Маркетинг и логистика

Бавижев Абрек Асланович

Аннотация: в условиях санкций и ухода международных компаний с российского рынка выбор BI-инструментов для маркетинговой аналитики становится критически важной задачей для бизнеса. В статье рассматриваются три категории решений: российские, китайские и open-source платформы. Проведен сравнительный анализ имеющихся на рынке инструментов и даны рекомендации по критериям, как выбрать подходящее решение.

В условиях цифровизации современный маркетинг все больше становится наукой, основанной на данных. Такой подход именуют Data-driven marketing [1]. Данный подход позволяет компаниям принимать обоснованные решения, оптимизировать рекламные бюджеты и улучшать клиентский опыт, при этом снижая ресурсные и временные издержки за счет автоматизированного сбора данных, их очистки и визуализации.

Для успешной реализации data-driven подхода необходима не только культура работы с данными, но и технологическая база для систематизации, обработки и анализа данных. Именно здесь на помощь приходят системы Business Intelligence (BI). Построение аналитических отчетов в виде графических моделей (dashboard) позволяет быстро и наглядно представлять полученные данные, выявлять тенденции, определять точки роста в воронках и т.д. [2].

Системы Business Intelligence (BI) — это комплекс технологий и методов, позволяющих преобразовывать сырые данные (транзакции, логи, финансы и т.д.) в структурированные аналитические отчеты, графики и дашборды [3]. В условиях санкций и ухода крупных международных игроков с российского рынка, вопрос выбора подходящего BI-решения для многих компаний стал острым. Основные проблемы:

• отсутствие доступа или доступ с ограниченным функционалом к наиболее распространенным инструментам, таким как Power BI, Tableau и Qlik, которые по мнению Gartner являются лидерами рынка [4];
• отсутствие поддержки и возможности обновлений;
• как следствие, необходимость перехода на альтернативные решения.

 В данной статье рассмотрим как выбрать BI-инструмент для построения эффективной маркетинговой аналитики. В обзоре рассматриваются российские, китайские и open-source (с открытым исходных кодом) решения, которые стали основными вариантами решения обозначенных ранее проблем. К анализу были отобраны ряд решений, которые по частотности запросов (оценка через вордстат) превышали 1000 запросов в месяц за последние полгода (рис. 1).

Всего рассмотрим 5 инструментов:

1. Российские решения — Visiology и Yandex DataLens. Основные преимущества: локализация под российский рынок, соответствие ПО российскому законодательству. Основные недостатки: стоимость решений может быть завышенной, так как рынок стал менее конкурентным.
2. Китайские решения — Fine BI и Fine Report (далее будет рассматриваться как один инструмент). Основные преимущества: в отличие от большинства отечественных предложений данные решения являются довольно зрелыми и держат лидерские позиции в Китае. Набор функциональности инструментов на уровне мировых лидеров. Основные недостатки: стоимость и отсутствие локализации под российский рынок (нет русского языка), перевод на английский язык иногда кривой. Поддержка и основное сообщество носители китайского языка, что затрудняет использование данного инструмента.

Рисунок 1 — Средняя частотность запросов за окт.24 — янв.25. Источник: составлено автором на основе https://wordstat.yandex.ru

3. Open-source решения — Metabase, Redash и Apache Superset. Основные преимущества: стоимость, возможность последующей кастомизации и персонализации под нужды компании. Основные недостатки: нет гибкости в плане сложных визуализаций, на стороне BI решения нет встроенного ETL функционала и хранения данных (in-memory движок).

Как видим на рисунке 2 спрос на эти BI инструменты резко вырос с марта 2022 года, кроме Redash, а Visiology при этом получил конкурентное преимущество и вышел в ТОП 3 по запросам. Лидерами же стали DataLens и Superset, которые кроме прироста в начале 2022 показывают стабильный рост на всем анализируемом периоде.

Рисунок 2 — Квартальная динамика частотности запросов за период 2021-2024 гг. Источник: составлено автором на основе https://wordstat.yandex.ru

Для сравнительного анализа были определены основные критерии, которые позволят обеспечить полный цикл по разработке качественных систем отчетностей. В рамках имеющихся в сообществе, а также научной среде исследований, можно выделить 4 больших критерия:

1. Администрирование и безопасность.
2. Подключение к источникам данных и их обработка.
3. Работа с данными, сложные вычисления.
4. Возможности визуальных и интерактивных решений.

При выборе подходящего BI решения дополнительно к этим критериям рекомендуется учитывать наличие большого сообщества, что является косвенным признаком, что данный инструмент используют большинство компаний и он пользуется спросом среди профессионалов в области анализа и визуализации данных.

Представленные ниже BI системы обладают большей частью базовых функций, необходимых для систем бизнес-аналитики, которые есть у мировых лидеров (табл. 1) [5]. Основные недостатки в отсутствие встроенных ETL и in-memory систем, а также слабая гибкость в построении визуализации.

Таблица 1 — Сравнительный анализ инструментов бизнес-аналитики (BI-систем). Источник: составлено автором.

