Эти маленькие «печеньки» (файлы cookie) помогают сайту запомнить ваши настройки, например, язык или выбранные параметры. Так, при каждом новом посещении вы будете чувствовать себя как дома. Примите их, чтобы сделать сайт своим!
Соглашение на обработку персональных данных
Текст соглашения на обработку данных:
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006 года Вы подтверждаете свое согласие на обработку ИП Башкатов К.Ю. персональных данных: сбор, систематизацию, накопление, хранение, уточнение (обновление, изменение), использование, передачу исключительно в целях продажи программного обеспечения на Ваше имя, как это описано ниже, блокирование, обезличивание, уничтожение.
ИП Башкатов К.Ю. гарантирует конфиденциальность получаемой информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и иных обязательств, принятых ИП Башкатов К.Ю. в качестве обязательных к исполнению.
В случае необходимости предоставления Ваших персональных данных правообладателю, дистрибьютору или реселлеру программного обеспечения в целях регистрации программного обеспечения на ваше имя, вы даёте согласие на передачу ваших персональных данных. ИП Башкатов К.Ю. гарантирует, что правообладатель, дистрибьютор или реселлер программного обеспечения осуществляет защиту персональных данных на условиях, аналогичных изложенным в Политике конфиденциальности персональных данных.
Настоящее согласие распространяется на следующие Ваши персональные данные: фамилия, имя и отчество, адрес электронной почты, почтовый адрес доставки заказов, контактный телефон, платёжные реквизиты.
Компания имеет право отправлять Пользователю уведомления о новых продуктах и услугах, специальных предложениях и различных событиях. Пользователь может отказаться от получения сообщений, направив Компании письмо на адрес электронной почты info@o2it.ru с пометкой «Отказ от уведомлений».
Срок действия согласия является неограниченным. Вы можете в любой момент отозвать настоящее согласие, направив письменное уведомления на адрес: 195220, г. Санкт-Петербург, пр-т Непокорённых, 49к2, кв. 366
с пометкой «Отзыв согласия на обработку персональных данных».
Обращаем ваше внимание, что отзыв согласия на обработку персональных данных влечёт за собой удаление Вашей учётной записи с Интернет-сайта o2it.com, а также уничтожение записей, содержащих ваши персональные данные, в системах обработки персональных данных компании ИП Башкатов К.Ю., что может сделать невозможным пользование интернет-сервисами ИП Башкатов К.Ю..
Гарантирую, что представленная мной информация является полной, точной и достоверной, а также что при представлении информации не нарушаются действующее законодательство Российской Федерации, законные права и интересы третьих лиц. Вся представленная информация заполнена мною в отношении себя лично.
Настоящее согласие действует в течение всего периода хранения персональных данных, если иное не предусмотрено законодательством Российской Федерации.
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006 года Вы подтверждаете свое согласие на обработку ИП Башкатов К.Ю. персональных данных: сбор, систематизацию, накопление, хранение, уточнение (обновление, изменение), использование, передачу исключительно в целях продажи программного обеспечения на Ваше имя, как это описано ниже, блокирование, обезличивание, уничтожение.
ИП Башкатов К.Ю. гарантирует конфиденциальность получаемой информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и иных обязательств, принятых ИП Башкатов К.Ю. в качестве обязательных к исполнению.
В случае необходимости предоставления Ваших персональных данных правообладателю, дистрибьютору или реселлеру программного обеспечения в целях регистрации программного обеспечения на ваше имя, вы даёте согласие на передачу ваших персональных данных. ИП Башкатов К.Ю. гарантирует, что правообладатель, дистрибьютор или реселлер программного обеспечения осуществляет защиту персональных данных на условиях, аналогичных изложенным в Политике конфиденциальности персональных данных.
Настоящее согласие распространяется на следующие Ваши персональные данные: фамилия, имя и отчество, адрес электронной почты, почтовый адрес доставки заказов, контактный телефон, платёжные реквизиты.
Компания имеет право отправлять Пользователю уведомления о новых продуктах и услугах, специальных предложениях и различных событиях. Пользователь может отказаться от получения сообщений, направив Компании письмо на адрес электронной почты info@o2it.ru с пометкой «Отказ от уведомлений».
