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 » Российские платформы современного стека хранения, обработки и анализа данных » Системы ETL и ELT » Self-service BI на данных 1С » Пилотный проект и MVP витрин: планирование и показатели

Пилотный проект и MVP витрин: планирование и показатели

Пилотный проект витрин в рамках Self-service BI на данных 1С призван ускорить получение бизнес-ценности от аналитики при минимизации рисков, связанных с качеством данных, архитектурой и организационной готовностью. В рамках главы раскрывается, как определить цели пилота, выбрать MVP витрин, спланировать этапы реализации, сформировать набор KPI и критериев успешности, а также как обеспечить прозрачность данных через семантический слой и управляемую интеграцию с 1С и внешними источниками.

Пилот должен служить мостом между стратегией цифровой трансформации и операционной рационализацией: он демонстрирует реальную ценность в ограниченном масштабе, закладывая основу для последующих масштабируемых витрин и расширенного семантического слоя. В рамках подхода hybrid мы сочетаетем технические решения, продуктовые сценарии внедрения и методологические принципы управления изменениями, что обеспечивает устойчивость проекта в условиях меняющихся бизнес-требований и ограниченных ресурсов.

  • Краткое содержание главы
  • Архитектура пилота: драйверы, данные 1С, витрины и семантический слой
  • MVP-метрики и критерии успешности: как измерять ценность и устойчивость
  • План реализации и управление изменениями: этапы, роли и риски
  • Экономика и долговременная поддержка: переход к эксплуатации и масштабирование

     

Контекст и цели пилотного проекта

Выбор контекста пилота определяется двумя ключевыми аспектами: цель бизнеса и готовность данных. В рамках Self-service BI на данных 1С пилот обычно нацелен на одну или две предметные области, где наличие цифрового следа является критическим фактором для принятия управленческих решений: например, продажи и операционная маржинальность, закупки и поставки, запас и логистика, финансовая аналитика по видам услуг.

 

Главные цели пилота:

  • доказать управляемость источников данных из 1С и смежных систем (CRM, склад, ERP) через единый семантический слой;
  • показать бизнес-ценность через конкретные витрины: дашборды по ключевым направлениям, возможность самообслуживания для бизнес-пользователей;
  • определить набор KPI, по которым будет оцениваться быстрота получения инсайтов, качество данных и пользовательская адаптация;
  • зафиксировать принципы управления данными, безопасности и соответствия требованиям регуляторов;
  • сформировать минимальные требования к инфраструктуре и процессам, которые позволят масштабировать решение после пилота.

Успешность пилота оценивается не только по количеству созданных витрин, но и по скорости доступа к данным, устойчивости источников, качеству обновлений и способности пользователей внедрять новые запросы без помощи ИТ-коллективов. В контексте 1С особое внимание уделяется контролю версии конфигурации 1С, синхронизации справочников и корректной агрегации транзакционных данных в витринах.

 

Архитектура витрин и MVP

Архитектура пилота строится вокруг трех уровней: данные, витрины/semantic layer и сам пользовательский доступ к аналитике. В рамках 1С данные чаще всего проходят этапы извлечения, трансформации и загрузки через промежуточный слой, который обеспечивает консолидацию бизнес-логик и единые понятия (семантика).

  • Источники данных: 1С (операционные регистры, справочники, документы) плюс внешние системы (CRM, BI-требования из внешних данных, платежные сервисы). Необходимо зафиксировать частоту обновления (например, ночной ETL/ELT) и объём данных, чтобы обеспечить соответствие ожиданиям по свежести аналитики.
  • Промежуточный слой: staging-область и слой очистки качества данных. На этом уровне выполняются преобразования, нормализация единиц измерения, согласование мер и показателей между системами.
  • Семантический слой и витрины: концептуальная моделировка бизнес-понятий (например, «/выручка», «средний чек», «оборачиваемость запасов») и их отображение в витринах. Семантический слой обеспечивает единый язык для всех витрин и инструментов Self-service BI.
  • Портал самообслуживания: пользователи получают доступ к витринам через инструменты BI, которые поддерживают построение собственных запросов, фильтров и визуализаций, сохраняя при этом строгие принципы безопасности и контроля доступа.
  • Интеграции и безопасность: единая политика RBAC, аудит изменений, журнал загрузок, мониторинг производительности и устойчивости. Важно обеспечить управляемое распределение прав доступа между аналитиками и бизнес-пользователями.

