Анализ данных о продажах за Q4 2025

Общая картина: сводные показатели

Прежде чем перейти к выводам, приведу ключевые агрегаты по вашим 45 транзакциям.

1. Коренные причины падения выручки на 12%

1.1. Критическая зависимость от одного представителя и одной категории

По торговым представителям:

Вывод: Почти половина всей выручки генерируется одним Rep_A. Любое снижение его активности (отпуск, потеря клиента, сезонность) немедленно бьёт по общей цифре. Это — системный риск концентрации.

По категориям продуктов:

Вывод: Software — 60% выручки. Если в Q3 было больше крупных софтверных сделок (например, продления лицензий), а в Q4 они не повторились — это одна из главных причин падения.

1.2. Провал категории Services

Services показывает самый низкий средний чек ($2,323) и устойчивый нисходящий тренд внутри квартала:

Падение среднего чека Services с октября по декабрь: −60%. Это явный сигнал деградации — либо теряются крупные сервисные контракты, либо клиенты переходят на минимальные пакеты.

1.3. Слабость региона South

По регионам:

South генерирует в 2.7 раза меньше выручки, чем West, при том же количестве сделок. Средний чек South ($4,027) — самый низкий. Регион обслуживается Rep_B, у которого самый слабый показатель эффективности.

1.4. Сезонное замедление в декабре

Наблюдается последовательное снижение среднего чека от месяца к месяцу (−10.2% октябрь→ноябрь, −2.7% ноябрь→декабрь). Декабрьские праздники, вероятно, замедлили закрытие крупных сделок.

2. Тревожные тренды и паттерны

🔴 Тренд 1: Клиентский микс смещён в сторону SMB

Почти половина сделок — SMB со средним чеком в 2.8 раза ниже Enterprise. Если в Q3 доля Enterprise была выше, смещение к SMB напрямую объясняет падение выручки.

🔴 Тренд 2: Hardware — высокий объём, низкая маржинальность

Hardware продаёт больше всего единиц (87), но приносит лишь $37,900 (11.9%). Цена за единицу — $436 против $2,672 у Software. Это потенциально «пожиратель ресурсов» — много логистики и усилий при минимальной отдаче.

🔴 Тренд 3: Rep_B — системная недоэффективность

Rep_B обслуживает весь South и показывает:

• Средний чек $3,692 (самый низкий)
• Ни одной Enterprise-сделки — все его клиенты SMB или Mid-Market
• Тренд снижения: его Services-сделки падают с $2,800 до $1,100

🟡 Тренд 4: Consulting — недоиспользованный потенциал

Consulting показывает хороший средний чек ($6,117) и обслуживает Enterprise-клиентов, но имеет всего 6 сделок за квартал. Это может быть точкой роста.

3. Сравнение эффективности по регионам и продуктам

Матрица «Регион × Категория» (выручка)

Ключевые наблюдения:

• West доминирует в Software ($79,600) — это комбинация Rep_A + Enterprise-клиенты
• East и South не имеют Consulting-продаж вообще — упущенная возможность
• South — единственный регион, где Services приносит столько же, сколько Hardware, но обе цифры низкие

Эффективность представителей по типу клиента

Rep_A работает почти исключительно с Enterprise — это объясняет его высокий средний чек, но создаёт риск: потеря 1-2 Enterprise-клиентов обрушит показатели.

4. Конкретные рекомендации (5 действий)

✅ Рекомендация 1: Перебалансировать территории и наставничество

Проблема: Rep_B генерирует в 3.4 раза меньше выручки, чем Rep_A.

Действие: Организуйте программу «shadow selling» — Rep_B проводит 2 недели, наблюдая за процессом продаж Rep_A с Enterprise-клиентами. Параллельно пересмотрите территориальное распределение: передайте часть Mid-Market аккаунтов из West в South, чтобы Rep_B мог работать с более крупными сделками.

Ожидаемый эффект: Рост среднего чека Rep_B на 30-40% → +$5,000-7,000/квартал.

✅ Рекомендация 2: Запустить Consulting в East и South

Проблема: Два региона из четырёх не имеют ни одной Consulting-сделки, при том что Consulting показывает второй по величине средний чек ($6,117).

Действие: Разработайте «Consulting starter pack» — упрощённый пакет консалтинговых услуг для Mid-Market клиентов в East и South. Назначьте Rep_C и Rep_B ответственными за кросс-продажи Consulting существующим клиентам.

Ожидаемый эффект: 4-6 дополнительных Consulting-сделок/квартал → +$24,000-37,000.

✅ Рекомендация 3: Провести аудит категории Services и пересмотреть ценообразование

Проблема: Services теряет 60% среднего чека за квартал, 10 из 13 сделок — SMB с минимальным чеком.

Действие:

• Проведите анализ причин оттока/снижения: опросите 5-10 клиентов Services, почему они покупают минимальные пакеты.
• Введите минимальный порог контракта (например, $3,000) или пакетное предложение Services + Software со скидкой 10%.
• Рассмотрите прекращение мелких Services-сделок (<$2,000), если они не ведут к upsell.

Ожидаемый эффект: Рост среднего чека Services до $3,500+ → +$15,000/квартал.

✅ Рекомендация 4: Снизить зависимость от Rep_A через развитие Enterprise-компетенций у команды

Проблема: 46.6% выручки = 1 человек. Это бизнес-риск уровня «красный».

Действие:

• Документируйте процесс продаж Rep_A: скрипты, подход к переговорам, структура предложений.
• Назначьте Rep_C (второй по эффективности) на 2-3 Enterprise-аккаунта в Q1 2026 в качестве пилота.
• Внедрите CRM-процесс, где все Enterprise-контакты принадлежат компании, а не представителю.

Ожидаемый эффект: Снижение концентрации до <35% на одного представителя к Q3 2026.

✅ Рекомендация 5: Создать программу «декабрьского ускорения» для борьбы с сезонным спадом

Проблема: Средний чек падает от месяца к месяцу, декабрь — самый слабый.

Действие:

• Запустите Q4 Early Close Incentive: бонус 5% для клиентов, подписывающих контракты до 15 декабря.
• Перенесите квартальные обзоры с клиентами на начало ноября (вместо декабря), чтобы pipeline закрывался раньше.
• Установите для команды промежуточную цель: 40% квартальной выручки должно быть закрыто к 15 ноября.

Ожидаемый эффект: Выравнивание помесячной выручки, +5-8% к декабрьским показателям.

5. Какие дополнительные данные необходимо собрать

Резюме для руководства

Падение выручки на 12% в Q4 2025 вызвано комбинацией структурных и сезонных факторов:

1. Чрезмерная зависимость от одного представителя (Rep_A = 47% выручки) и одной категории (Software = 60%)
2. Деградация категории Services (−60% среднего чека за квартал)
3. Хроническая слабость региона South (в 2.7 раза ниже лидера)
4. Смещение клиентского микса в сторону SMB с низким средним чеком
5. Сезонное замедление в декабре

Приоритетные действия Q1 2026: развитие Enterprise-компетенций у команды, запуск Consulting в двух новых регионах, аудит Services.

Если у вас есть данные за Q3 или информация о pipeline, я могу провести более глубокий сравнительный анализ и уточнить рекомендации.

Анализ инвестиции в автоматизацию процесса ежемесячной отчётности

1. РЕКОМЕНДАЦИЯ: УСЛОВНОЕ «ДА» — НО НЕ В ЛОБ

Почему не безусловное «да»

Давайте сначала честно посчитаем, что мы знаем и чего не знаем.

Оптимистичный сценарий (заявление вендора):

Уже здесь проблема: 36 месяцев — это долго, а реорганизация возможна через 6–12.

Реалистичный сценарий (корректировка заявлений вендора):

Вендоры обычно завышают экономию на 30–50%. Плюс скрытые затраты.

Вывод: при полной инвестиции $80K проект не окупается в разумные сроки даже в оптимистичном сценарии, если учесть риск реорганизации.

При каких условиях стоит инвестировать

Инвестировать стоит только если выполняются минимум 3 из 4 условий:

1. Можно начать с пилота за $15–20K (не $80K сразу)
2. Есть подтверждение, что процесс переживёт реорганизацию (от руководства, в письменной форме или хотя бы устно от спонсора)
3. Вендор готов на модель оплаты по результатам (часть суммы — после подтверждения экономии)
4. Экономия подтверждается не только временем, но и качеством: меньше ошибок, быстрее доступ к данным, снижение рисков compliance

2. ПОЭТАПНЫЙ ПОДХОД (ВМЕСТО BIG BANG)

Фаза 0: Разведка (2–3 недели, ~$0–2 000)

Цель: Убрать главные неизвестные ДО траты денег

□ Провести хронометраж: реально ли это 48 ч/мес?
  (Часто оказывается, что "2 дня" = 2 дня с перерывами = 12 ч, не 16)
□ Поговорить с 2-3 клиентами вендора (не теми, кого он даст — найти сами)
□ Уточнить у руководства статус реорганизации
  (Задать прямой вопрос: "Планируется ли изменение процесса отчётности?")
□ Оценить скрытые затраты: интеграции, лицензии, обучение, поддержка

Критерий перехода к Фазе 1: Подтверждённая экономия ≥ 30 ч/мес, процесс стабилен минимум 12 мес.

