СводкаГлавные показатели канала за выбранный период. Изменение — к такому же отрезку перед периодом, если за него есть статистика. Наведите на диаграмму плитки, чтобы увидеть число в каждой точке периода.
Главные числа
ПодписчикиСколько подписчиков у канала сейчас. Волна — число подписчиков в каждой точке периода. Изменение — к началу периода.150,0 %+0 с начала наблюдения
ПросмотрыСколько сейчас просмотров у постов, вышедших за период. Это не просмотры за день: сколько посмотрели вчера, MAX не сообщает.92у постов за период
РеакцииСколько реакций у постов, вышедших за период.17у постов за период
УпоминанияСколько раз канал упомянули другие каналы: ссылки и репосты, без рекламных постов. Чем крупнее круг, тем больше упоминаний в этой точке периода.58▼ 17,6 %было 72по подписке
РепостыСколько раз другие каналы сделали репост постов этого канала (без рекламных постов). Репосты входят и в число упоминаний.26▼ 1,5 %было 27после входа
Средний охват постаСколько просмотров в среднем набирает один пост. Считаем по постам старше двух суток: у свежих просмотры ещё растут. Точки, где есть свежие посты, — пунктиром и полыми кружками: охват всех постов на сейчас, он ещё вырастет.21просмотров на пост
ERRКакая доля подписчиков видит средний пост: средний охват ÷ подписчики × 100 %. Линия — ERR в каждой точке периода, пунктир — ERR прошлого такого же периода. Точки с постами моложе двух суток — полые кружки на пунктирном конце линии.140,0 %подписчиков видят пост
Вовлечённость ERКак часто читатели реагируют на посты: реакции ÷ просмотры × 100 %. Засечка на полосе — прошлый период.18,48 %
реакций на 100 просмотров
Постов в деньСколько публикаций в среднем выходит за день. Клетка — точка периода: чем темнее, тем больше постов в день.0,7публикаций в день
Доля рекламыКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Шкала — рекламная нагрузка по порогам индекса качества: до 10 % — низкая, до 25 % — умеренная, до 50 % — высокая, дальше — очень высокая. Рост доли отмечается красным.2,5 %▼ 1,8 п. п.
ДинамикаСверху — число подписчиков на конец каждой точки периода, снизу — прирост за точку: зелёный — подписчиков стало больше, красный — меньше. Над графиком прироста — самый большой прирост и самая большая убыль. Сколько подписалось и отписалось по отдельности, MAX не сообщает.
Рост аудитории
0подписчиков с начала наблюдения
Число подписчиков за период не менялось
Оценка каналаОценка канала от 0 до 100 из пяти частей: аудитория, честность роста, рекламная нагрузка, доверие и достоверность расчёта. Полоса — сколько баллов часть набрала из своего максимума. Индекс пересчитывается каждую ночь; каналы сравниваются с похожими — той же категории и размера.
Индекс качества пока не рассчитан. Он появляется у каналов от 500 подписчиков, которые публикуют посты хотя бы раз в неделю, после недели наблюдения.
ОхватыСколько сейчас просмотров у постов, вышедших в каждой точке периода (а не просмотры за день). Подписан рекорд; точка с сегодняшним днём бледнее — день ещё идёт. Средний охват поста — по постам старше двух суток.
Просмотры и охват
92просмотров за период
Средний охват поста — 21 просмотров (посты старше двух суток).
ВовлечённостьER — реакции, делённые на просмотры, в процентах — у постов каждой точки периода. Пунктир — ER за весь период. Изменение — в процентных пунктах к прошлому такому же периоду.
Вовлечённость подписчиков
18,48 %ER = реакции ÷ просмотры
ER каналав среднем за период
ЦитируемостьИндекс цитируемости (ИЦ) — насколько часто и какими каналами упоминают этот канал за последние 30 дней, без рекламных постов. Уровень — место среди похожих каналов. Линия — ИЦ в каждой точке периода (в неделе и месяце — средний за её дни).
Индекс цитируемости пока не рассчитан: он появится после ночного расчёта, когда канал упомянут другие каналы.
РитмСколько постов в среднем выходит в каждый час каждого дня недели, время московское: чем темнее клетка, тем больше публикаций. «Лучшее время» — часы, в которые у постов старше двух суток самый высокий средний охват.
Когда и сколько публикует
ПнВтСрЧтПтСбВс
036912151821
Лучшее время:09:0018:00часы, в которые у постов самый высокий средний охват
ФорматыИз чего состоит лента. У каждого поста один формат — по старшинству: репост, видео, фото, ссылка, текст. Полоса и проценты — доля постов формата; справа — средний охват одного поста формата (по постам старше двух суток), полоска — сравнение с самым просматриваемым форматом.
ПубликацииКаждая точка — пост за период: по горизонтали — дата выхода, по вертикали — просмотры, размер точки — реакции, цвет — формат. Так видно хиты, провалы и то, как меняется охват. У крупных каналов показаны 100 самых просматриваемых постов и равномерная выборка остальных — не больше 1 500 точек.
Каждый пост — точка
Выше — больше просмотров, крупнее — больше реакций. Нажмите на точку, чтобы открыть пост.
ВидеоФотоДругоеразмер — реакцииПриближение — кнопками «+» и «−», щипком или Ctrl + колесо мыши; приближенный график сдвигается перетаскиванием
СводкаИтоги выбранного периода: сколько вышло публикаций, сколько у них сейчас просмотров и реакций и средний охват поста. Просмотры — текущие у постов, вышедших в эти дни, а не просмотры за день. Изменение — к такому же отрезку перед периодом, если за него есть статистика.
Итоги периода
Нажмите на показатель — ниже он появится по точкам периода
Просмотрысегодня — день ещё идётТочки с постами моложе двух суток — бледные с пунктиром: их просмотры ещё растут.
РекламаКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Детектор осторожный, поэтому настоящая доля обычно выше. Шкала — рекламная нагрузка по порогам индекса качества. Ниже — средний охват рекламного и обычного поста и кого рекламирует канал (сайты, на которые ведут ссылки из рекламы).
Что работаетПосты периода с наибольшим числом просмотров. Полоса — просмотры относительно первого места. Превью — картинка поста, у поста без картинки — аватар канала. Просмотры — сколько у поста сейчас.
РитмСколько постов вышло в каждый день периода (бледные столбики) и среднее за 7 дней (линия): видно, разгоняется канал или затихает. Сегодняшний день ещё идёт, поэтому среднее для него считается по вчерашний день.
Публикации по дням
Бледные столбики — дни, линия — среднее за 7 дней: видно, разгоняется канал или затихает
Публикации за деньСреднее за 7 дней
Данные обновлены в 08:11 по Москве. Просмотры — текущие у постов, вышедших в эти дни; средний охват — по постам старше двух суток.
Как считается индекс качества
КАК ИНТЕГРАЦИОННЫЕ ПЛАТФОРМЫ ПОМОГАЮТ БИЗНЕСУ РАСТИ
Масштабирование предприятия — это всегда вызов для ИТ-архитектуры. Когда компания открывает новые направления, расширяет матрицу SKU и усложняет цепочки поставок, нагрузка на аналитические системы возрастает кратно.
Чтобы этот рост был контролируемым и устойчивым, бизнесу необходим надежный технологический фундамент. В сфере Supply Chain и BI таким фундаментом становится интеграция современных аналитических платформ.
Как архитектор, при проектировании целевых моделей управления запасами я опираюсь на три ключевых принципа:
🔗 1. Единое информационное пространство (Single Source of Truth) В крупных структурах данные часто распределены по разным базам и учетным системам. Проектирование DWH позволяет аккумулировать всю информацию в едином пространстве. Когда коммерческий департамент, логисты и финансисты видят одни и те же выверенные цифры, скорость принятия стратегических решений увеличивается в разы.
⚡ 2. Скорость обработки данных через Low-Code Бизнес-процессы меняются быстро, и ИТ-система должна успевать за этими изменениями. Использование специализированных аналитических платформ (например, Loginom) позволяет разворачивать предиктивные модели и алгоритмы автозаказа кратно быстрее. Вместо долгих месяцев классической разработки компания получает работающий инструмент оптимизации затрат здесь и сейчас.
🧠 3. Передача рутины алгоритмам Современные системы берут на себя всю механическую работу: ночной сбор данных, очистку массивов от случайных шумов и расчет базовой потребности. Это позволяет команде снабжения не тратить время на сборку цифр, а полностью сфокусироваться на управлении пограничными исключениями, работе с поставщиками и снижении рисков.
Автоматизация и BI-аналитика — это главные драйверы эффективности современного масштабирования. Они помогают крупному бизнесу сохранять высокую маневренность, точно управлять оборотным капиталом и уверенно достигать целевых финансовых показателей.
📡 Что на подходе? Когда ИТ-фундамент заложен, перед бизнесом встает задача найти баланс между планами продаж и финансовой ликвидностью. В следующем посте мы подробно разберем тему математического нормирования запасов. Я расскажу, как гибкие предиктивные модели защищают оборотный капитал от перетарки складов неликвидом и одновременно страхуют компанию от дефицита ходовых позиций.
🔷 Методология: Проектирование сквозных процессов в Bizagi Modeler перед развертыванием ETL.
При автоматизации контуров Supply Chain ключевым этапом является предварительное моделирование процессов. Прямой перевод текущей операционной логики компании в предиктивные алгоритмы Loginom или модули ERP сопряжен с риском переноса системных разрывов. Оптимальный подход — оцифровка сквозной цепочки «Расчет потребности — Размещение заказа — Контроль поставки» в нотации BPMN перед написанием серверного кода.
