Fine Day Online 2026:
пять докладов про то, почему BI не работает и что с этим делать
Каждый год мы проводим Fine Day Online — конференцию про бизнес-аналитику, где практики из разных компаний делятся честным опытом. 22 апреля собрались спикеры из сети «Галамарт», банков Уралсиб и ОТП, а также FanRuan, и все пять докладов оказались про одно и то же: данные есть, деньги в инструменты вложены, а бизнес по-прежнему принимает решения на ощущениях.
В этом материале хотим поделиться: что обсуждали спикеры, какие цифры называли, что пошло не так и чем закончилось.
В этом материале хотим поделиться: что обсуждали спикеры, какие цифры называли, что пошло не так и чем закончилось.
«Как торговая компания прошла путь от разрозненных отчётов до ИИ-агентов»
Вилл Ченг, ведущий эксперт по отраслевым решениям, FanRuan
👉🏻 Смотреть выступление
Вилл открыл конференцию с кейса китайской розничной компании, которую сопровождает уже несколько лет. История этой торговой компании хорошо показывает, что BI – это не один продукт, а постепенная эволюция всей системы управления данными. На каждом этапе компания решала разные задачи с помощью инструментов экосистемы FanRuan.
👉🏻 Смотреть выступление
Вилл открыл конференцию с кейса китайской розничной компании, которую сопровождает уже несколько лет. История этой торговой компании хорошо показывает, что BI – это не один продукт, а постепенная эволюция всей системы управления данными. На каждом этапе компания решала разные задачи с помощью инструментов экосистемы FanRuan.
Путь компании: от внедрения ERP/CRM до BI 3.0 с ИИ-агентами
Компания прошла несколько этапов. В основе трансформации оказался FineDataLink – инструмент интеграции данных. Именно он позволил собрать разрозненные CRM, ERP, HR- и финансовые системы в единое хранилище. Без этого невозможно было перейти к единым KPI и общей аналитике.
Следующим слоем стал FineReport. С его помощью компания перевела отчётность из Excel в централизованный онлайн-формат. Звучит просто, но на практике ушло много времени только на то, чтобы договориться об общих определениях. Маркетинг считал активным пользователем того, кто что-то ищет в приложении. Финансовый отдел считал активными только тех, кто совершил транзакцию. В итоге одна и та же метрика давала разные числа в разных отчётах. Пришлось провести 20 интервью с разными подразделениями и зафиксировать договорённости в специальном документе. Вилл привёл точную цитату IT-директора: «BI-проект – это тест всей текущей IT-системы компании».
FineReport закрыл ещё и «последнюю милю» сбора данных: через встроенные формы ввода и workflow компания начала собирать KPI, планы продаж и финансовые показатели напрямую от подразделений. Это помогло стандартизировать процессы и снизить количество ручной консолидации данных.
Далее был BI 2.0 с 2020 года: после автоматизации отчётности компания перешла к self-service аналитике через FineBI. Раньше аналитика была уделом топ-менеджмента, а теперь региональные менеджеры и руководители магазинов сами строят отчёты через drag-and-drop. Маркетинговая команда начала делить покупателей на восемь сегментов по RFM-анализу. Компания ввела ежегодные BI-марафоны.
Отдельным направлением стало развитие FineVis – платформы для визуальных командных центров и 3D-мониторинга. В 2023 году компания готовилась к IPO и создала полноценный digital command center для инвесторов и топ-менеджмента. FineVis объединил данные BI-систем, IoT-датчиков, видеонаблюдения и 3D-моделей складов в единый экран мониторинга.
Если раньше склад отображался в виде обычной 2D-схемы, то теперь компания использует интерактивный 3D-двойник с мониторингом оборудования и операций в реальном времени. Такой подход оказался полезен не только как «витрина» для инвесторов, но и как инструмент операционного контроля.
С конца 2024 года компания вошла в BI 3.0: собственная LLM и интеграция с FineChat BI. Теперь пользователь мог задать вопрос голосом или текстом и получить дашборд.