Срок действия согласия является неограниченным. Вы можете в любой момент отозвать настоящее согласие, направив письменное уведомления на адрес: 195220, г. Санкт-Петербург, пр-т Непокорённых, 49к2, кв. 366
с пометкой «Отзыв согласия на обработку персональных данных».
Обращаем ваше внимание, что отзыв согласия на обработку персональных данных влечёт за собой удаление Вашей учётной записи с Интернет-сайта o2it.com, а также уничтожение записей, содержащих ваши персональные данные, в системах обработки персональных данных компании ИП Башкатов К.Ю., что может сделать невозможным пользование интернет-сервисами ИП Башкатов К.Ю..
Гарантирую, что представленная мной информация является полной, точной и достоверной, а также что при представлении информации не нарушаются действующее законодательство Российской Федерации, законные права и интересы третьих лиц. Вся представленная информация заполнена мною в отношении себя лично.
Настоящее согласие действует в течение всего периода хранения персональных данных, если иное не предусмотрено законодательством Российской Федерации.
- Интеграция BI-инструментов с CRM через Trino и AI-ассистента
- Исходная задача: визуализация скидок и аналитика сделок
- Выбор стека: Apache Superset + Trino + Context Seven
- Методология работы: от бизнес-задачи к структуре данных
- Настройка интеграции: 3 часа в одном диалоге
- Реализация логики скидок: многоуровневая система
- Преимущества подхода: скорость и гибкость
- Применимость решения: когда нужен BI-инструмент
- Заключение
Интеграция BI-инструментов с CRM через Trino и AI-ассистента
Стандартные отчеты Битрикс24 закрывают 80% потребностей бизнеса в аналитике. Остальные 20% требуют кастомных дашбордов с гибкой визуализацией: тепловые карты продаж по регионам, воронки конверсии с множественными фильтрами, анализ маржинальности с учетом сложных систем скидок. Для таких задач компании подключают BI-инструменты вроде Power BI, Tableau или Apache Superset.
Проблема в том, что интеграция занимает недели: нужно разобраться в API Битрикс24, настроить коннекторы, написать SQL-запросы под структуру базы данных. Этот кейс показывает, как подключить Apache Superset к Битрикс24 через базу данных Trino за 3 часа работы - с помощью AI-ассистента, который знает документацию обеих систем.
Проблема в том, что интеграция занимает недели: нужно разобраться в API Битрикс24, настроить коннекторы, написать SQL-запросы под структуру базы данных. Этот кейс показывает, как подключить Apache Superset к Битрикс24 через базу данных Trino за 3 часа работы - с помощью AI-ассистента, который знает документацию обеих систем.
Исходная задача: визуализация скидок и аналитика сделок
Компания использует Битрикс24 для управления продажами, но столкнулась с двумя задачами, которые стандартные отчеты CRM не решают:
Визуализация бизнес-метрик - построение дашбордов, которые показывают не просто цифры из полей сделок, а реальные показатели: конверсию по воронкам, динамику среднего чека, распределение сделок по менеджерам с учетом выполнения плана.
Расчет и визуализация скидок - в компании действует многоуровневая система скидок: базовые условия, персональные для клиента, акционные предложения. Нужно видеть итоговую маржинальность каждой сделки с учетом всех примененных скидок.
Стандартные отчеты Битрикс24 позволяют строить графики по полям сделок, но не дают гибкости в визуализациях. Невозможно создать тепловую карту продаж по регионам или построить воронку с произвольными этапами. Для таких задач нужен полноценный BI-инструмент.
Визуализация бизнес-метрик - построение дашбордов, которые показывают не просто цифры из полей сделок, а реальные показатели: конверсию по воронкам, динамику среднего чека, распределение сделок по менеджерам с учетом выполнения плана.
Расчет и визуализация скидок - в компании действует многоуровневая система скидок: базовые условия, персональные для клиента, акционные предложения. Нужно видеть итоговую маржинальность каждой сделки с учетом всех примененных скидок.
Стандартные отчеты Битрикс24 позволяют строить графики по полям сделок, но не дают гибкости в визуализациях. Невозможно создать тепловую карту продаж по регионам или построить воронку с произвольными этапами. Для таких задач нужен полноценный BI-инструмент.
Выбор стека: Apache Superset + Trino + Context Seven
Для визуализации данных выбрали Apache Superset - open-source BI-платформу с богатой библиотекой графиков: от простых столбчатых диаграмм до тепловых карт и санки-диаграмм. Superset работает с любыми SQL-базами данных.
Битрикс24 хранит данные в MySQL, но прямое подключение создает проблемы:
Решение - использовать Trino (ранее Presto) как промежуточный слой. Trino - это распределенная SQL-система, которая:
Для ускорения настройки использовали MCP Context Seven - AI-ассистента, который работает с актуальной документацией программных решений. Он знает:
Вместо того чтобы неделями изучать документацию трех систем, можно задавать вопросы ассистенту и получать готовые SQL-запросы и конфигурации.
Битрикс24 хранит данные в MySQL, но прямое подключение создает проблемы:
- Структура таблиц Битрикс24 сложная: пользовательские поля разбросаны по служебным таблицам
- Прямые запросы к production-базе нагружают систему
- Нет удобного слоя для трансформации данных перед визуализацией
Решение - использовать Trino (ранее Presto) как промежуточный слой. Trino - это распределенная SQL-система, которая:
- Подключается к Битрикс24 как к источнику данных
- Позволяет писать SQL-запросы в привычном синтаксисе
- Кеширует результаты, не нагружая основную базу
- Объединяет данные из нескольких источников (например, Битрикс24 + Google Sheets с планами продаж)
Для ускорения настройки использовали MCP Context Seven - AI-ассистента, который работает с актуальной документацией программных решений. Он знает:
- Структуру базы данных Битрикс24: какие таблицы хранят сделки, контакты, пользовательские поля
- API и синтаксис Trino для написания запросов
- Возможности Apache Superset для создания визуализаций
Вместо того чтобы неделями изучать документацию трех систем, можно задавать вопросы ассистенту и получать готовые SQL-запросы и конфигурации.
Методология работы: от бизнес-задачи к структуре данных
Классический подход к BI-аналитике: сначала выгружаем все данные, потом думаем, что с ними делать. Это приводит к хаосу: десятки дашбордов, половина из которых никто не использует.
В этом проекте применили обратную методологию.
Шаг 1: Формулировка бизнес-задачи
Начали с конкретных вопросов, на которые должны ответить дашборды:
Шаг 2: Выбор визуализаций
Для каждой задачи AI-ассистент предложил несколько вариантов визуализаций:
Выбрали те визуализации, которые дают максимум инсайтов при минимуме когнитивной нагрузки.
Шаг 3: Проектирование датасетов
Только после выбора визуализаций начали проектировать структуру данных. Определили:
Этот подход экономит время: создаешь только те датасеты, которые реально нужны для визуализаций.
В этом проекте применили обратную методологию.
Шаг 1: Формулировка бизнес-задачи
Начали с конкретных вопросов, на которые должны ответить дашборды:
- Какие менеджеры дают наибольшую маржинальность с учетом скидок?
- Как распределены сделки по регионам и продуктам?
- На каких этапах воронки теряется больше всего клиентов?
Шаг 2: Выбор визуализаций
Для каждой задачи AI-ассистент предложил несколько вариантов визуализаций:
- Для маржинальности: столбчатая диаграмма с группировкой по менеджерам + таблица с детализацией
- Для географии: тепловая карта регионов + круговая диаграмма топ-5 городов
- Для воронки: санки-диаграмма переходов между этапами
Выбрали те визуализации, которые дают максимум инсайтов при минимуме когнитивной нагрузки.
Шаг 3: Проектирование датасетов
Только после выбора визуализаций начали проектировать структуру данных. Определили:
- Сколько датасетов нужно (в итоге получилось 3: по сделкам, по скидкам, по географии)
- Какие поля должны быть в каждом датасете
- Какие вычисляемые метрики добавить (например, маржинальность = сумма сделки - сумма скидок)
Этот подход экономит время: создаешь только те датасеты, которые реально нужны для визуализаций.
