Автомобильный холдинг «Максимум» переработал и расширил решение Qlik Sense. В результате на 80% кастомизирован интерфейс исходной BI-системы, а покрытие решением составило более 90% сотрудников для операционного блока и более 70% сотрудников для вспомогательного блока. Вся управленческая операционная и финансовая отчетность формируется в BI-инструментах. О реализации проекта рассказывают Владимир Чивилев, директор по аналитике, и Георгий Большаков, руководитель отдела корпоративной отчетности автомобильного холдинга «Максимум» – номинанты на премию BI Award.

- Как в компании пришли к реализации этого проекта? Почему он стал необходим?

В условиях кризиса в автомобильной отрасли, сопровождающегося высокой волатильностью рыночной конъюнктуры и усилением давления на операционную эффективность, стало очевидным, что существующие подходы к формированию еженедельных прогнозов утратили свою актуальность. Затраты временных и человеческих ресурсов на подготовку отчетности при низкой скорости принятия решений, в сочетании с ростом стоимости денег и необходимостью оптимизации расходов на персонал, стали недопустимой роскошью в текущей бизнес-реальности.

Одновременно с этим возросла значимость data-driven-подхода как основы для устойчивого и адаптивного управления. Традиционные методы прогнозирования перестали обеспечивать необходимую точность и оперативность в условиях высокой неопределенности, а способность компании быстро интерпретировать данные и превращать их в действия стала ключевым конкурентным преимуществом. Именно в этом контексте возникла необходимость внедрения нового решения, обеспечивающего автоматизированный сбор, анализ и визуализацию ключевых показателей в режиме реального времени. Это позволит повысить скорость реакции бизнеса и сократить зависимость от ручных процессов.

- Почему это важно?

Наличие единой и актуальной аналитической базы создает основу для взаимодействия между функциями, устраняет разрозненность данных и способствует формированию единого понимания текущей ситуации на всех уровнях управления. Оперативное получение достоверной информации становится краеугольным камнем эффективного управления, а скорость принятия решений должна соответствовать ежедневному ритму изменений. Это не только усиливает стратегическую гибкость компании, позволяя своевременно реагировать на внешние вызовы, но и создает условия для проактивного управления ими. В долгосрочной перспективе такие инструменты становятся не просто операционным решением, а частью модели устойчивого бизнеса.

- Как решались эти задачи до реализации проекта?

До реализации проекта задачи по формированию еженедельных прогнозов находились в зоне ответственности планово-экономического отдела. Для каждого дилерского центра был закреплен финансовый аналитик и экономист, осуществлявший ручной сбор и консолидацию данных из различных источников. Такой децентрализованный подход, несмотря на формальную отлаженность, имел ряд существенных недостатков. Различие во времени сбора информации приводило к неравномерности и искажению общей картины при анализе данных по всей дилерской сети. Отсутствие унифицированной методологии приводило к вариативности в трактовке показателей. Высокая степень вовлеченности человеческого ресурса повышала риск ошибок и замедляла процесс подготовки прогнозов. Кроме того, значительное влияние человеческого фактора приводило к искажению информации, порождало расхождения между данными в информационной системе и данными в Excel.

Все это снижало оперативность управленческих решений и ограничивало возможности для построения единой аналитической модели в масштабах всей компании.

- Какой подход был выбран?

Работа над новым решением по формированию еженедельных прогнозов была выстроена поэтапно. На первом этапе был реализован ряд вспомогательных инструментов, направленных на предварительную обработку, очистку и стандартизацию данных из различных источников. Ключевыми направлениями стали формирование MDM-платформы, внедрение процессов data quality и data governance, что обеспечило контроль за качеством и целостностью исходных данных. Особое внимание было уделено созданию единого источника правды – унифицированного расченого механизма, результаты которого автоматически транслируются во все аналитические приложения, исключая дублирование логики и снижая риск противоречий. Этот шаг стал фундаментом для дальнейшей автоматизации и построения устойчивой, масштабируемой аналитической архитектуры.

Следующим важным этапом стала проработка модели данных и выстраивание логики взаимодействия с другими внутренними информационными системами. Это позволило обеспечить целостность и согласованность данных, а также задать единые правила их интерпретации в рамках всего решения. На базе сформированной модели были разработаны алгоритмы прогнозирования, основанные на математических моделях. Они учитывают специфику бизнес-процессов автомобильного холдинга и динамику ключевых показателей, что обеспечивает более точное и адаптивное планирование.

Особое внимание было уделено визуализации. Отчет должен был быть не только точным с точки зрения данных, но и интуитивно понятным для конечных пользователей с разным уровнем подготовки. Поэтому финальная часть проекта включала создание наглядной и доступной визуализации, способствующей быстрому восприятию информации и принятию решений на ее основе. Параллельно была комплексно проработана UX/UI-концепция – дизайн интерфейса разрабатывался с учетом удобства, логики взаимодействия и эстетической привлекательности. Целью было создать дашборд, который не только обеспечивает комфортную работу, но и вызывает интерес – визуально «вкусный» продукт, которым хочется пользоваться.