Фаза 1: Пилот (6–8 недель, $15 000–20 000)

Автоматизировать ОДИН подпроцесс — самый трудоёмкий и стабильный.

Например:
- Только сбор данных (если это 60% времени)
- Или только форматирование отчётов

Что измеряем:
- Реальная экономия времени (до/после, в часах)
- Количество ошибок (до/после)
- Время на исправление проблем автоматизации
- Удовлетворённость команды (1-10, анонимно)

Критерий перехода к Фазе 2: Экономия пилотного подпроцесса ≥ 60% от заявленной вендором. Команда оценивает решение ≥ 6/10.

Фаза 2: Масштабирование (8–12 недель, $30 000–40 000)

Автоматизация оставшихся подпроцессов.
Только если Фаза 1 успешна.

Фаза 3: Оптимизация (ongoing, $5 000–10 000/год)

Доработки, обслуживание, адаптация к изменениям.

Общий бюджет поэтапного подхода: $15K (пилот) + $35K (масштабирование) + $10K (резерв) = $60K вместо $80K, с возможностью остановиться после $15K.

3. ТОЧКА БЕЗУБЫТОЧНОСТИ И СРОК ОКУПАЕМОСТИ

При поэтапном подходе

Сценарий A: Только пилот ($15K), автоматизируем 60% процесса

Сценарий B: Полное внедрение ($60K)

Критическая формула для вашего решения

Минимальный горизонт стабильности процесса = Срок окупаемости × 1.3

Если реорганизация через 6 месяцев:
  → Максимально допустимая инвестиция = $1 200 × 6 / 1.3 ≈ $5 500
  → Вывод: при 6-месячном горизонте инвестиция не оправдана

Если реорганизация через 18 месяцев:
  → Максимальная инвестиция = $1 200 × 18 / 1.3 ≈ $16 600
  → Вывод: пилот за $15K — на грани, полное внедрение — нет

Если процесс стабилен 36+ месяцев:
  → Полное внедрение оправдано

Ключевой вывод: Без ясности по реорганизации максимальная разумная инвестиция — это пилот за $15–20K.

4. УПРАВЛЕНИЕ СКЕПТИЦИЗМОМ КОМАНДЫ

Почему это критически важно

Скептицизм после неудачного проекта — это не иррациональность. Это рациональная реакция на опыт. Если команда не вовлечена, даже хорошее решение провалится (саботаж, workarounds, «нам проще по-старому»).

Конкретные действия

Неделя 1: Признание прошлого

Провести встречу (60 мин):
- "Прошлый проект автоматизации не сработал. Давайте разберём почему."
- Записать причины на доску. Не защищаться.
- "Что должно быть по-другому в этот раз?"
- Зафиксировать ответы — это станет чек-листом проекта.

Неделя 2: Вовлечение в решение

- Назначить 1 человека из команды "адвокатом скептиков" — 
  его работа: искать проблемы и озвучивать их
- Дать команде право вето на переход от пилота к масштабированию
- Показать, что пилот — это ТЕСТ, а не fait accompli

В ходе пилота: Прозрачность

- Еженедельный апдейт: что работает, что нет, сколько потрачено
- Публичная метрика: "Сэкономлено Х часов на этой неделе" 
  (или честно: "Пока экономия нулевая, разбираемся")
- Если что-то не работает — говорить об этом первым, 
  до того как команда заметит

Принципиальная позиция:

Не продавайте команде автоматизацию. Предложите им эксперимент с правом сказать «нет». Люди поддерживают то, что они помогали создавать.

5. КРИТЕРИИ РАННЕГО ЗАКРЫТИЯ (KILL CRITERIA)

Автоматические стоп-сигналы

Проект останавливается немедленно, если:

Сигналы для паузы и пересмотра

Проект ставится на паузу на 1 неделю для анализа, если:

□ Экономия на 4-й неделе — 20–50% от заявленной (не провал, 
  но тревожно)
□ Разработчик тратит > 30% времени (вместо заявленных 20%)
□ Команда оценивает решение < 5/10
□ Обнаружены скрытые затраты, увеличивающие TCO > 15%

Критерии перехода к масштабированию

Масштабирование одобряется только если все 4 условия выполнены:

✓ Пилот показал экономию ≥ 60% от заявленной вендором
✓ Бюджет пилота не превышен более чем на 10%
✓ Команда голосует за продолжение (минимум 2 из 3)
✓ Нет сигналов о реорганизации в ближайшие 12 месяцев

ИТОГОВАЯ РЕКОМЕНДАЦИЯ

╔══════════════════════════════════════════════════════════════╗
║                                                              ║
║  НЕ ИНВЕСТИРУЙТЕ $80 000 СЕЙЧАС.                           ║
║                                                              ║
║  Вместо этого:                                               ║
║                                                              ║
║  1. Потратьте 2 недели на Фазу 0 (разведка) — бесплатно    ║
║  2. Получите ясность по реорганизации — это решающий фактор ║
║  3. Если процесс стабилен ≥ 18 мес → запускайте пилот      ║
║     за $15K с правом команды на вето                         ║
║  4. Масштабируйте только по результатам пилота              ║
║                                                              ║
║  Худший сценарий при таком подходе: потеряете $15K и 2 мес. ║
║  Худший сценарий при подходе "всё сразу": $80K + 3 мес +   ║
║  доверие команды, которое уже подорвано.                     ║
║                                                              ║
╚══════════════════════════════════════════════════════════════╝

Один вопрос, который нужно задать до любых действий

«Если бы у меня не было предложения от вендора, стал бы я тратить $80K на оптимизацию именно этого процесса?»

Если ответ «нет» — возможно, вы решаете не ту проблему. Если «да» — начните с разведки, а не с закупки.

Анализ жалоб клиентов: Октябрь–Ноябрь 2025

1. Тренд настроений

Методология

Я классифицировал каждое сообщение по тональности (негативное / смешанное / позитивное) и степени серьёзности (1–5), а затем сравнил два месяца.

Октябрь (15 жалоб)

Средняя серьёзность: 3.1 из 5

Ноябрь (15 жалоб)

Средняя серьёзность: 3.5 из 5

Вывод по тренду

Общее количество жалоб стабильно, но картина расщепляется. Есть два противоположных движения:

↗ Позитивный сдвиг: Ценовая политика улучшилась — клиенты это заметили и благодарят (3 позитивных отзыва о ценах в ноябре). Служба поддержки стабильно получает похвалу. Доставка показывает первые признаки улучшения.

↗ Негативный сдвиг (КРИТИЧНЫЙ): Жалобы на Widget X стали значительно серьёзнее. Если в октябре это были «поломки» и «разочарование», то в ноябре появились слова «опасность», «пожар», «потеря данных», «юридические действия», «отзыв продукта». Тон эскалировал от недовольства к угрозам.

Итого: средняя серьёзность выросла с 3.1 до 3.5 — жалобы становятся опаснее, несмотря на улучшения в других областях.

2. Главные темы жалоб и их частота

Сводная таблица

Детализация по каждой теме

🔴 ТЕМА 1: Дефект Widget X (12 жалоб — 40%) Это ваша проблема №1.

• Паттерн поломки чёткий: устройство выходит из строя через 10–15 дней после покупки. Это упоминают жалобы #002, #005, #008, #014, #018, #020, #025, #027.
• Вероятная причина: проблема с батареей — перегрев, вздутие, выход из строя (#025 прямо указывает на battery issue).
• Эскалация безопасности: два случая задымления (#011 в октябре, #023 в ноябре).
• Потеря данных: #016 — критическая потеря проектных данных.
• Клиенты начинают объединяться: #027 упоминает, что отслеживает жалобы онлайн и видит системный паттерн.

🟡 ТЕМА 2: Задержки доставки (9 жалоб — 30%)

• Октябрь: задержки 2–3 недели (#001, #004, #006, #009, #012, #015).
• Ноябрь: есть признаки улучшения (#024 отмечает сокращение с 3 недель до 10 дней), но проблема не решена полностью (#019, #029).
• Особенно болезненно для B2B-клиентов (#009 — потеря денег и клиентов) и эмоциональных случаев (#004 — день рождения дочери, #019 — праздничный подарок).

🟢 ТЕМА 3: Ценообразование (6 жалоб — 20%)

• Октябрь: негатив — повышение цен на 20% без предупреждения (#007), расхождение цен на сайте и при оплате (#003), непрозрачная политика price match (#013).
• Ноябрь: позитивный разворот — клиенты благодарят за снижение цен (#017, #022, #028).
• Вывод: вы уже решили эту проблему. Хороший пример реагирования на обратную связь.

🟢 ТЕМА 4: Качество службы поддержки (3 отзыва — 10%)

• Стабильно позитивные упоминания (#010, #021, #026). Отдельно отмечены сотрудники Sarah и Mike.
• Это ваш актив — клиенты разделяют «плохой продукт» и «хороших людей».

