This project is a student project at the School of Design or a research project at the School of Design. This project is not commercial and serves educational purposes

Идея проекта

Clue –– это сервис для команд, который превращает внутренние данные, наблюдения и исследования в структурированные, обсуждаемые и управляемые инсайты. Фокус продукта не на визуализации метрик, а на интерпретации данных, коллективной работе с выводами и сохранении контекста принятия решений.

Проблемы, которые решает продукт

В командах, работающих с данными (продуктовых, аналитических, исследовательских, управленческих), данные доступны, но инсайты не фиксируются и не масштабируются. Основные проблемы: данные разрознены между BI-системами, отчётами, исследованиями и коммуникационными каналами; интерпретации выводов данных не закреплены и теряются при смене контекста; нет единого формата для фиксации, обсуждения и развития инсайтов.

Главные тренды

  1. Рост аналитики в компаниях Компании всё активнее внедряют BI и self-service инструменты, делая работу с данными частью ежедневных процессов команд. Аналитика перестаёт быть задачей узких специалистов и становится базовым рабочим инструментом для продуктовых, исследовательских и управленческих ролей.

  2. Демократизация данных Доступ к метрикам и исследованиям есть у многих участников команды, но отсутствует единая среда, где выводы из этих данных можно формировать, обсуждать и сохранять. Это создаёт разрыв между наличием информации и её согласованным использованием в решениях.

  3. AI в аналитике Искусственный интеллект ускоряет получение метрик и автоматических выводов, смещая основную сложность с «получить данные» на «понять, что они означают». Возрастает потребность в инструментах, которые помогают командам интерпретировать результаты, а не только смотреть на цифры.

  4. Облачные и распределённые команды Работа в облаке и распределённых командах усиливает требования к прозрачности логики решений. Всё большее значение имеют инструменты, которые позволяют фиксировать контекст выводов и возвращаться к нему независимо от времени и состава команды.

Исследование рынка

Критерии отбора конкурентов:

1. Используются для работы с внутренними данными организаций; 2. Участвуют в процессе аналитики, интерпретации или обсуждения данных; 3. Встроены в повседневные рабочие процессы команд; 4. Широко распространены на международном и/или локальном рынке.

Прямые конкуренты

Microsoft Power BI Сильная визуализация, интеграция с экосистемой Microsoft, self-service аналитика и AI-функции. Широко используется в средних и крупных компаниях. Ограничение: работа с данными в основном индивидуальна; обсуждение выводов и логика решений остаются вне системы.

Tableau Продвинутая визуальная аналитика и удобство для исследовательского анализа данных. Популярен у аналитиков и продуктовых команд. Ограничение: требует экспертности; не поддерживает совместную работу над выводами и фиксацию контекста решений.

Looker (Google Cloud) Сильная семантическая модель данных. Подходит для масштабируемой аналитики. Ограничение: сложен для неаналитических ролей; фокус на метриках, а не на процессе формирования выводов в команде.

ThoughtSpot Поисковая аналитика и работа с данными на естественном языке. Упрощает доступ к метрикам. Ограничение: помогает получить ответ, но не поддерживает совместную работу над выводами и их связями с решениями.

Косвенные конкуренты

Confluence Используется для хранения отчётов и решений после анализа. Ограничение: это статичная документация, а не среда для работы с выводами на основе данных.

Dovetail Инструмент для анализа качественных исследований (интервью, UX, фидбэк). Ограничение: узкий фокус на исследованиях, отсутствует связь с продуктовыми и бизнес-метриками.

Notion, Miro Пространства для обсуждений, гипотез и заметок. Ограничение: не связаны с реальными данными; выводы формируются вручную и остаются разрозненными.

Вывод из анализа

Существующие решения либо показывают данные, либо фиксируют договорённости, но не поддерживают процесс, в котором команда формирует, связывает и структурирует выводы на основе данных и сохраняет логику принятых решений. Команды вынуждены использовать связку из BI, документов и досок для обсуждений, что фрагментирует работу и усложняет принятие решений. Clue создаёт рабочее пространство, где данные, выводы и логика решений связаны в едином процессе командной работы.

