Система за бизнес анализи (Business Intelligence система)
Събираме данните от ERP, CRM, склада и онлайн магазина в система за бизнес анализи (Business Intelligence) и ги показваме в табла: продажби, марж, наличности, поръчки по канал. Таблата може да са екрани в системата, която правим за вас, или данните да отиват в Power BI или Looker Studio.
Какво показват таблата за бизнес анализи
- Продажби по ден, седмица и месец и по канал: онлайн магазин, обект, търговци.
- Марж по артикул, категория и марка, смятан от доставните цени в ERP.
- Наличности: за колко дни стига стоката при сегашните продажби и кои артикули стоят без движение.
- Онлайн магазин: прегледи на продукти, добавяния в количката и поръчки от Google Analytics 4.
- Продажби от CRM: оферти, спечелени и загубени сделки по търговец.
- Реклама: разход и поръчки от Google Ads за същия период.
Всяко табло се филтрира по период, склад, обект, търговец и категория, а таблицата под графиката се сваля в Excel.
Откъде идват данните
Софтуерът за бизнес анализ чете от програмите, които вече ползвате: ERP, CRM, онлайн магазин на OpenCart или WooCommerce, Google Analytics 4 и Google Ads. Данните се копират по график в отделна база на PostgreSQL или MySQL, за да не натоварват магазина в часовете с поръчки.
Преди първото табло проверяваме дали данните съвпадат: един артикул може да е с различен код в магазина и в склада, един клиент може да има два записа. Разликите се оправят при свързването, за да излизат сборовете.
Вграден BI или Power BI и Looker Studio
При вградения BI таблата са екрани в собствената ви система. Правим ги на React и те ползват правата от системата: търговецът вижда своите продажби, управителят вижда всички.
Когато искате сами да правите нови справки, подготвяме данните в база и свързваме Power BI или Looker Studio. Таблата се редактират в инструмента, а ние поддържаме данните и връзките с източниците.
Прогнози и AI анализи
Прогнозите и въпросите на обикновен език ползват същите данни като таблата. За онлайн магазина основата е събитието purchase в Google Analytics 4. В него transaction_id е задължителен и като него пращаме номера на поръчката, затова покупката от GA4 се свързва с поръчката в магазина и в ERP системата. Към покупката отиват и стойността (value) и валутата (currency): прогнозните показатели на GA4, например вероятност за покупка и очакван приход, ги искат в събитието purchase.
В стандартния GA4 данните по събития се пазят 2 или 14 месеца, затова историята за прогнозите е в BigQuery. Свързваме GA4 с BigQuery и пускаме ежедневния експорт на събитията. Мястото на данните, например регион в ЕС, се избира при свързването, а смяната му после иска нова връзка и пренасяне на данните.
Прогнозата на продажбите по продукт правим в BigQuery от продажбите по дни в магазина или в ERP системата. Функцията AI.FORECAST ползва готовия модел TimesFM, без да се създава и обучава модел, и дава отделна прогноза за всеки продукт. Моделът ARIMA_PLUS се обучава върху вашите данни. България я няма сред регионите за празници в BigQuery, затова българските празници му се подават като собствен списък.
На въпрос на обикновен език, например „кои артикули продадохме по-малко от миналия месец“, отговаря агент за разговорни анализи (conversational analytics) в BigQuery или Copilot в Power BI. Агентът превежда въпроса в заявка и може да сбърка: и най-добрите системи за превод на въпроси в SQL грешат по-често от човек. Затова в агента на BigQuery записваме проверени заявки (verified queries) за основните показатели: приход, марж, връщания. Когато въпросът съвпадне с такава заявка, агентът пуска нея, а тя е сверена със справките, на които екипът вярва. Агентът само чете данните и не може да пуска заявки, които ги променят.
Изискванията на GA4, BigQuery и Power BI към 18 октомври 2026 г.:
- Прогнозните показатели в GA4 искат за 7 дни в последните 28 поне 1 000 върнали се потребители, изпълнили условието (например покупка), и поне 1 000, които не са го изпълнили.
- Ежедневният експорт на стандартен GA4 property към BigQuery е до 1 млн. събития на ден. Ако property-то постоянно минава лимита, Google спира експорта и не изнася наново пропуснатите дни.
- В безплатния sandbox на BigQuery таблиците изтичат след 60 дни, затова проектът с историята е с включено плащане.
- AI.FORECAST иска поне 3 точки за всеки продукт. При ARIMA_PLUS ефектът на празниците се смята само при дневни или седмични данни за повече от година.
- Copilot в Power BI иска платен капацитет Fabric F2 или Power BI Premium P1 и нагоре. Самостоятелният Copilot официално не поддържа други езици освен английски.
BI система по процедура „Дигитализация на предприятията“
Позицията се казва „Въвеждане на система за бизнес анализи (Business Intelligence система)“. Когато изпълняваме и CRM или ERP от същата покана, таблата четат направо от тяхната база и отделно свързване не трябва.
Първо въпросите, после графиките
Въпросите
Записваме въпросите, на които таблото трябва да отговаря, например кои артикули носят най-много марж или на кой етап търговците губят сделки.
Източниците
За всеки въпрос намираме откъде идва числото и дали програмата има API или дава само експорт във файл.
Първо табло
Правим едно табло с реални данни и го сверяваме със справките, на които екипът вярва днес.
Обновяване
Задаваме график за обновяване по източник и известия, например при наличност под минимума.
Да поговорим