3. Жалобы с высокой срочностью / риском эскалации

🚨 КРИТИЧЕСКИЙ УРОВЕНЬ — требует немедленных действий

⚠️ ВЫСОКИЙ УРОВЕНЬ — требует приоритетного внимания

Общая оценка рисков по Widget X

⚠️ ВЫВОД: Widget X представляет потенциальный кризис безопасности и репутации.

У вас есть:

• Системный дефект с предсказуемым сроком поломки (10–15 дней)
• Два зафиксированных случая задымления (потенциальный пожар)
• Один случай потери данных
• Клиент, собирающий доказательства онлайн
• Прямая угроза судебного иска

Рекомендация: немедленно эскалировать вопрос Widget X руководству, юридическому отделу и отделу качества. Рассмотреть добровольный отзыв или приостановку продаж до завершения расследования.

4. Рекомендуемая система отслеживания жалоб

Структура базы данных (трекер жалоб)

Вы можете реализовать это в специализированном инструменте (Zendesk, Freshdesk, Jira Service Management) или начать с простой таблицы. Вот рекомендуемая структура:

ТАБЛИЦА: Complaint_Log

Поля:
──────────────────────────────────────────────────────────────
ID жалобы          | Уникальный номер (CMP-2025-001)
Дата получения     | Дата
Канал              | Email / Тикет / Телефон / Соцсети / Чат
Клиент             | Имя + ID клиента
Тип клиента        | B2C / B2B / VIP / Новый / Постоянный
──────────────────────────────────────────────────────────────
Категория (Тема)   | Качество продукта / Доставка / Цены / 
                   | Обслуживание / Биллинг / Другое
Подкатегория       | Widget X дефект / Widget X безопасность /
                   | Задержка доставки / Трекинг не работает...
Продукт            | Widget X / Widget Y / Услуга Z...
──────────────────────────────────────────────────────────────
Серьёзность        | 1-Низкая / 2-Средняя / 3-Высокая / 
                   | 4-Критическая / 5-Кризис
Тональность        | Позитивная / Нейтральная / Негативная / 
                   | Угрожающая
Срочность          | Стандарт / Приоритет / Срочно / Немедленно
──────────────────────────────────────────────────────────────
Статус             | Новая / В работе / Ожидает клиента / 
                   | Эскалирована / Решена / Закрыта
Ответственный      | Имя сотрудника
Дата ответа        | Дата первого ответа
Дата решения       | Дата закрытия
──────────────────────────────────────────────────────────────
Корневая причина   | Дефект батареи / Логистика / Ошибка сайта...
Действие           | Возврат / Замена / Компенсация / Эскалация
Повторная жалоба?  | Да/Нет (+ ссылка на предыдущую)
Риск эскалации     | Низкий / Средний / Высокий / Критический
Заметки            | Свободное поле
──────────────────────────────────────────────────────────────

Процесс обработки (Workflow)

ПОСТУПЛЕНИЕ ЖАЛОБЫ
        │
        ▼
┌─────────────────────┐
│  1. ПРИЁМ И ОЦЕНКА  │ ← В течение 2 часов (рабочее время)
│  - Категоризация    │
│  - Оценка серьёзности│
│  - Назначение       │
└────────┬────────────┘
         │
         ▼
┌─────────────────────────────────────────────┐
│  2. МАРШРУТИЗАЦИЯ ПО СЕРЬЁЗНОСТИ            │
│                                             │
│  Серьёзность 1-2: Стандартный процесс       │
│  → Ответ в течение 24 часов                 │
│  → Решение в течение 72 часов               │
│                                             │
│  Серьёзность 3: Приоритетный процесс        │
│  → Ответ в течение 4 часов                  │
│  → Решение в течение 48 часов               │
│  → Уведомление менеджера                    │
│                                             │
│  Серьёзность 4-5: Кризисный процесс         │
│  → Ответ в течение 1 часа                   │
│  → Немедленная эскалация руководству        │
│  → Подключение юридического отдела (если     │
│    есть угроза безопасности или суда)        │
└────────┬────────────────────────────────────┘
         │
         ▼
┌─────────────────────┐
│  3. РЕШЕНИЕ         │
│  - Выполнить действие│
│  - Подтвердить      │
│    с клиентом       │
│  - Зафиксировать    │
│    корневую причину │
└────────┬────────────┘
         │
         ▼
┌─────────────────────┐
│  4. ЗАКРЫТИЕ        │
│  - Follow-up через  │
│    3-5 дней         │
│  - Запрос оценки    │
│    удовлетворённости│
│  - Агрегация данных │
│    для отчётности   │
└─────────────────────┘

Рекомендация по инструментам

5. Метрики для ежемесячного мониторинга

Панель ключевых метрик (Monthly Dashboard)

A. Объём и динамика

B. Категоризация

C. Серьёзность и безопасность

D. Скорость реагирования

E. Клиентский опыт

F. Раннее обнаружение (Early Warning Signals)

Эти метрики специально спроектированы для выявления проблем до того, как они станут кризисом:

Шаблон ежемесячного отчёта

═══════════════════════════════════════════════
    ЕЖЕМЕСЯЧНЫЙ ОТЧЁТ ПО ЖАЛОБАМ КЛИЕНТОВ
                 [Месяц, Год]
═══════════════════════════════════════════════

РЕЗЮМЕ ДЛЯ РУКОВОДСТВА (Executive Summary)
───────────────────────────────────────────────
Всего жалоб:          ___  (vs ___ прошлый мес.)
Критических:          ___  (vs ___ прошлый мес.)
Средняя серьёзность:  ___  (vs ___ прошлый мес.)
Время до решения:     ___  (vs ___ прошлый мес.)
Топ-проблема:         ___________________

СТАТУС: 🟢 Норма / 🟡 Внимание / 🔴 Тревога

ТОП-3 ТЕМЫ
───────────────────────────────────────────────
1. _____________ — ___ жалоб (___%)  ↗/↘/→
2. _____________ — ___ жалоб (___%)  ↗/↘/→
3. _____________ — ___ жалоб (___%)  ↗/↘/→

КРИТИЧЕСКИЕ ИНЦИДЕНТЫ
───────────────────────────────────────────────
[Список с кратким описанием и статусом]

ДЕЙСТВИЯ И РЕКОМЕНДАЦИИ
───────────────────────────────────────────────
[Конкретные шаги с ответственными и сроками]

═══════════════════════════════════════════════

Итоговые рекомендации: план действий по приоритетам

НЕМЕДЛЕННО (эта неделя)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🚨 1. Widget X — инициировать расследование безопасности
     → Два случая задымления = потенциальный пожар
     → Подключить юридический отдел и отдел качества
     → Рассмотреть приостановку продаж
     
🚨 2. Связаться с клиентами #011, #016, #023, #030
     → Личный звонок (не email!)
     → Предложить полный возврат + компенсацию
     → Запросить дефектные устройства для экспертизы

🚨 3. Клиент #027 — мониторить онлайн-активность
     → Он собирает доказательства публично
     → Проактивно связаться и предложить решение


В ТЕЧЕНИЕ 2 НЕДЕЛЬ
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ 4. Widget X — техническая экспертиза батареи
     → Паттерн 10-15 дней → вероятно дефект батареи
     → Тестирование партий, выявление причины
     
⚠️ 5. Логистика — продолжить улучшения
     → Прогресс есть (3 нед → 10 дней), но недостаточно
     → Целевой показатель: 5-7 дней
     → Рассмотреть смену/добавление логистического партнёра


В ТЕЧЕНИЕ МЕСЯЦА
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 6. Внедрить систему отслеживания жалоб (п. 4 выше)
📋 7. Настроить ежемесячную отчётность (п. 5 выше)
📋 8. Закрепить успех по ценообразованию
     → Клиенты оценили снижение цен
     → Коммуницировать это как «мы слышим вас»
📋 9. Отметить команду поддержки (Sarah, Mike)
     → Они — ваш буфер между проблемами и оттоком

Если нужно, я могу подготовить готовый шаблон таблицы-трекера в формате, который вы сможете сразу импортировать, или детализировать любой из разделов.