Следующим слоем стал FineReport. С его помощью компания перевела отчётность из Excel в централизованный онлайн-формат. Звучит просто, но на практике ушло много времени только на то, чтобы договориться об общих определениях. Маркетинг считал активным пользователем того, кто что-то ищет в приложении. Финансовый отдел считал активными только тех, кто совершил транзакцию. В итоге одна и та же метрика давала разные числа в разных отчётах. Пришлось провести 20 интервью с разными подразделениями и зафиксировать договорённости в специальном документе. Вилл привёл точную цитату IT-директора: «BI-проект – это тест всей текущей IT-системы компании».
FineReport закрыл ещё и «последнюю милю» сбора данных: через встроенные формы ввода и workflow компания начала собирать KPI, планы продаж и финансовые показатели напрямую от подразделений. Это помогло стандартизировать процессы и снизить количество ручной консолидации данных.
Далее был BI 2.0 с 2020 года: после автоматизации отчётности компания перешла к self-service аналитике через FineBI. Раньше аналитика была уделом топ-менеджмента, а теперь региональные менеджеры и руководители магазинов сами строят отчёты через drag-and-drop. Маркетинговая команда начала делить покупателей на восемь сегментов по RFM-анализу. Компания ввела ежегодные BI-марафоны.
Отдельным направлением стало развитие FineVis – платформы для визуальных командных центров и 3D-мониторинга. В 2023 году компания готовилась к IPO и создала полноценный digital command center для инвесторов и топ-менеджмента. FineVis объединил данные BI-систем, IoT-датчиков, видеонаблюдения и 3D-моделей складов в единый экран мониторинга.
Если раньше склад отображался в виде обычной 2D-схемы, то теперь компания использует интерактивный 3D-двойник с мониторингом оборудования и операций в реальном времени. Такой подход оказался полезен не только как «витрина» для инвесторов, но и как инструмент операционного контроля.
С конца 2024 года компания вошла в BI 3.0: собственная LLM и интеграция с FineChat BI. Теперь пользователь мог задать вопрос голосом или текстом и получить дашборд.
Интеллектуальный агент для запросов к данным — FineChat BI показывает эффективность 40% для сотрудников бизнеса
При этом Вилл честно назвал текущие ограничения: точность ответов Chat BI сейчас около 70%, и нужно запастись терпением. Три вещи необходимы для старта: хорошее хранилище и зрелый self-service как фундамент, собственная LLM-инфраструктура и готовность к итеративному улучшению.
В итоге вся история компании выглядит как последовательное развитие единой платформы:
Именно сочетание этих инструментов позволило компании пройти путь от разрозненных Excel-отчётов до полноценной системы data-driven управления бизнесом.
В итоге вся история компании выглядит как последовательное развитие единой платформы:
- FineDataLink — интеграция и очистка данных;
- FineReport — автоматизация отчётности и сбора данных;
- FineBI — self-service аналитика;
- FineVis — командные центры и 3D-визуализация;
- FineChat BI / Data Agent — AI-аналитика и интеллектуальные агенты.
Именно сочетание этих инструментов позволило компании пройти путь от разрозненных Excel-отчётов до полноценной системы data-driven управления бизнесом.
«Как „Галамарт“ перестал отвечать на вопрос „откуда эта цифра“»
Дмитрий Конюхов, ведущий инженер отдела управления данными, «Галамарт»
👉🏻 Смотреть выступление
Более 10 000 сотрудников, отчётами пользуются все: от магазинов до руководителей холдинга. Типичная ситуация: пользователь видит цифру, которая его удивляет, пишет в поддержку. Аналитик лезет в документацию, идёт к разработчикам, разбирается. Умножьте на количество таких вопросов в день, и поймёте, почему у команды не хватало времени на что-то ещё.
