BI-платформа для бренда постельного белья: 2 юрлица, 4 маркетплейса, 7 модулей в одном окне

Сделали BI-платформу для бренда: продажи, реклама, остатки, юнит-эконом, AI-аналитик и задачи в Битрикс. 4 кабинета и 2 юрлица в одном окне.

bi для бренда e-commerce — кейс MPGuide

Производственный бренд e-commerce, продаёт на четырёх каналах под двумя юрлицами — типовой пейзаж для среднего бизнеса в розничном производстве. На каждом канале своя статистика, своя реклама, свой склад, своя финмодель. Сведение метрик руками занимало у директора пол-дня.

Собрали корпоративную BI-платформу на собственном фронтенде: 7 модулей в одном окне, ролевые рабочие места для разных отделов, AI-аналитик для текстовых запросов и интеграция с задачами в Битрикс.

Каналов и юрлиц в одном окне
4 × 2
4 МП × 2 юрлица
Модулей аналитики
7
Продажи / Реклама / ИМП / Остатки / Юнит / AI / Задачи
Сроки сборки MVP
6 недель
от ТЗ до прода с реальными данными

Контекст: бренд с производством, 2 юрлица, 4 канала продаж

Клиент — бренд в категории домашнего текстиля. Своё производство, складские остатки, продажи на двух крупных российских маркетплейсах и двух дополнительных каналах. Две юридические сущности — для разделения по налогообложению и по линейкам.

Решения принимает собственник + два управляющих директора. Раньше каждый понедельник собиралась пятичасовая планёрка с ноутбуками: сверка цифр между каналами, перерасчёт юнит-экономики, ручной перенос задач в Битрикс. Каждое решение упиралось в «дайте мне посчитать, я перезвоню».

Боль: 4 источника, 2 юрлица, нет единой точки правды

Каждый канал отдавал свою отчётность, в собственном формате, со своим набором метрик. Цифры по выручке отличались между маркетплейсами на 5–15% из-за разной логики возвратов, выкупа и комиссий. Сведение юнит-экономики делалось руками в Excel.

Главная проблема — нет общей картины по бренду. Невозможно сразу ответить на вопрос «сколько мы заработали в этом месяце» — нужно сначала посчитать, потом скорректировать, потом сложить. К тому моменту, как ответ собран, он уже устарел.

Что сделали: своя BI-платформа на Next.js + SQLite

Развернули отдельный веб-сервис на собственном домене с авторизацией для команды бренда. На бэкенде — SQLite (этого хватает для текущего объёма данных, не нужно тащить Postgres), на фронтенде — Next.js с компонентной системой под бренд клиента.

Источники данных подключаются коннекторами: API маркетплейсов, выгрузки 1С, рекламные кабинеты. Данные обновляются по cron каждые 15 минут. Внутри — 7 модулей, каждый — это отдельная страница со своей логикой.

  • Модуль «Продажи» — по каналам, юрлицам, SKU, периодам
  • Модуль «Реклама» — кампании, ДРР, бюджет, корреляция с продажами
  • Модуль «ИМП» (индекс маркетингового продвижения) — собственная метрика клиента
  • Модуль «Остатки» — текущие, прогноз дней товара, рекомендации по поставкам
  • Модуль «Юнит-экономика» — на каждый SKU с учётом тарифов МП
  • Модуль «AI-аналитик» — задаёшь вопрос текстом, получаешь срез данных
  • Модуль «Задачи» — отправка тикетов в Битрикс прямо из карточки артикула

Как работает: ролевые рабочие места

У каждого члена команды свой рабочий стол. Менеджер WB видит только свой канал, своих артикулов и свою рекламу. Менеджер Ozon — свои. Руководитель отдела рекламы — все кампании по всем каналам в одном окне. Собственник видит сводный экран с P&L и ключевыми метриками по двум юрлицам.

