Разработка кастомных дашбордов проектов Битрикс24

Руководитель проектного офиса подходит к утреннему дашборду — а там стандартная статистика: количество задач, статусы, диаграмма Ганта. Для оперативного управления портфелем из 10 проектов этого мало. Вы не видите, какой проект отстаёт на неделю от плана, какой разработчик перегружен, а где — «горящие» задачи без дедлайна. Наш клиент, IT-компания с 8 параллельными проектами и 35 инженерами, столкнулся именно с этой проблемой. Разработанный кастомный дашборд сократил подготовку статусного отчёта с 2 часов до 15 минут — экономия в 8 раз. Дополнительно визуализировали нагрузку и риски, что позволило снизить количество просроченных задач на 40%. Такой дашборд в 5 раз быстрее стандартных отчётов: данные обновляются в реальном времени без ручной выгрузки.

Стандартная аналитика не даёт нужной глубины. Встроенные отчёты не показывают burndown-диаграммы, не сравнивают план с фактом, не агрегируют данные по портфелю. Без этих метрик решения принимаются интуитивно, а не на основе данных. Мы расскажем, как построить действительно полезный дашборд.

Почему стандартных отчётов Битрикс24 недостаточно?

Встроенная аналитика не предоставляет:

• Сравнение планового и фактического прогресса по времени
• Метрику burndown/burnup для спринтов
• Визуализацию распределения нагрузки по сотрудникам
• Сводный дашборд по нескольким проектам одновременно
• Алерты при отклонении от плана

Эти метрики критичны для управления проектными портфелями. Без них вы рискуете пропустить задержки и перегрузки.

Как работает кастомный дашборд?

Данные о проектах и задачах Битрикс24 доступны через REST API. Мы получаем список задач, статусы, дедлайны и трудозатраты:

// Список задач проекта с детализацией
$tasks = CRest::call('tasks.task.list', [
    'filter' => [
        'GROUP_ID' => $projectId,
        '!STATUS'  => 5, // исключить отменённые
    ],
    'select' => [
        'ID', 'TITLE', 'STATUS', 'DEADLINE',
        'CREATED_DATE', 'CLOSED_DATE',
        'RESPONSIBLE_ID', 'TIME_SPENT_IN_LOGS',
        'UF_AUTO_PLANNED_HOURS', // кастомное поле плановых часов
    ],
    'limit' => 500,
]);

// Трудозатраты по задачам
$timeLogs = CRest::call('task.elapseditem.getlist', [
    'TASKID' => $taskId,
    'select' => ['SECONDS', 'USER_ID', 'CREATED_DATE'],
]);

Для портфельного дашборда по нескольким проектам используем batch-запросы, чтобы уложиться в лимиты по времени:

$batch = [];
foreach ($projectIds as $id) {
    $batch["project_$id"] = ['method' => 'tasks.task.list',
        'params' => ['filter' => ['GROUP_ID' => $id], 'select' => [...]]];
}
$results = CRest::call('batch', ['cmd' => $batch]);

Архитектура: Placement vs внешняя BI

Выбираем подход под задачи бизнеса:

Гибридный подход оптимален: оперативный дашборд за последние 30 дней — внутри Битрикс24, стратегический анализ трендов — во внешней BI. Это сочетает скорость и глубину.

Кейс из нашей практики: дашборд проектного офиса IT-компании

Мы разработали дашборд для портфельного менеджера, который управляет 8 проектами и 35 разработчиками. Ключевые метрики:

Реализация burndown — в реальном времени через JavaScript:

function calculateBurndown(tasks, startDate, endDate) {
    const totalPoints = tasks.reduce((sum, t) => sum + (t.plannedHours || 1), 0);
    const dailyBurndown = [];
    let currentDate = new Date(startDate);

    while (currentDate <= endDate) {
        const completedByDate = tasks
            .filter(t => t.closedDate && new Date(t.closedDate) <= currentDate)
            .reduce((sum, t) => sum + (t.plannedHours || 1), 0);

        dailyBurndown.push({
            date: currentDate.toISOString().split('T')[0],
            remaining: totalPoints - completedByDate,
            ideal: totalPoints * (1 - daysDiff(startDate, currentDate) /
                daysDiff(startDate, endDate))
        });

        currentDate.setDate(currentDate.getDate() + 1);
    }

    return dailyBurndown;
}

Визуализация через Chart.js в React-компоненте встроена в страницу проекта через Placement.

ETL для исторических данных — ежечасная выгрузка в PostgreSQL через cron-агент. Это позволяет строить тренды за 6–12 месяцев (REST API в реальном времени не справится из-за лимитов):

-- Таблица снимков состояния проектов
CREATE TABLE project_snapshots (
    snapshot_date  DATE,
    project_id     INT,
    total_tasks    INT,
    closed_tasks   INT,
    overdue_tasks  INT,
    total_hours_planned NUMERIC,
    total_hours_spent   NUMERIC
);

Результат: портфельный менеджер за 30 секунд видит, какой из 8 проектов отстаёт и где критический bottleneck по конкретному разработчику. Экономия времени — с 2 до 15 минут на подготовку статусного отчёта.

