Albato → PostgreSQL → DataLens: проверяемый отчёт по CRM

Albato → PostgreSQL → DataLens: проверяемый отчёт по CRM

Обновлено 2 сентября 2026 года.

В этой схеме Albato переносит данные CRM, PostgreSQL хранит текущие сущности и витрины, DataLens строит графики. Перед настройкой определите вопросы отчёта: сколько новых сделок, какая текущая сумма воронки, где задерживаются продажи. Один набор полей не отвечает на все эти вопросы без правил расчёта.

Загрузка через Albato

Подготовьте таблицу с ключом портала и сделки, суммой, валютой, воронкой, стадией, ответственным и нужными датами. В документации подключения PostgreSQL перечислены действия создания, поиска, обновления и пользовательского запроса. Автоматическое создание схемы и универсальный переключатель Upsert by id нельзя предполагать без проверки конкретного действия.

Настройте обработку повторов, начальную загрузку и удаление. Протестируйте переход сделки между стадиями и изменение старой записи. Время последнего изменения сущности храните отдельно от времени успешной загрузки: отсутствие новых сделок не является сбоем обмена.

Подключение PostgreSQL в DataLens

Создайте роль чтения подготовленных представлений. Проверьте USAGE на схему, SELECT и доступность сети из DataLens. Для внешней базы используйте её реальный адрес и настройки защищённого подключения, для управляемой — предусмотренный платформой способ. Локальное имя postgres из Docker Compose не даёт облачному сервису маршрут к вашему компьютеру.

Следуйте инструкции подключения PostgreSQL. После подключения отдельно создайте датасет на основе выбранной таблицы или представления. Подключение хранит реквизиты доступа; датасет описывает поля, связи и расчёты; чарт использует датасет. Это три разных объекта.

Поля и гранулярность датасета

Для текущей воронки оставьте одну строку на сделку. Соединение с товарами сделки может размножить её сумму по числу товаров. Либо используйте отдельный датасет товарных строк с суммами этих строк, либо предварительно агрегируйте детали.

Для графика новых сделок выбирайте дату создания. Для поступлений — дату оплаты. Группировка по DATE_MODIFY показывает изменения карточек, а не продажи за месяц. Если нужна историческая воронка, сохраняйте снимки или историю переходов.

Читай также:  BI Data Tools: инструменты аналитика и ограничения генераторов

Средняя сумма сделки

При одной строке на сделку и одной валюте среднюю сумму можно определить как SUM(amount), делённую на число сделок с учтённой суммой. Решите заранее, входят ли записи с пустой суммой и с нулём. Для пустой выборки задайте обработку деления на ноль.

Этот показатель нельзя без уточнения назвать ACV: annual contract value описывает годовую стоимость контракта, а не любое среднее значение суммы CRM. Используйте понятное название «Средняя сумма сделки» и укажите состав выборки.

Если данные уже агрегированы, считайте взвешенное среднее: общая сумма / общее число сделок. Среднее из средних по менеджерам даёт искажение, когда у них разное количество сделок.

Доступ к дашборду

Для внутренних отчётов назначайте доступ конкретным пользователям или группам. Публичная ссылка предназначена для данных, которые разрешено раскрыть; она не является обычной заменой доступа сотрудникам.

RLS DataLens настраивается по правилам платформы с идентификаторами её пользователей или групп. ID менеджера Битрикс24 не совпадает с ними автоматически. Подготовьте соответствие и проверьте двух сотрудников с разными наборами доступных строк. SQL current_user() общей роли базы не идентифицирует зрителя дашборда.

Свежесть и приёмка

Для материализованного представления нужен отдельный refresh после загрузки. Записывайте время и результат запуска в собственный журнал: поля last_refresh в стандартном pg_matviews нет. Покажите время актуальности на дашборде и учтите кэширование результатов.

Перед выдачей доступа сверяйте CRM, базу и DataLens за один период, с одинаковыми статусами и валютой. Условия тарифа, размещения и обслуживания выбранных сервисов проверяйте отдельно. Русский интерфейс не гарантирует отсутствие расходов, блокировок или автоматическое выполнение всех требований к данным.