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

BI

  • FineBI
  • FineReport
  • FineDataLink
  • FineChatBI (FineAI)
  • Коннекторы данных из 1С в BI
  • Airflow / Nifi
  • Visiology
  • PIX BI
  • Modus BI
  • Yandex.DataLens
  • Open-source BI: Superset/Metabase
  • Luxms BI
  • AW BI + Alpha BI
  • FlyBI + Форсайт. Аналитическая Платформа
  • Loginom
  • Триафлай
  • AI / Исскуственный интеллект
  • Optimacros
  • Навигатор BI
  • Семантический слой

СУБД

  • Arenadata
  • ClickHouse
  • Greenplum
  • Postgres Professional
  • TData

Другое

  • Построение Data Platform
    • Аналитическое хранилище данных
    • Data Lake и Data Engineering
    • Подробнее про Data Lake
    • Внедрение Lakehouse
      • Apache Doris
      • StarRocks
      • Trino
    • Миграция витрин из пропиетарных DWH на новый стек
    • Учебный курс "Современная архитектура хранилища данных"
Главная » Курсы по системам бизнес-анализа и методологии » Учебный курс для бизнес-аналитиков » Модуль 15. BI-системы в логистике и цепочках поставок

Модуль 15. BI-системы в логистике и цепочках поставок

Картина домена: из чего складывается логистика

Системы и роли данных

  • WMS (склад): приемка (ASN), хранение, отбор/укладка (picking/packing), отгрузка, ячейки и slotting, возвраты/разукомплектация.
  • TMS (транспорт): заказ перевозки, план маршрута/окон, рейсы (FTL/LTL), планирование загрузки, статус перевозки, ИД перевозчика/ТС/водителя.
  • YMS (двор/ворота): прибытие/очередь, назначение ворот (dock assignment), дворовые простои и «ворота открыто/закрыто».
  • Telematics/Driver App/IoT: GPS-пинги, CAN-параметры, температуры (cold chain), POD (proof of delivery).
  • ERP: заказы, позиции/EDI, календарь клиентов, тарифы, штрафы.

 

Цепочка событий (минимум «ног» цепочки)
Supplier → Port/Ingate → Long Haul → DC (cross-dock/putaway) → Line Haul → Store/Client (Last Mile).
BA фиксирует событийную модель: что является «планом» и «фактом», какие окна SLA (тайм-виндо, ±минут).

 

Схема данных для витрин WMS/TMS/YMS

Факты

  • fact_leg_plan — план по «ноге» (order/stop): leg_id, order_id, stop_seq, planned_arrive_ts, planned_depart_ts, service_window_from/to, distance_km, mode (FTL/LTL), carrier_id.
  • fact_leg_actual — факты событий: arrive_ts, depart_ts, gate_in_ts, gate_out_ts, pod_ts, reason_code.
  • fact_telemetry_ping — сырьё GPS: vehicle_id, ts, lat, lon, speed, odo, signal_quality.
  • fact_dwell — простои: yard_dwell_min, gate_dwell_min, door_dwell_min.
  • fact_shipment_line — «полнота» (In-Full): ordered_qty, shipped_qty, delivered_qty, damage_qty.
  • fact_wms_task — операции склада: task_type(pick/putaway), start_ts, end_ts, from_loc, to_loc, sku_id.
  • fact_co2_activity — активность перевозок: mode, weight_ton_km, distance_km, fuel_liters.

 

Измерения

  • dim_order, dim_stop, dim_vehicle, dim_carrier, dim_dock_door, dim_yard_slot, dim_customer (windows/penalties), dim_product (weight/volume/KVI), dim_reason_delay (код-иерархия), dim_geofence (polygon).

 

Агрегаты/витрины

  • mart_otif_day_carrier — OTIF по дню/перевозчику.
  • mart_delay_reasons — Pareto причин с привязкой к «ногам».
  • mart_dwell_by_facility — простои двор/ворота.
  • mart_slotting_velocity — slotting (ABC/XYZ) и качество размещения.
  • mart_co2_route — CO₂e по маршрутам/перевозчикам.

 

Ключевые метрики и их формулы (без двусмысленностей)

OTIF / On-Time / In-Full

  • On-Time = 1, если actual_arrive_ts ∈ [window_from, window_to] (или допускаем ранний/поздний с буфером ±X минут).
  • In-Full = 1, если delivered_qty ≥ ordered_qty - allowed_shortage.
  • OTIF = доля заказов, где On-Time=1 и In-Full=1.

Важно: On-Time можно считать по прибытию (arrival) или POD — зафиксируйте единый вариант per-customer.

 

Service Level (Fill Rate)

  • Order Fill Rate = (# заказов без недопоставки) / (# заказов).
  • Line Fill Rate = (# строк без недопоставки) / (# строк).
  • Cycle Service Level — вероятность отсутствия дефицита в цикле пополнения (для планирования — из статистики спроса).