Аудит соответствия GDPR/CCPA: Полный разбор

1. Выявленные нарушения и риски

КРИТИЧЕСКИЕ (требуют немедленного исправления)

УМЕРЕННЫЕ (исправить в течение 1–3 месяцев)

НЕЗНАЧИТЕЛЬНЫЕ (исправить в течение 3–6 месяцев)

2. Матрица приоритизации

Вероятность обнаружения
        ВЫСОКАЯ ──────────────────────────────
        │  К1 (отписка)    │  К2 (согласие)  │
        │  К4 (DSR/SLA)    │                  │
        ├──────────────────────────────────────│
        │  У1 (доступ)     │  У3 (цели)      │
        │  У2 (записи)     │  У4 (DPA)       │
        ├──────────────────────────────────────│
        │  Н1 (privacy     │  Н2 (DPO)       │
        │      policy)     │  Н3 (ROPA)      │
        НИЗКАЯ             │  Н4 (breach)    │
                ВЫСОКИЙ ◄── Размер штрафа ──► КРИТИЧЕСКИЙ

Порядок устранения:

К1 → К2 → К4 → К3 → У1 → У2 → У3 → У4 → Н1–Н4

3. Конкретные исправления для каждой проблемы

Критические — немедленно (0–30 дней)

К1 — Отсутствие механизма отписки

Что сделать:
├── Добавить ссылку "Отписаться" в КАЖДОЕ маркетинговое письмо
├── Реализовать однокликовую отписку (List-Unsubscribe header)
├── Отписка должна срабатывать в течение 10 рабочих дней (CAN-SPAM)
│   рекомендация: мгновенно
└── Использовать платформу рассылки с встроенным механизмом
    (Mailchimp, SendGrid, Brevo — все имеют это из коробки)

Быстрое решение (день 1): ОСТАНОВИТЬ все рассылки до внедрения механизма

К2 — Нет явного согласия

Что сделать:
├── Переделать веб-форму:
│   ├── Добавить ОТДЕЛЬНЫЙ чекбокс (не предзаполненный!) для маркетинга:
│   │   ☐ "Я согласен получать маркетинговые материалы по email"
│   ├── Добавить чекбокс согласия на обработку данных:
│   │   ☐ "Я ознакомился с Политикой конфиденциальности и согласен
│   │      на обработку моих данных для [конкретная цель]"
│   └── Ссылка на полную Privacy Policy
├── Фиксировать: дату, время, IP, версию текста согласия, что именно
│   отмечено
└── Для существующей базы: провести re-consent кампанию
    (отправить письмо с просьбой подтвердить согласие;
     кто не подтвердил за 30 дней — удалить из маркетинговой базы)

К4 — Процесс обработки DSR без SLA

Что сделать:
├── Установить SLA:
│   ├── GDPR: ответ в течение 30 дней (с возможностью продления на 60)
│   └── CCPA: ответ в течение 45 дней (с возможностью продления на 45)
├── Создать стандартную процедуру:
│   ├── Шаг 1: Подтверждение получения запроса (автоответ) — 24 часа
│   ├── Шаг 2: Верификация личности запрашивающего — 3 дня
│   ├── Шаг 3: Поиск всех данных субъекта во всех системах — 5 дней
│   ├── Шаг 4: Удаление/предоставление данных — 10 дней
│   └── Шаг 5: Подтверждение выполнения клиенту — 1 день
├── Вести журнал всех запросов (дата, тип, статус, дата выполнения)
└── Назначить ответственного (owner) за DSR-процесс

К3 — Бессрочное хранение

Что сделать:
├── Определить сроки хранения по категориям:
│   ├── Активные клиенты: на весь срок отношений + 1 год
│   ├── Лиды (не стали клиентами): 12 месяцев с последнего контакта
│   ├── Маркетинговые согласия: 3 года с момента получения
│   └── Бухгалтерские данные: по требованиям законодательства (обычно 5-7 лет)
├── Настроить автоматическое напоминание о ревизии данных (ежеквартально)
└── Провести первичную чистку: удалить данные старше установленных сроков

Умеренные — 1–3 месяца

У1 — Google Таблица без контроля доступа

Рекомендация: Мигрировать на CRM-систему

Краткосрочно (если CRM пока невозможна):
├── Сократить доступ с 20 до необходимого минимума
│   ├── Продажи: полный доступ к своим клиентам
│   ├── Маркетинг: только чтение email + статус согласия
│   └── Руководство: только агрегированные данные
├── Включить журнал изменений (Google Sheets version history)
├── Запретить скачивание/копирование (настройки доступа Google)
└── Включить 2FA для всех аккаунтов с доступом

Среднесрочно (рекомендация):
├── Перейти на CRM (HubSpot Free / Pipedrive / Salesforce)
│   с ролевым доступом и audit trail
└── Удалить Google Таблицу после миграции

У2 — Нет записи о согласии (Consent Records)

Что сделать:
├── Для каждого контакта фиксировать:
│   ├── Дата и время получения согласия
│   ├── Способ получения (веб-форма, устно, email)
│   ├── Точный текст, который видел человек
│   ├── На что дано согласие (обработка / маркетинг / передача третьим лицам)
│   ├── IP-адрес (для веб-форм)
│   └── Дата отзыва согласия (если применимо)
└── Хранить эти записи отдельно от маркетинговой базы
    (чтобы при удалении данных клиента запись о согласии сохранялась
     как доказательство для регулятора)

У3 — Нет разграничения целей

Что сделать:
├── Определить и задокументировать правовые основания для каждой цели:
│   ├── Продажи (обработка запроса): легитимный интерес или
│   │   выполнение договора (Art. 6(1)(b))
│   ├── Маркетинг (рассылки): только явное согласие (Art. 6(1)(a))
│   └── Аналитика: легитимный интерес с оценкой баланса интересов
├── В веб-форме — отдельные чекбоксы для каждой цели
└── Клиент должен иметь возможность отозвать согласие
    на маркетинг, не теряя обслуживание по продажам

У4 — Нет DPA с Google

Что сделать:
├── Google уже предлагает стандартный DPA:
│   └── https://workspace.google.com/terms/dpa_terms.html
│       (принять в Admin Console → Account → Legal and compliance)
├── Убедиться, что используется Google Workspace (не бесплатный Gmail)
├── Проверить настройки региона хранения данных
│   (для GDPR данные должны храниться в ЕС или в стране
│    с адекватным уровнем защиты)
└── Задокументировать Google как процессор в ROPA

Незначительные — 3–6 месяцев

Н1 — Privacy Policy

Разместить на сайте и привязать к веб-форме (подробности в разделе 5)

Н2 — DPO

├── Оценить, обязательно ли назначение DPO (зависит от масштаба обработки)
├── Если не обязательно — назначить ответственного за privacy (Privacy Champion)
└── Обучить команду основам GDPR/CCPA

Н3 — ROPA (реестр операций обработки)

Создать таблицу со всеми операциями обработки (шаблон в разделе 5)

Н4 — Процедура уведомления о утечках

├── GDPR: уведомить регулятора в течение 72 часов
├── CCPA: уведомить затронутых лиц "без необоснованной задержки"
└── Создать playbook реагирования на инциденты

4. Целевой рабочий процесс обработки данных

Схема нового процесса

                        СБОР ДАННЫХ
                            │
                            ▼
┌─────────────────────────────────────────────────────┐
│              ВЕБ-ФОРМА (обновлённая)                │
│                                                     │
│  Поля: Имя, Email, Компания, Телефон               │
│                                                     │
│  ☐ Согласие на обработку данных для ответа          │
│    на мой запрос (ОБЯЗАТЕЛЬНО)                      │
│  ☐ Согласие на получение маркетинговых              │
│    материалов (ОПЦИОНАЛЬНО)                         │
│                                                     │
│  Ссылка → Политика конфиденциальности               │
│                                                     │
│  [Фиксируется: timestamp, IP, версия текста,       │
│   какие чекбоксы отмечены]                          │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│                 CRM-СИСТЕМА                         │
│          (замена Google Таблицы)                     │
│                                                     │
│  ┌─────────────┐  ┌──────────────┐  ┌───────────┐  │
│  │  Контакт    │  │  Consent     │  │  Audit    │  │
│  │  Record     │  │  Record      │  │  Log      │  │
│  │             │  │              │  │           │  │
│  │ • Имя       │  │ • Дата       │  │ • Кто     │  │
│  │ • Email     │  │ • Тип        │  │ • Когда   │  │
│  │ • Компания  │  │ • Текст      │  │ • Что     │  │
│  │ • Телефон   │  │ • Статус     │  │   изменил │  │
│  │ • Источник  │  │ • IP         │  │           │  │
│  │ • Retention │  │              │  │           │  │
│  │   date      │  │              │  │           │  │
│  └──────┬──────┘  └──────────────┘  └───────────┘  │
│         │                                           │
│    Ролевой доступ:                                  │
│    • Sales: CRUD на свои контакты                   │
│    • Marketing: READ email + consent status         │
│    • Admin: полный доступ + управление              │
│    • Support: READ + обработка DSR                  │
└──────┬──────────────────────┬───────────────────────┘
       │                      │
       ▼                      ▼
┌──────────────┐    ┌──────────────────────┐
│   ПРОДАЖИ    │    │     МАРКЕТИНГ        │
│              │    │                      │
│ Работа с     │    │ Рассылка ТОЛЬКО      │
│ лидами на    │    │ тем, кто дал         │
│ основании    │    │ маркетинговое         │
│ легитимного  │    │ согласие              │
│ интереса /   │    │                      │
│ договора     │    │ Каждое письмо:       │
│              │    │ • Ссылка "Отписаться" │
│              │    │ • Идентификация       │
│              │    │   отправителя         │
│              │    │ • Физический адрес    │
└──────────────┘    └──────────────────────┘
                              │
                    ┌─────────┴─────────┐
                    │   Отписка?        │
                    │   ├── Да → Статус │
                    │   │   consent =   │
                    │   │   withdrawn   │
                    │   │   (мгновенно) │
                    │   └── Нет →       │
                    │       продолжить  │
                    └───────────────────┘

