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 - 451
проекты - 3063
системы - 1151
вендоры - 560
Технология: Data Quality - Качество данных
подрядчики - 196
проекты - 1056
системы - 60
вендоры - 42
Технология: MDM - Master Data Management - Управление основными мастер-данными
подрядчики - 134
проекты - 729
системы - 296
вендоры - 201
Технология: OLAP
подрядчики - 104
проекты - 857
системы - 60
вендоры - 49
Технология: PaaS - Platform As A Service - Бизнес-платформа как сервис
подрядчики - 146
проекты - 526
системы - 260
вендоры - 152
Технология: СУБД
подрядчики - 273
проекты - 776
системы - 308
вендоры - 148

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). Михаил Рожков, PARMA TG: Большинство наших BPM-проектов выходят за рамки отдельных процессов и организаций 3.4 т

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.