Доступ настраивается на уровне модулей и фильтров — никто не видит лишнего, и никто не должен переключаться между чужими данными. Это сильно снижает шум на планёрке: каждый показывает только то, за что отвечает.

Результат: планёрка с 5 часов до 1 часа, решения за 15 минут

Понедельничная планёрка сократилась с 5 часов до 1 часа: цифры уже в системе, не нужно их сверять. Команда обсуждает решения, а не «правильный или нет ваш Excel».

AI-аналитик закрывает потребность в нестандартных срезах — раньше такие срезы заказывали аналитику и ждали 1–2 дня, теперь собственник задаёт вопрос текстом и получает ответ за минуту.

«До платформы понедельник был мучением. Сейчас понедельник — это короткое обсуждение действий, а не разбор кто посчитал правильно.»

управляющий директор

Стек

Next.js 16 + React 19 (фронтенд)SQLite (бекенд-хранилище, легковесно под объём клиента)API Wildberries, Ozon, Я.Маркет (коннекторы данных)1С (выгрузка остатков и финансов)OpenAI API — для AI-аналитика и текстовых срезовБитрикс API — отправка задач из карточекДеплой на VPS с basic-auth + ролевая модель доступа

Часто задаваемые вопросы

Кому подойдёт это решение?
Подход универсален для бизнеса в схожей нише и с похожими процессами. На странице услуг можно почитать, в каких категориях у нас есть опыт. Чтобы понять, подойдёт ли вам — напишите в Telegram, обсудим за 15 минут.
Сколько времени заняла реализация?
Зависит от объёма данных и количества модулей. В среднем — от 3 недель на MVP до 2–3 месяцев на полноценную систему. Финальный текст этого кейса с конкретными сроками и метриками — в работе.
Какие данные нужны для запуска?
Минимум — API-доступ к источникам (маркетплейсы, CRM, 1С, банк). Дополнительно — справочники товаров, история продаж, текущие отчёты команды. На первом созвоне списком пройдёмся.
Можно ли адаптировать решение под мой бизнес?
Да. Любой наш кейс — это набор подходов и компонентов, который мы собираем под конкретные процессы клиента. Конкретные модули, источники данных, интеграции и метрики настраиваются индивидуально.
Сколько примерно стоит?
Цена зависит от объёма работы и сроков. Типовые диапазоны бюджетов: BI-дашборд от 150 тыс. ₽, кастомная веб-платформа от 500 тыс. ₽, внедрение AI от 100 тыс. ₽. После короткого аудита даём точный ориентир по вашей задаче.

Обсудим похожий проект для вас?

Расскажите про задачу — мы предложим, как её решить с помощью автоматизации или ИИ.

Похожие кейсы

аналитика wildberries и ozon в одной таблице — обложка кейса
МаркетплейсыBI / ДашбордыАвтоматизация

40 таблиц WB, Ozon и Я.Маркета в одной таблице — для команды из 5 менеджеров

Собрали сводную витрину для селлера на 40 таблиц и 20 SKU. Команда из 5 менеджеров видит остатки, продажи и юнит-экономику в одной Google-таблице.

Подробнее
api коннектор для google таблиц маркетплейс — обложка кейса
МаркетплейсыАвтоматизация

Бесплатный API-коннектор: Google Таблицы и любой маркетплейс — без знания API и кода

Наш бесплатный сервис: подключаете Google Таблицу к маркетплейсу, выбираете нужные отчёты — данные выгружаются автоматически. Не надо читать документацию API, не надо писать код. Поддержка Wildberries, Ozon, Я.Маркета, Lamoda и Сбер Мегамаркета.

Подробнее
юнит экономика wildberries — обложка кейса
МаркетплейсыАвтоматизация

Юнит-калькулятор WB с ИЛ и ИРП — 30 SKU, тарифы из API, формула логистики 2026 года

Сделали Google Sheets-калькулятор юнит-экономики WB на 30 SKU. Тарифы и комиссии тянутся из API, формула логистики обновлена под изменения 23 марта 2026.

Подробнее