Как происходит интеграция с BI-системами?

Интеграция с внешними BI (Grafana, Metabase) выполняется через REST API Битрикс24 и собственное хранилище. Мы настраиваем ETL-пайплайн, который выгружает снимки проектов в PostgreSQL или ClickHouse. Затем BI-система подключается к этому хранилищу. Это даёт неограниченную производительность и доступ к историческим данным за годы.

Ориентировочные сроки

Сроки варьируются от 1 до 6 недель в зависимости от сложности и объёма данных. Стоимость рассчитывается индивидуально после аудита. Получите консультацию по вашему проекту — мы расскажем, как сэкономить время на подготовке отчётов.

Почему выбирают нас

Мы работаем с Битрикс24 более 10 лет, имеем сертификаты «1С-Битрикс» и подтверждённый опыт интеграций с кастомной аналитикой. Каждый дашборд проектируем под уникальные задачи бизнеса, используя самые свежие возможности платформы. Гарантируем стабильность и прозрачность отчётов.

Свяжитесь с нами — мы проконсультируем бесплатно и поможем определиться с архитектурой.

Почему аналитика 1С-Битрикс часто вводит в заблуждение

Счётчики стоят, пиксели повешены, CRM подключена — а цифры расходятся во все стороны. Конверсия e-commerce не передаётся в dataLayer. UTM-теряются на редиректах ЧПУ. Маркетолог видит 100 лидов, коммерческий директор — 70 сделок, и каждый считает по-своему. Решения принимаются по ощущениям, а рекламный бюджет улетает в никуда.

Мы настраиваем аналитику 1С-Битрикс более 10 лет. Через наши руки прошло 500+ проектов — от мелких интернет-магазинов до федеральных ритейлеров с товарооборотом 2 млрд рублей. Опыт показывает: в 90% случаев dataLayer либо отсутствует, либо собран с ошибками, которые крадут 30-40% e-commerce событий. Наш подход — не «поставил счётчик и забыл», а полноценная сквозная аналитика с гарантией корректной передачи всех критических параметров.

Как аналитика 1С-Битрикс решает проблему расхождения данных

Решение — не в добавлении новых счётчиков, а в исправлении dataLayer и замыкании цепочки «визит → лид → сделка → оплата». Мы внедряем корректную передачу e-commerce событий, настраиваем сквозную аналитику с привязкой к CRM и строим дашборды, где каждый канал виден с реальным ROI. Результат: погрешность данных снижается с 40% до 1–2%, а маркетинговый бюджет начинает работать на полную.

Яндекс.Метрика: настройка e-commerce без потерь

Базовая настройка — и почему её обычно делают криво

Счётчик Метрики ставят все. Правильно — единицы.

• Установка через GTM, а не вставкой в header.php — иначе при обновлении шаблона счётчик слетит
• Цели: не абстрактные «клик по кнопке», а конкретные — basket_add, отправка формы bx_form_submit, переход на /personal/order/make/
• Вебвизор — включаешь, а он пишет 1% сессий, потому что в настройках стоит семплирование. Нужно явно задать процент записи — 20-30% для сбалансированных данных — и не забыть про 152-ФЗ
• Фильтрация внутреннего трафика — без этого трафик сотрудников добавляет 15-20% мусорных визитов. Фильтруем по IP, cookie _ym_debug, заголовкам

Электронная коммерция — самая недооценённая фича

Модуль eCommerce в Метрике передаёт полную цепочку покупательского поведения. Проблема в том, что в Битрикс из коробки он работает только с компонентом sale.order.ajax, и то криво — теряет remove_from_cart при AJAX-обновлении корзины.

Что мы передаём в dataLayer:

• Просмотр карточки — id, name, brand, category, price. Без brand Метрика не построит отчёт по брендам, без category — по категориям
• Добавление в корзину — ловим событие onBXAddToBasket через JS, а не через обработчик OnSaleBasketItemAdd на сервере. Серверный обработчик не знает про JS-контекст
• Удаление из корзины — тут ловушка: штатный компонент sale.basket.basket при AJAX-обновлении не генерирует отдельное событие удаления. Нужен свой обсёрвер
• Покупка — передаём на sale/order/complete/, включая coupon и revenue с учётом скидок

BX.addCustomEvent('onBXAddToBasket', function(product) {
    window.dataLayer.push({
        'event': 'add_to_cart',
        'ecommerce': {
            'items': [{
                'item_id': product.id,
                'item_name': product.name,
                'price': product.price,
                'quantity': 1
            }]
        }
    });
});

Данные, которые уходят в Метрику

Google Analytics 4: почему Битрикс требует ручной настройки?

