Описание проекта P&L Dashboard

Краткое описание

P&L Dashboard — аналитический кейс по проектированию управленческого дашборда для розничной сети «Континент».

Дашборд предназначен для анализа прибыльности магазинов и товарных категорий. Он помогает собственнику бизнеса, операционному директору и другим заинтересованным сторонам принимать решения на основе финансовых данных.

Контекст проекта

Заказчик — розничная сеть «Континент», которая включает 35 магазинов в Казахстане и работает в сегменте бытовой техники и электроники.

Изначально задача была описана как дашборд P&L для собственника бизнеса. В Feature Brief указано, что собственник должен раз в неделю открывать дашборд и принимать решения о корректировке операционной модели.

При этом из CRM-карточки стало понятно, что фактическим драйвером проекта является операционный директор Айгуль. Именно она каждый месяц вручную собирает данные из разных источников и тратит на подготовку отчётности несколько дней.

Дополнительно во вводной обозначена отдельная проблема: три северных магазина работают убыточно, и заказчик хочет понять, когда они начнут окупаться или нужно рассматривать их закрытие.

Проблема

Текущий процесс подготовки P&L-отчетности является ручным и разрозненным.

Айгуль каждый месяц собирает данные из разных источников:

– 1С — продажи и выручка;

– Excel — зарплаты и часть операционных расходов;

– CRM — логистика;

– дополнительные ручные корректировки.

Из-за этого возникают проблемы:

– отчётность готовится долго;

– данные могут расходиться между источниками;

– нет единого источника правды;

– сложно быстро понять, какие магазины действительно прибыльны;

– собственник не видит полную картину с учётом распределённых затрат;

– операционный директор тратит время на ручную сборку вместо анализа и управления.

Цель проекта

Цель проекта — спроектировать P&L-дашборд, который позволит анализировать прибыльность розничной сети и принимать управленческие решения на основе данных.

Дашборд должен помочь:

– сократить время ручной подготовки отчётности;

– видеть прибыльность по магазинам;

– анализировать прибыльность по категориям товаров;

– учитывать разные уровни маржи;

– выявлять убыточные магазины и категории;

– контролировать операционные расходы;

– поддерживать решения собственника и операционного директора.

Основные пользователи

Собственник бизнеса

Собственник использует дашборд для стратегических решений.

Ему важно понимать:

– какие магазины реально зарабатывают деньги;

– какие магазины убыточны после распределения общих затрат;

– какие категории товаров приносят прибыль;

– какие направления стоит развивать, оптимизировать или закрывать.

Операционный директор Айгуль

Айгуль является фактическим драйвером проекта.

Ей важно:

– ежедневно видеть P&L по магазинам;

– быстро находить отклонения;

– контролировать операционные расходы;

– сократить ручную подготовку отчётов;

– понимать причины убыточности магазинов;

– использовать дашборд как рабочий инструмент управления.

Финансовый директор / финансовый аналитик

Финансовый блок отвечает за корректность методологии расчётов.

Ему важно:

– согласовать формулы P&L;

– определить правила расчёта маржи;

– зафиксировать источники данных;

– определить правила распределения общих затрат;

– обеспечить доверие к данным дашборда.

Руководитель категории

Руководитель категории анализирует товарные группы.

Ему важно понимать:

– какие категории дают прибыль;

– какие категории имеют низкую маржинальность;

– как меняется спрос по сезонам;

– какие товары стоит усиливать или сокращать.

Ожидаемый результат

В результате проекта должен быть спроектирован дашборд, который позволяет:

– видеть P&L по ключевым разрезам;

– анализировать магазины и категории;

– отображать валовую, операционную и полную маржу;

– выявлять убыточные точки и направления;

– понимать причины отклонений;

– сократить ручную работу по подготовке отчётности;

– ускорить принятие управленческих решений.

Моя роль в проекте

В рамках проекта я выступала в роли системного / бизнес-аналитика.

Я анализировала вводные данные, выявляла стейкхолдеров, формулировала вопросы для discovery-интервью, определяла MVP, описывала финансовую логику, готовила user stories, DoR, анализировала источники данных и риски расхождений, а также прорабатывала изменение требований после pivot.