Ещё одна боль: несколько команд разрабатывают независимо, один и тот же показатель может быть в пяти разных отчётах в разных разрезах. Является ли это дублированием или там разная логика, это неочевидно. Плюс: если кто-то меняет структуру исходных данных, не всегда понятно, что и у кого поломается.
Решение: дата-каталог DataHub. Open source, лицензия Apache 2, 11 000 звёзд на GitHub, активное комьюнити, в том числе русскоязычное. Из коробки интеграции с FanRuan нет, поэтому написали сами. С FineBI оказалось несложно. С FineReport сложнее: он хранит данные не в базе, а в XML-файлах, пришлось написать собственный плагин. По оценке Дмитрия, разработчик справится за неделю.
👉🏻 Смотреть выступление
Более 10 000 сотрудников, отчётами пользуются все: от магазинов до руководителей холдинга. Типичная ситуация: пользователь видит цифру, которая его удивляет, пишет в поддержку. Аналитик лезет в документацию, идёт к разработчикам, разбирается. Умножьте на количество таких вопросов в день, и поймёте, почему у команды не хватало времени на что-то ещё.
Ещё одна боль: несколько команд разрабатывают независимо, один и тот же показатель может быть в пяти разных отчётах в разных разрезах. Является ли это дублированием или там разная логика, это неочевидно. Плюс: если кто-то меняет структуру исходных данных, не всегда понятно, что и у кого поломается.
Решение: дата-каталог DataHub. Open source, лицензия Apache 2, 11 000 звёзд на GitHub, активное комьюнити, в том числе русскоязычное. Из коробки интеграции с FanRuan нет, поэтому написали сами. С FineBI оказалось несложно. С FineReport сложнее: он хранит данные не в базе, а в XML-файлах, пришлось написать собственный плагин. По оценке Дмитрия, разработчик справится за неделю.
Карточка отчёта в DataHub: цель, аудитория, владельцы, параметры и lineage — всё в одном месте
На реализацию потратили три месяца командой из трёх человек, не отвлекаясь от основной работы. В каталоге теперь видно, что термин «товарооборот» используется в 14 отчётах, из каких источников он берётся, по какой формуле считается.
Business Glossary в DataHub: термин «Продажа суммы» со всеми источниками, формулами и связанными отчётами
Результат: дашборды без карточки в дата-каталоге теперь не принимаются в поддержку. Новые сотрудники онбордятся быстрее, вопросов «откуда эта цифра» стало заметно меньше. В планах: интеграция с AI через MCP, автоматические проверки качества данных с генерацией заявок в service desk.
«Пять самураев BI, 1 600 дашбордов и 2 600 пользователей»
Семён Юников, руководитель подразделения BI, Уралсиб
👉🏻 Смотреть выступление
Уралсиб — первый банк в России, установивший FineBI, и первый, кто перешёл на версию 7.0. Масштаб внушительный: 12 000 датасетов, около 1 000 задач обновления данных в день, 200 разработчиков, 2 600 уникальных пользователей в месяц, 1 600 опубликованных дашбордов. Управляет всем этим команда из пяти человек.
Семён пояснил, как это возможно: жёсткое разделение ответственности. Команда BI отвечает за платформу, её стабильность, обучение и экспертную поддержку. Бизнес отвечает за контент: за то, что в дашбордах, правильность данных и за то, используются ли они вообще.
👉🏻 Смотреть выступление
Уралсиб — первый банк в России, установивший FineBI, и первый, кто перешёл на версию 7.0. Масштаб внушительный: 12 000 датасетов, около 1 000 задач обновления данных в день, 200 разработчиков, 2 600 уникальных пользователей в месяц, 1 600 опубликованных дашбордов. Управляет всем этим команда из пяти человек.
Семён пояснил, как это возможно: жёсткое разделение ответственности. Команда BI отвечает за платформу, её стабильность, обучение и экспертную поддержку. Бизнес отвечает за контент: за то, что в дашбордах, правильность данных и за то, используются ли они вообще.
