BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

Отраслевые решения

  • Дистрибуция
  • Розничная торговля
  • Производство
  • Операторы связи
  • Банки
  • Страхование
  • Фармацевтика
  • Нефтегазовый сектор
  • Лизинг
  • Логистика
  • Медицина
  • Сеть ресторанов
  • Сельское хозяйство и агрохолдинги
  • Энергетика
  • E-Commerce
  • FMCG
  • Пищевая промышленность
  • Селлеры на маркетплейсах
  • Строительные компании и девелоперы

Функциональные решения

  • Управление по KPI
  • Финансы
  • Продажи
  • Склад
  • Категорийный менеджмент
  • HR
  • Маркетинг
  • Внутренний аудит
  • Геоаналитика, аналитика на географической карте
  • Цепочка поставок (SCM)
  • S&OP и FP&A
  • Разработка стратегии цифровой трансформации
  • Process Mining
  • Интегрированное планирование (IBP)
  • Закупки
  • ИТ (CIO)
  • Построение хранилища данных
  • Создание Data Lake и Data Engineering
Главная » Решения Эксперт-BI на российских BI-платформах » Эксперт-BI для компаний-дистрибуторов » BI-система для компаний дистрибуции товаров » Закупки и управление ассортиментом в компании дистрибьютора - RFM-классификация

Закупки и управление ассортиментом в компании дистрибьютора - RFM-классификация

В современных условиях дистрибьюторской деятельности ключевым фактором эффективности становится способность управлять ассортиментом и закупками на основе данных. RFM-классификация предлагает согласованный подход к сегментации SKU и поставщиков по трем измерениям: Recency (последняя активность), Frequency (частота) и Monetary (стоимость). Применение RFM в закупках и ассортименте позволяет перейти от интуитивных решений к управляемым моделям, которые учитывают как динамику спроса, так и поведенческие паттерны поставщиков и складских запасов.

Эта глава описывает концептуальные основы RFM в контексте дистрибуции, архитектуру данных и интеграции, методы сегментации и сценарии внедрения, а также практические кейсы и методику сопровождения изменений. Рассмотрение вопросов от моделирования данных до управленческих решений обеспечивает целостную картину для специалистов BI, бизнес-аналитиков и руководителей закупок.

  • Принципы применения RFM к SKU и поставщикам в рамках закупок и ассортимента
  • Архитектура данных, интеграции и качество данных для устойчивого расчета RFM
  • Модели сегментации, выбор порогов и сценарии управленческих действий
  • Практические кейсы внедрения и управленческие аспекты проекта BI для дистрибутора

     

Введение в RFM для закупок и ассортимента

RFM-метрика первоначально применялась для сегментации клиентов по их платежеспособности и активности. В контексте дистрибуции эти принципы адаптируются следующим образом. Recency для SKU или поставщика отражает, когда происходило последнее значимое взаимодействие - например, последняя поставка, последняя выписка заказа, или последняя ошибка поставки. Frequency характеризует повторяемость закупок по конкретному SKU или от конкретного поставщика за заданный период. Monetary отражает общий оборот или стоимость закупок по SKU или по поставщику за период.

Применение RFM к SKU позволяет выявлять:

  • Top-проекты ассортимента с высокой скоростью оборота и значительным вкладом в выручку;
  • Участки ассортимента, требующие усиления внимания: товары с высоким потенциалом, но частично забытые;
  • Неликвидные или рисковые позиции, требующие ревизии запасов, цены или условий закупки.

     

Применение к поставщикам дает возможность:

  • Идентифицировать надежных партнеров по алгоритму Recency-частоты-стоимость закупок;
  • Встроить приоритизацию переговоров и условий поставки;
  • Валидировать риск-сценарии, связанные с задержками или изменениями условий.

Ключевое преимущество подхода - перевод множества разрозненных показателей в ограниченную и понятную картину сегментов, которая корректируется данными по всем звеньям цепи поставок: от планирования запасов до выполнения заказов.

