Автоматизация аналитики по сделкам в Битрикс24
#Битрикс24
Разработали единый аналитический отчет в Битрикс24, который объединяет несколько таблиц с актуальными данными по сделкам
Проблема клиента
Клиент столкнулся с необходимостью оперативного контроля ключевых показателей воронки продаж. Информация по сделкам была разрознена, а ручное формирование отчетов требовало значительных временных затрат.
Основные потребности клиента:
Основные потребности клиента:
- Видеть динамику закрытых сделок за выбранный период.
- Контролировать текущие активные сделки в работе.
- Оценивать загрузку сотрудников по активным делам.
- Отслеживать сделки, находящиеся в статусе «пауза», чтобы своевременно возвращать их в работу.
Задача
Разработать единый аналитический отчет в Битрикс24, который объединит несколько таблиц с актуальными данными по сделкам и ответственным, обеспечит гибкую фильтрацию, цветовую маркировку и будет прост в интерпретации для конечного пользователя.
Наше решение
Решение включало несколько этапов.
1
Формирование датасета (SQL)
Мы написали универсальный SQL-запрос, который выгружал сырые данные из всех необходимых сущностей (сделки, дела, сотрудники, статусы и пр.).
Сначала мы создали один базовый датасет под первую таблицу. Затем этот же датасет последовательно дополняли и адаптировали для каждой последующей таблицы. Это позволило обеспечить единую логику выгрузки и упростило поддержку.
Датасет выводил детальные поля:
Мы написали универсальный SQL-запрос, который выгружал сырые данные из всех необходимых сущностей (сделки, дела, сотрудники, статусы и пр.).
Сначала мы создали один базовый датасет под первую таблицу. Затем этот же датасет последовательно дополняли и адаптировали для каждой последующей таблицы. Это позволило обеспечить единую логику выгрузки и упростило поддержку.
Датасет выводил детальные поля:
- идентификаторы и названия сделок;
- ответственных;
- даты создания, завершения, последнего изменения;
- статусы и стадии;
- сумму, маржинальность (сырые данные по затратам и выручке);
- количество и статусы дел.
2
Агрегация и вычисления
Из сырых данных с помощью агрегации (GROUP BY, SUM, COUNT и др.) формировались требуемые показатели:
Из сырых данных с помощью агрегации (GROUP BY, SUM, COUNT и др.) формировались требуемые показатели:
- Количество закрытых сделок за период (раздельно по успешным и провальным).
- Общее количество сделок в процессе.
- Количество активных дел в разрезе сотрудников.
- Перечень сделок в паузе с указанием длительности простоя.
3
Создание таблиц и настройка фильтров
На основе агрегированных данных мы построили четыре ключевые таблицы:
На основе агрегированных данных мы построили четыре ключевые таблицы:
- Закрытые сделки по периоду — с разбивкой по ответственным и типам сделок.
- Сделки в процессе — перечень активных сделок с ключевыми параметрами.
- Активные дела по сотрудникам — нагрузка на каждого менеджера.
- Сделки в процессе в паузе — сделки, ожидающие возобновления.
- по периоду (дата создания/закрытия);
- по ответственному (выбор сотрудника);
- по типу сделки.
4
Визуальная кастомизация
Для кастомизации таблиц мы настроили цветовое оформление:
Для кастомизации таблиц мы настроили цветовое оформление:
- Критичные значения (например, долгое нахождение в паузе) выделены красным.
- Закрытые сделки с положительным результатом — зеленым.
- Активные дела — в зависимости от срочности.
5
Инструкция по работе с отчетом
По просьбе клиента в конце отчета мы добавили текстовый блок с инструкцией. Текст был написан самим клиентом, что гарантировало использование привычной терминологии и покрытие всех нюансов работы. В инструкции описано:
По просьбе клиента в конце отчета мы добавили текстовый блок с инструкцией. Текст был написан самим клиентом, что гарантировало использование привычной терминологии и покрытие всех нюансов работы. В инструкции описано:
- какие данные выводит каждая таблица;
- какие фильтры доступны;
- как интерпретировать цветовые обозначения.
Результат
➤
Единый источник данных – все отчеты построены на одном датасете, что исключило расхождения в цифрах.
➤
Экономия времени – ручное формирование отчетов заняло бы несколько часов в неделю, автоматизация сократила этот процесс до нескольких секунд.
➤
Прозрачность воронки – руководитель получил полную картину по закрытым сделкам, текущей работе и загрузке сотрудников.
➤
Масштабируемость – благодаря модульной структуре датасета добавление новых показателей (например, по контрагентам) не требует переписывания всей логики.