Система работы с дубликатами: FineBI внутренние инструменты + автоматические рассылки через FDL
Главная головная боль при таком масштабе: дубликаты и брошенные объекты. Решение: мониторинговые дашборды на основе внутренних метаданных FineBI. Система сама находит неиспользуемые датасеты и дашборды (например, не посещался три месяца — скорее всего устарел) и автоматически рассылает уведомления разработчикам.
Для борьбы с «Я не понимаю BI, буду работать в Excel» команда придумала несколько вещей. Кастомный компонент «хвостик» (tail) в футере каждого дашборда: подтягивает метаданные, показывает бизнес-заказчика и разработчика, собирает лайки и дизлайки. Каталог дашбордов на главном экране с иерархическим фильтром. И главное: 8-битный пиксельный марафон для разработчиков в азиатском стиле.
Для борьбы с «Я не понимаю BI, буду работать в Excel» команда придумала несколько вещей. Кастомный компонент «хвостик» (tail) в футере каждого дашборда: подтягивает метаданные, показывает бизнес-заказчика и разработчика, собирает лайки и дизлайки. Каталог дашбордов на главном экране с иерархическим фильтром. И главное: 8-битный пиксельный марафон для разработчиков в азиатском стиле.
Концепция марафона: уровни, финал с призами, цель — повысить качество как можно большего числа дашбордов
За три месяца после марафона количество дашбордов с нерабочими компонентами сократилось со 100+ до 40, футер появился на 200+ дашбордах. Команда из пяти человек. Минимум усилий, максимум результата.
«Shadow DWH: что происходит, когда бизнес берёт данные в свои руки»
Пётр Гордиенко, руководитель команды BI, ОТП
👉🏻 Смотреть выступление
ОТП начинал с Tableau, потом санкции, Superset, а потом поняли, что ванильный Superset недостаточен для self-service, и в 2024 году вместе с GlowByte запустили пилот на FineBI. Сейчас: более 600 отчётов, около 800 пользователей в месяц, 200 разработчиков. Динамика роста интенсивная.
Команда сознательно сделала ставку на свободу: минимум ограничений, бизнес разрабатывает и публикует самостоятельно, команда BI только проверяет минимальный чек-лист при публикации (около 30 минут на отчёт). Это дало быстрый рост. Но у свободы есть обратная сторона.
👉🏻 Смотреть выступление
ОТП начинал с Tableau, потом санкции, Superset, а потом поняли, что ванильный Superset недостаточен для self-service, и в 2024 году вместе с GlowByte запустили пилот на FineBI. Сейчас: более 600 отчётов, около 800 пользователей в месяц, 200 разработчиков. Динамика роста интенсивная.
Команда сознательно сделала ставку на свободу: минимум ограничений, бизнес разрабатывает и публикует самостоятельно, команда BI только проверяет минимальный чек-лист при публикации (около 30 минут на отчёт). Это дало быстрый рост. Но у свободы есть обратная сторона.
Как рождается Shadow DWH: три группы проблем и их последствия — дубликаты, сложный поиск, падение доверия
Пётр назвал это «теневым хранилищем» — Shadow DWH. Симптомы: аналитики подключаются к CSV-файлам и старому хранилищу, создают SQL-датасеты без описаний, дублируют уже существующие. Плюс технический момент: FineBI при сохранении экстрактов создаёт преагрегаты, и объём данных на BI-сервере оказывается в четыре раза больше, чем в источнике. Всё вместе снижает доверие к данным, а пониженное доверие заставляет людей создавать новые отчёты вместо переиспользования существующих.
Трёхшаговый план: сертификация отчётов, слой Prod dataset, защита объектов от изменений — ползунок сдвигается в сторону доверия
Трёхступенчатый план: сертификация отчётов (три уровня: ad hoc, базовый, сертифицированный с зелёной галочкой), продовый слой датасетов под управлением data owners, защита объектов сертифицированных отчётов от несанкционированных изменений. Несертифицированные отчёты, не прошедшие апгрейд за 30 дней, будут сниматься с публикации.
