Время на прочтение: 7 минут

Дата публикации: 18.08.2026

В компании может быть много данных и при этом не быть единой цифры. Продажи находятся в ERP, клиенты — в CRM, расходы — в рекламных системах, планы — в Excel. Каждая система работает по своим правилам, поэтому после объединения данных одна и та же выручка может отличаться в разных отчетах.

Проблема решается не еще одним отчетом, а правильным разделением уровней. ERP фиксирует операции, DWH приводит данные к единой модели, а BI превращает их в инструмент анализа. Разберем, как работает каждый уровень и почему важно не смешивать их ответственность.

ERP (Enterprise Resource Planning) — система управления основными бизнес-процессами компании: финансами, закупками, запасами, производством, логистикой, проектами и другими операциями. В ней фиксируются транзакции, на основании которых бизнес работает каждый день. Среди распространенных решений — SAP S/4HANA, Oracle Fusion Cloud ERP, Microsoft Dynamics 365 и «1С».

DWH (Data Warehouse) — аналитическое хранилище, которое собирает данные из разных систем, очищает, преобразует и приводит их к единой структуре. Его задача — подготовить согласованный массив данных для аналитики.

В качестве технологической основы DWH могут использоваться ClickHouse, PostgreSQL, Yandex Cloud и другие решения. Платформы различаются архитектурой и задачами, одни рассчитаны на высокопроизводительную обработку больших объемов данных, другие подходят как универсальная основа для хранения и аналитики, третьи используют облачную инфраструктуру и позволяют гибко масштабировать ресурсы. Выбор зависит от объема данных, количества источников, нагрузки, требований к скорости и безопасности. Если хотите подробнее разобраться в теме, читайте статью «База данных для бизнеса: что это такое и зачем нужна компании».

BI (Business Intelligence) — набор инструментов и методов, с помощью которых сотрудники анализируют данные: строят отчеты, дашборды, сравнивают показатели, находят отклонения и получают информацию для принятия решений.

На российском рынке среди наиболее известных решений — Microsoft Power BI, Yandex DataLens и Apache Superset, а также отечественные платформы Visiology, AW BI, Luxms BI, PIX BI и другие. После ухода зарубежных вендоров рынок активно перестраивается, однако Power BI по-прежнему остается широко распространенным в корпоративных проектах, несмотря на отсутствие официальной поддержки в России.

Если упростить архитектуру до одной цепочки, получится:
ERP и другие источники → DWH → BI → управленческое решение.

Теперь разберем, почему нельзя просто заменить один уровень другим.

Автоматизируем сбор данных и освободим команду от ручной аналитики

Сотрудники тратят часы на отчеты?

Главная функция хранилища — не просто собрать данные «в одном месте». Важнее привести их к общей логике.

Представим компанию, у которой есть ERP, CRM и несколько Excel-файлов. В одной системе клиент называется «ООО Ромашка», в другой — «Ромашка», а в третьей записан только ИНН. Для операционной работы это может не создавать проблемы. Для аналитики — критично, ведь система должна понять, что речь идет об одной компании.

То же самое происходит с товарами, подразделениями, проектами и показателями. Пока не определены единые правила, аналитика будет постоянно сталкиваться с расхождениями.

DWH как раз создает слой, в котором эти данные очищаются, связываются и приводятся к единой модели. Обычно для этого используются ETL/ELT-процессы, при которых данные извлекаются из источников, преобразуются и загружаются в хранилище.

В результате BI получает уже подготовленные данные, а не набор разрозненных выгрузок.

Хороший пример — наш недавний проект в строительной отрасли. У компании данные хранились в 1С, Excel, Google Таблицах, MS Project и внутренней системе. При подготовке отчетности их приходилось регулярно сверять и приводить к единому виду.

Мы объединили источники в DWH на PostgreSQL и вынесли основные правила обработки данных на уровень хранилища. Для подготовки аналитического слоя использовали View и Materialized View, а уже готовые данные передали в BI.

На уровне BI остается работа с готовой моделью данных. Настройка визуализаций, фильтров, связей между показателями и логики представления информации.

Посмотреть кейс подробнее.

Например, на дашборде по ключевым показателям бизнеса руководитель сразу видит среднюю цену, выручку, маржу, расходы на рекламу и оборачиваемость, а ниже — всю воронку продаж, от перехода в карточку до фактического выкупа. Фильтры позволяют посмотреть показатели за нужный период, по магазину, предмету или другой группе.

Такой дашборд позволяет быстро увидеть отклонение и перейти к его причине. Например, продажи растут, но одновременно увеличиваются рекламные расходы или снижается маржа. При этом вся аналитика строится на уже подготовленных данных, а в BI остается работа с визуализацией, фильтрами и представлением показателей.

Мы комплексно внедряем BI, проектируем архитектуру аналитики, работаем с DWH, интеграцией и очисткой данных, настраиваем единые правила расчета показателей и создаем управленческие дашборды. Подробнее о реализованных проектах — Кейсы.

Даже идеально подготовленное DWH само по себе не отвечает на вопросы руководителя. Для этого нужен BI-слой.

BI показывает данные в форме, удобной для работы: дашборды, отчеты, графики, фильтры, детализация показателей. Пользователь может увидеть отклонение и перейти от общего результата к конкретному сегменту, продукту, клиенту или подразделению.

Покажем демо-дашборд и расскажем, как это работает на практике

Один дашборд вместо десятков отчетов

Самая частая архитектурная ошибка — пытаться решить все задачи одной системой.
Если строить всю аналитику непосредственно поверх ERP, тяжелые запросы и многочисленные отчеты начинают конкурировать с операционными процессами. Кроме того, ERP не обязана объединять маркетинговые, клиентские и другие внешние данные в аналитическую модель.

Если подключить BI напрямую к десяткам источников, логика расчетов постепенно переедет внутрь отдельных отчетов. Один аналитик считает маржу одним способом, другой — немного иначе, третий добавляет собственное исключение. Через некоторое время компания получает несколько версий одного и того же показателя.

DWH нужен именно для того, чтобы вынести эту сложную работу из отчетов и централизовать ее. Современные хранилища объединяют данные из операционных систем и CRM, выполняют очистку, стандартизацию и дедупликацию, после чего предоставляют единый массив для аналитических инструментов.

Получается четкое разделение ответственности:

1. ERP фиксирует события.
2. DWH приводит данные к общей модели.
3. BI помогает анализировать результат.

• ERP отвечает за операционную правду: что компания продала, купила, произвела, отгрузила или оплатила.
• DWH отвечает за аналитическую согласованность: как связать данные из разных систем, очистить их и рассчитать показатели по единым правилам.
• BI отвечает за доступность этой информации для бизнеса: как показать результат руководителю, аналитику или менеджеру так, чтобы он мог быстро найти отклонение и разобраться в его причине.

Поэтому ценность архитектуры появляется не тогда, когда в компании становится больше дашбордов. Она появляется, когда путь от хозяйственной операции до управленческого решения становится прозрачным. Понятно, откуда взялась цифра, как она рассчитана и почему ей можно доверять.
Именно в этом случае ERP, DWH и BI перестают быть набором отдельных IT-систем и превращаются в единую аналитическую инфраструктуру.

Мы уже реализовали более 127 проектов по настройке BI-аналитики под разные задачи. Проведём бесплатную консультацию и аудит ваших процессов, чтобы предложить оптимальное решение именно для вас.
Запишитесь на бесплатную консультацию, и мы поможем сделать аналитику вашего бизнеса прозрачной и эффективной.