Главное Авторские колонки Пресс-релизы Промо Вакансии Вопросы
Выбор редакции:
97 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

От 5 разрозненных систем к единому DWH: как Qlever Solutions создали корпоративное хранилище данных для «Галс-Девелопмент»

В рамках пилотного проекта специалисты Qlever Solutions создали корпоративное хранилище, объединив данные из 5 источников. В DWH сформировано 11 аналитических витрин, а архитектура рассчитана на одновременную работу до 50 пользователей и дальнейшее масштабирование.
Мнение автора может не совпадать с мнением редакции

Кратко о проекте

Клиент

Строительная компания «Галс-Девелопмент», один из крупнейших застройщиков элитной недвижимости Москвы.

Задача

Развернуть масштабируемую архитектуру корпоративного хранилища данных. Создать технологическую основу для автоматизации управленческой отчетности и развития бизнес-аналитики, обеспечив руководство актуальными и согласованными данными для принятия решений.

Решение

Команда Qlever Solutions спроектировала и внедрила DWH, реализовав аналитические витрины, охватывающие ключевые направления деятельности компании, в том числе:

  • календарно-сетевое планирование (КСГ) проектов;
  • контроль выполнения планов продаж;
  • оценку эффективности и рентабельности проектов;
  • анализ окупаемости и освоения инвестиционного бюджета;
  • финансовую аналитику (доходы, расходы, задолженность, средства на эскроу-счетах);
  • структуру собственности;
  • технико-экономические показатели объектов;
  • управление проектными согласованиями.

Результат

В результате «Галс-Девелопмент» получила единую среду для работы с корпоративными данными. Автоматизация их консолидации, очистки и сопоставления сократила объем ручной обработки и обеспечила подразделения компании согласованными показателями для подготовки управленческой отчетности и принятия решений.

О клиенте

«Галс-Девелопмент» — один из крупнейших российских девелоперов жилой и коммерческой недвижимости бизнес-, премиум- и элитного класса.

Компания реализует масштабные проекты комплексной жилой и коммерческой застройки. В портфель входят более 44 проектов общей площадью 3,7 млн кв. м, включая 5 жилых комплексов, находящихся в продаже. В компании работает свыше 650 сотрудников.

Среди наиболее известных объектов — «Невская Ратуша» в Санкт-Петербурге, бизнес-центры «Искра-Парк» и «Даниловский Форт», а также жилые комплексы «Монблан» и «Космо 4/22» в Москве.


Задача клиента

Для управления масштабными портфелями проектов девелоперские компании используют множество специализированных информационных систем, интеграция которых в единое аналитическое пространство зачастую становится сложной задачей.

В компании «Галс-Девелопмент» финансовый учет велся в 1С, календарно-сетевое планирование — в Microsoft Project, управление взаимоотношениями с клиентами — в Microsoft Dynamics CRM. Дополнительно использовались Excel-файлы и данные внешних сервисов, получаемые через API.

Хранение данных осуществлялось на сетевых дисках, а доступ пользователей к показателям по продажам, финансам и проектной деятельности предоставлялся через кластеры виртуальных серверов.

Существующая BI-отчетность на базе решения клиента охватывала ключевые направления деятельности компании, включая:

  • выполнение календарно-сетевых графиков (КСГ) проектов;
  • финансовое моделирование и экономическое планирование;
  • стоимость и реализацию объектов недвижимости;
  • финансовые показатели проектов;
  • доходы и расходы;
  • освоение инвестиционного бюджета;
  • бухгалтерскую отчетность;
  • технико-экономические показатели;
  • цены реализации объектов;
  • сроки согласования документов в 1С.

Несмотря на развитый ИТ-ландшафт, данные оставались распределенными между различными системами, что затрудняло формирование единой управленческой картины бизнеса и подготовку отчетности:

  • отсутствовала единая корпоративная модель данных;
  • одинаковые показатели рассчитывались независимо в разных информационных системах;
  • консолидация данных требовала значительного объема ручной обработки.

Для решения этих задач компания запустила проект по созданию корпоративного хранилища данных. DWH должно было объединить данные из всех ключевых источников и стать технологической основой для дальнейшего развития BI-аналитики и отчетности Группы компаний.

Проект для «Галс-Девелопмент» был реализован командой Qlever Solutions — экспертом в области построения корпоративных хранилищ данных (DWH) для крупных строительных, промышленных, торговых и производственных компаний.

Так как подобный проект был первым для Группы, было принято решение реализации в формате пилота, но с соблюдением разумной ресурсной избыточности и регулярности выгрузки наборов данных для формирования отчетов в BI.

Реализация проекта

Проект был организован поэтапно. Работу начали с обследования текущего ИТ-ландшафта, после чего спроектировали архитектуру DWH, настроили интеграцию источников и сформировали аналитические витрины.

