Хранилища данных и аналитика: подборка статей

Задачу обычно формулируют как задачу визуализации: нужна отчётность, нужен дашборд, нужен ИИ поверх продаж.

Разбирается это на первой же сверке - цифра из CRM не сходится с цифрой из 1С, обе не сходятся с выгрузкой маркетинга, и дальше спор идёт не о выводе, а о том, чьи данные считать правильными.

Отсюда правило, которое стоит принять до выбора инструментов: качество данных задаёт потолок для всего, что строится сверху. Отчёт, BI-панель и языковая модель одинаково зависят от того, один ли справочник контрагентов у финансов и у продаж, совпадают ли номенклатуры и в какой момент данные считаются актуальными.

На противоречивых справочниках система не отказывается отвечать - она отвечает уверенно и неверно, а это дороже, чем отсутствие отчёта.

Подборка собрана как последовательность решений: зачем сводить данные в одно место, как хранилище строят, что ломается при переносе и почему само по себе оно ещё не меняет управленческие решения.

Работа со справочниками и товарными данными вынесена в отдельную подборку.

Проект хранилища редко проваливается на выборе технологии.

Он проваливается на данных, которые уже есть: дубли контрагентов, несовпадающие справочники, поля, которые в разные годы заполняли по-разному, и исторические записи без владельца.

Поэтому миграцию стоит планировать как отдельный этап со своими сроками и критериями приёмки, а не как последний шаг внедрения.

Первый материал показывает порядок работ - от сбора требований и модели данных до ETL и запуска; второй разбирает типовые проблемы переноса и даёт чек-лист готовности, по которому полезно пройтись до старта, а не после первой сверки остатков.

У коммерческих данных цена ошибки видна быстрее, чем у управленческих: если цена на сайте, в приложении и у колл-центра различается, клиент замечает это раньше финансового директора.

Единая витрина - тот же принцип единого источника правды, применённый к ассортименту, ценам, промо и наличию во всех каналах.

Управление самими справочниками - отдельная дисциплина со своим классом систем.

Если проблема упирается в атрибуты, категории и выгрузку в каналы, начинать стоит с подборки про PIM и мастер-данные.

Техническая часть заканчивается там, где начинается организационная.

Данные сведены, панель собрана - а решения по-прежнему принимаются на совещании по устной оценке, потому что доверия к цифре нет, а доступ к ней есть не у всех.

Аналитическая культура начинается тогда, когда команда может проверить гипотезу сама, не запрашивая выгрузку у аналитика и не дожидаясь конца месяца.

Второй материал показывает частный случай такого перехода: как данные об использовании продукта превращаются в решение о тарифах, то есть в деньги, а не в очередной отчёт.