 

План-факт по рейсам

  • Отклонение прибытия = actual_arrive_ts − planned_arrive_ts (мин, со знаком).
  • Отклонение выезда — аналогично.
  • Transit time фактический vs плановый — на уровне «ноги».

 

FTL/LTL

  • FTL (целиком машина): KPI — OTD/OTIF, загрузка (load factor), dwell, Damage rate.
  • LTL (догруз): KPI — OTIF по окнам стыков, точность консолидации, «доп. перегрузы».

 

Cross-dock / Yard

  • Yard dwell = gate_in → door_start.
  • Door dwell = door_start → door_end.
  • Throughput по воротам/часам, turn time по прицепам.

 

Slotting (склад)

  • Velocity (pick frequency) по SKU/ячейке.
  • Slot quality index (SQI): штраф за «плохое» размещение (далеко от экспедиции/горячей зоны; превышение веса для уровня/ячейки).
  • Travel distance per pick — метрика улучшения.

 

CO₂-метрики

  • Activity-based: CO₂e = distance_km × emission_factor_mode + (payload_factor); факторы — per-mode (truck/van/rail/air/sea), корректировка по загрузке и обратным пустым пробегам.
  • Spend-based — по затратам (грубее, как fallback).
  • Scopes: фиксируйте, что именно покрывается (обычно Scope 3 «Upstream/Downstream transport & distribution»).
  • Guardrails: показывайте интенсивность: gCO₂e/тонно-км, gCO₂e/посылку.

 

Событийная модель и геоданные: как «добыть» факты

Источники событий: телематика (GPS), приложение водителя (чек-ин/чек-аут + фото POD), скан-штрихкод, геозоны (геофенс), YMS (ворота), WMS (статусы).

Derive-события через геозоны

  • Geofence entry/exit по полигонам склада/клиента/хаба.
  • Двор/ворота — вложенные геозоны: Yard ⊃ DockDoor.
  • Порог стоянки для dwell: speed<3 km/h и в геозоне.

 

Тайм-зоны и часы

  • Сохраняйте event_time в UTC + tz локации; показывайте в локальном времени склада/клиента.

 

Пример SQL (упрощено): обнаружить прибытие по геозоне

-- последняя точка до входа в геозону клиента
WITH ordered AS (
  SELECT t.vehicle_id, t.ts, t.lat, t.lon,
         g.customer_id,
         ST_Contains(g.polygon, ST_SetSRID(ST_Point(t.lon, t.lat), 4326)) AS inside,
         ROW_NUMBER() OVER (PARTITION BY t.vehicle_id, g.customer_id ORDER BY t.ts) rn
  FROM fact_telemetry_ping t
  JOIN dim_geofence g ON g.type = 'CUSTOMER'
  WHERE t.ts BETWEEN :from AND :to
),
arrivals AS (
  SELECT vehicle_id, customer_id, MIN(ts) AS actual_arrive_ts
  FROM ordered
  WHERE inside = TRUE
  GROUP BY vehicle_id, customer_id
)
SELECT * FROM arrivals;

 

Расчёт дистанции по Haversine — используйте для sanity-check «отставания» от плана.
Map-matching (сопоставление дороги) — nice-to-have, но на практике достаточно очищенного GPS + геозон.

 

Политика свежести (latency) по «ногам» цепочки

Нога

Источник

Ожидаемая свежесть

Допуск/режим «черновик»

Yard (YMS)

чек-ин/чек-аут, ворота

≤ 2 мин

нет dwell — баннер «данные двора задерживаются»

Cross-dock (WMS)

операции ворот/скан

≤ 5 мин

блок экспорта OTIF по кросс-доку

Line Haul (TMS/telematics)

GPS пинги

1–5 мин

«последняя точка» + вектор, флаг «ETA по модели»

Last Mile (Driver App)

POD/фото/подпись

≤ 1 мин

«POD отсутствует» → On-Time=N/A

ERP план

заказы/окна

D-1 20:00

при изменениях — MAJOR (влияет на OTIF)

В SRS/NFR BA фиксирует Freshness per leg + реакцию: баннеры, блоки экспорта, алерты.

 

План-факт по рейсам: FTL vs LTL и «мульти-стоп»

FTL: одна отправка → один получатель (или краткий мульти-стоп). Планируем «ноги» и сверяем окна.
LTL: консолидация — важно сверять стыковочные окна хабов и «внутренние» OTIF (между хабами), иначе «усреднение» скроет проблемы.