Ключевые принципы архитектурной реализации в пилоте:

  • минимизация зависимости от монолитной инфраструктуры: выделение отдельных компонентов для ETL, semantic layer и витрин с понятными интерфейсами;
  • поддержка изменений в конфигурации 1С: версия конфигураций, миграции полей и справочников должны прослеживаться в версиях семантики;
  • обеспечение качества данных: автоматические правила валидации на входе и после загрузки, мониторинг пропусков и аномалий;
  • совместимость с open-source и коммерческими инструментами: выбор инструментов, поддерживающих стандартные протоколы (SQL, REST, ODBC/JDBC) и облегчающих миграции.

     

Пример архитектурного контура:

  • 1С источник данных через коннектор или экспорт в staging;
  • ETL/ELT, преобразование в единый формат, расчет агрегаций;
  • семантический слой, связывающий концепции бизнеса с полями витрины;
  • витрины, сцепленные с физическими данными и метаданными семантики;
  • клиентский уровень: дашборды и доски мониторинга, доступ через BI-платформу.

В качестве примера технологических решений можно рассмотреть:

  • открытые инструменты для витрин и семантики, например Metabase, Superset в связке с собственными слоями семантики;
  • интеграционные мосты к 1С через REST-API или ODBC/JDBC-совместимые коннекторы;
  • централизованное хранение метаданных и контроль версий.

Важно подчеркнуть, что выбор технологий не является самоцелью. Он должен соответствовать целям пилота: скорость реализации, предсказуемость обновлений, легкость обучения пользователей и возможность масштабирования.

 

Метрики, KPI и план оценки

Пилот требует четкого набора метрик, которые позволяют объективно судить об успехе и подготовить переход к широкому внедрению. Разделение метрик на категории обеспечивает полноту картины и устойчивость к изменениям бизнес-требований.

  • Adoption и вовлеченность: доля бизнес-пользователей, активных в рамках пилота, частота использования витрин, число созданных пользователями дашбордов;
  • Качество данных: процент записей без пропусков, доля ошибок преобразований, совпадение агрегатов между данными 1С и внешними источниками;
  • Свежесть данных: время от события до отражения в витрине, частота обновления витрин;
  • Производительность: время отклика витрин на типичные запросы, корректность агрегаций при больших объёмах;
  • Эффективность самообслуживания: доля запросов, выполненных пользователями без обращения в ИТ, среднее время подготовки инсайта;
  • Контроль и соответствие: соблюдение политики доступа, аудит действий, соответствие регуляторным требованиям;
  • Бизнес-результаты: изменения в ключевых бизнес-метриках, связанных с пилотируемыми доменами (например, валовая маржа по группе товаров, снижение времени обработки заказов, уменьшение задержек поставок).

Примеры конкретных KPI для MVP витрин:

  • обновление данных в витринах не позднее 24 часов после регистрации транзакций в 1С;
  • доля витрин с онлайн-обновлением в течение суток;
  • точность KPI операционных процессов в сравнении с ручными расчетами на выборке данных;
  • среднее время от запроса до выдачи инсайта для наиболее используемых дашбордов;
  • доля пользователей, активно создающих или модифицирующих дашборды в течение первых 4 недель после внедрения;
  • уровень удовлетворенности пользователей функциональностью витрин и доступностью семантического слоя.

Метрики должны быть связаны с бизнес-целями и иметь конкретные пороги достижения. В рамках пилота важно включить как количественные, так и качественные показатели, например, отзывы пользователей и примеры конкретных бизнес-синергий, достигнутых благодаря новым витринам.

 

План оценки и управление изменениями в рамках KPI

  1. Определение целевых порогов по каждой метрике на уровне бизнес-области и ролей пользователей.
  2. Установка базовых линий (baseline) по текущим процессам и данным из 1С.
  3. Регулярная система мониторинга и автоматическая генерация отчетов по статусу витрин и качеству данных.
  4. Этапная валидация: пилотируется не полный набор витрин, а ключевые сценарии, затем добавляются новые витрины и расчеты.
  5. Корректировка семантического слоя в ответ на изменения бизнес-терминологии или конфигурации 1С.
  6. Квартальные обзоры результатов пилота с руководством и бизнес-явлениями о ROI и ценности.

Важной платформенной практикой является фиксация гипотез и их проверка в рамках пилота. Каждая витрина и KPI должны сопровождаться гипотезой об ожидаемой ценности: ускорение принятия решений на конкретной бизнес-функции, рост точности прогнозирования спроса, снижение времени на сбор данных. Эти гипотезы тестируются в рамках разумного временного окна и с конкретными метриками для оценки.