Предпроектное обследование

На первом этапе специалисты Qlever Solutions совместно с заказчиком выполнили анализ существующего ИТ-ландшафта и бизнес-процессов. По результатам обследования были:

  • определены источники данных;
  • разработана целевая архитектура корпоративного хранилища данных;
  • сформирована единая корпоративная модель данных;
  • подготовлено техническое задание;
  • определен состав аналитических витрин, реализуемых в рамках пилотного проекта.

Перед командой Qlever Solutions стояло несколько взаимосвязанных задач:

  • интеграция нескольких принципиально разных типов источников данных;
  • построение масштабируемой промышленной архитектуры DWH для последующего развития корпоративной аналитики;
  • разработка единой корпоративной модели данных;
  • подготовка витрин по финансам, продажам, проектной и инвестиционной деятельности.

Архитектура и стек DWH

В рамках проекта была развернута отказоустойчивая архитектура DWH на базе современных инструментов обработки и хранения данных:

  1. Хранение данных: ClickHouse Cluster.
  2. Оркестрация процессов загрузки и обработки данных: Dagster.
  3. Мониторинг и алертинг: Prometheus + Grafana.
  4. Каталог данных: OpenMetadata.
  5. Трансформация данных (Data Processing): dbt.
  6. Вспомогательные технологии: S3 (MinIO), Gitlab, Ansible.


Архитектура обеспечивает отказоустойчивость, высокую производительность обработки аналитических запросов, централизованный мониторинг инфраструктуры и возможность дальнейшего масштабирования корпоративного хранилища данных.

Интеграция источников данных

Источниками данных для корпоративного хранилища стали

  • Корпоративная информационная система управления финансовыми процессами 1С: Предприятие (КИС Бухгалтерия);
  • Система управления календарно-сетевыми графиками проектов (ИСУП КСГ) на базе MS Project и модулей заказной разработки;
  • Кастомизированная CRM-система на базе MS Dynamics;
  • Платформа для управления строительством Sarex;
  • Файлы Excel, хранящие технико-экономические показатели проектов (ТЭП), планы продаж, таблицы мэппинга и смежные наборы данных.

Для каждого источника был реализован собственный механизм интеграции:


Дополнительным вызовом стала унификация мастер-данных. Различные информационные системы использовали собственные классификаторы объектов, поэтому в рамках проекта были разработаны корпоративные справочники и реализованы мероприятия по повышению качества данных.

Для обработки данных были построены все основные слои корпоративного хранилища:

  • Staging — слой загрузки исходных данных;
  • DDS — слой очищенных и нормализованных данных;
  • Data Mart — аналитические витрины.

Формирование аналитических витрин

Финальным этапом разработки стало построение 11 витрин данных, охватывающих ключевые направления деятельности компании:

  1. КСГ проектов — выборка информации по КСГ (календарно-сетевому графику) проектов: задачи, сроки, пользовательские поля.
  2. План-факт реализации КСГ проектов — связывает работы по проектам из календарно-сетевых графиков с расчетными и статистическими показателями финансовых данных из 1С.
  3. Объекты продаж — информация об объектах продаж и финансовые данные по лотам (цена кв метра, плановая стоимость, фактическая стоимость и т. д).
  4. План-факт продаж — плановые и фактические данные по динамике продаж объектов.
  5. Свод ключевых показателей финансовой модели — основные метрики для оценки эффективности, сроков окупаемости и рентабельности инвестиций в разрезе проектов, что позволяет оценить их привлекательность и риски.
  6. Динамика ключевых показателей — отражение плановых/фактических показателей и структуры доходов/расходов по проектам.
  7. План-факт освоения инвестиционного бюджета — данные об освоении бюджета в разрезе проектов, статей, договоров и контрагентов в виде расчетных величин определенных плановых показателей.
  8. Финансы — оперативное отражение актуальных остатков на каждый день денежных средств, задолженностей, средств на эскроу-счетах и других данных в разрезах организаций, по которым ведется бухгалтерский учет и которые отсутствуют в основном регистре бухгалтерии.
  9. Доля владения — распределение долей собственности между акционерами и учредителями компании.
  10. ТЭП (технико-экономические показатели) проектов с КСГ — площадь и количество объектов в моменте с разбивкой на фазы проектирования и строительства.
  11. Проектные согласования — статус и динамика согласований по пакетам документации в рамках рабочих процессов проектов.

В процессе реализации параметры отдельных витрин уточнялись совместно с заказчиком, что потребовало гибкого управления изменениями и адаптации моделей данных без изменения базовой архитектуры решения.

Ограничения инфраструктуры

По требованиям информационной безопасности «Галс-Девелопмент» все работы выполнялись в закрытом контуре клиента, а используемые для разработки данные были обезличены.