Настройка интеграции: 3 часа в одном диалоге
Вся настройка заняла один рабочий день - около 3 часов активной работы в диалоге с AI-ассистентом.
Подключение Trino к Битрикс24
Ассистент предоставил конфигурацию для Trino-коннектора к MySQL:
```
connector.name=mysql
connection-url=jdbc:mysql://bitrix24-db:3306/bitrix
connection-user=analytics_user
connection-password=***
```
Подсказал, какие таблицы Битрикс24 содержат данные сделок:
Создание датасетов в Superset
Для каждого датасета ассистент написал SQL-запрос в Trino. Пример запроса для датасета по маржинальности:
```sql
SELECT
d.id AS deal_id,
d.title AS deal_title,
d.opportunity AS deal_amount,
d.assigned_by_id AS manager_id,
u.name AS manager_name,
COALESCE (disc.total_discount, 0) AS total_discount,
d.opportunity — COALESCE (disc.total_discount, 0) AS margin
FROM b_crm_deal d
LEFT JOIN b_user u ON d. assigned_by_id = u. id
LEFT JOIN (
SELECT
deal_id,
SUM (discount_amount) AS total_discount
FROM b_crm_deal_discounts
GROUP BY deal_id
) disc ON d. id = disc. deal_id
WHERE d. stage_semantic_id = 'S' -- только успешные сделки
```
Запрос объединяет данные из трех таблиц:
Ассистент объяснил каждую строку запроса и подсказал, как добавить фильтры по датам или воронкам.
Создание визуализаций
Для каждой визуализации ассистент предложил:
Например, для тепловой карты регионов:
Весь процесс - от подключения Trino до первого рабочего дашборда - занял 3 часа. Без AI-ассистента на это ушло бы несколько дней: пришлось бы изучать документацию Битрикс24, разбираться в структуре таблиц, искать примеры SQL-запросов для Trino.
Подключение Trino к Битрикс24
Ассистент предоставил конфигурацию для Trino-коннектора к MySQL:
```
connector.name=mysql
connection-url=jdbc:mysql://bitrix24-db:3306/bitrix
connection-user=analytics_user
connection-password=***
```
Подсказал, какие таблицы Битрикс24 содержат данные сделок:
- `b_crm_deal` — основная таблица сделок
- `b_crm_deal_uf` — пользовательские поля
- `b_crm_status` — справочник статусов воронки
Создание датасетов в Superset
Для каждого датасета ассистент написал SQL-запрос в Trino. Пример запроса для датасета по маржинальности:
```sql
SELECT
d.id AS deal_id,
d.title AS deal_title,
d.opportunity AS deal_amount,
d.assigned_by_id AS manager_id,
u.name AS manager_name,
COALESCE (disc.total_discount, 0) AS total_discount,
d.opportunity — COALESCE (disc.total_discount, 0) AS margin
FROM b_crm_deal d
LEFT JOIN b_user u ON d. assigned_by_id = u. id
LEFT JOIN (
SELECT
deal_id,
SUM (discount_amount) AS total_discount
FROM b_crm_deal_discounts
GROUP BY deal_id
) disc ON d. id = disc. deal_id
WHERE d. stage_semantic_id = 'S' -- только успешные сделки
```
Запрос объединяет данные из трех таблиц:
- Основные поля сделки
- ФИО менеджера
- Сумма всех примененных скидок
Ассистент объяснил каждую строку запроса и подсказал, как добавить фильтры по датам или воронкам.
Создание визуализаций
Для каждой визуализации ассистент предложил:
- Тип графика (столбчатая диаграмма, тепловая карта, санки)
- Настройки осей и фильтров
- Цветовую схему для лучшей читаемости
Например, для тепловой карты регионов:
- Ось X: регион (из пользовательского поля сделки)
- Ось Y: месяц закрытия сделки
- Цвет: сумма маржинальности
- Фильтр: выбор года и менеджера
Весь процесс - от подключения Trino до первого рабочего дашборда - занял 3 часа. Без AI-ассистента на это ушло бы несколько дней: пришлось бы изучать документацию Битрикс24, разбираться в структуре таблиц, искать примеры SQL-запросов для Trino.