- Что стало целью проекта?

Нам требовалось решение для формирования еженедельных прогнозов достижения операционной прибыли в разрезе бизнес-направлений, локаций, брендов, периодов и других ключевых аналитик. Было важно создать инструмент, который полностью замещает ручную работу финансового аналитика по сбору и консолидации данных, автоматизирует подготовку к операционным встречам и позволяет принимать решения на основе актуальной информации и бизнес-прогнозов.

В результате было создано приложение, позволяющее глубоко и гибко анализировать данные по множеству аналитических срезов. Процесс был полностью автоматизирован, что позволило оптимизировать функцию планово-экономического отдела на 100%. Теперь все действия – от сбора данных до визуализации – выполняются машиной. Вторичный, но важный эффект: появилась практически неограниченный запас прочности при масштабировании бизнеса, расширении периметра брендов и бизнес-направлений.

- Что представляет собой созданное решение?

Приложение консолидирует данные из различных источников: продажи, кредитование, страхование, трейд-ин, расходы. На их основе рассчитывается ключевой показатель – операционная прибыль. Это позволяет быстро формировать целостную финансовую картину и управлять эффективностью в режиме реального времени. Данное решение оркестрирует работу всех задействованных подразделений, автоматически уведомляет ответственных о необходимости внесения данных и подведения итогов. Таким образом, оно становится неотъемлемой частью процесса формирования итоговых результатов холдинга.

- На каких платформах реализовано решение?

Использован Qlik Sense, а также Google Sheets, Python, MDM-система.

- Какие именно работы были проведены в рамках проекта?

В ходе проекта на 80% кастомизировали интерфейс исходной BI-системы Qlik Sense. Мы разработали пул собственных расширений. Реализована интеграция Qlik Sense с Python, Google Таблицами, Telegram, Outlook (рассылка уведомлений). Проработаны математические модели по прогнозированию показателей.

Данный проект уникален для отрасли, что доказывают различные референс-визиты.

- Что было сложнее всего? Где возникали основные проблемы?

Наиболее трудоемкой частью проекта стала подготовка данных и интеграция разрозненных источников в единую, согласованную модель. Параллельно велась масштабная работа по осмыслению логики формирования прогнозных значений: необходимо было не только разработать методики расчета, но и адаптировать их к быстро меняющимся рыночным условиям. Существенные усилия потребовались для обеспечения корректности, полноты и согласованности информации на всех этапах.

Отдельным вызовом стало внедрение нового процесса в существующие бизнес-практики. Выстраивание взаимодействия между участниками потребовало времени, а внедрение нового подхода в повседневную работу сопровождалась сопротивлением. Формирование новых рабочих привычек стало не менее значимым этапом, чем техническая реализация.

- Какие результаты достигнуты?

Прямой финансовый эффект – полное сокращение планово-экономического отдела. Мы добились радикального ускорения подготовки данных – с трех дней на одну локацию до трех минут на весь холдинг. Сведен к минимуму человеческий фактор. Охват решения составил 100% целевых подразделений, причем 98% операций выполняет машина.

В компании внедрена культура data-driven подхода – покрытие BI-решениями более 90% сотрудников для операционного блока и более 70% сотрудников для вспомогательного блока. Как итог, вся управленческая операционная и финансовая отчетность формируется в BI-инструментах, создана единая точка правды.

- А что ожидается в дальнейшем?

В дальнейшем разработанное решение планируется использовать в качестве центрального элемента внутри экосистемы приложений, отвечающих за формирование еженедельных прогнозов. Оно станет методологическим и технологическим ориентиром для дальнейшей цифровизации процессов управленческого учета и аналитики. Цель проекта – перевести всю регулярную управленческую отчетность в автоматизированный формат с минимальным участием человека.

Предполагается, что данное приложение будет выполнять роль базиса для унификации подходов к сбору и интерпретации финансовых показателей по всем подразделениям холдинга. Его архитектура и принципы станут основой для масштабирования на другие бизнес-направления.

- В чем роль проекта для бизнеса компании?

Приложение обеспечивает оперативную доступность ключевых метрик для отделов продаж в единой методологии. Оно позволяет видеть операционную прибыль в режиме онлайн и сравнивать ее с плановыми значениями и операционным планом. На основе фактических, прогнозных и смоделированных машиной данных принимаются оперативные решения, что способствует повышению скорости реакции на изменения рыночной или внутренней ситуации. Разработанный инструмент способствует переходу от постфактум-анализа к активному управлению, снижая зависимость от ручных процессов и минимизируя человеческий фактор при подготовке данных.

- Каковы основные направления развития проекта?

Планируется внедрение дополнительной глубины анализа: детализация до уровня отдельных моделей автомобилей, региональных характеристик, каналов продаж и сезонных факторов. Это позволит формировать более точные и адаптивные прогнозы.