Доступ к информационным системам организовывался через отдельный сегмент сети с использованием DMZ-серверов. Развертывание и настройка компонентов корпоративного хранилища данных также выполнялись на выделенных серверах в DMZ-контуре с разграничением прав доступа.

Доступ к данным и приложениям предоставлялся с использованием защищенных механизмов аутентификации — двухфакторной авторизации (2FA) и сквозной авторизации на основе JWT-токенов.

Архитектура и процесс развертывания были адаптированы к закрытому контуру без снижения требований к безопасности и производительности решения.


Полученные результаты

Несмотря на пилотный формат, DWH было спроектировано с учетом дальнейшего развития, подключения новых источников и расширения аналитического контура компании.

В ходе проекта специалисты Qlever Solutions:

  • интегрировали 5 различных типов источников данных;
  • разработали 11 предметных аналитических витрин;
  • построили промышленную архитектуру корпоративного хранилища данных (DWH);
  • внедрили систему мониторинга и каталогизации данных;
  • настроили ролевую модель доступа к таблицам и аналитическим витринам;
  • выполнили комплексное тестирование всех слоев хранилища и витрин данных;
  • подготовили полный комплект эксплуатационной и технической документации для администраторов и пользователей системы.

Производительность и масштабируемость

Готовое хранилище данных отвечает требованиям крупной корпоративной информационной системы и рассчитано на дальнейшее масштабирование.

Основные характеристики DWH:

  • до 50 одновременных пользователей;
  • время отклика аналитических витрин — не более 5 секунд;
  • объем хранимых данных — около 2 ТБ с горизонтом хранения 5 лет;
  • ежедневная загрузка данных — порядка 1,2 ГБ;
  • архитектура предусматривает прогнозируемый рост объема данных до 5 ТБ в перспективе 10 лет.

Бизнес-результаты

Аналитические витрины предназначены для работы руководителей различных уровней, включая:

  • топ-менеджмент Группы компаний «Галс»;
  • руководителей строительных проектов;
  • руководителей инвестиционных проектов;
  • коммерческий департамент;
  • финансовый департамент;
  • инженерные подразделения.

Созданное DWH изменило подход к работе с данными: их консолидация, очистка, актуализация и сопоставление выполняются централизованно, исключено влияние человеческого фактора при формировании отчетов.

В результате «Галс-Девелопмент» получила возможность:

  • автоматизировать подготовку аналитической отчетности, объединяющей данные из нескольких информационных систем с различной структурой;
  • сократить объем ручной обработки данных за счет автоматизации процессов консолидации, очистки, актуализации и мэппинга;
  • уменьшить нагрузку на информационные системы-источники благодаря централизованной обработке данных вне рабочего контура;
  • создать единую версию корпоративных данных для различных подразделений компании;
  • заложить технологическую основу для масштабирования BI-аналитики, подключения новых источников данных и развития корпоративной платформы.

Корпоративное хранилище данных — это фундамент для дальнейшего развития аналитики. В проекте для «Галс-Девелопмент» нам было важно не только объединить данные из разных источников, но и создать масштабируемую систему для управления портфелем проектов, которая сможет расти вместе с бизнесом. Выбранный подход позволяет подключать новые источники и расширять аналитический контур без необходимости перестраивать хранилище.

Андрей Харлак, технический директор Qlever Solutions

«Для нас было важно проверить выбранную архитектуру на практике и создать единую платформу для работы с корпоративными данными. Пилотный проект показал, что хранилище позволяет эффективно консолидировать данные из разных систем и обеспечивает необходимую производительность для аналитических задач. Созданная платформа станет основой дальнейшего развития управленческой отчетности компании.

Давид Удовицкий, начальник отдела развития платформы данных «Галс-Девелопмент»

Источники и стек технологий

  • Источники данных: 1С: Предприятие, Microsoft Dynamics CRM, Microsoft Project, Sarex, Microsoft Excel
  • Интеграция данных: Экстрактор 1С от Денвик Аналитика, Python, REST API
  • Хранение данных: ClickHouse
  • Оркестрация процессов загрузки и обработки данных: Dagster
  • Мониторинг и алертинг: Prometheus + Grafana
  • Каталог данных: OpenMetadata
  • Обработка данных (Data Processing): dbt
  • Вспомогательные технологии: S3 (MinIO), Gitlab, Ansible

Функциональные области

Основные направления аналитики: Управление строительными проектами, Продажи и коммерческая аналитика, Финансовая аналитика, Инвестиционная аналитика, Управление портфелем проектов, Технико-экономическая аналитика, Проектные согласования

Пользователи решения: Топ-менеджмент

Данные и отчеты работают против вас?

Свяжитесь с нами. Наведем порядок в данных, спроектируем и внедрим DWH в соответствии с вашими аналитическими задачами

ОБСУДИТЬ ЗАДАЧИ


0
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
Выбрать файл
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.