Реализация логики скидок: многоуровневая система
Одна из ключевых задач - визуализация сложной системы скидок. В компании действуют три типа скидок:
Базовые скидки - зависят от объема заказа:
Персональные скидки - привязаны к контакту клиента в CRM, хранятся в пользовательском поле `UF_PERSONAL_DISCOUNT`
Акционные скидки - временные предложения, которые применяются к определенным товарам или категориям
Скидки суммируются, но итоговая не может превышать 25%. Эту логику нужно было отразить в датасете.
Ассистент написал SQL-запрос с вычислением итоговой скидки:
```sql
WITH base_discount AS (
SELECT
deal_id,
CASE
WHEN opportunity < 100 000 THEN 0
WHEN opportunity BETWEEN 100 000 AND 500 000 THEN opportunity * 0.05
ELSE opportunity * 0.10
END AS base_disc
FROM b_crm_deal
),
personal_discount AS (
SELECT
d.id AS deal_id,
d.opportunity * (COALESCE (c.uf_personal_discount, 0) / 100) AS personal_disc
FROM b_crm_deal d
LEFT JOIN b_crm_contact c ON d. contact_id = c. id
),
promo_discount AS (
SELECT
deal_id,
SUM (discount_amount) AS promo_disc
FROM b_crm_deal_promo
GROUP BY deal_id
)
SELECT
d.id,
d.opportunity,
bd.base_disc,
pd.personal_disc,
COALESCE (pr.promo_disc, 0) AS promo_disc,
LEAST (
bd.base_disc + pd. personal_disc + COALESCE (pr.promo_disc, 0),
d.opportunity * 0.25
) AS total_discount
FROM b_crm_deal d
JOIN base_discount bd ON d. id = bd. deal_id
JOIN personal_discount pd ON d. id = pd. deal_id
LEFT JOIN promo_discount pr ON d. id = pr. deal_id
```
Запрос использует Common Table Expressions (CTE) для пошагового расчета:
На основе этого датасета построили несколько визуализаций:
> Раньше менеджеры не видели, как скидки влияют на итоговую прибыль. Теперь на дашборде видно: сделка на 600 000 ₽ с 20% скидкой дает меньше маржи, чем две сделки по 300 000 ₽ с базовой скидкой.
Базовые скидки - зависят от объема заказа:
- До 100 000 ₽ - 0%
- 100 000 - 500 000 ₽ - 5%
- Свыше 500 000 ₽ - 10%
Персональные скидки - привязаны к контакту клиента в CRM, хранятся в пользовательском поле `UF_PERSONAL_DISCOUNT`
Акционные скидки - временные предложения, которые применяются к определенным товарам или категориям
Скидки суммируются, но итоговая не может превышать 25%. Эту логику нужно было отразить в датасете.