🔷 Анализ архитектуры процесса «As Is»: В ходе аудита крупных торгово-производственных контуров на этапе проектирования часто выявляются стандартные зоны для оптимизации:
1. Информационные петли согласований: промежуточный ручной обмен данными замедляет скорость сквозного планирования и дублирует существующие транзакции в ERP.
2. Сложность ветвления логики: хаотичные ручные корректировки на разных этапах затрудняют выполнение условий для математических алгоритмов и автоматического определения условий в шлюзах процесса.
3. Тайм-ауты интеграционных сценариев:информационные разрывы при взаимодействии с внешними порталами через REST-API из-за отсутствия жестких регламентов времени ответа со стороны серверов контрагентов, в том числе и при заполнении внутренних разрозненных файлов.
🔷 Проектирование целевой модели «To Be»: В Bizagi Modeler выстраивается оптимизированная и жестко регламентированная модель процесса:
• Взаимодействие департаментов переводится на сквозной автоматический сбор данных из единого хранилища DWH, минуя промежуточные файлы.
• Внедряются системные прерывания по таймеру (Timer Intermediate Event) для гарантированной автономной выгрузки матриц данных.
• Операционная роль специалистов фокусируется на верификации пограничных исключений, рассчитанных алгоритмом, без изменения заложенных математических моделей спроса.
Результат: Наличие выверенной BPMN-схемы позволяет развернуть рабочие ETL-контуры в Loginom в два раза быстрее, гарантируя стабильность предиктивных моделей и эффективную защиту оборотного капитала бизнеса.
📉 Почему закупщики не везут на склады нужный товар? Разбор кейса: восстановление упущенного спроса (Out-of-Stock)
Главная ошибка линейных закупщиков и аналитиков — они строят прогнозы по искаженным «фактическим продажам». Если нужного SKU две недели не было на остатках из-за просадки снабжения, система видит «ноль» в продажах. На следующий цикл алгоритм заказывает крохи.
Результат — хронический дефицит ТОП-позиций и замороженные миллионы в неликвиде.
⚙️ Как устроен правильный ETL-контур автоматизации в Loginom:
Предобработка сырых данных: На входе отсекаются аномальные пики спроса (например, разовые оптовые отгрузки, которые ломают статистику регулярного спроса).
Связывание таблиц на лету: Вместо тяжелых циклов в SQL я использую встроенные low-code узлы платформы Loginom, которые на стороне DWH связывают ежедневные остатки складов с транзакциями продаж.
Математическое восстановление: Алгоритм автоматически находит периоды нулевых остатков при наличии входящего спроса и восстанавливает упущенные продажи на основе скользящих интервалов и вероятности возникновения продажи в этот период.
📊 Что это дает бизнесу?
Реальная емкость: Автозаказ рассчитывает потребность не по ручному учету, а по реальному рыночному потенциалу.
Скорость расчета: Время ночного цикла для миллионов строк Big Data сокращается с 4 часов до 15 минут.
Точность: Точность закупки вырастает на 25–30%, защищая оборотный капитал.
🔄 В следующем посте разберем, почему автоматизация не работает без предварительного моделирования процессов в Bizagi Modeler (BPMN). Подписывайтесь, чтобы не пропустить.
🔷 Технологический стек и оптимизация процессов: При оперировании массивами я заменила классическое написание кода SQL на реализацию в формате Low-Code.
🔷 Вся архитектурная логика, сквозные ETL-контуры и многомерные соединения таблиц реализуются мной через специализированные аналитические узлы платформы Loginom.
🔷 На бэкенде система автоматически компилирует эти сценарии в аппаратно оптимизированные запросы к DWH. Такой подход глубоко сохраняет требования к пониманию реляционных баз данных и структур DWH, но полностью смещает фокус с рутинного кодинга на стратегическую бизнес-логику.
🔷 Это позволяет в одиночку кратно сократить время при выводе предиктивных моделей в продуктив и оптимизировать затраты на содержание классической ИТ-разработки.
Здесь только жесткая практика без ручного кодинга. Привет. 20 лет я перевожу крупные торгово-производственные холдинги (FMCG, производство, дистрибуция) с хаотичных ручных процессов снабжения на серверную автоматизацию и математические алгоритмы. Направления, которые я закрываю на архитектурном уровне:
🔷 Оркестрация и low-code: Перевод снабжения на серверные алгоритмы и low-code платформы (Loginom, Bizagi Modeler, 1С).
🔷 ETL и Data Science: Проектирование архитектуры DWH, глубокая ETL-очистка Big Data от шумов и математическое восстановление упущенного спроса (Out-of-Stock).
🔷 Автоматизация цепей поставок: Разработка циклов автозаказа с выгрузкой готовых матриц в учетные системы без участия человека.
Этот канал — мой живой инженерный дневник. Здесь я на реальных кейсах показываю, как силами одного архитектора кратно ускорить разработку ИТ-систем, убрать человеческий фактор и защитить оборотный капитал бизнеса от неликвида. Подписывайтесь.