 

Особенности применения к динамике дистрибуции

  • В дистрибуции акцент часто смещается на скорость пополнения запасов и устойчивость ассортимента. RFM позволяет связывать динамику спроса и предложение с конкретными SKU и поставщиками.
  • Релевантность Recency для SKU может измеряться как дата последнего пополнения или дата последнего складского события (например, дефектной партии). Для поставщиков Recency может означать дату последнего заказа или поставки по ключевым SKU.
  • Monetary в данном контексте включает не только объем закупок, но и маржинальность по SKU/поставщику для поддержки взвешенных торговых решений.

     

Принципы применения RFM к SKU и поставщикам

RFM-модель строится на трех метриках, которые агрегируются на уровне SKU и на уровне поставщика. Этапы внедрения включают сбор данных, нормализацию и расчет метрик, определение сегментов и выработку управленческих действий.

  • Recency: фиксирует, как давно происходило последнее событие закупки или поставки по SKU/поставщику. Включение события последнего заказа, последнего пополнения или подтверждения поставки, в зависимости от бизнес-процесса.
  • Frequency: количество повторяющихся закупок/поставок в рамках заданного окна времени. Важна не только частота, но и устойчивость паттерна: сезонные пики должны учитываться отдельно.
  • Monetary: сумма закупок по SKU/поставщику за выбранный период, с учетом маржинальности и влияния на общую прибыль.

Эти три измерения переводятся в сегменты. В классической схеме можно использовать четыре популярные группы: Best, High Potential, Maintain, и At-Risk (или аналогичные формулировки). В рамках продукта BI для дистрибутора можно дополнительно вводить сегменты типа "New Potential" и "Critical Inventory" для поддержки конкретных действий.

 

Пример действий по сегментам:

  • Best: ускорить пополнение, закрепить условия по поставке, запуск долгосрочных контрактов.
  • High Potential: протестировать переход на более выгодные условия, возможно добавить ключевые SKU в приоритетный запас.
  • Maintain: поддерживать текущий уровень обслуживания, регулярно пересматривать цены и условия.
  • At-Risk: пересмотреть план закупок, рассмотреть альтернативных поставщиков, снизить риски дефицита.
  • New Potential: провести пилот по ускоренной поставке и маркетинговым программам.

     

Рекомендации по внедрению

  • Начните с пилота на узком наборе SKU и поставщиков, где данные доступны и качество выше среднего.
  • Дефинируйте одну бизнес-единицу для контроля качества: единая единица измерения, единый период, единая валюта.
  • Устанавливайте динамические пороги, основанные на процентиле (decile/quintile) для устойчивости к сезонности и изменениям рынка.
  • Обеспечьте связь между сегментами и бизнес-процессами: планирование закупок, управление запасами, ценообразование и переговоры с поставщиками.

     

Архитектура данных и интеграции для RFM

Эффективность RFM в закупках и ассортименте напрямую зависит от качества данных и от того, как данные двигаются через архитектуру. В каноне BI для дистрибутора целесообразно рассматривать следующие слои и потоки.

  • Источники данных. ERP (управление запасами, закупками), OMS (order management), WMS (складские процессы), системы закупок и электронные площадки. Дополнительно учитывайте данные о марже, ценах, условиях оплаты и сроках поставки.
  • Модель данных. Целевой факт RFM может храниться в виде таблицы фактов: fact_rfm_sku и fact_rfm_supplier. В каждом случае ключевые поля: sku_id или supplier_id, date_group, recency_days, frequency, monetary, сегмент, действия по управлению запасами.
  • ETL/ELT-процессы. Данные агрегируются по деньм, неделям или месяцам в зависимости от цикла планирования. Важно поддерживать репликацию бизнес-правил: временные сдвиги, корректировки по складам и поставщикам.
  • Обогащение и качество данных. Валидации по отсутствующим значениям, нормализация единиц измерения, консолидация цен, учет скидок и налогов, учёт артикульного кода и сопоставление поставщиков.
  • Интеграции с бизнес-процессами. Пакеты данных в планирование закупок, и в системы управления ассортиментом. Возможности API для передачи сегментов в системы планирования, автоматического обновления правил закупок и пополнения.

