Руководитель отдела аналитики и BI
Запускаю и развиваю BI-функции с нуля. Собираю команду, выстраиваю процесс работы с запросами, развиваю корпоративную отчетность, стандарты BI, качество данных, базу знаний и self-service аналитику.
Open source · GitHub
datalens-dev-mcp — инструмент для разработки полноценного дашборда в Yandex DataLens с помощью Codex, Claude и других MCP-клиентов. Автоматизирует путь от чтения и аудита объектов до проверки, сохранения и публикации результата и позволяет сократить до 95% ручной работы при разработке.
Команда, roadmap, бэклог, RICE и контроль качества результата.
Дашборды, витрины, база знаний, обучение пользователей и самостоятельная работа с данными.
Единые определения, BI-ревью, DQ-проверки и доверие к отчетности.
Перевод бизнес-запросов в требования к BI, витринам, доступам и данным.
Опыт
03.2023 - н.в.
Руководитель отдела аналитики
Проект российского электромобиля Атом, АО Кама. Запуск аналитической функции и корпоративной BI-отчетности для ключевых направлений компании.
12.2019 - 03.2023
Ведущий BI-аналитик
FMCG-направления Pet Nutrition, Food и Wrigley. За три года прошел путь от стажера-аналитика до ведущего BI-аналитика.
Кейсы
Атом · 03.2023 - н.в.
Ситуация
В Атоме одновременно развивались финансы, HR, закупки, продажи, маркетинг, производство, продукт, телематика, риски и качество. Руководители получали данные из разных систем и файлов, а показатели могли считаться по разным правилам. Обсуждение решений часто начиналось с проверки цифр, а не с анализа причин и действий.
Запустить аналитическую функцию, которая объединит работу с бизнес-запросами, метриками, витринами и BI-отчетностью для руководителей функций.
BI стал регулярным рабочим инструментом для 200 MAU. В контуре используется более 30 дашбордов. Отчетность и запросы покрывают 20+ бизнес-команд. Сформирована и развивается команда аналитики из 6 человек.
Атом · 03.2023 - н.в.
Ситуация
После первых BI-решений поток запросов стал расти быстрее, чем команда могла обрабатывать его без единого процесса. В работу одновременно приходили регулярные отчеты, срочные ad hoc задачи, новые витрины, проверки данных и доработки уже запущенных дашбордов. Без прозрачной оценки было сложно понять, какие задачи дают больше пользы бизнесу, когда ждать результат и кто отвечает за качество после релиза.
Сделать поток аналитических задач предсказуемым: единый вход, оценка, приоритизация, требования, S2T, разработка витрины и BI-решения, проверка, демонстрация, релиз и поддержка.
Поставка BI-решений стала предсказуемее для бизнеса. По оценке бизнес-заказчиков, автоматизация отчетности, сокращение ручных операций и снижение отдельных операционных рисков дали около 300 млн рублей годового эффекта.
Атом · 03.2023 - н.в.
Ситуация
Когда количество пользователей и отчетов выросло, одной разработки дашбордов стало недостаточно. Бизнесу были нужны понятные определения метрик, правила использования витрин, контроль актуальности данных и возможность самостоятельно находить ответы без постоянных ручных запросов к аналитикам.
Сформировать рабочий слой self-service BI: глоссарий метрик, описания витрин, правила доступа, обучение пользователей и ревью BI-решений.
Пользователи получили единые правила работы с BI, понятную базу знаний и проверенные источники для самостоятельного анализа. Это снизило зависимость от разовых ручных выгрузок и повысило доверие к отчетности.
Mars · 12.2019 - 03.2023
Ситуация
В FMCG продажи зависят от спроса, размера полки, доступности товара и фактического исполнения договоренностей в магазинах. Коммерческой команде нужны были не общие отчеты по категории, а список конкретных точек, где данные подтверждают потенциал роста или показывают проблему в исполнении.
Найти точки роста по магазинам и подготовить регулярную отчетность, которая помогает коммерческим командам принимать решения по полке, дополнительным местам продаж и KPI.
Пилот по расширению полки в Пятерочке дал 59 млн рублей дополнительных продаж. После масштабирования подхода на X5 результат достиг 200 млн рублей. Контроль контрактных дополнительных мест продаж довел покрытие до 100 процентов и был масштабирован на Россию.
Как организована работа аналитики
Системы и файлы, из которых бизнес получает исходные данные.
Database
CRM
Excel
API
Kafka
Пайплайны, расчеты и подготовка данных для аналитических витрин.
Flink
Airflow
PySpark
Python
SQL
Слой хранения и витрин, на котором строятся BI-решения.
S3
PostgreSQL
Microsoft SQL
ClickHouse
Iceberg
Инструменты доступа, визуализации, анализа и проверки данных.
DataLens
Superset
Power BI
DBeaver
Trino
Правила качества, метрик, доступа и прозрачности происхождения данных.
OpenMetadata
Data quality
Metrics
Access control
Lineage
Выступление и контакты
Выступление
Выступление про BI и аналитику. Моя часть начинается с 23:35.
Смотреть запись