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
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.
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.
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.
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:
- Проект «Цифровое государственное управление» (цель — 95% электронных услуг к 2030) стимулирует внедрение аналитики в организациях
- Программы поддержки цифровизации бизнеса («Эффективность.рф», меры Минцифры) снижают барьеры внедрения ИТ
- Курс на технологический суверенитет усиливает спрос на отечественные BI и аналитические решения
Экономические факторы:
- Рост мирового рынка BI и аналитики ($38B → $56B) подтверждает инвестиционную привлекательность сегмента
- В условиях нестабильности бизнесу нужны инструменты оптимизации затрат, прогнозирования и контроля процессов
- Экономические стимулы к переходу на локальные ИТ-решения и отказу от зарубежных платформ
Социальные факторы:
- Формируется data-driven культура: сотрудники ожидают доступ к данным и возможность самостоятельной аналитики (self-service)
- Высокое проникновение электронных сервисов (Госуслуги ~90%) повышает цифровую грамотность и готовность к новым инструментам
Технологические факторы:
- Распространение AI/ML, облачной аналитики и self-service BI повышает ожидания к скорости и удобству аналитики
- Развитие российских BI-платформ и облачной инфраструктуры (Cloud.ru и др.) создаёт технологическую базу для решений
Экологические факторы:
- Рост вычислительных нагрузок требует оптимизации архитектур и перехода к облачным моделям
- Повестка устойчивости дата-центров и эффективного использования ресурсов становится значимой для ИТ-проектов
Правовые факторы:
- Требования к защите и локализации данных (ФЗ-152 и смежные нормы) формируют спрос на безопасные аналитические среды
- 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:
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.
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.
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.
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:
Централизованное хранение внутренних данных и аналитических материалов
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.
Контекстуальная навигация и поиск Использование тегов, тематических групп и фильтрации для быстрого возврата к ранее сформированным выводам и отслеживания эволюции решений.
Совместная интерпретация данных Возможность комментирования, уточнения и дополнения инсайтов несколькими участниками.
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:
- Модульную архитектуру хранения структурированных и неструктурированных данных
- Алгоритмы машинного обучения для выявления повторяющихся паттернов, тематической кластеризации и предварительной формулировки инсайтов
- 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
SaaS-подписка (B2B) Оплата за пользователя или команду. Дифференциация тарифов: количество рабочих пространств, объём хранимых данных, доступ к расширенной аналитической поддержке.
Корпоративные лицензии Фиксированная стоимость для компаний среднего и крупного размера. Включает поддержку и интеграции.
Айдентика
Метрики проекта
North Star Metric (NSM) NSM: количество валидированных аналитических инсайтов на одну активную команду в месяц. Валидированный инсайт — это вывод, который: основан минимум на одном источнике данных; обсуждён или подтверждён; привёл к конкретному решению, задаче или изменению. Обоснование выбора: метрика отражает ценность, а не активность; напрямую связана с проблемой недоиспользования данных; коррелирует с удержанием и готовностью платить; масштабируется при росте числа команд.
Связь ключевых метрик (Metric Tree)
Привлечение и активация Цель: довести команду до первого аналитического действия. Метрики: CAC: 6 000–15 000 ₽ за команду; Conversion to Activation: 35–45%; Time to First Insight: ≤ 7 дней. Связь с NSM: без первого инсайта дальнейшая аналитическая ценность не формируется.
Использование (Core Usage) Цель: встроить продукт в регулярную работу команды. Метрики: MAU команд; среднее число инсайтов на команду; доля инсайтов с коллективной валидацией ≥ 60%. Связь с NSM: рост частоты и качества инсайтов напрямую увеличивает NSM.
Удержание (Retention) Цель: сделать продукт долгосрочным инструментом аналитики. Метрики: Retention 3M: 70–80%; churn: 3–6% в месяц; повторное использование аналитических пространств. Связь с NSM: стабильный NSM предсказывает удержание лучше, чем MAU.
Монетизация Цель: подтверждение готовности платить за ценность. Метрики: ARPA: 2 000–6 000 ₽ в месяц на команду; Conversion Free → Paid: 8–15%; LTV ≈ 42 000 ₽ при среднем чеке 3 500 ₽ и удержании 12 месяцев. Связь с NSM: команды с высоким NSM конвертируются в платные в 1,5–2 раза чаще.
