Разработка систем аналитики под задачи бизнеса
Как Devrum разрабатывает системы аналитики: этапы, архитектура, BI-платформы, примеры и эффекты. Что такое система аналитики и зачем она бизнесу.
Последнее обновление: март 2026
Разработка систем аналитики — создание программного инструмента, который собирает данные из разных источников, обрабатывает их и выдаёт отчёты для принятия решений. Стоимость разработки в 2026 году — от 350 000 руб., срок создания MVP — 6–10 недель.
Что такое система аналитики для бизнеса
Аналитическая система — программный инструмент, который автоматически собирает данные из нескольких источников (CRM, ERP, базы данных, IoT-датчики, внешние API), агрегирует их в хранилище и предоставляет дашборды и отчёты для менеджеров и руководителей.
Разница между Excel-отчётом и аналитической системой — принципиальная. Excel обновляется вручную раз в неделю, аналитика работает в режиме реального времени. Менеджер по продажам видит воронку прямо сейчас, директор видит P&L за любой период в 3 клика, а не через 3 часа ожидания от финотдела.
По данным Gartner (2024), компании, использующие инструменты аналитики данных, принимают решения в 3,4 раза быстрее конкурентов, не имеющих таких систем.
Когда готовые BI-инструменты не подходят
Power BI, Tableau и Metabase закрывают 80% задач для стандартных бизнес-сценариев. Но есть ситуации, когда заказная разработка оправдана:
- Данные из нестандартных источников — MQTT-брокер, Kafka, внутренняя СУБД с нетипичной схемой, API без готовых коннекторов
- Специфическая бизнес-логика расчётов — формулы комиссий, нормативы производства, KPI с многоуровневой иерархией
- Требования безопасности — данные не должны покидать контур организации, нельзя использовать облачные SaaS-сервисы
- Более 50 000 записей в день — стандартные BI-инструменты начинают тормозить, нужна собственная агрегация
- Интеграция с учётными системами 1С, SAP — прямой коннектор, а не ручной экспорт CSV
Если узнали свою ситуацию хотя бы в одном пункте — собственный API для интеграции данных и заказная аналитика будут эффективнее готового решения.
Архитектура аналитической системы
Слой сбора данных
Данные поступают из нескольких источников параллельно. Для потоковых данных (IoT-датчики, события в реальном времени) используем Apache Kafka — он обрабатывает от 1 000 000 событий в секунду без потерь. Для пакетной загрузки из 1С, REST API или файлов — ETL-пайплайны на Spring Batch.
Хранилище данных
Выбор хранилища зависит от объёма и типа запросов. PostgreSQL с партиционированием справляется с таблицами до 500 миллионов строк. Для аналитических запросов с агрегацией по большим временным рядам подключаем ClickHouse — он выполняет аналитические запросы в 100–1000 раз быстрее PostgreSQL за счёт колоночного хранения.
Слой визуализации
Дашборды разрабатываем на Jmix с Vaadin-компонентами или отдельным React-фронтендом, подключённым к REST API бэкенда. Пользователь получает интерактивные графики, срезы по периодам, экспорт в Excel и PDF — всё это в браузере без установки дополнительного ПО.
При наличии нескольких ролей (оператор, менеджер, директор) каждый видит только свои данные — Jmix Security настраивает права на уровне строк и полей без дополнительного кода. Подробнее о разграничении доступа можно прочитать в разделе разработка систем управления.
Этапы разработки
- Аналитика и проектирование (2–3 недели) — интервью с ключевыми пользователями, составление схемы источников данных, описание метрик и KPI, прототип дашборда в Figma
- Разработка ETL и хранилища (3–4 недели) — настройка коннекторов к источникам, создание схемы БД, разработка пайплайнов трансформации, покрытие тестами
- Разработка UI (2–3 недели) — дашборды, фильтры, экспорт, настройка прав доступа
- Тестирование на реальных данных (1–2 недели) — нагрузочное тестирование, верификация расчётов, исправление расхождений
- Деплой и обучение (1 неделя) — установка на сервер клиента, документация, инструктаж пользователей
Итоговый срок MVP — 9–13 недель. Доработки и новые модули добавляем итерационно после запуска.
Стоимость разработки системы аналитики в 2026 году
Стоимость зависит от количества источников данных, сложности бизнес-логики расчётов и требований к дашбордам. Вот ориентиры для рынка РФ:
| Конфигурация | Стоимость (руб.) | Срок | Когда подходит |
|---|---|---|---|
| MVP: 1–2 источника, 5–7 KPI | от 350 000 | 6–8 нед. | Старт, пилот |
| Средний проект: 3–5 источников, роли | от 700 000 | 10–14 нед. | Растущий бизнес |
| Крупная система: 6+ источников, Kafka | от 1 500 000 | 4–6 мес. | Холдинги, промышленность |
Для сравнения: подписка на Tableau Cloud для 10 пользователей стоит около 1 200 000 руб. в год. При стандартных потребностях готовое BI-решение выгоднее. Заказная разработка оправдана, когда нестандартная логика или требования безопасности делают готовые инструменты неприменимыми.
Если задача связана с автоматизацией бизнес-процессов, посмотрите также раздел внедрение ERP-систем — часто аналитика и ERP разрабатываются как единый контур.
Технологический стек
Выбор технологий определяется конкретной задачей, а не модой. Вот что применяем для аналитических систем и почему:
| Компонент | Технология | Почему |
|---|---|---|
| Бэкенд | Java 17 + Jmix | Строгая типизация, Security из коробки, корпоративный стек |
| Потоки данных | Apache Kafka | До 1M событий/сек, гарантия доставки, реплей данных |
| Аналитическое хранилище | ClickHouse | Колоночное хранение, скорость агрегации в 100–1000 раз выше PostgreSQL |
| Оперативная БД | PostgreSQL | ACID, партиционирование, проверенная надёжность |
| UI | Vaadin (Jmix) / React | Jmix — быстро, React — если нужна гибкость дизайна |
| ETL | Spring Batch | Отказоустойчивость, рестарт с точки сбоя, метрики |
Если проект предполагает взаимодействие по API с внешними системами, используем подходы описанные в разделе разработка REST API.
Часто задаваемые вопросы
Задачи аналитики, которые мы решаем
Почему Excel и стандартные BI уже не справляются
-
01Данные обновляются вручнуюОтчёт готов через 2–3 часа после запроса. Решения принимаются на устаревших данных, а не на актуальных.
-
02Нет единого источника правдыКаждый отдел ведёт свои таблицы. Цифры расходятся, согласование съедает рабочее время.
-
03Нестандартные источники данныхMQTT-брокер, Kafka, внутренняя СУБД с нетипичной схемой — готовые BI-инструменты не имеют коннекторов.
-
04Ограничения безопасностиДанные нельзя выгружать в облако. Tableau Cloud и Power BI Online не подходят для закрытого контура.