       ОБРАБОТКА ЗАПРОСОВ НА УДАЛЕНИЕ (DSR)
       ─────────────────────────────────────
       
Клиент → support@ (или форма на сайте / preference center)
         │
         ▼
┌──────────────────────────────────┐
│ Автоответ: "Ваш запрос получен. │◄── Шаг 1: < 24 часа
│ Номер обращения: #XXX.          │
│ Мы ответим в течение 30 дней."  │
└────────────┬─────────────────────┘
             ▼
┌──────────────────────────────────┐
│ Верификация личности             │◄── Шаг 2: 1–3 дня
│ (запрос подтверждения с email    │
│  клиента или другой метод)       │
└────────────┬─────────────────────┘
             ▼
┌──────────────────────────────────┐
│ Поиск данных во ВСЕХ системах:   │◄── Шаг 3: 3–5 дней
│ • CRM                            │
│ • Email-платформа                │
│ • Бэкапы                        │
│ • Переписка                     │
└────────────┬─────────────────────┘
             ▼
┌──────────────────────────────────┐
│ Выполнение:                      │◄── Шаг 4: 5–10 дней
│ • Удаление из всех систем        │
│ • Сохранение минимальной записи  │
│   (ID + "данные удалены" +       │
│    дата удаления — для           │
│    предотвращения повторного     │
│    сбора и для отчётности)       │
└────────────┬─────────────────────┘
             ▼
┌──────────────────────────────────┐
│ Подтверждение клиенту:           │◄── Шаг 5: < 1 дня
│ "Ваши данные удалены.            │
│  Вот что было удалено: [список]" │
└──────────────────────────────────┘

       ЖИЗНЕННЫЙ ЦИКЛ ДАННЫХ (RETENTION)
       ───────────────────────────────────
       
┌─────────────┐    12 мес без    ┌──────────────┐
│   Новый лид  │───активности───►│ Уведомление: │
│              │                  │ "Хотите      │
└──────────────┘                  │  остаться?"  │
                                  └──────┬───────┘
                                         │
                                  ┌──────┴───────┐
                                  │              │
                                  ▼              ▼
                            Да: сброс      Нет / нет ответа
                            таймера        30 дней:
                            на 12 мес      → автоудаление
                                           → лог в журнал

5. Необходимые политики и документация

Полный перечень с приоритетами

ПРИОРИТЕТ 1 (создать в первые 30 дней)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📄 1. Privacy Policy (Политика конфиденциальности)
   ├── Размещение: на сайте, ссылка в веб-форме, в футере писем
   ├── Содержание:
   │   ├── Кто мы (контролёр данных, контактные данные)
   │   ├── Какие данные собираем и зачем
   │   ├── Правовые основания обработки для каждой цели
   │   ├── Кому передаём данные (процессоры, третьи страны)
   │   ├── Сроки хранения
   │   ├── Права субъектов данных (доступ, удаление, портирование,
   │   │   ограничение, возражение)
   │   ├── Как подать запрос / жалобу
   │   └── Для CCPA: категории PI, право opt-out, "Do Not Sell"
   └── Версионирование: каждое изменение = новая версия с датой

📄 2. Data Subject Request (DSR) Procedure
   ├── Пошаговый процесс (описан в разделе 4)
   ├── Шаблоны ответов на каждый тип запроса:
   │   ├── Запрос на доступ (Subject Access Request)
   │   ├── Запрос на удаление (Right to Erasure)
   │   ├── Запрос на исправление (Rectification)
   │   ├── Запрос на ограничение обработки
   │   └── Запрос на портирование данных
   ├── Журнал DSR-запросов (реестр)
   └── SLA и эскалация

📄 3. Consent Management Policy
   ├── Что считается валидным согласием
   ├── Как собирается и фиксируется
   ├── Как отзывается
   └── Процедура re-consent

ПРИОРИТЕТ 2 (создать в течение 60 дней)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📄 4. Data Retention Policy (Политика хранения данных)
   ├── Таблица сроков хранения по категориям данных
   ├── Процедура периодической ревизии (ежеквартально)
   ├── Процедура безопасного удаления
   └── Исключения (юридические обязательства)

📄 5. ROPA — Record of Processing Activities
   ┌──────────────┬────────────┬───────────┬──────────┬──────────┐
   │ Операция     │ Категории  │ Правовое  │ Получа-  │ Срок     │
   │ обработки    │ данных     │ основание │ тели     │ хранения │
   ├──────────────┼────────────┼───────────┼──────────┼──────────┤
   │ Сбор лидов   │ Имя, email,│ Согласие  │ Команда  │ 12 мес   │
   │ через форму  │ компания,  │ Art.6(1)a │ продаж   │          │
   │              │ телефон    │           │          │          │
   ├──────────────┼────────────┼───────────┼──────────┼──────────┤
   │ Email-       │ Email      │ Согласие  │ Marketing│ До       │
   │ маркетинг    │            │ Art.6(1)a │ платформа│ отзыва   │
   ├──────────────┼────────────┼───────────┼──────────┼──────────┤
   │ ...          │ ...        │ ...       │ ...      │ ...      │
   └──────────────┴────────────┴───────────┴──────────┴──────────┘

📄 6. Data Breach Response Plan
   ├── Определение инцидента
   ├── Команда реагирования (кто, роли)
   ├── Таймлайн:
   │   ├── 0–4 часа: обнаружение и оценка
   │   ├── 4–24 часа: сдерживание
   │   ├── 24–72 часа: уведомление регулятора (если требуется)
   │   └── Параллельно: уведомление субъектов (если высокий риск)
   ├── Шаблоны уведомлений
   └── Post-incident review

📄 7. Data Processing Agreement (DPA) с процессорами
   ├── С Google (Workspace DPA — активировать)
   ├── С платформой рассылки
   └── С любыми другими сервисами, обрабатывающими PI

ПРИОРИТЕТ 3 (создать в течение 90 дней)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📄 8. Internal Data Protection Policy
   ├── Правила обращения с персональными данными для сотрудников
   ├── Ролевой доступ (кто к чему имеет доступ)
   ├── Запрет на экспорт данных на личные устройства
   └── Дисциплинарные последствия нарушений

📄 9. Employee Training Materials
   ├── Что такое персональные данные
   ├── Основы GDPR/CCPA для неюристов
   ├── Как распознать DSR-запрос
   ├── Что делать при подозрении на утечку
   └── Тест на понимание (с фиксацией прохождения)

📄 10. CCPA-специфичные документы (если применимо)
   ├── "Do Not Sell or Share My Personal Information" — ссылка на сайте
   ├── CCPA Notice at Collection
   └── Financial Incentive Notice (если есть программа лояльности)

📄 11. Data Protection Impact Assessment (DPIA)
   └── Если планируется масштабная обработка или профилирование

Дорожная карта внедрения

НЕДЕЛЯ 1–2 (ПОЖАРНЫЕ МЕРЫ)
═══════════════════════════
☐ ОСТАНОВИТЬ рассылки без механизма отписки
☐ Ограничить доступ к Google Таблице (с 20 до минимума)
☐ Настроить автоответ на support@ для DSR-запросов
☐ Начать разработку Privacy Policy

НЕДЕЛЯ 3–4
═══════════
☐ Обновить веб-форму (чекбоксы согласия)
☐ Внедрить механизм отписки (через платформу рассылки)
☐ Опубликовать Privacy Policy
☐ Запустить re-consent кампанию для существующей базы
☐ Создать DSR-процедуру и журнал

МЕСЯЦ 2
════════
☐ Выбрать и начать внедрение CRM
☐ Определить и задокументировать сроки хранения
☐ Создать ROPA
☐ Активировать DPA с Google
☐ Провести первичную чистку данных (удалить устаревшие)

МЕСЯЦ 3
════════
☐ Завершить миграцию с Google Таблицы в CRM
☐ Настроить ролевой доступ в CRM
☐ Создать Data Breach Response Plan
☐ Провести обучение команды
☐ Удалить Google Таблицу

МЕСЯЦ 4–6
══════════
☐ Провести DPIA (если требуется)
☐ Внутренний аудит соответствия
☐ Настроить автоматизацию retention (автоуведомления, автоудаление)
☐ Документировать все процессы
☐ Запланировать ежеквартальные ревизии

Ключевой принцип: Идеальное не должно быть врагом хорошего. Остановка рассылок без отписки и ограничение доступа к таблице в первую неделю снимают 60% рисков штрафа. Остальное можно выстраивать итеративно.

