Назад к проектам

Analytics Platform

Подготовка 🎓 Когорта: 1Q 2026 тестовый сбор заявок Автор: Михаил Курятников 0 за / 0 против Оценка экспертов: 61

Проблема

Компании в регулируемых отраслях РФ, таких как финтех, медицина и госсектор, сталкиваются с острым противоречием между необходимостью глубокой продуктовой аналитики и требованиями к локализации данных согласно 152-ФЗ, GDPR и другим нормам. Существующие облачные SaaS-решения становятся рискованными из-за утечек данных, высокой стоимости при масштабировании и отсутствия контроля над инфраструктурой. Это приводит к использованию множества разрозненных инструментов, что увеличивает общую стоимость владения и усложняет интеграцию.

Решение

Privacy-first self-hosted платформа аналитики, разворачиваемая в инфраструктуре клиента (on-premise или private cloud), объединяющая сбор событий, real-time дашборды, session replay, heatmaps, A/B-тесты и tag manager в едином решении. Архитектура построена на микросервисах (Go), потоковой обработке через Kafka и OLAP-движке ClickHouse, что обеспечивает высокую производительность на больших объемах данных. Решение полностью соответствует требованиям 152-ФЗ, GDPR и CCPA, а поставка осуществляется через Helm-чарты для быстрого деплоя в Kubernetes.

Целевая аудитория

Первичная аудитория — компании в финтехе (банки, МФО, платежные системы), медицине и крупном ритейле, где критически важны безопасность данных и контроль над инфраструктурой. Вторичная аудитория — зрелые IT-продукты с DevOps-командами, которым важно избежать vendor lock-in и обеспечить полный контроль над аналитикой. Целевые клиенты — организации с высокими требованиями к комплаенсу и масштабируемости.

Рынок и конкуренция

Общий рынок РФ/СНГ (TAM) оценивается в 12 млрд руб./год. Доступный сегмент (SAM), заинтересованный в self-hosted решениях, составляет 2,1 млрд руб./год. Реалистичная доля рынка (SOM) к 2026 году — 63 млн руб., что соответствует 3% от SAM. Рост рынка обусловлен трендом на импортозамещение и уход от западных облачных сервисов.

Бизнес-модель

Модель — коммерческая подписка на self-hosted лицензию с ежегодной оплатой за использование ПО и техническую поддержку. Mid-market пакет стоит 400 000 руб./год, Enterprise — 1 200 000 руб./год с расширенным SLA и кастомизацией. Маржинальность превышает 80%, целевой LTV/CAC — более 6, окупаемость привлечения клиента — 3–5 месяцев.

Технология

Технологический стек включает Go (микросервисы), Kafka (потоковая обработка), ClickHouse (OLAP-аналитика), Kubernetes (оркестрация), Helm (деплой), а также SDK для Web, iOS, Android и Flutter. API — более 80 REST-методов для интеграций. Архитектура оптимизирована под высокую нагрузку и безопасность, с поддержкой on-premise и private cloud развертываний.

Потребность в инвестициях

Инвестиции необходимы не для доработки продукта (MVP готов), а для запуска коммерческих продаж, проведения пилотов с ключевыми клиентами и формирования команды поддержки. Финансирование пойдет на привлечение sales-партнера, маркетинг, техническую поддержку пилотов и развитие экосистемы. Цель — быстрый выход на первые контракты и формирование референсной базы.

Команда

Фаундер — Михаил Курятников, full-stack разработчик и архитектор, лично создавший ядро платформы, SDK и интеграции с ClickHouse. Обладает глубокой экспертизой в высоконагруженных системах и кибербезопасности. В планах — привлечение sales-партнера с опытом в Enterprise B2B и технического лида для поддержки пилотов и масштабирования команды.

Стадия и трекшн

Проект находится на стадии Working MVP: реализованы сбор событий, аналитика, session replay, админ-панель и механизмы развертывания. Продукт готов к пилотным внедрениям с реальными клиентами для валидации метрик и получения референсов. Полная техническая документация и Helm-чарты уже подготовлены.

Конкуренты

Основные конкуренты — западные SaaS-платформы (Amplitude, Mixpanel), которые уходят с российского рынка или не соответствуют требованиям локализации. Open-source аналоги (Matomo, PostHog) уступают в производительности на больших объемах данных и требуют значительных усилий по настройке. Яндекс.Метрика не подходит для глубокого продуктового анализа и не обеспечивает контроль над данными.

Результаты экспертной оценки

Aleksey A. Petrov Go
Итого: 6/10
Войдите, чтобы голосовать
Войдите, чтобы комментировать
💬

Пока нет сообщений. Начните обсуждение!

📎 Файлы проекта

Загрузка...

Демо приветствие ×