Масштабирование ценности Цель: рост без пропорционального роста затрат. Метрики: LTV / CAC ≥ 3; Cost per Insight; доля команд с ≥ X инсайтов в месяц. Связь с NSM: рост NSM при стабильном CAC улучшает юнит-экономику.
Запуск MVP 1
Результаты рекламных креативов:
Статистика VK рекламы Показы: 293 774 Клики: 975 CTR: 0,33%
Статистика Яндекс Директ Показы: 55 814 Клики: 240 CTR: 0,41%
Маркетинговые цели
Ближайший горизонт (0–12 месяцев) Цель маркетинга — валидация аудитории и формулировки ценности, а не рост. Задачи: определить реальные конкретизированные сегменты, которым продукт необходим; протестировать позиционирование; привлекать команды через экспертные и профессиональные каналы; поддерживать пилотные внедрения. Метрики: стоимость привлечения команды (CAC); конверсия в регулярное использование; глубина использования функций.
Отдалённый горизонт (2–3 года) Цель маркетинга: формирование устойчивого канала привлечения B2B-клиентов. Задачи: развитие экспертного контента; партнёрства с профессиональными сообществами; масштабирование каналов привлечения в смежные сегменты и рынки.
Команда и процессы
Роли участников
Product Lead Функции: формирование продуктовой гипотезы и логики ценности; определение пользовательских сценариев; приоритизация бэклога; связь между исследованиями, разработкой и бизнес-целями; контроль достижения NSM. На раннем этапе Product Lead также участвует в пользовательских интервью и аналитике.Data / Analytics Lead Функции: проектирование модели данных продукта; формирование логики аналитических инсайтов; определение критериев валидности выводов; контроль корректности интерпретации данных; работа с обратной связью команд.
Tech Lead / Backend Developer Функции: архитектура системы; хранение данных; интеграции с внешними источниками; безопасность и доступы; масштабируемость решения. На раннем этапе Tech Lead совмещает архитектуру и разработку.
Frontend Developer Функции: реализация пользовательских сценариев; интерфейсы аналитики; визуализация данных; производительность и UX.
UX Designer Функции: проектирование пользовательских потоков; прототипирование ключевых сценариев; тестирование интерфейсов; сопровождение айдентики в продукте.
Поддерживающие роли Маркетолог; Юрист и бухгалтер — аутсорс.
Органограмма: Product Lead │ ├── Data / Analytics Lead ├── Product / UX Designer │ └── Tech Lead ├── Backend └── Frontend
Правовые и этические вопросы
Проект — это B2B SaaS-сервис для работы с внутренними данными команд. Он не создаёт собственного контента, а помогает анализировать и обсуждать данные, которые принадлежат клиенту. Поэтому ключевые вопросы здесь — не патенты, а защита кода, управление интеллектуальной собственностью, корректная работа с данными и прозрачность алгоритмов.
Интеллектуальная собственность Главная ценность проекта — программное обеспечение: исходный код, архитектура, интерфейсы, интеграции и пользовательские сценарии. Всё это автоматически защищено авторским правом. Патентование не рассматривается: используются стандартные подходы, а скорость развития продукта важнее формальной защиты.
Ноу-хау К ноу-хау относятся методология работы с данными, сценарии совместной интерпретации аналитики и решения, снижающие когнитивную нагрузку пользователей. Эти элементы защищаются режимом коммерческой тайны и договорными обязательствами внутри команды.
Лицензирование Используется смешанная модель: собственный проприетарный код и open-source библиотеки с лицензиями MIT, Apache 2.0, BSD, не требующими раскрытия кода. Ведётся внутренний учёт всех лицензий.
Данные и ответственность Данные полностью принадлежат клиентам, используются только для работы сервиса и могут быть удалены по их запросу. Реализована изоляция данных между клиентами, разграничение прав доступа и хранение в соответствии с требованиями ФЗ-152. При выходе на зарубежные рынки предусмотрена адаптация под GDPR.
Этика использования Продукт не выдаёт аналитические выводы за «объективную истину» и не заменяет экспертное мнение людей. Он не предназначен для скрытого контроля сотрудников, автоматической оценки их эффективности или принятия кадровых решений.
Юридические документы проекта На стадии MVP и раннего роста предусмотрены: пользовательское соглашение; политика конфиденциальности; политика обработки данных; NDA с командой и подрядчиками; реестр лицензий.