Автоматизация еженедельной отчётности

Архитектура решения

┌─────────────┐   ┌──────────────────┐   ┌────────────┐
│   Jira API  │   │  Google Sheets   │   │ PostgreSQL │
└──────┬──────┘   └────────┬─────────┘   └──────┬─────┘
       │                   │                     │
       ▼                   ▼                     ▼
┌─────────────────────────────────────────────────────┐
│              DataCollector (сбор данных)             │
├─────────────────────────────────────────────────────┤
│              MetricsCalculator (расчёты)            │
├─────────────────────────────────────────────────────┤
│              ReportBuilder (CSV-формирование)       │
├─────────────────────────────────────────────────────┤
│              EmailSender (отправка)                  │
└─────────────────────────────────────────────────────┘

1. Структура проекта

weekly_report/
├── .env                    # credentials (НЕ коммитить!)
├── .env.example            # шаблон для команды
├── config.py               # загрузка конфигурации
├── collectors/
│   ├── __init__.py
│   ├── jira_collector.py
│   ├── sheets_collector.py
│   └── db_collector.py
├── metrics.py              # расчёт метрик
├── report_builder.py       # формирование CSV
├── email_sender.py         # отправка почты
├── main.py                 # точка входа
├── requirements.txt
├── tests/
│   ├── test_jira.py
│   ├── test_sheets.py
│   ├── test_db.py
│   ├── test_metrics.py
│   └── test_email.py
└── logs/                   # директория логов

2. Файл зависимостей

1
2
3
4
5
6
7

# requirements.txt
requests>=2.31.0
psycopg2-binary>=2.9.9
google-api-python-client>=2.108.0
google-auth-oauthlib>=1.2.0
google-auth>=2.25.0
python-dotenv>=1.0.0

3. Безопасная конфигурация

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

# .env.example — коммитится в репозиторий как образец
# Скопируйте в .env и заполните реальными значениями

# === Jira ===
JIRA_BASE_URL=https://yourcompany.atlassian.net
JIRA_EMAIL=your-email@company.com
JIRA_API_TOKEN=your-jira-api-token
JIRA_PROJECT_KEY=PROJ

# === Google Sheets ===
GOOGLE_SHEETS_CREDENTIALS_PATH=./credentials/service_account.json
GOOGLE_SPREADSHEET_ID=1AbCdEfGhIjKlMnOpQrStUvWxYz
GOOGLE_SHEET_AVAILABILITY=Team Availability
GOOGLE_SHEET_HOURS=Project Hours

# === PostgreSQL ===
DB_HOST=localhost
DB_PORT=5432
DB_NAME=devops_metrics
DB_USER=report_reader
DB_PASSWORD=your-db-password

# === Email (SMTP) ===
SMTP_HOST=smtp.company.com
SMTP_PORT=587
SMTP_USER=reports@company.com
SMTP_PASSWORD=your-smtp-password
SMTP_USE_TLS=true

# === Получатели отчёта (через запятую) ===
REPORT_RECIPIENTS=cto@company.com,pm@company.com,lead@company.com
REPORT_SENDER=reports@company.com

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115

# config.py
"""
Централизованная загрузка конфигурации из переменных окружения.

Принцип: ни один секрет не должен быть в коде.
Все чувствительные данные — только в .env или в переменных окружения CI/CD.
"""

import os
import sys
from dataclasses import dataclass, field
from typing import List
from dotenv import load_dotenv

# Загружаем .env файл (если существует)
load_dotenv()


def _require_env(key: str) -> str:
    """Получить обязательную переменную окружения или завершить работу."""
    value = os.getenv(key)
    if not value:
        print(f"FATAL: переменная окружения '{key}' не задана. "
              f"Проверьте .env файл.")
        sys.exit(1)
    return value


@dataclass
class JiraConfig:
    base_url: str = ""
    email: str = ""
    api_token: str = ""
    project_key: str = ""

    def __post_init__(self):
        self.base_url = _require_env("JIRA_BASE_URL").rstrip("/")
        self.email = _require_env("JIRA_EMAIL")
        self.api_token = _require_env("JIRA_API_TOKEN")
        self.project_key = _require_env("JIRA_PROJECT_KEY")


@dataclass
class GoogleSheetsConfig:
    credentials_path: str = ""
    spreadsheet_id: str = ""
    sheet_availability: str = ""
    sheet_hours: str = ""

    def __post_init__(self):
        self.credentials_path = _require_env("GOOGLE_SHEETS_CREDENTIALS_PATH")
        self.spreadsheet_id = _require_env("GOOGLE_SPREADSHEET_ID")
        self.sheet_availability = os.getenv(
            "GOOGLE_SHEET_AVAILABILITY", "Team Availability"
        )
        self.sheet_hours = os.getenv("GOOGLE_SHEET_HOURS", "Project Hours")


@dataclass
class DatabaseConfig:
    host: str = ""
    port: int = 5432
    name: str = ""
    user: str = ""
    password: str = ""

    def __post_init__(self):
        self.host = _require_env("DB_HOST")
        self.port = int(os.getenv("DB_PORT", "5432"))
        self.name = _require_env("DB_NAME")
        self.user = _require_env("DB_USER")
        self.password = _require_env("DB_PASSWORD")

    @property
    def connection_string(self) -> str:
        return (
            f"host={self.host} port={self.port} "
            f"dbname={self.name} user={self.user} password={self.password}"
        )


@dataclass
class EmailConfig:
    smtp_host: str = ""
    smtp_port: int = 587
    smtp_user: str = ""
    smtp_password: str = ""
    use_tls: bool = True
    sender: str = ""
    recipients: List[str] = field(default_factory=list)

    def __post_init__(self):
        self.smtp_host = _require_env("SMTP_HOST")
        self.smtp_port = int(os.getenv("SMTP_PORT", "587"))
        self.smtp_user = _require_env("SMTP_USER")
        self.smtp_password = _require_env("SMTP_PASSWORD")
        self.use_tls = os.getenv("SMTP_USE_TLS", "true").lower() == "true"
        self.sender = _require_env("REPORT_SENDER")
        recipients_str = _require_env("REPORT_RECIPIENTS")
        self.recipients = [
            r.strip() for r in recipients_str.split(",") if r.strip()
        ]


@dataclass
class AppConfig:
    """Корневой объект конфигурации — собирает всё вместе."""
    jira: JiraConfig = field(default_factory=JiraConfig)
    sheets: GoogleSheetsConfig = field(default_factory=GoogleSheetsConfig)
    database: DatabaseConfig = field(default_factory=DatabaseConfig)
    email: EmailConfig = field(default_factory=EmailConfig)


# Единственный экземпляр — импортируйте его в других модулях
config = AppConfig()

4. Коллекторы данных

1
2

# collectors/__init__.py
"""Пакет коллекторов данных из внешних источников."""

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220

# collectors/jira_collector.py
"""
Сбор данных из Jira Cloud REST API.

Что собираем:
- Количество задач по статусам (To Do, In Progress, Done, и т.д.)
- Story points выполненных задач за неделю (для velocity)
- Количество багов (открытых / закрытых за неделю)

API Reference: https://developer.atlassian.com/cloud/jira/platform/rest/v3/
"""

import logging
from datetime import datetime, timedelta
from typing import Any, Dict, List, Optional

import requests
from requests.auth import HTTPBasicAuth

logger = logging.getLogger(__name__)


class JiraCollector:
    """Извлекает метрики задач из Jira Cloud."""

    def __init__(self, base_url: str, email: str,
                 api_token: str, project_key: str):
        self.base_url = base_url
        self.project_key = project_key
        self.auth = HTTPBasicAuth(email, api_token)
        self.headers = {
            "Accept": "application/json",
            "Content-Type": "application/json",
        }
        # Таймаут на все запросы — 30 секунд
        self.timeout = 30

    def _execute_jql(self, jql: str,
                     fields: Optional[List[str]] = None,
                     max_results: int = 200) -> List[Dict[str, Any]]:
        """
        Выполняет JQL-запрос и возвращает список задач.
        Поддерживает пагинацию для больших результатов.
        """
        url = f"{self.base_url}/rest/api/3/search"
        all_issues = []
        start_at = 0

        while True:
            params = {
                "jql": jql,
                "startAt": start_at,
                "maxResults": min(max_results, 100),  # Jira лимит = 100
            }
            if fields:
                params["fields"] = fields

            logger.debug(f"Jira JQL: {jql} (startAt={start_at})")

            try:
                response = requests.get(
                    url,
                    headers=self.headers,
                    auth=self.auth,
                    params=params,
                    timeout=self.timeout,
                )
                response.raise_for_status()
            except requests.exceptions.Timeout:
                logger.error(f"Jira API timeout для запроса: {jql}")
                raise
            except requests.exceptions.HTTPError as e:
                logger.error(
                    f"Jira API ошибка {response.status_code}: "
                    f"{response.text[:500]}"
                )
                raise
            except requests.exceptions.ConnectionError:
                logger.error(
                    f"Не удалось подключиться к Jira: {self.base_url}"
                )
                raise

            data = response.json()
            issues = data.get("issues", [])
            all_issues.extend(issues)

            # Проверяем, есть ли ещё страницы
            total = data.get("total", 0)
            start_at += len(issues)

            logger.debug(
                f"Получено {len(all_issues)}/{total} задач"
            )

            if start_at >= total or not issues:
                break

        return all_issues

    def get_issues_by_status(self) -> Dict[str, int]:
        """
        Возвращает количество задач по каждому статусу.

