Клиент: девелопер из Оренбурга
«Стройтехсервис» строит жильё в Оренбурге с 1999 года. В публичном профиле девелопера указаны 19 сданных домов и ещё 6 домов в стадии строительства.
Чтобы принимать решения о продукте, цене и позиционировании, команде нужен регулярный срез по предложениям конкурентов: объектам, жилым комплексам, планировкам, площадям и стоимости.
Проблема: рыночный срез собирался до 5 рабочих дней
До проекта данные искали вручную на Avito, ЦИАН, Домклик, наш.дом.рф и сайтах девелоперов. Результаты переносили в скриншоты, Word и Excel, а промежуточные версии пересылали по почте.
Один цикл анализа занимал до пяти рабочих дней. Поэтому срез обычно обновляли раз в месяц: к моменту обсуждения часть объявлений и цен уже могла измениться, а повторить выборку по тем же правилам было трудно.
- данные из разных источников имели разные поля и формат представления;
- одни и те же объекты приходилось сопоставлять вручную;
- полная таблица была полезна аналитикам, но неудобна для быстрого управленческого просмотра;
- история запусков и единые правила выборки не сохранялись в одном месте.
Почему регулярность мониторинга стала критична
Рынок новостроек меняется быстрее месячного отчётного цикла. По данным Банка России, в I квартале 2026 года продажи жилья по ДДУ выросли на 12% год к году, цены на первичном рынке — на 3,9% за квартал, а запуски новых проектов в январе—апреле — на 18% год к году.
При этом простое сравнение средних цен может вводить в заблуждение. Банк России отдельно отмечает, что корректное сопоставление требует учитывать характеристики объектов — в том числе год постройки, класс жилья и площадь квартиры. Для девелопера это превращает нормализацию данных из технической задачи в условие качественного рыночного решения.
Задача: сделать мониторинг повторяемым
Нужно было дать экономистам, маркетингу, продажам и руководителям один понятный контур: задать параметры мониторинга, получить сопоставимые данные и вернуться к любому предыдущему запуску.
Мы сознательно не начинали с тяжёлого хранилища и универсальной BI-платформы. Для первой полезной версии было важнее сократить путь от запроса до готового среза и проверить, какие параметры действительно используются в работе.
Решение: пользователь запускает мониторинг сам
В веб-интерфейсе пользователь выбирает регион и города, тип жилья, источники и ограничение на объём выгрузки. После запуска экран показывает этапы обработки — от сбора до формирования отчётов.
Так разовый запрос аналитику превратился в повторяемую операцию с зафиксированными параметрами.
Как устроили сбор и нормализацию
Сервис собирает предложения с Avito и ЦИАН по заданным параметрам, приводит поля к общей структуре, удаляет дубли и группирует объявления по жилым комплексам. В отчёте сохраняются характеристики, необходимые для сопоставления объектов.
На выходе формируются три файла: полная таблица для детальной работы, короткая Excel-версия и краткий PDF для быстрого просмотра. Отчёты можно скачать из истории или получить по электронной почте.
- сбор запускается по запросу и не требует заранее поддерживать лишний массив данных;
- полные и краткие форматы обслуживают разные управленческие сценарии;
- параметры и результаты каждого запуска сохраняются для повторного анализа.
Результат 1: рыночный срез на 3 000+ объявлений
В одном из подтверждённых запусков сервис собрал более 3 000 объявлений и выделил более 107 уникальных жилых комплексов. Вместо набора несвязанных файлов команда получила единый массив с сопоставимой структурой.
Это фактический результат работающего контура. Оценки будущей экономии времени и финансового эффекта в результат не включены: их ещё предстоит измерить на регулярном использовании.
Результат 2: более 20 сохранённых запусков
История сервиса содержит более 20 успешных запусков. Для каждого видны дата, параметры, объём собранных данных и ссылки на сформированные отчёты.
Теперь новый срез не начинается с поиска прошлой версии в почте: команда может вернуться к предыдущему запуску и использовать его как основу для сравнения.
Что изменилось для бизнеса
За два месяца проект дошёл до рабочего сервиса и первых подтверждённых запусков. Главное изменение — мониторинг стал самостоятельным и воспроизводимым процессом, а не разовой ручной сборкой аналитика.
- запускать срез можно по необходимости, не дожидаясь следующего месячного цикла;
- поля и правила выборки одинаковы для всех запусков;
- аналитики получают полный набор данных, руководители — короткий отчёт;
- накопленная история создаёт основу для сравнения периодов.
Что измерять дальше
До автоматизации подготовка рыночного среза занимала до пяти рабочих дней. Следующий шаг — измерить фактическое время от запуска до управленческого решения, частоту мониторинга, долю ручных исправлений и полноту выборки на серии регулярных запусков.
Так проект сможет доказать не только техническую работоспособность, но и влияние на скорость продуктовых, ценовых и маркетинговых решений.
Следующий этап: динамическая аналитика
После накопления истории запусков сервис можно расширить сравнением периодов: видеть изменения цен, экспозиции и состава предложения по жилым комплексам, а также автоматически подсвечивать значимые отклонения.
Так мониторинг станет не только источником файлов, но и инструментом регулярного управленческого контроля рынка.
Источники
Банк России. Обзор финансовой стабильности за IV квартал 2025 — I квартал 2026 года: https://www.cbr.ru/analytics/finstab/ofs/4q_2025_1q_2026/
Банк России. Оценка разрыва цен между новостройками и вторичным жильём: https://www.cbr.ru/press/event/?id=32662
ЦИАН. Публичный профиль застройщика «Стройтехсервис»: https://orenburg.cian.ru/zastroishchik-stroitekhservis-orenburg-12151/