«Как мигрировать с FineBI 6.0 на 7.0 и не получить рассинхронизированный кластер»
Евгений Иванов, DevOps BI-платформы, ОТП
👉🏻 Смотреть выступление
С ростом числа пользователей каждое замедление FineBI превращалось в поток сообщений: пользователи писали быстрее, чем служба поддержки успевала реагировать. Нужна была отказоустойчивость. FanRuan выпустил версию 6.1 с кластерным лицензированием, но команда решила сразу перейти на 7.0: коллеги из Уралсиба уже мигрировали успешно, плюс хотели AI-функциональность.
Первая попытка: напрямую с одиночного 6.0 на кластер 7.0. FineOps отрапортовал об успехе, но по факту кластер оказался рассинхронизирован. Попытки починить привели к решению начать заново. Рабочая схема оказалась двухшаговой.
👉🏻 Смотреть выступление
С ростом числа пользователей каждое замедление FineBI превращалось в поток сообщений: пользователи писали быстрее, чем служба поддержки успевала реагировать. Нужна была отказоустойчивость. FanRuan выпустил версию 6.1 с кластерным лицензированием, но команда решила сразу перейти на 7.0: коллеги из Уралсиба уже мигрировали успешно, плюс хотели AI-функциональность.
Первая попытка: напрямую с одиночного 6.0 на кластер 7.0. FineOps отрапортовал об успехе, но по факту кластер оказался рассинхронизирован. Попытки починить привели к решению начать заново. Рабочая схема оказалась двухшаговой.
Третья попытка — рабочая схема: сначала 6.0 → 7.0 односерверный, затем добавление ноды через FineOps
Сначала одиночный 6.0 переехал на одиночный 7.0, затем через FineOps добавили вторую ноду. Из изменений в контенте после миграции: только поведение функции DATEDIFF немного поменялось, пришлось поправить несколько дашбордов. В итоге: два узла, FineOps, вместо встроенного Nginx используется корпоративный балансировщик F5.
Главная рекомендация: развернуть копию прода на тестовом стенде, обновить её до 7.0 и пустить туда пользователей на тестирование. И обязательно отключить расписание обновления датасетов на тестовом стенде, иначе два стенда одновременно начнут нагружать базы-источники.
Что объединяет все пять докладов
BI работает тогда, когда выстроена вся цепочка: единые определения метрик, понятная экосистема данных, культура работы с инструментом, governance и контроль качества. Дашборд служит финальным слоем, а не фундаментом. И если что-то на фундаменте не так, никакой красивый интерфейс это не исправит.
Если вы разбираете похожие задачи у себя: GlowByte закрывает полный цикл работы с BI: помогает выбрать платформу, внедряет FineBI и FineReport, строит хранилища данных, обучает команды и обеспечивает техподдержку. Работаем с компаниями любого масштаба: от первого пилота до поддержки тысяч пользователей.
Оставьте заявку или напишите на bi@glowbyteconsulting.com.
Главная рекомендация: развернуть копию прода на тестовом стенде, обновить её до 7.0 и пустить туда пользователей на тестирование. И обязательно отключить расписание обновления датасетов на тестовом стенде, иначе два стенда одновременно начнут нагружать базы-источники.
Что объединяет все пять докладов
BI работает тогда, когда выстроена вся цепочка: единые определения метрик, понятная экосистема данных, культура работы с инструментом, governance и контроль качества. Дашборд служит финальным слоем, а не фундаментом. И если что-то на фундаменте не так, никакой красивый интерфейс это не исправит.
Если вы разбираете похожие задачи у себя: GlowByte закрывает полный цикл работы с BI: помогает выбрать платформу, внедряет FineBI и FineReport, строит хранилища данных, обучает команды и обеспечивает техподдержку. Работаем с компаниями любого масштаба: от первого пилота до поддержки тысяч пользователей.
Оставьте заявку или напишите на bi@glowbyteconsulting.com.
Записи всех докладов: