Елена Морозова, FP&A Director в IT-компании. Наша выручка на 60 процентов состоит из подписок, остальное проектные работы. Данные разбросаны по Salesforce, 1С и двум банковским системам.

Проблема

Каждый месяц аналитик вручную выгружал данные из четырех источников, сводил в Excel, искал расхождения. На это уходило три рабочих дня. К тому моменту, как прогноз был готов, цифры уже устаревали.

Хуже всего было с подписками. Salesforce показывал одну сумму потенциальных продлений, банк другую, а фактические платежи отличались от обеих. Погрешность составляла 12-15 процентов. Для компании с выручкой 300 миллионов это критично.

Попытки настроить выгрузки через встроенные инструменты провалились. API у всех систем разные, форматы данных не совпадают, а времени на разработку собственного решения не было.

Решение

Мы внедрили Datarails, платформу которая подключается к разным источникам и нормализует данные автоматически. Настройка заняла шесть недель: прописали правила маппинга счетов, задали логику сверки между системами, построили витрины данных.

Самым полезным оказался модуль автоматической сверки. Система сама находит расхождения между источниками и подсвечивает их. Теперь я вижу проблемы сразу, а не через три дня ручной работы.

Результат

Время на подготовку данных для прогноза упало с трех дней до четырех часов. Погрешность снизилась до 3-4 процентов. Главное мы получили возможность делать прогнозы еженедельно, а не раз в месяц. Это дало нам гораздо больше гибкости в управлении кэшем.