 

Пример (план-факт по «ноге»)

SELECT leg.leg_id, o.order_id, s.stop_seq,
       planned_arrive_ts, actual_arrive_ts,
       EXTRACT(EPOCH FROM (actual_arrive_ts - planned_arrive_ts))/60 AS dev_min,
       CASE WHEN actual_arrive_ts BETWEEN window_from AND window_to THEN 1 ELSE 0 END AS on_time
FROM fact_leg_plan p
JOIN fact_leg_actual a USING (leg_id)
JOIN dim_stop s USING (leg_id)
JOIN dim_order o USING (order_id);

 

Slotting: как BA формулирует задачу склада

Данные:

  • Спринт-период: 13 недель продаж/отборов по SKU.
  • Ограничения локаций: размеры/вес/уровень/доступность для техники.
  • Точки отбора/экспедиции, «горячие зоны» (коридоры).

 

Метрики:

  • Velocity SKU (отборов/неделю), ABC/XYZ классы.
  • SQI (штрафы за «плохое» место), travel distance per pick.

 

Решение: ранжирование SKU по velocity × штраф за ограничения, перенос в ближние ячейки; контроль эффектов: −X% путь/отбор, −Y% время.

 

Cross-dock: где промахиваются чаще всего

  • События: gate-in → очередь → назначение ворот → unload/load → gate-out.
  • KPI: door dwell, yard dwell, missed cross-dock (перешло на хранение), throughput ворот (подд/час).
  • BA-решение: обязательность причин задержек (причина/ответственный), политика тайм-аутов автоклассификации.

 

CO₂-метрики: практический минимум

  • Формула: CO₂e = distance_km × EF_mode × load_factor × (1 + empty_return_share); для rail/sea — свои EF.
  • Данные: расстояние (план/факт), масса/объём (тонно-км), загрузка, доля пустых пробегов.
  • Показывать: абсолют (тонн CO₂e) и интенсивность (gCO₂e/тонно-км, gCO₂e/доставку).
  • Распад по причинам: выбор более «грязного» режима, недогруз, пустые возвраты — видим поля улучшения.

 

Дашборд «OTIF & Delay reasons» (скелет + NFR)

Цели: видеть просадку OTIF по «ногам», перевозчикам, клиентам; быстро находить причину (двор, ворота, дорога, клиент).
Верхние KPI: OTIF %, On-Time %, In-Full %, среднее отклонение прибытия (мин), Top-1 причина задержки, gCO₂e/посылку (опционально).

Зоны:

  1. Воронка «Ноги цепочки»: Supplier→Port→Line Haul→DC→Line Haul→Client — цветом On-Time.
  2. Pareto причин задержек (иерархия): погрузка/ворота/двор/дорожная/клиент/документы/тех.
  3. Тепловая карта: Carrier×Region (OTIF).
  4. Карта рейсов: фактический трек vs план, отклонения и ETA.
  5. Таблица заказов: окно клиента, фактическое прибытие, on_time, in_full, причина, штраф.
  6. DQ/латентность: свежесть телематики, доля рейсов без POD, без геособытия.

 

Фильтры: период, клиент, регион/хаб, carrier, FTL/LTL, «нога», тип причины, окно.
NFR: p95 ≤ 5 сек; Freshness телематики ≤ 5 мин; RLS: по региону/перевозчику; гео-слой кэшируется.

 

Приемка: 10+ acceptance-кейсов

  1. On-Time по окну: заказ с окном 10:00–12:00 и прибытие 11:15 → On-Time=1.
  2. Буфер: окно 10:00–12:00, прибытие 09:57, буфер −5 мин → On-Time=1.
  3. In-Full: заказ 100, поставка 98, allowed_shortage=2 → In-Full=1.
  4. OTIF композит: On-Time=1, In-Full=0 → OTIF=0.
  5. Cross-dock dwell: gate-in 09:00, door_start 10:10 → yard_dwell=70 мин.
  6. Geofence-arrival: GPS внутри полигона клиента → actual_arrive_ts установлен, On-Time пересчитан.
  7. LTL стыковка: пропущен хаб-срез → причина «Hub miss».
  8. POD отсутствует: On-Time=N/A, заказ попадает в DQ-виджет.
  9. CO₂ интенсивность: маршрут 200 км, 5 т, EF=90 g/т-км → 90×200×5=90 000 g = 90 кг CO₂e.
  10. Latency-черновик: телематика>5 мин → баннер «ETA по последней точке», блок экспорта.