        Returns:
            {"To Do": 12, "In Progress": 8, "In Review": 3, "Done": 45}
        """
        logger.info(
            f"Загрузка задач по статусам для проекта {self.project_key}"
        )

        jql = f'project = "{self.project_key}"'
        issues = self._execute_jql(jql, fields=["status"])

        status_counts: Dict[str, int] = {}
        for issue in issues:
            status_name = (
                issue.get("fields", {})
                .get("status", {})
                .get("name", "Unknown")
            )
            status_counts[status_name] = status_counts.get(
                status_name, 0
            ) + 1

        logger.info(f"Статусы задач: {status_counts}")
        return status_counts

    def get_weekly_completed(self) -> Dict[str, Any]:
        """
        Задачи, завершённые за последнюю неделю.

        Returns:
            {
                "completed_count": 15,
                "total_story_points": 42.0,
                "bugs_closed": 3,
                "stories_closed": 10,
                "tasks_closed": 2,
            }
        """
        week_ago = (
            datetime.now() - timedelta(days=7)
        ).strftime("%Y-%m-%d")

        logger.info(
            f"Загрузка завершённых задач с {week_ago}"
        )

        # Задачи, перешедшие в Done за последнюю неделю
        jql = (
            f'project = "{self.project_key}" '
            f'AND status changed to "Done" '
            f'AFTER "{week_ago}"'
        )

        issues = self._execute_jql(
            jql,
            fields=["issuetype", "customfield_10016"],
            # customfield_10016 — типичное поле Story Points в Jira Cloud
            # В вашей Jira ID может отличаться!
        )

        result = {
            "completed_count": len(issues),
            "total_story_points": 0.0,
            "bugs_closed": 0,
            "stories_closed": 0,
            "tasks_closed": 0,
        }

        for issue in issues:
            fields = issue.get("fields", {})

            # Story Points (может быть None)
            sp = fields.get("customfield_10016")
            if sp is not None:
                result["total_story_points"] += float(sp)

            # Тип задачи
            issue_type = (
                fields.get("issuetype", {}).get("name", "").lower()
            )
            if issue_type == "bug":
                result["bugs_closed"] += 1
            elif issue_type == "story":
                result["stories_closed"] += 1
            else:
                result["tasks_closed"] += 1

        logger.info(
            f"За неделю завершено: {result['completed_count']} задач, "
            f"{result['total_story_points']} SP"
        )
        return result

    def get_open_bugs(self) -> int:
        """Количество открытых багов в проекте."""
        jql = (
            f'project = "{self.project_key}" '
            f'AND issuetype = Bug '
            f'AND status != Done'
        )
        issues = self._execute_jql(jql, fields=["key"])
        count = len(issues)
        logger.info(f"Открытых багов: {count}")
        return count

    def collect_all(self) -> Dict[str, Any]:
        """
        Основной метод — собирает все метрики из Jira.
        Вызывается из main.py.
        """
        logger.info("=== Начало сбора данных из Jira ===")

        return {
            "issues_by_status": self.get_issues_by_status(),
            "weekly_completed": self.get_weekly_completed(),
            "open_bugs": self.get_open_bugs(),
        }

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261

# collectors/sheets_collector.py
"""
Сбор данных из Google Sheets API v4.

Что собираем:
- Доступность команды (кто в отпуске, больничном, % доступности)
- Часы по проектам (сколько часов потрачено на каждый проект)

Авторизация: Service Account (файл JSON с ключами).
Инструкция по созданию:
  1. Google Cloud Console → APIs & Services → Credentials
  2. Create Service Account → скачать JSON-ключ
  3. Расшарить Google Sheet на email сервисного аккаунта
"""

import logging
from typing import Any, Dict, List, Optional

from google.oauth2.service_account import Credentials
from googleapiclient.discovery import build
from googleapiclient.errors import HttpError

logger = logging.getLogger(__name__)

# Минимальные права — только чтение
SCOPES = ["https://www.googleapis.com/auth/spreadsheets.readonly"]


class SheetsCollector:
    """Извлекает данные из Google Sheets."""

    def __init__(
        self,
        credentials_path: str,
        spreadsheet_id: str,
        sheet_availability: str = "Team Availability",
        sheet_hours: str = "Project Hours",
    ):
        self.spreadsheet_id = spreadsheet_id
        self.sheet_availability = sheet_availability
        self.sheet_hours = sheet_hours

        # Инициализируем сервис Google Sheets
        try:
            creds = Credentials.from_service_account_file(
                credentials_path, scopes=SCOPES
            )
            self.service = build(
                "sheets", "v4", credentials=creds
            )
            self.sheets = self.service.spreadsheets()
            logger.info("Google Sheets API подключен успешно")
        except FileNotFoundError:
            logger.error(
                f"Файл credentials не найден: {credentials_path}"
            )
            raise
        except Exception as e:
            logger.error(
                f"Ошибка инициализации Google Sheets API: {e}"
            )
            raise

    def _read_range(self, range_name: str) -> List[List[str]]:
        """
        Читает диапазон из Google Sheet.

        Args:
            range_name: например, "Team Availability!A1:F50"

        Returns:
            Список строк, каждая строка — список значений ячеек.
        """
        try:
            result = (
                self.sheets.values()
                .get(
                    spreadsheetId=self.spreadsheet_id,
                    range=range_name,
                )
                .execute()
            )
            values = result.get("values", [])
            logger.debug(
                f"Прочитано {len(values)} строк из '{range_name}'"
            )
            return values
        except HttpError as e:
            logger.error(
                f"Google Sheets API ошибка для '{range_name}': {e}"
            )
            raise

    def get_team_availability(self) -> Dict[str, Any]:
        """
        Читает доступность команды.

        Ожидаемый формат таблицы:
        | Имя       | Роль      | Доступен (ч) | Макс (ч) | Статус     |
        |-----------|-----------|---------------|----------|------------|
        | Иванов    | Backend   | 32            | 40       | Частично   |
        | Петрова   | Frontend  | 40            | 40       | Доступна   |
        | Сидоров   | QA        | 0             | 40       | Отпуск     |

        Returns:
            {
                "team_members": [...],
                "total_available_hours": 72,
                "total_max_hours": 120,
                "availability_percent": 60.0,
            }
        """
        range_name = f"'{self.sheet_availability}'!A1:E100"
        rows = self._read_range(range_name)

        if len(rows) < 2:
            logger.warning("Таблица доступности пуста или без данных")
            return {
                "team_members": [],
                "total_available_hours": 0,
                "total_max_hours": 0,
                "availability_percent": 0.0,
            }

        # Первая строка — заголовки, остальные — данные
        headers = rows[0]
        members = []
        total_available = 0
        total_max = 0

        for row in rows[1:]:
            # Защита от строк с недостаточным количеством колонок
            if len(row) < 4:
                continue

            name = row[0].strip()
            role = row[1].strip() if len(row) > 1 else ""
            try:
                available_hours = float(row[2]) if row[2] else 0
            except ValueError:
                available_hours = 0
            try:
                max_hours = float(row[3]) if row[3] else 40
            except ValueError:
                max_hours = 40
            status = row[4].strip() if len(row) > 4 else "Unknown"

            members.append({
                "name": name,
                "role": role,
                "available_hours": available_hours,
                "max_hours": max_hours,
                "status": status,
            })
            total_available += available_hours
            total_max += max_hours

        availability_pct = (
            (total_available / total_max * 100)
            if total_max > 0
            else 0.0
        )

        result = {
            "team_members": members,
            "total_available_hours": total_available,
            "total_max_hours": total_max,
            "availability_percent": round(availability_pct, 1),
        }

        logger.info(
            f"Доступность команды: {result['availability_percent']}% "
            f"({total_available}/{total_max} ч)"
        )
        return result

    def get_project_hours(self) -> Dict[str, Any]:
        """
        Читает часы по проектам.