 

План реализации и управление изменениями

План реализации должен быть реалистичным, адаптивным и прозрачным для вовлечённых сторон. В рамках пилота важно зафиксировать роли, ответственности и процессы принятия решений.

  • Этап 1: Дорожная карта и постановка задач

    • закрепить бизнес-цели пилота, определить две-три домены, выбрать одну-две витрины как MVP;
    • определить требования к семантическому слою и набору бизнес-разговоров, который он поддерживает.
  • Этап 2: Архитектура и инфраструктура

    • зафиксировать источники данных, соответствие версий 1С, протоколы интеграции и требования к безопасности;
    • определить механизмы обновления витрин и синхронизации с внешними источниками.
  • Этап 3: Дизайн семантики и витрин

    • сформировать концептуальные модели и словарь терминов, согласовать на уровне бизнес-пользователей;
    • спроектировать MVP-витрины: управленческие дашборды, операционные отчеты и плитки мониторинга.
  • Этап 4: Реализация и тестирование

    • выполнить загрузку данных, настройки семантики, тесты качества данных, производительности;
    • провести UAT (User Acceptance Testing) с представительными группами пользователей.
  • Этап 5: Обучение, внедрение и оценка

    • обучить пользователей основам Self-service BI и взаимодействию с семантическим слоем;
    • запустить пилот, собрать обратную связь, измерить KPI и подготовить план перехода к масштабированию.
  • Этап 6: Эксплуатация и масштабирование

    • оформить процесс перехода к постоянной поддержке, определить бюджет, регламент обновления витрин;
    • расширить охват витрин и усилить интеграцию с другими источниками данных.

Методологические принципы управления изменениями применительно к 1С:

  • участие бизнес-владельцев на раннем этапе, чтобы обеспечить правильную интерпретацию бизнес-терминов;
  • обеспечение единых определений KPI и согласование в рамках бизнес-подразделений;
  • внедрение устойчивых процессов качества данных: тесты, мониторинг, регламенты исправления ошибок;
  • прозрачность изменений в конфигурации 1С: версионирование и миграции в рамках семантического слоя;
  • обучение и поддержка пользователей: создание мини-курсов, гайды и self-help материалы.

     

Экономика и долговременная поддержка

Поскольку пилот ограничен по охвату и времени, ключевым является выявление ценности и формирование бизнес-логики перехода к масштабу. В рамках экономики пилота важно определить:

  • затраты на реализацию пилота: лицензии на инструменты BI, интеграцию с 1С, разработку семантики, настройку витрин, обучение;
  • ожидаемая экономия и ценность: сокращение времени на сбор данных, ускорение принятия решений, снижение ошибок;
  • долгосрочная поддержка: поддержка инфраструктуры, обновления конфигураций 1С, обновления семантического слоя, управление версиями и регламенты обновлений витрин.

Пользовательский опыт и продуктовые аспекты должны быть сбалансированы с технологическими ограничениями и требованиями к безопасности. В рамках перехода к эксплуатации критично:

  • обеспечить устойчивую инфраструктуру и автоматизацию обновлений витрин;
  • закрепить роли поддержки: администраторы данных, владельцы витрин, аналитики-разработчики;
  • выстроить процесс управления изменениями, который учитывает обновления 1С-конфигураций и потребности бизнеса;
  • обеспечить документированную дорожную карту расширения: новые домены, дополнительные источники данных, расширение семантики.

     

Key takeaways

  • Пилот витрин Self-service BI на данных 1С должен быть ориентирован на достижение конкретной бизнес-ценности в рамках ограниченного объема и времени.
  • Архитектура пилота строится вокруг источников данных 1С, ETL/ELT-слоя, семантического слоя и витрин, с фокусом на единый язык бизнес-терминов и понятную безопасность.
  • Важнейшие KPI включают Adoption и вовлеченность, качество данных, свежесть, производительность и бизнес-результаты; пороговые значения должны быть зафиксированы до начала пилота.
  • План реализации должен включать этапы: постановку задач, архитектуру, дизайн семантики, реализацию, обучение и масштабирование; управление изменениями - ключ к устойчивости проекта.
  • Экономика пилота формируется из прямых затрат на внедрение и косвенной ценности через ускорение принятия решений и уменьшение ошибок; дальнейшее масштабирование требует четкой дорожной карты и распределения ответственности.
  • Семантический слой обеспечивает единый язык и устойчивость аналитики к изменениям конфигураций 1С, что критично для долгосрочной эксплуатации витрин.
  • Важно сохранять баланс между техническими решениями и бизнес-ценностью: пилот должен быть понятен и полезен для бизнес-пользователей сразу после запуска.