Ассистент написал SQL-запрос с вычислением итоговой скидки:
```sql
WITH base_discount AS (
SELECT
deal_id,
CASE
WHEN opportunity < 100 000 THEN 0
WHEN opportunity BETWEEN 100 000 AND 500 000 THEN opportunity * 0.05
ELSE opportunity * 0.10
END AS base_disc
FROM b_crm_deal
),
personal_discount AS (
SELECT
d.id AS deal_id,
d.opportunity * (COALESCE (c.uf_personal_discount, 0) / 100) AS personal_disc
FROM b_crm_deal d
LEFT JOIN b_crm_contact c ON d. contact_id = c. id
),
promo_discount AS (
SELECT
deal_id,
SUM (discount_amount) AS promo_disc
FROM b_crm_deal_promo
GROUP BY deal_id
)
SELECT
d.id,
d.opportunity,
bd.base_disc,
pd.personal_disc,
COALESCE (pr.promo_disc, 0) AS promo_disc,
LEAST (
bd.base_disc + pd. personal_disc + COALESCE (pr.promo_disc, 0),
d.opportunity * 0.25
) AS total_discount
FROM b_crm_deal d
JOIN base_discount bd ON d. id = bd. deal_id
JOIN personal_discount pd ON d. id = pd. deal_id
LEFT JOIN promo_discount pr ON d. id = pr. deal_id
```
Запрос использует Common Table Expressions (CTE) для пошагового расчета:
- Вычисляет базовую скидку по сумме сделки
- Добавляет персональную скидку из поля контакта
- Суммирует акционные скидки из отдельной таблицы
- Применяет ограничение в 25% через функцию LEAST
На основе этого датасета построили несколько визуализаций:
- Водопадная диаграмма - показывает, как формируется итоговая скидка: сумма сделки → базовая скидка → персональная → акционная → итог
- Таблица с детализацией - список сделок с разбивкой по типам скидок, можно отсортировать по маржинальности
- Столбчатая диаграмма - сравнение эффективности менеджеров: сколько скидок дают и какую маржинальность получают
> Раньше менеджеры не видели, как скидки влияют на итоговую прибыль. Теперь на дашборде видно: сделка на 600 000 ₽ с 20% скидкой дает меньше маржи, чем две сделки по 300 000 ₽ с базовой скидкой.
Преимущества подхода: скорость и гибкость
Интеграция Битрикс24 с Apache Superset через Trino и AI-ассистента дала несколько преимуществ.
Скорость настройки
Классический путь: нанять аналитика, который потратит неделю на изучение структуры базы Битрикс24, напишет скрипты выгрузки, настроит ETL-процессы.
В этом кейсе все заняло 3 часа благодаря AI-ассистенту, который:
Гибкость визуализаций
Apache Superset предлагает 50+ типов графиков. Можно создать:
Стандартные отчеты Битрикс24 ограничены базовыми графиками: столбчатые, круговые, линейные.
Объединение источников данных
Trino позволяет в одном запросе объединить:
Например, можно построить дашборд, который показывает:
Отсутствие нагрузки на Битрикс24
Trino кеширует результаты запросов. Дашборды обновляются по расписанию (например, раз в час), а не тянут данные из production-базы при каждом открытии. Это критично для компаний с большим объемом данных: тяжелые аналитические запросы не тормозят работу CRM.
Скорость настройки
Классический путь: нанять аналитика, который потратит неделю на изучение структуры базы Битрикс24, напишет скрипты выгрузки, настроит ETL-процессы.
В этом кейсе все заняло 3 часа благодаря AI-ассистенту, который:
- Знает структуру таблиц Битрикс24
- Пишет SQL-запросы под конкретную задачу
- Подсказывает оптимальные визуализации
Гибкость визуализаций
Apache Superset предлагает 50+ типов графиков. Можно создать:
- Тепловые карты продаж по регионам и месяцам
- Санки-диаграммы движения сделок по воронке
- Пузырьковые диаграммы для анализа маржинальности
- Временные ряды с прогнозированием
Стандартные отчеты Битрикс24 ограничены базовыми графиками: столбчатые, круговые, линейные.
Объединение источников данных
Trino позволяет в одном запросе объединить:
- Данные из Битрикс24 (сделки, контакты)
- Планы продаж из Google Sheets
- Данные о маркетинговых кампаниях из других систем
Например, можно построить дашборд, который показывает:
- Сколько лидов пришло из рекламы (данные из рекламного кабинета)
- Сколько из них конвертировались в сделки (данные из Битрикс24)
- Выполнение плана продаж по менеджерам (данные из Google Sheets)
Отсутствие нагрузки на Битрикс24
Trino кеширует результаты запросов. Дашборды обновляются по расписанию (например, раз в час), а не тянут данные из production-базы при каждом открытии. Это критично для компаний с большим объемом данных: тяжелые аналитические запросы не тормозят работу CRM.
Применимость решения: когда нужен BI-инструмент
Интеграция Битрикс24 с Apache Superset подходит не всем компаниям. Стандартные отчеты CRM закрывают большинство задач. BI-инструмент нужен в следующих случаях.
