Реализация транспортной системы аналитики в Microsoft Power BI для компании агропромышленного сектора

Цели и задачи проекта

Цель проекта — создать единую систему аналитики транспортной логистики, которая автоматизирует формирование отчетности, объединяет данные из разных источников и дает пользователям инструменты для контроля финансовых и операционных показателей перевозо

В рамках проекта требовалось обеспечить анализ:

• транспортных затрат и выполнения бюджета;
• стоимости доставки клиентам и внутренних перемещений;
•  объемов перевозок и эффективности использования транспортных средств;
•  своевременности прибытия транспорта на загрузку, погрузки и отправления со склада, доставки грузополучателю;
•  показателей работы распределительных центров и перевозчиков;
•  своевременности доставки в разрезе клиентов;
• качества исходных данных.

Также пользователи должны были получить возможность анализировать показатели в разных бизнес-разрезах: по периодам, подразделениям, складам, клиентам, перевозчикам, продукции и другим параметрам.
Итогом проекта стала автоматизация подготовки отчетности, объединение данных из различных источников, унификация расчетов, унификация расчетов и формирование единого информационного пространства для транспортной аналитики.

Ситуация до старта проекта

До начала проекта значительная часть транспортной отчетности формировалась вручную в Excel. Пользователям приходилось собирать данные из нескольких систем, сопоставлять их, выполнять дополнительные расчеты и проверки.
Процесс требовал значительных трудозатрат, зависел от ручных операций и затруднял регулярный анализ. Данные оставались распределенными между различными источниками, а статичный формат отчетности позволял увидеть итоговый показатель, но практически не давал возможности исследовать причины его изменения.
Для транспортной логистики это особенно существенно: один и тот же финансовый показатель может меняться под влиянием нескольких операционных факторов. Например, изменение стоимости доставки связано с объемом перевозок, количеством рейсов, загрузкой автомобиля, расстоянием, стоимостью рейса или структурой внутренних перемещений.
Аналогичная проблема возникала при оценке своевременности. Сам факт снижения KPI не отвечал на вопрос, где именно произошло отклонение: транспорт поздно прибыл на загрузку, задержался на распределительном центре, несвоевременно выехал или опоздание возникло уже на этапе доставки получателю.
Дополнительную сложность создавал масштаб аналитики: транспортные показатели требовалось анализировать на разных уровнях детализации — от дивизионов, кластеров и складов до клиентов, перевозчиков, продукции и отдельных перевозок.
Поэтому требовалось не просто перенести существующие Excel-отчеты в Power BI, а создать единую модель транспортной аналитики, связывающую финансовые и операционные показатели.

Архитектура решения и масштаб проекта

В основе решения лежит централизованная архитектура данных:

Основным источником операционной информации выступает 1С:ERP. Из системы поступают данные о заказах клиентов, заданиях на перевозку и маршрутах, складах, клиентах и контрагентах, продукции, отгрузках и других объектах транспортного процесса.
Загрузка данных из 1С реализована с помощью коннектора АТК. Дополнительно используются данные других корпоративных финансовых систем и Excel-файлов. В DWH данные консолидируются, преобразуются и приводятся к единой структуре для дальнейшего аналитического использования.
Важной архитектурной особенностью проекта стало создание единого OLAP-куба для всей разработанной транспортной отчетности. Вместо формирования отдельных моделей под разные аналитические задачи необходимые финансовые, операционные и справочные показатели были объединены в одном кубе.
Решение позволило использовать единые измерения и согласованную бизнес-логику во всей системе. Один и тот же транспортный процесс можно рассматривать с разных сторон, например: через стоимость перевозки, выполнение бюджета, загрузку транспорта, своевременность или работу склада и перевозчика. При этом, переключаться между независимыми моделями данных нет необходимости. Обновление данных и процессинг куба автоматизированы и выполняются по расписанию.
Такая архитектура также позволяет развивать систему без создания отдельной модели под каждый новый аналитический сценарий: новые показатели могут использовать уже существующую структуру данных без необходимости создавать отдельный куб для каждого направления.

Пользовательская аналитика в Power BI

Пользовательская часть реализована в Microsoft Power BI в формате дашбордов с возможностью анализа показателей в различных бизнес-разрезах. Ключевые фильтры синхронизируются между соответствующими страницами, что позволяет переходить между различными сценариями анализа, сохраняя выбранный контекст.
Для разных аналитических задач предусмотрены собственные актуальные периоды, которые устанавливаются автоматически. При необходимости пользователь может выбрать произвольный период. На страницах также отображается информация об актуальности данных.
Доступ к отчетности управляется через корпоративные группы Active Directory.

Особенности и уникальность проекта

Ключевой особенностью проекта стала единая модель транспортной аналитики, в которой финансовые и операционные показатели рассматриваются как части одного процесса.
Пользователь может сопоставить стоимость перевозок и выполнение бюджета с количеством рейсов, загрузкой транспорта, логистическим плечом и другими операционными параметрами. Например, изменение стоимости доставки можно анализировать вместе с динамикой загрузки транспорта в килограммах и паллетах, средним весом паллеты, расстоянием и количеством рейсов.
При этом система предназначена не только для контроля KPI, но и для поиска причин отклонений.
План-факт анализ позволяет сопоставлять бюджетные и фактические значения как итоговой стоимости, так и связанных с ней операционных показателей. Факторный анализ и дерево декомпозиции позволяют последовательно исследовать показатель в разных разрезах — от кластера и склада до клиента, продукции и типа доставки.
Таким образом, пользователь может пройти путь от общего KPI до конкретного участка транспортного процесса и определить, где возникло отклонение и какие факторы на него повлияли.
Аналитика охватывает транспортный процесс сквозным образом: от формирования затрат и эффективности использования транспорта до прибытия автомобиля на загрузку, работы склада и своевременности доставки получателю.
Один и тот же процесс можно рассматривать с финансовой, операционной и сервисной точек зрения, последовательно переходя от общего показателя к дивизиону или кластеру, складу, перевозчику, клиенту и конкретной перевозке.

Технические особенности

Помимо построения единой аналитической модели, проект потребовал решения нескольких специфических задач. Была разработана собственная логика формирования уникальной сущности рейса с учетом дальности перевозки и операционных суток.
Расчет показателей своевременности выполняется на разных уровнях агрегации — рейса, задания на перевозку и грузополучателя внутри задания. При наличии нескольких событий в рамках одной перевозки требовалось определить правила агрегации и выбора корректных плановых и фактических временных отметок для расчета KPI.

Также реализованы:
—  аналитика по актуальным и произвольным периодам;
—  синхронизация фильтров между страницами;
—  механизмы контроля качества исходных данных через специализированные метрики и алармы;
—  встроенный глоссарий с бизнес-описанием показателей, источниками данных и алгоритмами расчета.