Проект

РусАгроТранс (АйТи Про: BI.Qube)

Заказчики: РусАгроТранс

Москва; Транспорт

Подрядчики: АйТи Про (IT Pro)
Продукт: АйТи Про: BI.Qube
Второй продукт: Microsoft Analysis Services
Третий продукт: Microsoft Master Data Services

Дата проекта: 2019/04 — 2019/10
Технология: BI
подрядчики - 452
проекты - 3080
системы - 1154
вендоры - 561
Технология: Data Quality - Качество данных
подрядчики - 199
проекты - 1064
системы - 60
вендоры - 42
Технология: MDM - Master Data Management - Управление основными мастер-данными
подрядчики - 135
проекты - 740
системы - 300
вендоры - 203
Технология: OLAP
подрядчики - 104
проекты - 857
системы - 61
вендоры - 50
Технология: PaaS - Platform As A Service - Бизнес-платформа как сервис
подрядчики - 147
проекты - 528
системы - 260
вендоры - 153
Технология: СУБД
подрядчики - 275
проекты - 788
системы - 311
вендоры - 149

2019: Конкурентный анализ грузоперевозок

Аналитика динамики перевозок, консолидированной с информацией о состоянии рынка.

Использование внешнего источника данных о перевозках (с гранулярностью до единицы перевозки). Аналитическое решение позволяет:

  • оперативно реагировать на действия конкурентов, приводящие к дисбалансу по определённым направлениям;
  • сформировать индивидуальное предложение или защитную позицию для конкретного клиента перевозчика (демонстрация негативных последствий отказа от предложенных условий сотрудничества);
  • выявление слабых позиций конкурентов по нетипичным направлениям или видам перевозимых грузов.

Ценность решения (технологическая) - автоматизация рутинных операций, ранее производимых вручную (таблицы Excel):

  • консолидация данных холдинга с внешними источниками, требующими очистки;
  • обогащение внешних данных дополнительными аналитическими признаками, кластеризация с применением Master Data Services.

Решение позволяет формировать справочники на основе входящих денормализованных данных, применять MDM для мэппинга справочников собственных учётных систем на справочники внешней учётной системы (железные дороги, станции, порты).

Блок выявления аномалий и предсказания:

  • использование данных о дислокации (снапшоты о местонахождении и операциях с вагонами на определенных станциях);
  • применение эвристик для предсказания действий конкурентов и состояния вагонного парка в будущем (факторы мойки, перегона вагонов по нехарактерным направлениям).

Создан пакет из дашбордов, отражающих информацию о парке подвижного состава компании, состоянии рынка ЖД-перевозки различных грузов, динамике ЖД-перевозок в оправках, деньгах, тоннах.

Потребители решения – департамент маркетинга и финансовый департамент. Источниками служат несистемные предобработанные таблицы данных, обогащённые внешними источниками.