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.
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:
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
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.
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.
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.