     

Пример структуры данных и правила расчета

Уровни расчета можно описать так: на уровне SKU/поставщика фиксируется дата последнего взаимодействия, суммарно за период рассчитывается частота и сумма закупок. В результате формируется набор полей: recency_days, frequency, monetary, last_event_date, total_order_count, total_value.

-- Пример расчета RFM для SKU в SQL (упрощённая версия)
SELECT
  sku_id,
  DATEDIFF(day, MAX(order_date), GETDATE()) AS recency_days,
  COUNT(*) AS frequency,
  SUM(total_value) AS monetary
## FROM orders
WHERE order_date >= DATEADD(month, -12, GETDATE())
GROUP BY sku_id;
  • Частота обновления: в зависимости от бизнес-процессов** - еженедельно или ежемесячно. В реальном проекте применяются incremental-обновления и тесты на консистентность.
  • Визуальные дашборды: для управленческих команд полезно иметь сводные панели по сегментам SKU и поставщиков, отображающие динамику Recency, Frequency и Monetary по временным интервалам.

     

Архитектура интеграции и безопасность

  • Архитектура должна поддерживать единый источник истинности для RFM-показателей. Обычно это data warehouse/многоуровневый слой хранилища с готовыми кубами для BI-потребителей.
  • Необходимо обеспечить прозрачность источников и версионность правил перерасчета RFM. Это помогает контролировать эффект изменений порогов и сегментации на бизнес-процессы.
  • Политики доступа и разграничения доступа: ограничение по ролям (аналитик, планировщик, менеджер по закупкам, финансовый контролер) для соответствующих панелей и исходных таблиц.
  • Обеспечение соответствия требованиям по кибербезопасности и защите данных поставщиков и клиентов.

     

Модели сегментации и сценарии внедрения

После расчета RFM следует перейти к сегментации и определению действий. В hybrid-режиме рекомендуется сочетать подходы: правилам-based сегментацию и машинной сегментации (кластеризация). Это обеспечивает устойчивость к изменениям рынка и сезонности.

  • Правила-based сегментация. Пример: сегменты на основе порогов квартилей или decile-распределений. Преимущества - прозрачность и управляемость; недостатки - может неуловимо отражать уникальные паттерны.
  • Кластеризация. Применение алгоритмов K-средних или hierarchical clustering на основе трех показателей для SKU и поставщиков. Преимущества - автоматическое выделение естественных кластеров; недостатки - требует калибровки и интерпретации.
  • Адаптивные пороги. Вводим динамические пороги, подстраивающиеся под сезонность и тренды спроса. Пример: пороги на основе скользящих окн (3 или 6 месяцев) с обновлением каждые недели.
  • Связь сегментации с операциями. Для каждого сегмента определяются конкретные бизнес-правила: пополнение, ассортиментные корректировки, переговоры с поставщиками, особые условия оплаты.

     

Взаимосвязь сегментов и управленческих процессов

  • Best/Top-позиции SKU и поставщиков: приоритет в поставках, ускорение обработки заказов, резервные планы.
  • High Potential: пилотные программы по новым условиям поставки, маркетинговые поддержки, расширение ассортимента.
  • At-Risk: аудит запасов и перенастройка пополнения, возможный переход к альтернативам.
  • New Potential: мониторинг и ускоренное тестирование обновления поставок.
  • Maintain: нормализация процесса и периодическая переоценка сегмента.

     

Практические кейсы внедрения и управленческие решения

  1. Кейс: обновление ассортимента на основе RFM. Была применена сегментация SKU по Recency/Frequency/Monetary. В результате в 2 месяца 12% позиций переведены из Maintиn в High Potential, что позволило увеличить общий оборот на 6% за сезон. Решение включало настройку автоматических порядков наTop-позиции и пересмотр условий закупки с ключевыми поставщиками.