 

Риски и анти-паттерны

Риск

Симптом

Меры

Несогласованные окна

Споры «во сколько было поздно»

Хранить окно клиента на уровне order_id, freeze на релиз, MAJOR при изменении

Дыры GPS/офлайн

«Телепорты», пропуски

Фильтрация по hdop/скорости, интерполяция, fallback на чек-ин

Тайм-зоны

Неверные on-time

Все факты — UTC + tz; отчёты — локализация по складу/клиенту

Нет нормальной иерархии причин

«Другая»/«Прочее» 60%

Принудительная классификация + автоподбор по паттернам событий

OTIF «средний по больнице»

Разные режимы смешаны

Срезы per-leg, per-mode, per-carrier; guardrails

CO₂ «на глаз»

Недоверие

Activity-based по тонно-км, EF задокументирован, owner метрики

«Свежести нет»

Решения на старых данных

Freshness-виджеты, алерты, режим «черновик»

RLS ломает итоги

Разные суммы у ролей

Тесты ролей, итоговые витрины под RLS

 

Вопрос–ответ (FAQ)

Q: Что считать «ранним прибытие» — это хорошо или плохо?
A: Для многих клиентов раньше окна — тоже нарушение. Фиксируйте политику: ранний допуск ±Х минут или On-Time=0.

 

Q: На чём считать On-Time — на arrival или POD?
A: Если важна встреча окна, берите arrival; если штрафы по факту передачи — POD. Делайте обе метрики и указывайте «официальную».

 

Q: Как корректно мерить In-Full в LTL?
A: На уровне строк и посылок. Часто строки частично доставляются — используйте Line Fill Rate и санкции по контракту.

 

Q: Почему CO₂е «прыгает», хотя километры те же?
A: Из-за загрузки/пустых пробегов/режима/рельефа. Показывайте интенсивность (на тонно-км) и разложение по факторам.

 

Q: Можно ли без телематики, только TMS-статусами?
A: Можно, но с худшей точностью и свежестью. Для Last Mile телематика/driver app сильно повышают доверие и скорость реакции.

 

Практика (что сдать по итогу модуля)

A. Дашборд «OTIF & Delay reasons» (макет + NFR)

  • KPI, зоны, фильтры и DQ-виджет из §10.
  • Acceptance-кейсы из §11.
  • Паспорт дашборда: цель, метрики, методология вер. X.Y, владельцы, Freshness per leg.

 

B. Политика свежести по «ногам» цепочки

  • Таблица из §5 адаптированная под вашу сеть: источники, целевая свежесть, допуски, реакции (баннер/алерты/блок экспорта), владельцы.

 

C. Схема событий и словарь причин задержек

  • Иерархия Level 1–3 (Дорога/Двор/Ворота/Клиент/Документы/Техника/Погода).
  • Мэппинг статусов TMS/телематики/скана → унифицированные события (arrive/depart/gate-in/out/door-start/end/POD).

 

D. Быстрые победы

  • Геозоны клиентов/складов и автоматический arrive/depart.
  • Yard/door dwell-дашборд.
  • Pareto задержек per-carrier.
  • CO₂-интенсивность по маршрутам (activity-based).

 

Чек-листы готовности

Метрики/Методология

  • On-Time (окно/буфер) и In-Full (уровень строки/заказа) определены и задокументированы.
  • OTIF формула едина; версия методики в шапке.
  • CO₂e: метод (activity/spend), EF и coverage описаны.

 

Данные

  • Геозоны заведены (склады/клиенты/хабы); GPS очищается.
  • События arrive/depart/door/yard/POD восстанавливаются из источников.
  • Reason codes обязательны; «Прочее» < 15%.
  • Тайм-зоны и DST учтены.

 

NFR

  • Freshness per leg соблюдается; режим «черновик» при срыве.
  • p95 страницы ≤ 5 сек; карты кэшируются.
  • RLS по региону/перевозчику протестирован.

 

Вы проектируете витрины и метрики для WMS/TMS/YMS, привязываете GPS и события к «ногам» цепочки, задаёте политику свежести, считаете OTIF/On-Time/In-Full, dwell, slotting, CO₂e, и упаковываете всё в дашборд «OTIF & Delay reasons» с понятными реакциями при срывах. Это переводит «где груз?» и «почему штраф?» в измеримую операционную дисциплину и устойчивые улучшения.

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Модуль 14. Бизнес-аналитика в производстве (Manufacturing)
Следующая статья →
Модуль 16. Бизнес-аналитика в банке и финтехе
Запросить видео презентацию Запросить доступ к демо стенду online Узнать стоимость лицензий

Задать вопрос

loading...

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • ООО "Уральская транспортная компания" — это транспортно-логистическая компания, специализирующаяся на железнодорожных перевозках грузов, создана в 2009 году.

  • Группа компаний «Галакс» ведет свою деятельность с 2005 года, являясь в те годы дистрибьютором известных международных марок в ряде крупнейших торговых сетей России в сегменте аудио и видео аксессуаров. Активно работая в этом направлении и приобретая ценный опыт, начали создавать собственные торговые марки «GAL» и «VIXTER»

  • KERAMA MARAZZI — международный бренд, входящий в число лидеров глобального рынка керамики. Бизнес компании охватывает весь процесс создания керамических изделий, от глиняных карьеров до фирменной розницы во всех крупных городах РФ и за рубежом.

  • 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.

  • 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.