Практика использования Loginom как self-service инструмента. Кейс Балтики

В докладе описано несколько практических кейсов по моделированию процессов и формированию регулярной отчетности для департамента клиентского сервиса компании «Балтика».

Алгоритм моделирования процессов начинается с определения команды, которая будет решать задачу, это могут быть:

1. Специалисты департамента клиентского сервиса.
2. IT-департамент компании.
3. Специалисты Gross Business Services.
4. Внешний вендор.
5. Внутренний вендор.

После определения команды происходит выбор инструмента, с помощью которого будет реализован процесс. В качестве инструментов используются:

1. T-SQL Commands.
2. Аналитическая low-code платформа Loginom.
3. Python.
4. Excel и др.

В компании «Балтика» Loginom применяется для моделирования процессов или построения отчетов:

1. Аналитическая отчетность.
2. Рекомендательная аналитика для корректировки промо-плана.
3. ETL-процессы по очистке и преобразованию данных.

В качестве примера использования low-code платформы Loginom для построения аналитической отчетности рассмотрим «Единый отчет по выборке». Отчет состоит из сотен элементарных операций, таких как: импорт, фильтрация, группировка, сортировка, калькулятор, добавление дополнительных столбцов.

Для построения отчета сначала производится импорт из базы данных: отгрузки, заказы, неисполнения заказов, факты продаж. Затем данные фильтруются и преобразуются различными способами, происходит их очистка и группировка.

Далее подготовленные данные из различных источников объединяются в один набор и обогащаются дополнительными атрибутами. После этого набор данных экспортируется в доступную для бизнес-пользователей базу данных.

Еще один кейс использования Loginom — построение отчета «Промо выборка». В компании «Балтика» еженедельно проводится порядка 3-5 тыс. промо-активностей для различных брендов.

До формирования отчета «Промо выборка» не было оперативного понимания заказа/факта по выбранной промо-активности. Не было возможности идентифицировать всплеск продаж с какой-либо конкретной акцией. Для решения данной задачи был создан автоматический алгоритм оперативной идентификации промо заказов/отгрузок.

До построения отчета источники данных для анализа промо заказов/промо выборки были не связаны между собой. Для автоматизации формирования отчетности совместно с IT-департаментом была настроена ежедневная выгрузка требуемых данных в доступную бизнес-пользователям БД.

Также до формирования отчета трудозатраты на анализ причин переборов и недоборов промо-акций были достаточно большими. Для их оптимизации был написан алгоритм связки данных в Loginom, в соответствии с которым формируется готовый ежедневный отчет по промо выборке.

Эффект от внедрения отчета «Промо выборка» следующий:

1. До его формирования аналитика активностей происходила пост-фактум. После внедрения отчета аналитика проводится ежедневно и даже чаще — каждый раз, когда информация необходима специалисту.
2. Ранее отчет по промо выборке формировался длительное время — примерно 1 рабочий день. После внедрения формы отчета время его формирования сократилось до 30 минут.
3. До создания отчета аналитика проводилась по наиболее крупным промо-акциям. После — проводится анализ всех акций с фокусом на наиболее критичных.

Третий кейс применения Loginom в компании «Балтика» — использование аналитической платформы при обработке клиентских данных по промо-активностям.

Четвертый пример использования Loginom — подготовка и проверка данных для прогнозирования спроса. Кейс реализован на примере одного из ведущих клиентов, ресурсы которого: 12+ тыс. магазинов, 100+ SKU, 3,5 года истории продаж.