  2. Кейс: управление поставщиками через RFM. Поставщики сегментированы по монетарности закупок и частоте поставок. В рамках программы переговоров были обновлены условия по 3-4 крупным поставщикам, что снизило сроки поставки на 15% и обеспечило более предсказуемый план пополнения для критических позиций.

  3. Кейс: снижение неликвидного ассортимента. SKU с высоким Recency, но низким Monetary и частотой закупок были исключены или переведены в более выгодные категории. Это позволило снизить издержки на хранение и освободить оборотный капитал.

  4. Кейс: пилот внедрения в цепочке поставок. В пилоте внедрения использовались динамические пороги, построенные на скользящем окне в 6 месяцев. Результат - более точное отражение сезонности и уменьшение времени реакции на аномалии спроса.

  5. Поддержка аналитической инфраструктуры. В рамках проекта была создана единая модель RFM-сегментов, доступная через BI-дашборды. Это позволило региональным подразделениям оперативно принимать решения на основе единых правил и порогов.

     

Визуализация и управление цепями принятия решений

Эффективная визуализация RFM-метрик должна сочетать наглядность и управляемость. Для руководителей закупок и ассортимента полезны:

  • панели по сегментам SKU и поставщиков с трендами по Recency, Frequency и Monetary;
  • heatmaps по сегментам и по регионам или складам;
  • адаптивные оповещения о выходе сегментов за заданные пороги;
  • интеграции с планированием закупок и системами переговоров с поставщиками.

     

Key takeaways

  • RFM-классификация может быть применена к SKU и поставщикам, объединяя данные о последней активности, повторяемости закупок и объеме закупок.
  • Архитектура данных должна поддерживать единый источник истинности, корректную нормализацию данных и устойчивые процессы обновления.
  • Сегментация на основе RFM позволяет выстраивать целевые сценарии для пополнения запасов, ассортимента и переговоров с поставщиками.
  • Комбинация правил-based и кластерного подходов обеспечивает устойчивость к сезонности и изменениям рынка.
  • Внедрение требует управленческой поддержки, четкой методологии расчетов и введения норм контроля качества данных.
  • Практические кейсы показывают, что внедрение RFM напрямую влияет на оборот, сроки поставки и маржинальность.
  • Важно обеспечить согласованность между BI-решениями и операционными процессами закупок и ассортиментного планирования.

     

FAQ

  1. Что такое RFM и почему она полезна для дистрибьютора?

RFM - это метод сегментации по трём метрикам: Recency (дата последнего взаимодействия), Frequency (частота взаимодействия) и Monetary (объем взаимодействия). В дистрибуции RFM позволяет системно оценить товарные позиции и поставщиков, чтобы быстро определить, какие SKU требуют активного пополнения, какие позиции стоит пересмотреть или исключить, и какие условия переговоров с поставщиками стоят более приоритетно. Это снижает риск дефицита, снижает издержки на хранение и повышает маржинальность за счет оптимизации ассортимента и цепей поставок.

 

  1. Какие данные необходимы и какие источники их дают?

Необходимы данные по закупкам и поставкам: даты заказов и поставок, объемы закупок, общая сумма закупок, информация по SKU и поставщикам, цены и условия оплаты. Важно иметь консолидацию данных из ERP, OMS и WMS, включая данные по марже и ассортименту. Качество данных критично: несоответствие единиц измерения, дубликаты, пропуски должны быть минимизированы до запуска расчета RFM.

 

  1. Как считать Recency для SKU и поставщиков?

Recency для SKU может рассчитываться как количество дней с даты последнего пополнения или последнего активного заказа по данному SKU. Для поставщиков Recency - как количество дней с даты последней поставки по набору ключевых SKU. Важно выбрать единообразный триггер события (последнее пополнение, поставка, или подтверждение заказа) в зависимости от бизнес-процесса.

 

  1. Какие пороги использовать и как их устанавливать?

Рекомендуется начать с динамических порогов на основе распределения данных за предыдущий период (например, deciles или квартиль). Затем можно переходить к порогам, оптимизированным под цели бизнеса: увеличение оборота, снижение неликвидности, улучшение сервиса. Важна адаптация порогов к сезонности и региональным особенностям.

