Построение сквозной аналитики для российской ИТ-компании сегмента SMB: можно ли обойтись без ИТ при автоматизации и построить систему маркетинговой аналитики по принципам No code/Low code?

Большинство ИТ-вендоров, которые в ситуации импортозамещения столкнулись с кратным ростом бизнеса (Х2-Х10), переживают сложности в управлении, связанные с болезнями роста.

Как правило, это выражается в ограниченных ресурсах, непрозрачных бизнес процессах и аналитике “на коленке”.

В маркетинге, особенно если это b2b маркетинг, нацеленный на лидогенерацию, это означает отсутствие сквозной аналитики по маркетинговым каналам. Мы поставили перед собой задачу собрать сквозную воронку по цифровым каналам привлечения.

Какие задачи мы ставили перед собой:

Как решали? Кто: аналитик, который умеет программировать на Python

Где: департамент маркетинга, где до этого работали только в Excel со сводными таблицами

Что было: в компании есть СRM Битрикс, Я-Метрика, Excel файлы, Ю-Касса для оплат на сайте и доступ к сторонним базам, таким как DaData.

Базовая тройка, которая полностью реализуется в формате no-code: Сайт-CRM- Метрика:

Компания использует Сайт на Тильде, который стандартными инструментами интегрирован с CRM Битрикс24 и Яндекс Метрикой. Стандартными инструментами мы пробрасываем все куки с сайта в СRМ, это необходимо для построения сквозной аналитики воронки в digital канале.

У Битрикса24 также есть коннектор собственной разработки, который дает возможность пробросить данные в некоторые популярные системы аналитики. Мы использовали Power BI. Но стандартно с использованием коннектора можно пробросить данные только по сделкам, лидам, компаниям и полям в этих сущностях, созданных пользователями СRМ. Кастомные поля не передаются стандартным коннектором. Данные по продуктам тоже можно получить, но в сильно урезанном формате, поэтому без навыков программирования и написания собственного коннектора полноценно работать с продуктами в Power BI не получится: тут и потребуются навыки программирования у аналитика или подключение ИТ как дата инженеров.

что добавили: BI + Postgre SQL

Официального коннектора для интеграции Power BI и Яндекс метрики нет, но в интернете достаточно готовых решений для этой задачи. Нам для построения сквозной аналитики хочется видеть максимально сырые данные с детализацией до визитов за период в почти 3 года для сравнения динамики Y2Y. За такой период и с такой детализацией мы получаем более 5 млн строк данных - процесс получения такого объема не быстрый. Более того, мы обновляем наш дашборд как минимум 1 раз в сутки, что соответственно несет бессмысленную нагрузку для серверов.

Ограничения в Битрикс по получению полноценных данных о продуктах, сложности в получении данных с Яндекс Метрики, невозможность стандартными решениями получить данные о платежах из ЮКассы сподвигли нас задуматься о собственном хранилище данных.

Более того, имея собственное хранилище данных, у нас развязаны руки в части работы с данными. Мы можем формировать автоматические отчеты в любых форматах с помощью python и тянуть данные с помощью SQL запросов напрямую из КХД.

Для более глубокой аналитики мы интегрировались с daData и теперь мы получаем максимально обширный перечень данных по юридическим лицам наших клиентов.

Вовлечение ИТ в процесс: поднятие сервера + Базовые коннекторы между системами.

С какими сложностями столкнулись и как решали:

проблемы создания нового процесса в ситуации ограниченных ресурсов всегда наталкиваются на сопротивление среды и устоявшихся процессов. Решение зависит от корпоративной культуры, принятой в компании. В данном случае корпоративная культура - жесткая, иерархичная, поэтому единственное решение - согласование первого лица.

обучение сотрудников новой системе работы с данными прошло легко, т.к. ничего принципиально нового не было: по итогам внедрили отчеты по бордам на еженедельных статусах.

Думаю, что это - стандартный кейс автоматизации и построения сквозной аналитики для компаний сегмента малого и среднего бизнеса, где аналитика до сих пор ведется в xls.

При наличии уже внедренной CRM единственный открытый для дискуссии вопрос - выбор BI системы. Ее выбирает тот, кто потом будет с ней работать. В данном случае выбирали то, с чем уже был опыт работы.