        Ожидаемый формат:
        | Проект     | Плановые часы | Фактические часы | Статус  |
        |------------|---------------|------------------|---------|
        | API v2     | 80            | 65               | Active  |
        | Mobile App | 120           | 110              | Active  |

        Returns:
            {
                "projects": [...],
                "total_planned": 200,
                "total_actual": 175,
                "utilization_percent": 87.5,
            }
        """
        range_name = f"'{self.sheet_hours}'!A1:D50"
        rows = self._read_range(range_name)

        if len(rows) < 2:
            logger.warning("Таблица часов проектов пуста")
            return {
                "projects": [],
                "total_planned": 0,
                "total_actual": 0,
                "utilization_percent": 0.0,
            }

        projects = []
        total_planned = 0
        total_actual = 0

        for row in rows[1:]:
            if len(row) < 3:
                continue

            project_name = row[0].strip()
            try:
                planned = float(row[1]) if row[1] else 0
            except ValueError:
                planned = 0
            try:
                actual = float(row[2]) if row[2] else 0
            except ValueError:
                actual = 0
            status = row[3].strip() if len(row) > 3 else "Unknown"

            projects.append({
                "project": project_name,
                "planned_hours": planned,
                "actual_hours": actual,
                "status": status,
            })
            total_planned += planned
            total_actual += actual

        utilization_pct = (
            (total_actual / total_planned * 100)
            if total_planned > 0
            else 0.0
        )

        result = {
            "projects": projects,
            "total_planned": total_planned,
            "total_actual": total_actual,
            "utilization_percent": round(utilization_pct, 1),
        }

        logger.info(
            f"Утилизация: {result['utilization_percent']}% "
            f"({total_actual}/{total_planned} ч)"
        )
        return result

    def collect_all(self) -> Dict[str, Any]:
        """Основной метод — собирает все данные из Google Sheets."""
        logger.info("=== Начало сбора данных из Google Sheets ===")

        return {
            "team_availability": self.get_team_availability(),
            "project_hours": self.get_project_hours(),
        }

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299

# collectors/db_collector.py
"""
Сбор метрик из PostgreSQL.

Что собираем:
- Частота деплоев за неделю
- Процент успешных деплоев
- Процент ошибок (error rate) из логов

Предполагаемая схема БД:

  CREATE TABLE deployments (
      id SERIAL PRIMARY KEY,
      service_name VARCHAR(100),
      deployed_at TIMESTAMP DEFAULT NOW(),
      status VARCHAR(20),          -- 'success', 'failure', 'rollback'
      version VARCHAR(50),
      deployed_by VARCHAR(100)
  );

  CREATE TABLE error_logs (
      id SERIAL PRIMARY KEY,
      service_name VARCHAR(100),
      error_type VARCHAR(50),
      occurred_at TIMESTAMP DEFAULT NOW(),
      severity VARCHAR(20),        -- 'critical', 'error', 'warning'
      resolved BOOLEAN DEFAULT FALSE
  );

  CREATE TABLE requests_log (
      id SERIAL PRIMARY KEY,
      service_name VARCHAR(100),
      endpoint VARCHAR(200),
      status_code INTEGER,
      response_time_ms INTEGER,
      logged_at TIMESTAMP DEFAULT NOW()
  );
"""

import logging
from contextlib import contextmanager
from datetime import datetime, timedelta
from typing import Any, Dict, List, Optional, Tuple

import psycopg2
import psycopg2.extras

logger = logging.getLogger(__name__)


class DatabaseCollector:
    """Извлекает DevOps-метрики из PostgreSQL."""

    def __init__(
        self,
        host: str,
        port: int,
        dbname: str,
        user: str,
        password: str,
    ):
        self.conn_params = {
            "host": host,
            "port": port,
            "dbname": dbname,
            "user": user,
            "password": password,
        }

    @contextmanager
    def _get_connection(self):
        """
        Контекстный менеджер для безопасной работы с подключением.
        Гарантирует закрытие соединения даже при ошибке.
        """
        conn = None
        try:
            conn = psycopg2.connect(
                **self.conn_params,
                connect_timeout=10,
            )
            logger.debug("Подключение к PostgreSQL установлено")
            yield conn
        except psycopg2.OperationalError as e:
            logger.error(f"Ошибка подключения к БД: {e}")
            raise
        finally:
            if conn and not conn.closed:
                conn.close()
                logger.debug("Подключение к PostgreSQL закрыто")

    def _execute_query(
        self,
        query: str,
        params: Optional[Tuple] = None,
    ) -> List[Dict[str, Any]]:
        """
        Выполняет SELECT-запрос и возвращает результат как список словарей.
        Использует RealDictCursor для удобства.
        """
        with self._get_connection() as conn:
            with conn.cursor(
                cursor_factory=psycopg2.extras.RealDictCursor
            ) as cur:
                logger.debug(f"SQL: {query[:200]}...")
                cur.execute(query, params)
                results = [dict(row) for row in cur.fetchall()]
                logger.debug(f"Получено {len(results)} строк")
                return results

    def get_deployment_stats(self) -> Dict[str, Any]:
        """
        Статистика деплоев за последнюю неделю.

        Returns:
            {
                "total_deploys": 12,
                "successful": 11,
                "failed": 1,
                "rollbacks": 0,
                "success_rate": 91.7,
                "deploys_per_day": 1.7,
                "by_service": {
                    "api-gateway": {"total": 5, "successful": 5},
                    "user-service": {"total": 4, "successful": 3},
                }
            }
        """
        week_ago = datetime.now() - timedelta(days=7)

        # Общая статистика
        query_total = """
            SELECT
                COUNT(*) as total_deploys,
                COUNT(*) FILTER (WHERE status = 'success')
                    AS successful,
                COUNT(*) FILTER (WHERE status = 'failure')
                    AS failed,
                COUNT(*) FILTER (WHERE status = 'rollback')
                    AS rollbacks
            FROM deployments
            WHERE deployed_at >= %s
        """
        total_stats = self._execute_query(query_total, (week_ago,))
        stats = total_stats[0] if total_stats else {
            "total_deploys": 0,
            "successful": 0,
            "failed": 0,
            "rollbacks": 0,
        }

        # Статистика по сервисам
        query_by_service = """
            SELECT
                service_name,
                COUNT(*) as total,
                COUNT(*) FILTER (WHERE status = 'success')
                    AS successful
            FROM deployments
            WHERE deployed_at >= %s
            GROUP BY service_name
            ORDER BY total DESC
        """
        service_rows = self._execute_query(
            query_by_service, (week_ago,)
        )

        by_service = {}
        for row in service_rows:
            by_service[row["service_name"]] = {
                "total": row["total"],
                "successful": row["successful"],
            }

        total = stats["total_deploys"] or 0
        successful = stats["successful"] or 0
        success_rate = (
            (successful / total * 100) if total > 0 else 0.0
        )

        result = {
            "total_deploys": total,
            "successful": successful,
            "failed": stats.get("failed", 0) or 0,
            "rollbacks": stats.get("rollbacks", 0) or 0,
            "success_rate": round(success_rate, 1),
            "deploys_per_day": round(total / 7, 1),
            "by_service": by_service,
        }

        logger.info(
            f"Деплои за неделю: {total} "
            f"(успешных: {success_rate:.1f}%)"
        )
        return result

    def get_error_rate(self) -> Dict[str, Any]:
        """
        Процент ошибок из логов за неделю.

        Returns:
            {
                "total_requests": 150000,
                "total_errors": 450,
                "error_rate_percent": 0.3,
                "critical_errors": 5,
                "errors_by_service": {...},
                "unresolved_errors": 12,
            }
        """
        week_ago = datetime.now() - timedelta(days=7)

        # Общее количество запросов и ошибок (5xx)
        query_requests = """
            SELECT
                COUNT(*) as total_requests,
                COUNT(*) FILTER (WHERE status_code >= 500)
                    AS server_errors,
                COUNT(*) FILTER (WHERE status_code >= 400
                                 AND status_code < 500)
                    AS client_errors
            FROM requests_log
            WHERE logged_at >= %s
        """
        req_stats = self._execute_query(query_requests, (week_ago,))
        req = req_stats[0] if req_stats else {
            "total_requests": 0,
            "server_errors": 0,
            "client_errors": 0,
        }

        # Ошибки по severity из error_logs
        query_errors = """
            SELECT
                COUNT(*) as total_errors,
                COUNT(*) FILTER (WHERE severity = 'critical')
                    AS critical,
                COUNT(*) FILTER (WHERE NOT resolved)
                    AS unresolved
            FROM error_logs
            WHERE occurred_at >= %s
        """
        err_stats = self._execute_query(query_errors, (week_ago,))
        err = err_stats[0] if err_stats else {
            "total_errors": 0,
            "critical": 0,
            "unresolved": 0,
        }

        # Ошибки по сервисам
        query_by_service = """
            SELECT
                service_name,
                COUNT(*) as error_count
            FROM error_logs
            WHERE occurred_at >= %s
            GROUP BY service_name
            ORDER BY error_count DESC
            LIMIT 10
        """
        service_errors = self._execute_query(
            query_by_service, (week_ago,)
        )

        total_requests = req["total_requests"] or 0
        server_errors = req["server_errors"] or 0
        error_rate = (
            (server_errors / total_requests * 100)
            if total_requests > 0
            else 0.0
        )

        result = {
            "total_requests": total_requests,
            "server_errors": server_errors,
            "client_errors": req.get("client_errors", 0) or 0,
            "error_rate_percent": round(error_rate, 3),
            "critical_errors": err.get("critical", 0) or 0,
            "unresolved_errors": err.get("unresolved", 0) or 0,
            "errors_by_service": {
                row["service_name"]: row["error_count"]
                for row in service_errors
            },
        }

        logger.info(
            f"Error rate: {error_rate:.3f}% "
            f"({server_errors}/{total_requests})"
        )
        return result

    def collect_all(self) -> Dict[str, Any]:
        """Основной метод — собирает все метрики из БД."""
        logger.info("=== Начало сбора данных из PostgreSQL ===")

        return {
            "deployment_stats": self.get_deployment_stats(),
            "error_rate": self.get_error_rate(),
        }