 

  1. Как интерпретировать сегменты для SKU?

Сегменты помогают определить действия: Best/Best performers - приоритет пополнения и сотрудничества; High Potential - тестировать новые условия закупки; At-Risk - корректировки поставки и запасов; New Potential - пилотные проекты; Maintain - поддержание текущего уровня. В каждом сегменте должны быть конкретизированы бизнес-правила и KPI.

 

  1. Как внедрять RFM в BI-процессы?

Необходимо обеспечить единый процесс расчета, интегрированный в data warehouse, и готовые дашборды для планирования закупок и ассортимента. Важна прозрачность методологии: публикация порогов, описание сегментов и обновление моделей. Автоматизация обновления данных и оповещений о изменениях сегментов поддерживает оперативность решений.

 

  1. Как связать RFM с планированием закупок и пополнения запасов?

RFM-сегменты должны напрямую влиять на политику пополнения: частота заказов, лимиты запасов, приоритет поставщиков, условия оплаты и сроки поставки. Внедрение должно сопровождаться процессами корректировки заказов, контрактов и маркетинговых программ. Результаты - более точное планирование, снижение дефицита и оптимизация запасов.

 

  1. Какие риски связаны с применением RFM?

Риск перекосов из-за сезонности или аномалий спроса, риск переобучения на устаревших данных, риск некорректной интерпретации сегментов без учета контекста рынка. Необходимо регулярно обновлять данные, пересматривать пороги и проводить аудиты обработки данных.

 

  1. Какие KPI помогут оценить эффект внедрения?

Оборот по SKU, доля оборота из сегментов Best и High Potential, уровень запасов и пустоты по складам, время пополнения, доля неликвидной продукции, маржинальность по ключевым SKU, точность прогнозов спроса и планирования. Важно отслеживать качество данных и устойчивость моделей.

 

  1. Какие ограничения стоит учитывать при использовании RFM?

RFM - инструмент, который дает признаки и направления действий, но не является единственным источником факторов. Необходимо сочетать RFM с другими методами анализа спроса и ассортимента, учитывать сезонность, внешние факторы (продажи, акции, конкуренцию), а также взаимодействие между SKU и поставщиками. Важно поддерживать баланс между простотой модели и полнотой бизнес-контекста.

 

← Предыдущая статья
Закупки и управление ассортиментом в компании дистрибуторе - ABC / XYZ-классификация
Следующая статья →
Закупки и управление ассортиментом в компании дистрибьюторе - выявление неликвидов

 

Узнать стоимость решенияЗапросить видео презентацию

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • «Синтека» — ведущий разработчик инновационных сервисов для строительной отрасли, который решает ключевые задачи автоматизации службы снабжения строительных компаний.

  •  ООО «ММК-Информсервис» создает высокотехнологичные решения для эффективной работы предприятий. Разрабатывают и внедряют телекоммуникационные и бизнес-приложения, автоматизируют производство, выстраивают и поддерживают корпоративную IT-инфраструктуру.

  • Ручная обработка заявок на займы в МФО ДоброЗайм была малоэффективной и приводила к высоким затратам по ФОТ отдела верификации и андеррайтинга. При этом время обработки заявок было высоким, как и количество ошибок под влиянием человеческого фактора. Дополнительные сложности создавал сложный документооборот, обусловленный неконсолидированной кредитной историей и скоринговой оценкой. Все это суммарно мешало масштабированию бизнеса МФО.

  • АО «НСПК» - оператор национальной системы платежных карт, который предоставляет операционные услуги и услуги платежного клиринга операторам платежных систем, в том числе Банку России и кредитным организациям. В задачи АО «НСПК» входит обеспечение бесперебойного доступа к переводам денежных средств в Российской Федерации с использованием платежных инструментов.  Также компания является оператором национальной платёжной системы «Мир» и операционным и платёжным клиринговым центром Системы быстрых платежей (СБП).

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.