитикаГотово после обновления данных
Время принятия решенийДо 14 дней3–5 часов

Сократилось ожидание данных. Команда получила возможность работать с информацией по Lamoda за предыдущий день, а не ждать отчёта за прошедший месяц.

Уменьшился объём ручной работы. Вместо регулярного сбора и сведения таблиц специалист получил подготовленные данные в дашбордах и смог вернуться к аналитическим задачам.

Появилась общая основа для сравнения площадок. Руководство может обсуждать результаты маркетплейсов, опираясь на данные сопоставимой актуальности и учитывая особенности каждого канала.

В результате аналитика стала частью регулярной работы с бизнесом, а не отдельным процессом, который начинался после получения месячной отчётности.

Что этот проект показывает

Этот кейс демонстрирует, почему при разработке аналитики для крупного ритейлера недостаточно просто подключить API и вывести показатели на экран.

Решение должно учитывать индивидуальные условия работы с площадками, внутренние планы, себестоимость и объём данных. Кроме того, необходимо обеспечить обработку информации и её представление в формате, который подходит для регулярного анализа.

В проекте мы объединили данные маркетплейсов и внутренней таблицы, реализовали четыре дашборда и адаптировали решение под специфические требования клиента. В результате данные по Lamoda стали доступны за предыдущий день, а команда получила инструмент для сопоставления показателей маркетплейсов.

Если вашей компании нужна аналитика маркетплейсов с учётом индивидуальных условий, внутренних данных и особенностей бизнес-процессов, мы готовы обсудить вашу задачу — свяжитесь с нами.

26.10.2026