Требуется кастомная визуализация
Вы хотите видеть данные в форматах, которых нет в Битрикс24:
Нужно объединить данные из нескольких систем
Вы используете Битрикс24 для продаж, но:
Trino позволяет объединить все источники в одном дашборде.
Сложная бизнес-логика в расчетах
В вашей компании:
Такие расчеты проще делать в SQL-запросах Trino, чем в вычисляемых полях Битрикс24.
Большой объем данных
Если в CRM десятки тысяч сделок, стандартные отчеты Битрикс24 могут тормозить. Trino оптимизирован для работы с большими данными и кеширует результаты.
Когда BI-инструмент избыточен
Не стоит внедрять Apache Superset, если:
BI-инструменты требуют ресурсов на поддержку: обновление запросов при изменении структуры CRM, создание новых дашбордов под задачи бизнеса.
Требуется кастомная визуализация
Вы хотите видеть данные в форматах, которых нет в Битрикс24:
- Тепловые карты продаж по регионам
- Санки-диаграммы движения клиентов по воронкам
- Когортный анализ: как меняется поведение клиентов со временем
Нужно объединить данные из нескольких систем
Вы используете Битрикс24 для продаж, но:
- Планы продаж хранятся в Google Sheets
- Данные о маркетинге в Яндекс. Метрике
- Финансовые показатели в 1С
Trino позволяет объединить все источники в одном дашборде.
Сложная бизнес-логика в расчетах
В вашей компании:
- Многоуровневая система скидок
- Расчет маржинальности с учетом себестоимости и логистики
- KPI менеджеров зависят от десятка параметров
Такие расчеты проще делать в SQL-запросах Trino, чем в вычисляемых полях Битрикс24.
Большой объем данных
Если в CRM десятки тысяч сделок, стандартные отчеты Битрикс24 могут тормозить. Trino оптимизирован для работы с большими данными и кеширует результаты.
Когда BI-инструмент избыточен
Не стоит внедрять Apache Superset, если:
- Вам хватает стандартных отчетов Битрикс24 (воронка продаж, динамика по менеджерам)
- В компании нет аналитика, который будет поддерживать дашборды
- Данные нужны раз в квартал для презентации руководству (проще выгрузить в Excel)
BI-инструменты требуют ресурсов на поддержку: обновление запросов при изменении структуры CRM, создание новых дашбордов под задачи бизнеса.
Заключение
Интеграция Битрикс24 с Apache Superset через Trino открывает возможности для глубокой аналитики: кастомные визуализации, объединение данных из разных систем, реализация сложной бизнес-логики в расчетах. Использование AI-ассистента Context Seven сокращает время настройки с недель до нескольких часов: ассистент знает структуру базы Битрикс24, пишет SQL-запросы и подсказывает оптимальные визуализации.
Методология «от бизнес-задачи к структуре данных» позволяет создавать только те дашборды, которые реально нужны: сначала формулируете вопросы, затем выбираете визуализации, и только потом проектируете датасеты. Это экономит время и избавляет от хаоса десятков неиспользуемых отчетов. Решение подходит компаниям, которым не хватает стандартных отчетов CRM и требуется гибкость в анализе данных.
Методология «от бизнес-задачи к структуре данных» позволяет создавать только те дашборды, которые реально нужны: сначала формулируете вопросы, затем выбираете визуализации, и только потом проектируете датасеты. Это экономит время и избавляет от хаоса десятков неиспользуемых отчетов. Решение подходит компаниям, которым не хватает стандартных отчетов CRM и требуется гибкость в анализе данных.
- Интеграция BI-инструментов с CRM через Trino и AI-ассистента
- Исходная задача: визуализация скидок и аналитика сделок
- Выбор стека: Apache Superset + Trino + Context Seven
- Методология работы: от бизнес-задачи к структуре данных
- Настройка интеграции: 3 часа в одном диалоге
- Реализация логики скидок: многоуровневая система
- Преимущества подхода: скорость и гибкость
- Применимость решения: когда нужен BI-инструмент
- Заключение
