Forward East CRM
Мы разработали комплексную CRM-систему с ИИ-ядром для международного холдинга, который объединяет логистику, продажи и производство. За 6 месяцев команда полного цикла спроектировала и внедрила единую платформу на Python, Django и React с прогнозной аналитикой на TensorFlow. Система заменила набор разрозненных инструментов и связала распределённые команды холдинга в одном рабочем контуре — от заявки клиента до рейса и производственного плана.
Задача
Международный холдинг с несколькими направлениями бизнеса — типичный случай, когда автоматизация растёт снизу вверх. Логистика ведёт перевозки в одном инструменте, отдел продаж — сделки в другом, производство планирует загрузку в таблицах. Пока компания работает в одной стране, это терпимо. Когда добавляются юрисдикции, валюты и распределённые команды, разрыв между системами превращается в прямые операционные потери.
Типичная ситуация для холдингов такого профиля: менеджер по продажам не видит статус перевозки по своей сделке и уточняет его в мессенджерах, производство узнаёт о крупных заказах постфактум и планирует загрузку по ощущениям, а руководство собирает сводную картину по направлениям вручную — к моменту готовности отчёта данные успевают устареть. Именно такой разрыв между направлениями и предстояло закрыть.
Задача формулировалась широко: единая CRM, которая покрывает логистику, продажи и производственные процессы, работает в международном контуре и не просто хранит данные, а помогает планировать — с прогнозированием на базе машинного обучения. Готовых коробочных решений под такую связку требований на рынке не нашлось, поэтому холдинг выбрал заказную разработку.
Логистика, продажи и производство жили в отдельных инструментах и таблицах. Одна и та же сделка существовала в трёх версиях, статусы расходились, а сотрудники тратили часы на ручную сверку вместо работы с клиентами и рейсами.
Спрос, загрузку производства и потребность в транспорте планировали по историческим таблицам и опыту руководителей. Такой подход не масштабировался на растущий холдинг и регулярно приводил то к простою мощностей, то к срыву сроков.
Разные валюты, часовые пояса и распределённые команды в нескольких странах. Ни один из используемых инструментов не был рассчитан на международный контур, и каждая новая площадка увеличивала хаос в данных и коммуникациях.
Что делает система
Логистика и перевозки
Единый реестр перевозок с маршрутами, статусами и документами по каждому рейсу. Перевозка создаётся прямо из сделки, поэтому менеджер продаж видит её этапы без запросов в логистику. Диспетчеры управляют загрузкой транспорта, контролируют сроки и фиксируют отклонения — история каждого рейса сохраняется и позже используется ИИ-ядром для прогнозов.
Продажи и клиенты
B2B-воронка с карточками контрагентов, сделками и полной историей коммуникаций. Статусы обновляются автоматически по событиям смежных модулей: отгрузка запланирована, производство подтвердило сроки, рейс завершён. Менеджер ведёт клиента в одном окне, а руководитель отдела видит воронку по каждому направлению холдинга без ручных сводок.
Производственный контур
Заявки на производство формируются из подтверждённых сделок и попадают в план загрузки мощностей. Технологи видят очередь заказов с приоритетами, отмечают этапы выполнения, а готовая продукция автоматически передаётся в логистический модуль на отгрузку. Продажи впервые получили прозрачный ответ на вопрос, когда заказ будет готов.
ИИ-ядро на TensorFlow
Прогнозные модели на TensorFlow обучаются на данных, которые система накапливает в продажах, логистике и производстве. Ядро прогнозирует спрос и загрузку направлений, подсказывает приоритеты по сделкам и заявкам, помогает планировать транспорт и мощности заранее, а не по факту. Модели регулярно переобучаются по мере накопления новой истории.
Международный контур
Система изначально спроектирована для работы холдинга в нескольких странах: мультивалютные суммы в сделках и документах, корректная работа с часовыми поясами, разграничение данных по юрлицам. Распределённые команды работают в общем пространстве и видят единые статусы, при этом каждая площадка оперирует привычными для себя валютой и временем.
Аналитика и отчётность
Сводные дашборды по холдингу и отчёты по каждому направлению строятся на живых данных системы, а не на ручных выгрузках. Руководитель раскрывает показатель до конкретной сделки, заявки или рейса в пару кликов. Прогнозы ИИ-ядра выводятся рядом с фактом, поэтому план и реальность сравниваются в одном экране.
Роли и безопасность
Ролевая модель разграничивает доступ по направлениям, компаниям и функциям: менеджер видит свои сделки, диспетчер — рейсы, руководство — сводную картину. Действия пользователей фиксируются в журнале аудита. Для холдинга с несколькими юрлицами это не формальность, а обязательное условие работы с коммерческими данными в одной системе.
Инфраструктурный контур
Все сервисы системы упакованы в Docker и работают в кластере Kubernetes. Для бизнеса это означает обновления без остановки работы, автоматическое восстановление после сбоев и масштабирование под нагрузку — ресурсоёмкие задачи ИИ-ядра не влияют на скорость работы менеджеров. Новые окружения разворачиваются из одних и тех же образов.
Технологический стек
Python — общий язык для бизнес-логики и машинного обучения: серверная часть и ИИ-ядро живут в одной экосистеме без прослоек между ними. Django дал зрелый фундамент для enterprise-системы — ORM для сложной доменной модели холдинга, встроенную админку, миграции и проверенную временем модель безопасности, что ускорило разработку восьми модулей.
