Qlever Solutions внедрила DWH и BI для развития продаж дистрибьютора продуктов питания Azbuka Food
- CNews FORUM 12 ноября
- CNews AWARDS 12 ноября
- Школа Роста
- Российский рынок облаков за 20 лет
- 30 лет рынку ERP в России
- Главные
ИТ-сценарии 2026 - Цифровизация
- Импортозамещение
- Безопасность
- ИТ в госсекторе
- ИТ в банках
- ИТ в торговле
- Телеком
- Интернет
- ИТ-бизнес
- Рейтинги
- Инфографика
|
Qlever Solutions завершила проект по созданию корпоративного хранилища данных (DWH) и внедрению BI-аналитики для Azbuka Food (ООО «Азбука Фуд Трейд») – поставщика продуктов питания для сегмента HoReCa. Аналитическая система помогает торговым представителям выявлять потенциал действующих клиентов и определять, какие SKU предложить им для увеличения продаж. Об этом CNews сообщили представители Qlever Solutions.
Azbuka Food работает более чем с 2000 клиентами в шести регионах России. Ассортимент компании насчитывает свыше 2500 SKU.
До начала проекта специалисты компании ежедневно формировали отчетность в BI на основе Excel-файлов, вручную выгружаемых из «1С».
По мере роста бизнеса существующая аналитика перестала отвечать задачам развития продаж: она позволяла оценивать уже достигнутые показатели, но не давала торговому представителю ответа на вопрос, какие дополнительные категории и товары целесообразно предложить конкретному клиенту с учетом его профиля и особенностей закупок.
Для решения этих задач команда Qlever Solutions спроектировала корпоративное хранилище данных, объединившее данные из «1С:Предприятие 8.3 Управление торговлей» и Excel-файлов. В DWH создано восемь аналитических витрин с данными о продажах, клиентах, ассортименте, ценах и складских остатках.
На основе подготовленных данных разработано BI-приложение для торговых представителей и руководителей отдела продаж.
Первый аналитический блок позволяет контролировать выполнение планов по товарообороту и валовой прибыли, оценивать освоение ассортиментного потенциала и выявлять клиентов с нереализованными возможностями роста.
Второй блок помогает находить возможности для дополнительных продаж. Система сопоставляет закупки конкретного клиента с фактическими продажами клиентам аналогичного профиля – с учетом типа канала, формата заведения и кухни. Торговый представитель может увидеть категории и SKU, которые востребованы у сопоставимых клиентов, но отсутствуют или недостаточно представлены в закупках конкретного ресторана, кафе или отеля.
Для подготовки предложения также доступны данные о средних объемах продаж, минимальных и средних ценах реализации и текущих складских остатках.
Антон Рубенчик, ИТ-директор «Сибура»: Драматический скачок в 2026 году случился не столько в моделях, сколько в харнессе цифровизация
В результате BI-приложение поддерживает весь аналитический сценарий работы торгового представителя: от выявления клиента с потенциалом роста до определения конкретных категорий и SKU, объема и ценового ориентира для релевантного предложения.
Решение позволило увеличить долю дополнительных продаж среди действующих клиентов до 30% от планируемого потенциала за счет расширения поставляемого им ассортимента продуктов.
«По итогам проекта мы получили именно тот результат, который хотели видеть. Готовое решение положительно оценили сами торговые представители Azbuka Food – оно соответствует их реальным задачам и может использоваться в ежедневной работе с клиентами. Успешная реализация проекта помогла укрепить внутри компании доверие к развитию аналитики», – сказала Инна Андреева, руководитель проекта со стороны Azbuka Food.
В BI-приложении реализовано разграничение доступа: каждый торговый представитель работает только с закрепленными за ним клиентами, но при анализе ассортиментного потенциала может использовать агрегированные данные о продажах всей компании. Для руководителей отдела продаж предусмотрена отдельная аналитика с детализацией показателей до уровня торговых представителей.
Почему бизнес переходит от замены техники к построению инфраструктуры Импортонезависимость
Корпоративное хранилище данных спроектировано с учетом дальнейшего развития аналитики. Архитектура позволяет подключать новые источники данных, расширять аналитические витрины и разрабатывать дополнительные BI-приложения без перестройки всего контура.
«Архитектура аналитического решения изначально строилась таким образом, чтобы не создавать критической зависимости от конкретной BI-платформы. Сбор, хранение, трансформация и подготовка данных о продажах вынесены в DWH-контур, а BI используется как слой аналитики и визуализации. Такой подход создает основу для дальнейшей миграции: при необходимости клиент сможет заменить имеющееся решение на другую BI-платформу, сохранив процессы интеграции и обработки данных, бизнес-логику и аналитические витрины», – сказал Андрей Харлак, технический директор Qlever Solutions.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.