Оценка рынка TAM / SAM / SOM

Мировой рынок решений для работы с данными в 2024–2026 годах оценивается примерно в 3,6–5,4 трлн рублей. Этот объём принят как общий рынок, связанный с аналитикой внутренних данных в компаниях. Из него был выделен сегмент self-service BI и инструментов, которыми пользуются не только аналитики, но и продуктовые, исследовательские и управленческие команды. Его объём составляет порядка 0,9–2,7 трлн рублей. С учётом запуска на рынке России и СНГ и ориентации на команды, уже работающие с метриками и отчётностью, достижимая доля на старте была сужена до 1–3% от этого сегмента. Таким образом, потенциально достижимый объём рынка для проекта на первом этапе составляет 27–81 млрд рублей.

SWOT

Сильные стороны: — Растущий рынок BI и аналитики (8–15% CAGR) обеспечивает долгосрочный спрос — Тренд на self-service и AI-аналитику расширяет круг пользователей за пределы аналитиков — Государственная цифровая повестка стимулирует внедрение аналитических инструментов — Формирование отечественной BI-экосистемы снижает зависимость от зарубежных решений

Слабые стороны: — Доминирование крупных BI-игроков (Microsoft, Tableau и др.) требует чёткой дифференциации продукта — Низкая зрелость BI-инфраструктуры и фрагментированные данные в организациях усложняют внедрение — Отсутствие единых стандартов данных и сложность интеграций между системами — Формирующееся регулирование ИИ и данных создаёт неопределённость требований

Возможности: — Расширение self-service BI для кросс-функциональных пользователей (не только аналитиков) — Участие в государственных и региональных программах цифровизации как канал роста

Угрозы: — Конкуренция с устоявшимися BI-экосистемами и их экосистемными эффектами — Регуляторные риски при работе с корпоративными и персональными данными — Барьеры локализации и соответствия требованиям при выходе на другие рынки

PESTEL

Политические факторы:

  1. Проект «Цифровое государственное управление» (цель — 95% электронных услуг к 2030) стимулирует внедрение аналитики в организациях
  2. Программы поддержки цифровизации бизнеса («Эффективность.рф», меры Минцифры) снижают барьеры внедрения ИТ
  3. Курс на технологический суверенитет усиливает спрос на отечественные BI и аналитические решения

Экономические факторы:

  1. Рост мирового рынка BI и аналитики ($38B → $56B) подтверждает инвестиционную привлекательность сегмента
  2. В условиях нестабильности бизнесу нужны инструменты оптимизации затрат, прогнозирования и контроля процессов
  3. Экономические стимулы к переходу на локальные ИТ-решения и отказу от зарубежных платформ

Социальные факторы:

  1. Формируется data-driven культура: сотрудники ожидают доступ к данным и возможность самостоятельной аналитики (self-service)
  2. Высокое проникновение электронных сервисов (Госуслуги ~90%) повышает цифровую грамотность и готовность к новым инструментам

Технологические факторы:

  1. Распространение AI/ML, облачной аналитики и self-service BI повышает ожидания к скорости и удобству аналитики
  2. Развитие российских BI-платформ и облачной инфраструктуры (Cloud.ru и др.) создаёт технологическую базу для решений

Экологические факторы:

  1. Рост вычислительных нагрузок требует оптимизации архитектур и перехода к облачным моделям
  2. Повестка устойчивости дата-центров и эффективного использования ресурсов становится значимой для ИТ-проектов

Правовые факторы:

  1. Требования к защите и локализации данных (ФЗ-152 и смежные нормы) формируют спрос на безопасные аналитические среды
  2. Политика импортозамещения ПО и регулирование ИИ/персональных данных задают рамки для разработки продуктов

Количественное исследование

Цели исследования

Целью исследования было выявить реальные практики работы специалистов с внутренними данными и определить ключевые проблемы при интерпретации, использовании и передаче аналитических выводов внутри команд.

Гипотеза 1. Команды тратят значительное время на обработку и систематизацию внутренних данных.

Подтвердилась частично. Большая половина опрошенных (54%) ответили, что в среднем тратят на этот процесс более 3 часов.

Гипотеза 2. Интеграция с такими рабочими инструментами как Miro, Jira, Notion критична для удобства пользования сервисом.

Не подтвердилась. Люди предпочитают пользоваться преимущественно Google Sheets/Google Docs (84%).

Гипотеза 3. Для команд важно получать краткие и визуально понятные выводы из данных.

Подтвердилась; 63% опрошенных ответило, что это максимально важно (по шкале от 1 до 5 –– 5).