     

FAQ

  1. Какие критерии выбрать для определения MVP витрин в пилоте?

MVP-витрины выбираются по двум критериям: они должны отражать наиболее волнующие бизнес-процессы и обладать достаточной ценностью для пользователей уже после первого запуска. Это обычно управленческие показатели, операционная эффективность и показатели финансовой эффективности. Важна также простота поддержки витрины и ее способность расширяться в будущем.

 

  1. Как обеспечить согласованность семантики между 1С и внешними источниками?

Необходимо закрепить словарь терминов и концептуальную модель на уровне бизнес-экспертов, задокументировать соответствие полей и мер, и реализовать единый слой агрегирования и нормализации. Семантика должна быть независимой от физической структуры конкретной системы и поддерживать расширяемость.

 

  1. Какая роль данных качества в пилоте и как их измерять?

Данные качества критичны для доверия к аналитике. Нужно определить базовые правила проверки, автоматически валидировать входные данные, мониторить пропуски и несоответствия между источниками, а также регулярно проводить кросс-проверку агрегатов между 1С и внешними данными.

 

  1. Какие риски следует учитывать на этапе пилота?

Ключевые риски: несоответствие данных, задержки обновления, сложности интеграции между 1С и внешними системами, низкая вовлеченность пользователей и сопротивление изменению, а также ограничения инфраструктуры. План управления рисками должен включать превентивные меры и готовность к коррективам в плане реализации.

 

  1. Как связать пилот с долгосрочной стратегией цифровой трансформации?

Пилот должен быть строительной площадкой для дальнейшего расширения витрин и семантического слоя. Результаты пилота формируют требования к масштабу, архитектуре и процессам эксплуатации. Важна документированная дорожная карта перехода к более широкому внедрению и устойчивой поддержке.

 

  1. Какие техники выбрать для планирования обновлений витрин?

Рекомендуется реализовать регламент обновлений, включающий расписание и автоматизацию: ночные обновления, контроль версий конфигураций 1С, журнал изменений, обратную совместимость витрин и механизм отката. Важно обеспечить защиту от регрессий через тестовые сценарии и UAT.

 

  1. Какие инфраструктурные принципы поддерживают гибкость пилота?

Необходимо обеспечить модульность компонентов, открытые интерфейсы и стандартизированные протоколы обмена данными, четкую проверку доступа и аудит, а также возможность добавлять новые источники и витрины без существенных изменений в существующей архитектуре.

 

  1. Стоит ли использовать открытые инструменты витрин в пилоте?

Да, но разумно ограничиться 1-2 открытыми инструментами, которые хорошо интегрируются с 1С и поддерживают необходимые стандарты. Это снижает риск задержек и упрощает поддержание всей цепочки данных и семантики. Примеры: Metabase или Apache Superset могут выступать как фронтенд витрин, в сочетании с собственными слоями семантики.

 

  1. Как оценивать экономическую эффективность пилота?

Экономика определяется балансом затрат на внедрение и операционные выгоды, таких как сокращение времени на получение инсайтов, снижение ошибок и улучшение эффективности бизнес-процессов. Необходимо зафиксировать базовые линии, провести простую калькуляцию ROI и отслеживать динамику на протяжении пилота.

 

  1. Какие документы и процедуры важны для прозрачности пилота?

Необходимо вести регламент проекта, карту рисков, дорожную карту внедрения, описание семантики и словаря терминов, спецификации витрин и требования к безопасности. В рамках управления изменениями важны протоколы обновлений, журнал версий и регламенты обучения пользователей.

 

← Предыдущая статья
Жизненный цикл проекта Self-service BI на 1С
Следующая статья →
Реализация инфраструктуры и развёртывание коннекторов

 

Узнать стоимость решенияЗапросить видео презентацию

Запросить видео презентацию Запросить доступ к демо стенду online Узнать стоимость лицензий

Задать вопрос

loading...

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • «ПрофХолод» — крупнейший в России производитель сэндвич-панелей с пенополиуретаном. 

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

  • ПАО АНК «Башнефть» — российская вертикально-интегрированная нефтяная компания, с 2016 года входит в ПАО НК «Роснефть». Главный офис расположен в городе Уфе (Башкортостан). Добыча углеводородов – более 21 млн тонн нефти в год. Объем переработки – более 18 млн тонн нефти в год. Число сотрудников – более 33 тыс. человек.

  • MoneyCare — кредитная платформа и сервис для ПОС-кредитования в магазинах, установленная в более чем 18 тысячах трейдинговых точек и сотрудничающая с 11 главными банками России.

  • 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.