Разработка кастомных отчетов CRM Битрикс24

Разработка кастомных отчетов CRM Битрикс24

Встроенный конструктор отчётов Битрикс24 не умеет: объединять данные из CRM с данными из 1С, строить когортный анализ клиентов, считать LTV или RFM-сегменты. Для этого нужна разработка — через BI-коннектор, REST API или собственные таблицы в PostgreSQL.

Пути разработки кастомных отчётов

BI-коннектор Битрикс24 — официальный способ подключить внешний BI-инструмент (Power BI, Tableau, Google Looker Studio) к данным Битрикс24. Данные отдаются через REST в виде плоских таблиц. Схема фиксирована, расширить нельзя.

REST API + собственная БД — через методы crm.deal.list, crm.contact.list, crm.lead.list данные выгружаются во внешнюю базу данных (PostgreSQL, ClickHouse). Там строятся произвольные отчёты. Полный контроль над структурой и обновлением данных.

Кастомный компонент внутри Битрикс24 — для коробочных версий: PHP-компонент в /local/components/ рендерит отчёт прямо в интерфейсе Битрикс24. Данные берутся напрямую из таблиц БД.

BI-коннектор: возможности и ограничения

Подключение: Битрикс24 → BI Аналитика → Подключить BI-инструмент. Генерируется URL с токеном для подключения из Power BI или Looker Studio.

Доступные наборы данных:

• Сделки с полями (включая UF_CRM_*)
• Лиды
• Контакты и компании
• Активности (звонки, письма, встречи)
• Пользователи

Ограничения: данные обновляются с задержкой (не realtime), нет связи с внешними системами, нельзя добавить вычисляемые поля на стороне Битрикс24.

Разработка через REST API + внешняя БД

Это наиболее мощный подход. Схема синхронизации:

Cron (каждые 15 мин) → REST API Битрикс24 → Парсинг → PostgreSQL
                                                          ↓
                                              BI-инструмент или веб-приложение

Пример выгрузки сделок с пагинацией:

$start = 0;
do {
    $result = $client->call('crm.deal.list', [
        'order'  => ['DATE_MODIFY' => 'DESC'],
        'filter' => ['>=DATE_MODIFY' => $lastSyncDate],
        'select' => ['ID', 'TITLE', 'STAGE_ID', 'OPPORTUNITY', 'ASSIGNED_BY_ID',
                     'SOURCE_ID', 'DATE_CREATE', 'CLOSEDATE',
                     'UF_CRM_CUSTOM_FIELD1', 'UTM_SOURCE', 'UTM_CAMPAIGN'],
        'start'  => $start,
    ]);

    foreach ($result['result'] as $deal) {
        upsert_deal($pdo, $deal); // INSERT ON CONFLICT UPDATE
    }

    $start = $result['next'] ?? null;
} while ($start !== null);

Лимит REST API: 2 запроса/сек на облачных порталах. При большом объёме данных используют batch-метод: до 50 запросов в одном HTTP-вызове.

Когортный анализ клиентов

Задача: разбить клиентов по когортам (месяц первой покупки) и отследить их повторные покупки. В Битрикс24 «из коробки» это невозможно.

Решение через внешнюю БД:

-- Когортный анализ повторных покупок
WITH first_deal AS (
    SELECT
        contact_id,
        DATE_TRUNC('month', MIN(closedate)) AS cohort_month
    FROM deals
    WHERE stage_id = 'WON'
    GROUP BY contact_id
),
deals_with_cohort AS (
    SELECT
        d.contact_id,
        f.cohort_month,
        DATE_TRUNC('month', d.closedate) AS deal_month,
        d.opportunity
    FROM deals d
    JOIN first_deal f ON d.contact_id = f.contact_id
    WHERE d.stage_id = 'WON'
)
SELECT
    cohort_month,
    deal_month,
    COUNT(DISTINCT contact_id) AS customers,
    SUM(opportunity)           AS revenue
FROM deals_with_cohort
GROUP BY cohort_month, deal_month
ORDER BY cohort_month, deal_month;

Результат подключается к Looker Studio или визуализируется в собственном веб-приложении.

Реальный кейс: аналитика B2B-продаж

Задача: дистрибьютор, 500+ активных клиентов. Нужен отчёт: топ-клиенты по выручке за квартал с динамикой к прошлому кварталу, сегментация по ABС-анализу, прогноз pipeline на следующий квартал на основе текущих открытых сделок.

Проблема: данные о выручке частично в Битрикс24 (сделки), частично в 1С (оплаты). Несоответствие: в сделке сумма КП, в 1С — фактически отгруженная сумма.

Решение:

1. Синхронизация сделок из Битрикс24 в PostgreSQL через REST API (каждые 30 мин)
2. Синхронизация реализаций из 1С через COM-объект (раз в час)
3. Связка по полю UF_CRM_1C_CONTRACT_ID — кастомное поле в сделке со ссылкой на договор 1С
4. Материализованные представления PostgreSQL для предагрегации по периодам
5. Looker Studio подключён к PostgreSQL через коннектор

Результат: отчёты обновляются каждые 30 минут, руководство видит актуальную картину без ручной выгрузки из двух систем.

Техническое замечание: UF_CRM_* поля не возвращаются в crm.deal.list автоматически — их нужно явно указывать в select. Список всех UF-полей получают через crm.deal.fields.

Сроки разработки

Полный проект кастомной аналитики — 1–2 недели в зависимости от источников данных и сложности метрик.