Кейсы внедрения аналитики

Мобильный сервис

End-to-end аналитика для Dolphin: DWH + BI + ML

Задача

Данные о поездках, пользователях и финансах жили в разных базах. Отчёты собирались вручную, прогноз спроса строился на интуиции, а команда не могла быстро оценить влияние изменений цен.

Решение

Построили DWH на ClickHouse, связали источники в единую модель данных, развернули BI-дашборды для операций и финансов и внедрили ML-прогноз спроса и динамического ценообразования.

−19%

холостых пробегов

+12%

точность прогноза спроса

6 мес.

срок внедрения

ML-контур и управление моделями

Фрагменты рабочего ML-контура. Показатели, суммы и периоды скрыты по договорённости о конфиденциальности.

Дашборд «Статус расчётов» (Мониторинг) — цифры скрыты — Мониторинг
Статус расчётов
Контролируем выполнение моделей, ошибки и полноту географии рекламного бюджета.

Дашборд «Активные модели» (MMM) — цифры скрыты — MMM
Активные модели
Управляем исследовательскими моделями и отслеживаем готовность расчётов.

Дашборд «Дополнительный оборот» (Прогноз) — цифры скрыты — Прогноз
Дополнительный оборот
Показываем, какой показатель оптимизирует модель и какие модели участвуют в рекомендации.

Дашборд «Распределение бюджета» (География) — цифры скрыты — География
Распределение бюджета
Сопоставляем рекламный бюджет по регионам и находим территории с наибольшим потенциалом.

Социальное приложение

DWH + BI + A/B-инфраструктура для Twinby

Задача

События продукта хранились в разных форматах, эксперименты запускались через ручные сводные таблицы, а команды спорили из-за разных цифр в метриках.

Решение

Собрали DWH с единым слоем метрик, подключили BI-отчёты для продуктовых и маркетинговых команд и выстроили автоматизированную A/B-платформу с расчётом значимости.

+34%

скорость запуска экспериментов

−40%

время до результата теста

4 мес.

срок внедрения