Чем GA4 отличается от Universal Analytics

GA4 работает на событиях, а не на хитах. Нет «просмотров страниц» в привычном смысле — есть page_view как одно из событий. Для Битрикса это значит, что AJAX-переходы (фильтрация каталога, пагинация) нужно пушить вручную.

Ключевые события e-commerce: view_item_list → select_item → view_item → add_to_cart → view_cart → begin_checkout → add_shipping_info → add_payment_info → purchase.

Каждое событие требует свой набор параметров. purchase без transaction_id — не засчитается. add_to_cart без массива items — бесполезен. GA4 молча проглотит невалидные данные и покажет пустые отчёты. По нашей статистике, в 60% Битрикс-проектов GA4 настроен с нарушением спецификации Enhanced E-commerce. Это приводит к потере до 40% транзакций в отчётах.

Пользовательские параметры, которые реально нужны

Не надо передавать всё подряд. Пять параметров, дающих 80% пользы:

• user_type — guest / registered / wholesale
• user_group — группа пользователя из Битрикс
• order_count — количество заказов у пользователя
• cumulative_discount — накопительная скидка
• first_source — UTM первого визита

Сквозная аналитика: замыкаем цепочку от клика до сделки

Метрика видит визиты. CRM видит сделки. Рекламный кабинет видит расходы. А связь между ними — разрыв. Менеджер закрыл сделку на 500К, но Метрика показывает источник (direct), потому что клиент пришёл по прямой ссылке из закладок, а первый контакт был через Директ три месяца назад.

Сквозная аналитика замыкает цепочку: рекламный клик → визит → лид в CRM → сделка → оплата → ROI. <cite>По нашим данным, после внедрения сквозной аналитики клиенты перераспределяют бюджет в пользу каналов с высоким LTV, и ROI растёт в среднем на 25% за квартал.</cite>

Как собираем

1. UTM-метки фиксируем в cookie с TTL 90 дней и дублируем в сквозную систему
2. При создании лида в Битрикс24 записываем UTM в пользовательские поля сделки
3. Коллтрекинг подменяет номер и привязывает звонок к визиту
4. Менеджер ведёт сделку по воронке, закрывает — сумма привязана к источнику
5. Сервис агрегирует расходы через API рекламных кабинетов
6. ROI = (выручка — расходы) / расходы по каждой кампании

Инструменты

Дашборды: три экрана вместо десяти отчётов

Строим дашборды в DataLens или Looker Studio. Ключевое — не перегружать.

• Дашборд для директора — выручка, количество заказов, средний чек, сравнение с прошлым периодом. Пять виджетов, обновление раз в час.
• Дашборд для маркетолога — трафик по каналам, CAC, ROI кампаний, конверсия воронки, эффективность промокодов.
• Дашборд для коммерческого — конверсия менеджеров, скорость обработки заказов, повторные покупки. DataLens подключаем напрямую к PostgreSQL/MySQL Битрикса через b_sale_order и b_sale_basket.

Воронка: где именно дыра

Типичная воронка Битрикс-магазина:

Провал на чекауте — самый дорогой. Пользователь уже хотел купить, уже положил в корзину, и тут sale.order.ajax кидает 500-ку из-за не настроенного обработчика доставки. После аудита воронки мы фиксируем проблему, и конверсия чекаута вырастает в 1.5-2 раза за месяц.

Когортный анализ и LTV

Группируем по месяцу первой покупки, смотрим retention через 30, 60, 90 дней. В DataLens строится через SQL-запрос к b_sale_order с GROUP BY DATE_TRUNC('month', DATE_INSERT).

Главный инсайт когортного анализа — какой канал привлекает клиентов с высоким LTV. Контекст может давать дешёвые первые заказы, но нулевой repeat rate. А SEO-трафик конвертируется хуже, зато возвращается. Без этого анализа вы рискуете переплачивать за каналы, которые дают одноразовых покупателей.

Что входит в настройку аналитики 1С-Битрикс

• Аудит текущего dataLayer и исправление ошибок
• Настройка корректного e-commerce трекинга для Метрики и GA4
• Разработка пользовательских событий под бизнес-требования
• Интеграция сквозной аналитики (Roistat/Calltouch) с Битрикс24
• Создание дашбордов в DataLens/Looker Studio
• Документация по всем событиям и параметрам
• Обучение маркетологов и коммерческого отдела работе с отчётами
• Техническая поддержка на месяц после запуска

Сроки

Закажите аудит или настройку аналитики

Проверим, не теряете ли вы деньги на аналитике: проведём аудит текущей настройки за один день. Закажите настройку сквозной аналитики — получите дашборд с реальным ROI по каждому каналу уже через две недели. Получите консультацию по коррекции dataLayer и выбору подходящего инструмента сквозной аналитики для вашего Битрикс-проекта.