В ближайшие несколько лет можно ожидать дальнейшего развития отечественных и open-source решений. Уже сейчас можно обобщить, что и функционально, и по спросу есть два лидера, которые уверенно растут за последние 2-3 года. При этом, DataLens в 2024 году разграничил продукт на версию с открытым исходным кодом и облачную версию, в которой теперь будет тариф с платной подпиской [7].

В обзоре осознанно не давались обобщающие оценки каждого инструмента и рекомендации конкретного инструмента, так как цель исследования дать инструменты и критерии, по которым можно было бы выбрать подходящий инструмент, учитывая контекст и ограничения каждой компании, которая ставит перед собой задачу развернуть BI инструмент и повысить свою зрелость [6]. При выборе BI-инструмента важно учитывать следующие критерии:

1. Специфика компании, какие задачи решает маркетинговая аналитика, есть ли технические специалисты и аналитики в штате, чтобы правильно сформулировать цели и задачи перед инструментом.
2. Бюджет, который компания готова или может выделить.
3. Учитывать текущий технологический стек, какие базы данных, какие источники и информационные системы используются в компании.
4. Безопасность данных, возможность разграничения ролей, уровней доступов и соответствие требованиям российского законодательства.
5. Наличие технической поддержки в случае платного решения или наличие сообщества пользователей в случае opensource решений.

Data-driven подход в маркетинге — это необходимость для современного бизнеса. Однако его успешная реализация невозможна без эффективных BI-инструментов. Каждый из рассмотренных вариантов обладает своими преимуществами и недостатками, поэтому выбор должен основываться на специфике бизнеса, бюджете и технических возможностях.

Список использованных источников:

1. Джеффри М. Маркетинг, основанный на данных: 15 ключевых показателей, которые должен знать каждый // Манн, Иванов и Фарбер. 2013.
2. Вейс, Е. В. Применение Data Driven подхода в маркетинге / Е. В. Вейс, М. В. Илюхина, А. Ю. Федорова // Вызовы цифровой экономики: импортозамещение и стратегические приоритеты развития, Брянск, 20 мая 2022 года / Сборник статей V Юбилейной Всероссийской научно-практической конференции с международным участием. – Брянск: Федеральное государственное бюджетное образовательное учреждение высшего образования «Брянский государственный инженерно-технологический университет», 2022. – С. 224-229. – EDN IHNIPA.
3. Business Intelligence [Электронный ресурс] / URL: https://ru.wikipedia.org/wiki/Business_Intelligence.
4. Рогожа Алёна Игоревна. «СРАВНИТЕЛЬНЫЙ АНАЛИЗ РОССИЙСКИХ СИСТЕМ BUSINESS INTELLIGENCE» Скиф. Вопросы студенческой науки, no. 8 (72), 2022, pp. 282-287.
5. Сравнение Open Source BI-платформ [Электронный ресурс] / URL: https://habr.com/ru/companies/axenix/articles/775194/.
6. Цуканова О.А., and Ярская А.А.. «СУЩНОСТЬ И РОЛЬ BI-СИСТЕМ В СОВРЕМЕННОЙ ЭКОНОМИКЕ» Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент», no. 2, 2021, pp. 79-85.
7. Тарификация и оплата [Электронный ресурс] / URL: https://yandex.cloud/ru/docs/datalens/qa/pricing.
8. Бородавко И. П. Маркетинговая стратегия // Маркетинг и логистика. – 2017. – №3 (11). – с. 12-17.
9. Жильцов Д. А. Внедрение системы маркетинга взаимоотношений на основе CRM для сектора В2В // Маркетинг и логистика. – 2017. – №1 (9). – с. 27-35.
10. Жильцов Д.А. Методика оценки результативности маркетинговых решений в системе управления интернет-маркетингом // Вестник Московского финансово-юридического университета МФЮА. — №4. – 2019. – С. 176–181.
11. Жильцов, Д.А. Применение интернет-маркетинга для привлечения трафика посетителей на сайт логистических услуг / Д.А. Жильцов // Экономика и предпринимательство. – 2016. — № 12 (ч.3) (77-3). — С. 910-914.
12. Жильцова О. Н. Необходимость маркетинговых исследований в период изменений потребительского спроса // Маркетинг и логистика. – 2017. – №6 (14). – с. 15-21.

УДК 339.138

Бавижев А. А. — студент 2-го курса магистратуры «Продуктовый маркетинг и аналитика», Институт открытого образования, Финансовый университет, Москва, Россия.

E-mail: bavizhev.abrek@gmail.com

Научный руководитель: Жильцова О. Н., кандидат экономических наук, доцент, доцент кафедры логистики, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия.

Comparative Analysis of Business Intelligence Systems for Marketing Analytics

Bavizhev A. — 2nd year student of the Master’s program «Product Marketing and Analytics», Institute of Open Education, Financial University, Moscow, Russia.

Scientific supervisor: Zhiltsova O., Ph.D., Associate Professor of the Department of Logistics, Financial University under the Government of the Russian Federation, Moscow, Russia.

Annotation: Amid sanctions and the departure of international companies from the Russian market, selecting BI tools for marketing analytics has become a critical task for businesses. The article explores three categories of solutions: Russian, Chinese, and open-source platforms. A comparative analysis of available market tools is conducted, and recommendations are provided on criteria for selecting the most suitable solution.