Аудитория

Ключевые сегменты:

  1. Продуктовые менеджеры и продуктовые команды Работают в условиях постоянных обсуждений, отчётов и необходимости быстро принимать решения при неполных данных. Им важно понимать, как связаны метрики, выводы и принятые ранее решения. Задачи: видеть логику изменений и снижать зависимость от отдельных сотрудников как носителей знаний.

  2. Аналитики и специалисты по данным Занимаются сбором, анализом и интерпретацией данных для разных команд. Значительная часть времени уходит на повторные объяснения результатов и ответы на однотипные запросы. Задачи: сохранять контекст аналитической работы, чтобы выводы использовались повторно и участвовали в процессе принятия решений.

  3. Маркетологи Работают с большим объёмом данных в условиях постоянных экспериментов и быстро меняющихся показателей. Им важно связывать прошлые гипотезы с текущими результатами. Задачи: использовать накопленные выводы для планирования и оценки маркетинговых стратегий.

  4. UX и CX исследователи и дизайнеры Проводят качественные исследования пользователей и формируют наблюдения, которые сложно связать с количественными метриками. Задачи: обеспечить использование пользовательских инсайтов в общем процессе анализа и принятия решений.

Ценностное предложение

Ценностное предложение проектируемого сервиса формируется из выявленного в исследовательской части разрыва между наличием внутренних данных и способностью команд превращать их в действенные инсайты. Организации располагают большим объёмом информации, однако она распределена между различными системами, форматами и участниками.

Проектируемый продукт предлагает не новый источник данных и не очередную систему отчётности, а решение проблемы за счёт создания единого пространства для структурированного анализа внутренних данных команд и фиксации инсайтов. Его ценность заключается в том, что он позволяет связывать числовые показатели, текстовые наблюдения, выводы и обсуждения в единую логическую структуру, доступную всем участникам процесса принятия решений.

Ценность продукта заключается в обеспечении непрерывности аналитического процесса: от первичных данных — к интерпретации, обсуждению и дальнейшему использованию полученных выводов.

Приоритет функций

Ключевые приоритетные функции включают:

1) Централизованное хранение внутренних данных и аналитических материалов

2) Генерация и структурированная фиксация инсайтов Инсайты представлены не как абстрактные выводы, а как элементы аналитического процесса, связанные с конкретными источниками данных, вопросами и контекстом обсуждения.

3) Контекстуальная навигация и поиск Использование тегов, тематических групп и фильтрации для быстрого возврата к ранее сформированным выводам и отслеживания эволюции решений.

4) Совместная интерпретация данных Возможность комментирования, уточнения и дополнения инсайтов несколькими участниками.

5) Назначение ответственных и статусов Инсайты не остаются на уровне обсуждения, а встраиваются в рабочие процессы команды.

Выбранная технология

Выбор технологий обусловлен необходимостью работы с разнородными данными и поддержкой совместной аналитической деятельности.

Продукт опирается на:

  1. Модульную архитектуру хранения структурированных и неструктурированных данных
  2. Алгоритмы машинного обучения для выявления повторяющихся паттернов, тематической кластеризации и предварительной формулировки инсайтов
  3. Интерфейс, ориентированный на командное взаимодействие

Алгоритмы машинного обучения не заменяют аналитиков, а служат инструментом поддержки: они снижают когнитивную нагрузку, помогают структурировать данные и находить потенциально важные связи, которые потом проверяются и интерпретируются людьми.

Механика продукта

Создание аналитического пространства Пользователь задаёт рамку анализа: формулирует цель, описывает контекст, определяет участников и временной горизонт.

Подключение данных В пространство добавляются: — количественные данные (метрики, отчёты); — качественные материалы (исследования, интервью, рабочие заметки). Каждый элемент сохраняется с указанием источника и актуальности.

Формирование инсайтов Инсайт оформляется структурированно: — сам вывод; — данные, на которых он основан; — ограничения и степень уверенности. Алгоритмы помогают находить связи, но не подменяют выводы человека.

Коллективная валидация Участники команды обсуждают и уточняют инсайты. История правок остаётся доступной.

Связь с решениями Инсайты связываются с конкретными решениями, задачами и изменениями в продукте.

Монетизация

Продукт, аудитория, рынок
Project created at 03.02.2026
Chapter:
1
2
3
4
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators