01
Dane są, ale nie ma kosztów
Obrót i zamówienia to nie wynik. Bez prowizji, dostawy, rabatów i kosztu reklamy nie wiesz, co zarabia.
- marża
- koszty
- rentowność
TL;DR
Jak wybrać platformę analityczną — bez przepalenia budżetu
Jeśli chcesz wybór „pod decyzje”, a nie „pod wykresy”, trzymaj się tych zasad.
W 60 sekund
- Zacznij od pytań decyzyjnych: cena, marża, reklama, stock, kanały, obsługa zwrotów.
- Platforma ma łączyć sprzedaż + koszty + ads. Bez kosztów nie ma rentowności.
- Wymagaj marży na SKU (z prowizją, dostawą, rabatami, kosztem reklamy) i segmentacji kanałów.
- Sprawdź integracje (sklep, marketplace, ads, ERP/OMS) oraz stabilność i logi błędów.
- Nie kupuj „kombajnu” bez podstaw: model danych, mapowanie ID (SKU, zamówienie, klient) i definicje KPI.
- Wybierz narzędzie, które ma: alerty, „drill-down” (od dashboardu do zamówienia) i szybkie filtry.
- Wdrożenie rób etapowo: MVP dashboard → koszty → ads → alerty → automaty → kultura pracy na danych.
Zasada
Platforma jest dobra dopiero wtedy, gdy potrafisz odpowiedzieć:
co robić jutro, żeby poprawić wynik.
Why
Problem: dlaczego „analityka” często nie ułatwia decyzji
Nie chodzi o brak danych. Chodzi o brak kontekstu i brak wspólnych definicji.
02
Nie da się zejść do przyczyny
Dashboard pokazuje trend, ale nie pokazuje: które SKU, które kampanie, które kanały to robią.
- drill-down
- SKU
- kampanie
03
Brak jednej wersji prawdy
Różne systemy liczą inaczej (przychód, zwroty, rabaty, VAT). W firmie zaczyna się „kłótnia o liczby”.
- definicje
- SSOT
- standard
04
Raportowanie jest za wolne
Jeśli raport powstaje „ręcznie”, decyzja zawsze będzie spóźniona. Narzędzie ma skracać cykl do godzin/dni.
- automaty
- refresh
- tempo
05
Brak alertów i progów
Ludzie patrzą w dashboard, ale system nie mówi „to jest problem”. Alerty i progi oszczędzają czas.
- alerty
- progi
- wyjątki
06
Platforma jest „za ciężka” na etap firmy
Kombajn BI bez modelu danych i ownera kończy jako koszt. Na start ważniejsze jest MVP i definicje KPI.
- MVP
- ownership
- prosto
Kluczowa różnica
Platforma „raportująca” pokazuje, co było. Platforma „decyzyjna” pokazuje:
co się psuje i
gdzie.
Goal
Najpierw cel decyzyjny: 12 pytań, które platforma ma Ci rozwiązać
Jeśli narzędzie nie odpowiada na te pytania, nie jest platformą do decyzji.
Produkt / marża
- Które SKU generują obrót, ale niszczą marżę?
- Jaka jest marża na SKU po kosztach kanału i reklam?
- Jak rabaty wpływają na marżę i konwersję?
Reklamy
- Które kampanie mają ROAS, ale nie mają zysku?
- Jak wygląda koszt pozyskania klienta (CAC) per kanał?
- Gdzie budżet jest przepalany przez błędną atrybucję?
Operacje / stock
- Co się wyprzedaje i kiedy zabraknie towaru?
- Jakie SKU blokują kapitał (wolno rotują)?
- Które opóźnienia powodują wzrost zwrotów/reklamacji?
Kanały
- Który kanał ma najlepszą marżę po kosztach?
- Jak wygląda LTV/retencja w zależności od kanału pozyskania?
- Gdzie rośniesz wolumenem, a spadasz rentownością?
Wniosek
Wybieraj platformę pod
4 obszary decyzji: produkt, reklamy, operacje, kanały. Inaczej skończysz z „ładnymi wykresami”.
Check
Kryteria wyboru platformy do analityki sprzedaży
To jest checklista, którą warto przejść zanim wydasz złotówkę.
1
Model rentowności (koszty)
Czy platforma potrafi liczyć zysk „po prawdziwych kosztach”?
- prowizje marketplace / bramki płatności
- koszt dostawy (w tym dopłaty, Smart/abonamenty)
- rabaty, kupony, zwroty, korekty
- koszt reklam (per kampania / SKU / kanał)
2
Drill-down: od KPI do zamówienia
Czy z dashboardu zejdziesz do listy zamówień/SKU, które robią wynik?
- klik: kanał → kategoria → SKU → zamówienie
- widok wyjątków (spadek marży, skok zwrotów)
- historia zmian (co się zmieniło i kiedy)
- eksport listy „win/lose” do działań
3
Integracje i stabilność danych
Nie „czy ma integrację”, tylko: czy jest stabilna, monitorowana i ma logi.
- sklep (Shoper/Shopify/Woo/Presta)
- marketplace (Allegro/Amazon/Empik/itp.)
- ads (Google/Meta/Allegro Ads)
- OMS/ERP (np. BaseLinker / ERP)
4
Szybkość i świeżość
Jak często odświeżają się dane i czy da się pracować „dzień po dniu”?
- harmonogram importu (godzinowy/dzienny)
- opóźnienia i retry
- historia i wersjonowanie danych
- wydajność filtrów przy dużej skali
5
Alerty i wyjątki
Platforma powinna „wołać”, gdy jest problem — zamiast liczyć, że ktoś zauważy wykres.
- progi: marża, ROAS, zwroty, stockout
- powiadomienia e-mail/Slack/itp.
- ranking „największych odchyleń”
- automatyczne segmenty do optymalizacji
6
Łatwość utrzymania
Czy po wdrożeniu jesteś w stanie sam utrzymać definicje, dashboardy i integracje?
- edytowalne definicje KPI
- uprawnienia i role
- onboarding i dokumentacja
- koszt rozszerzeń (nie tylko abonament)
Ważne
Jeśli platforma nie potrafi policzyć
rentowności (a nie tylko ROAS/obrót) — nie pomoże w decyzjach.
Trap
Pułapki: na czym firmy przepalają budżet w analityce
To są błędy, które widać po 30–90 dniach. Lepiej uwzględnić je wcześniej.
⚠️
Zły „klucz” łączenia danych
SKU w sklepie ≠ SKU w magazynie ≠ SKU w marketplace. Bez mapowania zawsze będą rozjazdy.
⚠️
KPI liczone inaczej w każdym dziale
Sprzedaż liczy brutto, finanse netto, marketing ROAS, operacje wysyłki. Platforma musi spinać definicje.
⚠️
„BI-first” zamiast „decision-first”
Kupno BI bez decyzji do rozwiązania kończy jako projekt bez końca (dashboardy rosną, decyzji brak).
⚠️
Brak ownera danych
Jeśli nikt nie odpowiada za definicje i jakość danych, platforma się „rozjedzie” w 3–6 miesięcy.
Najprostszy test
Czy w platformie jesteś w stanie wskazać
top 10 SKU do podniesienia ceny i
top 10 SKU do wycięcia z reklam — w 5 minut?
Data
Architektura danych: minimum, które musi istnieć
Platforma to warstwa wizualizacji i logiki. Jeśli baza jest krzywa, dashboard będzie krzywy.
ID produktów
SKU / EAN / wariant
Jedno mapowanie produktów między: sklep, marketplace, magazyn, reklamy.
- SKU
- EAN
- mapping
ID zamówień
Zamówienie jako „prawda”
Poziom zamówienia pozwala policzyć rabaty, dostawę, prowizję i reklamy w kontekście.
- order
- koszty
- zwroty
Koszty kanału
Marketplace/Ads/Logistyka
Progi rentowności bez kosztów to złudzenie. Koszty muszą być w jednym modelu.
- prowizje
- ads
- dostawa
Praktyka
Dobra platforma daje:
SSOT (single source of truth) + możliwość weryfikacji danych na poziomie zamówienia.
Score
Macierz scoringowa: jak porównać platformy bez „wrażenia”
Ustal wagi. Dla większości e-commerce największą wagę ma rentowność i integracje. Poniżej gotowiec.
Kategoria
Co testujesz
Waga
Ocena (1–5)
Rentowność
koszty kanału + ads + zwroty + rabaty
30%
—
Drill-down
KPI → SKU → zamówienie → kampania
20%
—
Integracje
sklep + marketplace + ads + ERP/OMS
20%
—
Szybkość
refresh danych + wydajność filtrów
10%
—
Alerty
progi + wyjątki + ranking odchyleń
10%
—
Utrzymanie
łatwość edycji KPI + role + dokumentacja
10%
—
Jak testować
Nie oglądaj demo „na pięknych danych”. Weź
Twoje dane z 30 dni i sprawdź 3 scenariusze: spadek marży, przepalanie ads, stockout.
Plan
Wdrożenie platformy analitycznej: etapowo, żeby dawała efekt
Kolejność jest ważniejsza niż narzędzie.
1
Definicje i owner
KPI, źródła danych, kto odpowiada za prawdę liczbową
- definicja: przychód, marża, zwrot, rabat
- mapping SKU i zamówień
- lista pytań decyzyjnych
2
MVP dashboard (sprzedaż)
kanały, produkty, trendy + drill-down
- sprzedaż per kanał/kategoria/SKU
- top wzrosty/spadki
- lista produktów do działania
3
Koszty i rentowność
prowizje, dostawy, rabaty, zwroty, koszt reklamy
- marża na SKU
- zysk per kanał
- progi opłacalności
4
Reklamy i atrybucja (praktycznie)
nie „idealna atrybucja”, tylko decyzje budżetowe
- kampanie vs zysk
- segmenty do cięcia/skalowania
- alerty przepalania
5
Alerty i rytm pracy
kto patrzy, kiedy i co robi po sygnale
- progi i wyjątki
- weekly review + actions
- lista decyzji i efektów
Miernik sukcesu wdrożenia
Jeśli po 30 dniach platforma nie generuje listy „co robić” (SKU/cena/ads/stock) — to nie jest wdrożenie decyzyjne.
KPI
KPI analityki: skąd wiesz, że platforma naprawdę pomaga
To KPI procesu decyzyjnego, nie tylko wyników sprzedaży.
Obszar
KPI
Po co
Sygnał problemu
Szybkość decyzji
czas od odchylenia do działania
czy platforma skraca cykl
dashboardy są „oglądane”, nie używane
Jakość danych
% rozjazdów (kontrola próbek)
czy możesz ufać liczbom
kłótnie o liczby
Akcje
liczba działań / tydzień
czy analityka generuje pracę
brak ownera i rytmu
Efekt
zmiana marży / spadek przepalania ads
czy decyzje są trafniejsze
brak powiązania z działaniami
Utrzymanie
czas na raporty ręczne
czy platforma zastąpiła Excela
wraca ręczne liczenie
Najważniejsze
Platforma ma obniżyć koszt błędu decyzyjnego: mniej przepalonych reklam, mniej produktów „na minus”, lepszy stock.
FAQ
Najczęstsze pytania o wybór platformy analitycznej
Czy lepiej kupić gotową platformę, czy budować BI?
Jeśli potrzebujesz szybko decyzji i nie masz teamu data — startuj od gotowego narzędzia + dobrego modelu kosztów. BI ma sens, gdy masz nietypowe źródła danych, dużą skalę i ownera danych.
Co jest ważniejsze: ROAS czy zysk?
ROAS to wskaźnik pomocniczy. Decyzyjnie liczy się zysk/marża po kosztach kanału i reklam. Platforma ma pokazać kampanie „zyskowne”, a nie „ładne na ROAS”.
Jak testować platformę przed zakupem?
Weź Twoje dane z 30 dni i sprawdź 3 scenariusze: (1) spadek marży, (2) przepalanie ads, (3) stockout. Jeśli nie dojdziesz do przyczyny w 5 minut — narzędzie nie jest decyzyjne.
Jak uniknąć rozjazdów danych między systemami?
Zdefiniuj „jedną wersję prawdy” (SSOT), mapuj SKU i zamówienia, ustaw reguły korekt/zwrotów oraz wprowadź kontrolę próbek (porównanie platformy z źródłem).
Jakie integracje są krytyczne w e-commerce?
Minimalnie: sklep/marketplace + reklamy + OMS/ERP (zamówienia/stock) oraz koszty kanału (prowizje, dostawa, zwroty). Bez tego nie zbudujesz analityki rentowności.
Chcesz dobrać platformę analityczną pod Twoje decyzje?
Podeślij: kanały sprzedaży, liczbę zamówień/mies., narzędzia (sklep/marketplace/ads/ERP/OMS) oraz 5 pytań, na które analityka ma odpowiadać. Dostaniesz rekomendację architektury i priorytety wdrożenia.
Kontakt bezpośredni
Najszybciej: wskaż 1 problem (marża/ads/stock) i 1 przykład „dziwnej liczby” z obecnych raportów.