Данные холдинга — это сделки, рейсы, производственные заявки и денежные суммы в нескольких валютах, где важна строгая согласованность. PostgreSQL закрывает это транзакциями и жёсткой типизацией, уверенно держит сложные аналитические запросы для отчётности и остаётся надёжным хранилищем исторических данных, на которых обучаются прогнозные модели.
Интерфейс CRM — это рабочее место, в котором сотрудники проводят весь день: воронки, реестры рейсов, производственные планы, дашборды. React позволил собрать быстрый одностраничный интерфейс из переиспользуемых компонентов, единообразный во всех восьми модулях, с живым обновлением статусов без перезагрузки страницы.
Для прогнозирования спроса и загрузки нужны полноценные ML-модели, а не эвристики. TensorFlow дал производственный фреймворк для обучения и эксплуатации таких моделей: обученные графы разворачиваются как отдельные сервисы в том же кластере, версии моделей контролируются, а переобучение на свежих данных встроено в регулярный процесс.
Система обслуживает распределённый холдинг и должна обновляться без остановки операций. Контейнеры дают идентичные окружения от разработки до продакшена, а Kubernetes — раскатку релизов без простоя, автоперезапуск упавших сервисов и раздельное масштабирование: ИИ-нагрузка растёт независимо от веб-части и не мешает работе пользователей.
Как шла разработка
Discovery и аудит
ГотовоМы провели серию интервью с командами логистики, продаж и производства, разобрали используемые инструменты и собрали карту сквозных процессов холдинга. На выходе — согласованный список модулей, приоритеты внедрения и требования к международному контуру и прогнозированию.
Проектирование архитектуры
ГотовоСпроектировали единую доменную модель, связывающую сделку, производственную заявку и рейс, заложили мультивалютность и разграничение по юрлицам на уровне данных. Отдельно проработали место ИИ-ядра: какие данные накапливаем с первого дня, чтобы моделям было на чём учиться.
MVP ядра
ГотовоПервыми запустили модули продаж и логистики — связку, которая закрывала самую острую боль разрыва между сделками и перевозками. Ранний запуск на реальных данных дал обратную связь от менеджеров и диспетчеров задолго до финала проекта.
Итерации по модулям
ГотовоПроизводственный контур, аналитику, роли и международные возможности подключали короткими спринтами, один блок за другим. Каждая итерация заканчивалась демо для рабочей группы холдинга, а замечания попадали в следующий спринт — система дорабатывалась на живой обратной связи.
ИИ-ядро и внедрение
ГотовоОбучили прогнозные модели на перенесённых исторических данных и вывели ИИ-ядро в продакшен — по нашей практике этому всегда предшествует проверка качества прогнозов на отложенной выборке. Параллельно мигрировали данные из старых инструментов, обучили сотрудников и переключили направления на работу в единой системе.
Поддержка и развитие
ГотовоПосле внедрения мы сопровождаем систему: мониторим кластер, регулярно переобучаем модели на свежих данных и развиваем функциональность по запросам направлений. Архитектура на Kubernetes позволяет выпускать обновления без остановки работы холдинга.
Результаты
За 6 месяцев холдинг получил единую CRM, в которой логистика, продажи и производство работают на общей модели данных: сделка, производственная заявка и рейс связаны между собой, а статусы обновляются автоматически. Ручные сверки между отделами и параллельные таблицы ушли — у распределённых команд появился один источник правды, одинаково доступный из любой страны присутствия.
Планирование перестало опираться только на интуицию: прогнозы ИИ-ядра на TensorFlow помогают заранее оценивать спрос и загрузку направлений. Со своей стороны мы уложили проект в 6 месяцев силами команды полного цикла, собрали 8 модулей на стеке из 7 технологий и передали холдингу систему, готовую к росту — новые юрлица и площадки подключаются без переделки архитектуры.
6 месяцев
от старта до внедрения
8 модулей
в едином контуре системы
3 направления
логистика, продажи, производство
7 технологий
в продакшен-стеке проекта
Почему кейс без имени клиента
«Forward East» — публичное название проекта и самой системы, под которым мы рассказываем об этой работе. Соглашение о неразглашении закрывает остальное: юридические лица холдинга, страны присутствия и внутренние показатели бизнеса — выручку, объёмы перевозок, конверсии и эффект от внедрения в цифрах клиента.
Для читателя кейса это мало что меняет: как устроена связка «сделка — производственная заявка — рейс», на чём держится международный контур и какую роль играет ИИ-ядро в прогнозах — всё это описано на странице без купюр. Если вы собираете похожую платформу для перевозок или производства, материала достаточно, чтобы судить о нашем подходе и реалистичных сроках.
Вопросы о проекте
Обсудим похожий проект?
Расскажите о задачах вашего бизнеса — предложим архитектуру и оценим сроки
Телеграмм
Делимся визуально привлекательными фрагментами наших последних веб-проектов.
ВКонтакте
Пишем о интересных технических решениях и вызовах в разработке.
MAX
Демонстрируем дизайнерские элементы наших веб-проектов.
TenChat
Деловые связи, кейсы и экспертные публикации.
Рассылка
© 2025-2026 МАЙПЛ. Все права защищены.