30.09.24

В современных условиях эффективная аналитика становится одним из ключевых инструментов для принятия решений и повышения конкурентоспособности. Чековая аналитика по данным из 1С позволяет получить важные инсайты о продажах, поведении покупателей и результативности маркетинговых активностей.

В данной статье на примере коннектора “Экстрактор данных 1С в BI” и BI-системы Yandex DataLens мы покажем, как провести чековую аналитику по данным из 1С по следующим показателям:
  • средний чек: сумма продаж всех чеков / количество чеков
  • средний чек в динамике понедельно и по магазинам: дополнительные разрезы
  • глубина чека: число позиций всех чеков / количество чеков
  • ТОП-10 товаров: ранжируем товары по числу вхождений в чеки и берем первые 10 
Демонстрация проводится на обезличенной базе реального клиента, который занимается оптово-розничной торговлей и имеет сеть магазинов. 

Итак, начнем нашу работу с проверки подключения Экстрактора в меню 1С:
ЧА1.png

Перейдем в раздел “Проекты” и создадим первый проект на выгрузку. Нажимаем кнопку “Создать” и попадаем в мастер настройки. Выберем простой режим работы с объектом. Далее выберем объект для выгрузкиа именно товарная часть чеков:
ЧА2.png

Развернем этот объект и достанем вложенную таблицу товара. На этапе формирования набора данных выберем только те поля, которые нам понадобятся:
ЧА3.png
Выберем базу для подключения:
ЧА4.png

Создадим таблицу в базе данных, в которую будем выгружать все записи товаров из чеков:
ЧА5.png

Псевдонимы полей и типы данных менять не будем:
ЧА6.png

Настройка  партиций происходит на стороне базы данных. Это мастер сделает автоматически:
ЧА7.png

Настройка завершена! Дадим название нашему проекту, далее выгрузим исторические данные для этого, сформируем очередь и выполним проект:
ЧА8.png

Пока выполняется выгрузка,  можно переключиться в Yandex DataLens. Мы будем создавать такой дашборд:
ЧА9.png

Чтобы начать работу в Yandex DataLens, нужно создать подключение в Базе данных. Оно создается внутри Yandex DataLens в разделе “Подключения”:
ЧА10.png

Далее создадим датасет на базе этого подключения. Найдем таблицу, которую мы только что выгрузили из 1С. Сохраним датасет:
ЧА11.png

Теперь перейдем к расчету показателей. Первым рассчитаем “средний чек”. Для этого в разделе поля добавим вычисляемое поле, которое назовем “Средний чек”.  Посчитаем его, как частное суммы всех чеков на количество уникальных ссылок на чеке. Сохраним дата сет и построим первый чарт-индикатор:
ЧА12.png

Тип чарта - столбчатая диаграмма:
ЧА13.png
Переходим к расчету следующего показателя “Глубина чека”. Вернемся в ДатаСет и создадим еще один чарт:
ЧА14.png
Рассчитаем еще один индикатор, а для этого создадим еще одно поле. Назовем его “Глубина чека”.  Рассчитывается он как частное числа строк всех чеков на количество уникальных ссылок на чеке:
ЧА15.png
ЧА16.png
Теперь выведем средний чек в разрезе магазинов. Это будет новый чарт “Линейная Диаграмма”.  Показателем у нас будет “Средний чек”, а измерением будет “Касса ККМ”:
ЧА17.png

Теперь посмотрим на средний чек в динамике. Создадим еще один чарт. Это будет “Линейная Диаграмма”.   Показателем у нас также будет “Средний чек”, а измерением будет “Дата”.  Сгруппируем показатели понедельно.  Для этого кликнем на календарик и выберем группировку “Неделя”. Сохраним диаграмму:  
ЧА18.png

У нас осталась последняя таблица “Топ-10 товаров”. Создаем новый чарт.    Посчитаем количество вхождений товара в чеке.  Для этого создадим новое поле и назовем его “Количество вхождений”. Нам нужно число строк во всех чеках по этим товарам:
ЧА19.png

Сразу будем вводить показатели в таблицу. Выведем номенклатуру и количество вхождений. Отсортируем номенклатуру по количеству вхождений. Так, мы увидим, что самый популярный у нас товар -  это скумбрия:
ЧА20.png

Теперь ранжируем наши товары по количеству вхождений. Для этого добавим еще одно поле, которое будет называться “Ранг товара”, и будет определяться функцией “Ранг” от количества вхождения:
ЧА21.png

Согласно числу вхождений товаров в чеки у нас посчитан ранг товара.  Например, мы видим, что скумбрия у нас на первом месте.Теперь, ориентируясь на поле “Ранг товара”, выведем первые 10 товаров из списка и отсортируем их по убыванию ранга. Добавим фильтр по рангу товара и значение “Меньше 11”:
ЧА22.png

Все чарты готовы, теперь переходим к формированию дашборда. Для этого переходим в workbook и создадим новый дашборд. Теперь последовательно помещаем все чарты на эту страницу:
ЧА23.png
Теперь разберем экономический смысл данных показателей:

Выручка = средний чек * число покупателей
Средний чек повышаем благодаря допродаже товаров из ТОП-10, формированию комплектов товаров, акциям, программам лояльности;
Средний чек в динамике и по магазинам показывает, на каких точках и в какой период следует применять способы повышения среднего чека в первую очередь там, где есть потенциал для роста;
Глубина чека служит индикатором успешности проведения маркетинговых акций и программы лояльности, а также ориентиром для предложения допродажи;
ТОП-10 товаров нужно понимать, чтобы обеспечить наличие товаров на товарных точках.

Использование ETL-инструмента “Экстрактор данных 1С в BI” и BI-системы Yandex DataLens открывает широкие возможности для глубокого анализа данных, которые помогают оптимизировать бизнес-процессы и увеличивать выручку. Теперь вы можете уверенно использовать эти инструменты для анализа данных и повышения эффективности своего бизнеса!



Наши менеджеры ответят на все вопросы, произведут расчет стоимости услуг и подготовят коммерческое предложение!
Заказать проект

Это интересно