Витрина данных (Data Mart): как подготовить данные для маркетинга и аналитики
Как устроена витрина данных
Процесс обычно состоит из нескольких этапов:
- Извлечение. Система получает нужные записи из одного или нескольких источников.
- Преобразование. Устраняются дубли и ошибки, унифицируются даты, статусы, валюты и идентификаторы.
- Расчёт показателей. К исходным сведениям добавляются готовые признаки: дата последнего заказа, выручка за 90 дней, количество покупок, категория интереса.
- Загрузка или публикация. Подготовленные таблицы становятся доступны маркетинговой платформе, BI-системе или аналитикам.
- Обновление. Витрина пересчитывается по расписанию, при наступлении события или по запросу.
Чем витрина отличается от других сущностей
Термин часто смешивают с базой данных, хранилищем и сегментом аудитории. Различие заключается в масштабе и назначении.
| Сущность | Что содержит | Для чего используется |
|---|---|---|
| Операционная база данных | Текущие записи, необходимые приложению или бизнес-процессу | Проведение заказов, начисление баллов, работа CRM |
| Хранилище данных, Data Warehouse | Интегрированные данные разных подразделений и предметных областей | Корпоративная аналитика и хранение истории |
| Озеро данных, Data Lake | Большие объёмы структурированных, полуструктурированных и неструктурированных данных, в том числе в исходном виде | Хранение, исследовательская аналитика, машинное обучение |
| Витрина данных, Data Mart | Отобранные и подготовленные сведения для определённой задачи или команды | Отчёты, расчёт показателей, сегментация |
| Сегмент аудитории | Список клиентов, соответствующих условиям | Запуск коммуникации или анализ отдельной группы |
Витрина может содержать сотни признаков и использоваться во множестве запросов. Сегмент отвечает на более узкий вопрос: какие профили соответствуют выбранным условиям сейчас или на момент последнего расчёта.
Отчёт тоже не считается витриной. Он показывает конкретный результат: например, выручку по каналам за месяц. Витрина предоставляет подготовленные строки и показатели, на основе которых можно построить разные отчёты.
Виды витрин данных
- Зависимая витрина. Формируется из корпоративного хранилища. Термины, идентификаторы и правила расчёта уже согласованы на уровне общей архитектуры.
- Независимая витрина. Получает сведения непосредственно из CRM, сайта и других операционных систем. Такой подход подходит для ограниченной задачи, но при росте числа витрин возрастает риск несовпадающих показателей.
- Гибридная витрина. Объединяет сведения из хранилища и отдельных внешних источников. Например, история продаж поступает из Data Warehouse, а актуальные остатки — из товарной системы.
Эта классификация описывает происхождение данных. Сама витрина при этом может быть физической — с отдельной копией записей — или логической, построенной через представления и запросы.
Для чего витрина нужна маркетингу
Маркетинговая витрина собирает признаки, которые регулярно используются в аналитике и коммуникациях. Вместо повторной обработки всей истории заказов маркетолог или система обращается к готовым значениям.
В витрине могут храниться:
- идентификатор клиента;
- дата и сумма последнего заказа;
- выручка и количество покупок за выбранный период;
- любимая категория товаров;
- текущий уровень программы лояльности;
- дата окончания договора или подписки;
- рассчитанный RFM-сегмент;
- регион, тип клиента и другие бизнес-признаки.
Такая структура снижает сложность регулярных запросов. Например, для кампании повторных продаж достаточно выбрать клиентов с последней покупкой 60–90 дней назад и выручкой выше установленного значения. Логика расчёта этих показателей хранится в одном месте, её не нужно воспроизводить заново для каждого отчёта или запуска.
Пример использования маркетинговой витрины: данные о лидах, встречах, продажах и оплатах объединены для аналитики. Источник: Luxms BI
Как спроектировать витрину для маркетинга
Сначала нужно определить не перечень доступных данных, а бизнес-вопросы. Если витрина предназначена для повторных продаж, она должна отвечать на вопросы о давности, частоте и сумме покупок. Поля, которые не используются в расчётах или выборках, лишь усложняют поддержку.
При проектировании важно согласовать:
- Уровень детализации. Одна строка может описывать клиента, заказ, товарную позицию или день. Смешивать разные уровни детализации в одной таблице без явной логики рискованно.
- Ключи. У клиента должен быть устойчивый идентификатор, общий для витрины и систем-потребителей. Email и телефон могут изменяться, поэтому внутренний
customer_idчасто надёжнее. - Определения показателей. Нужно зафиксировать, какие заказы входят в выручку, как учитываются возвраты и какой часовой пояс используется.
- Частоту обновления. Ежемесячному отчёту может быть достаточно пересчёта раз в сутки. Триггерной коммуникации после покупки требуются более свежие сведения.
- Контроль качества. Следует проверять пропуски, дубли, аномальные значения и расхождения с источником.
- Доступ. В витрину включают только сведения, необходимые её пользователям и системам. Доступ к персональным данным и сведениям о согласиях на коммуникации требует отдельного контроля.
Главный риск независимых витрин — появление нескольких версий одного показателя. Если маркетинг, финансы и продажи по-разному рассчитывают выручку, одинаково названные поля будут давать разные результаты. Поэтому определения метрик и источник каждого поля нужно документировать.
Заключение
Витрина данных — ограниченный предметной областью набор подготовленных сведений. Она располагается между исходными системами и потребителями данных: отчётами, маркетинговыми платформами и аналитическими приложениями.
Качественная витрина имеет понятный уровень детализации, устойчивые идентификаторы, согласованные правила расчёта и подходящую частоту обновления. В маркетинге она сокращает сложность сегментации и даёт команде единое представление о клиентских показателях.
Читайте по теме
