Pohoda v BigQuery: jak přestat exportovat účetnictví do Excelu

Pohoda je pro české e-shopy de facto standard účetního softwaru. Vedou se v ní faktury, eviduje zásoby, páruje objednávky. Jenže ve chvíli, kdy majitel e-shopu chce vědět, která kategorie produktů má nejlepší marži, jak se vyvíjí obrat zásob nebo kolik firmě reálně vydělal zákazník za poslední rok, Pohoda končí a začíná ruční export do Excelu. A tam se každý měsíc začíná znovu.

Řešení, které stavíme pro klienty na Pohodě, je přímé napojení dat na BigQuery. Faktury, sklad a zákazníci se pravidelně synchronizují do datového skladu, kde se propojí s dalšími zdroji, marketingem, e-shopem, a výsledkem je report, který se aktualizuje sám.

Proč Pohoda na reporting nestačí

Pohoda má vlastní přehledy, výsledovku, seznam faktur, skladové karty. Na účetní účely fungují dobře. Problém nastane, jakmile chcete odpověď o úroveň hlouběji:

• Marže po kategorii za kvartál, meziročně? Ruční export a přepočet v Excelu.
• Kolik firmě reálně vydělal zákazník, co ho stála reklama, versus co za rok utratil? Pohoda tahle dvě čísla vedle sebe neukáže, jsou v jiném systému.
• Obrat zásob v reálném čase, s upozorněním, když položka padá pod minimum? Bez ručního hlídání to nejde.
• Hodnota zákazníka na základě historie faktur? Data v Pohodě jsou, ale nikde se sama nespočítají.

Všechna tahle data v Pohodě reálně existují, jen chybí automatizovaný přístup k nim a vrstva, která je umí spojit s ostatními zdroji.

Na čem to technicky stojí

Pohoda má pro výměnu dat s externími systémy vlastní vestavěnou komponentu, mServer. Je to HTTP server, který běží přímo v Pohodě a komunikuje přes XML rozhraní. Právě na mServeru napojení do BigQuery stavíme, nejde o zásah do samotné instalace Pohody ani o přechod na jinou edici. Konkrétní způsob, jak z něj data bezpečně a šetrně k provozu vytahujeme, seřazujeme a synchronizujeme do BigQuery, je naše řemeslo a liší se případ od případu podle nastavení Pohody a toho, co accounting tým reálně potřebuje. Do detailů to tady rozepisovat nebudeme, ale řešení stavíme na míru, ne jako univerzální skript.

Jaká data z Pohody dává smysl vytáhnout

Pohoda přes mServer zpřístupňuje desítky agend, ale pro reporting jsou zásadní tři oblasti.

Faktury vydané jsou základ výnosové analytiky. Číslo dokladu, datum, odběratel, částka, položky s prodejní i nákupní cenou, pokud ji Pohoda eviduje. Z toho se počítá marže na faktuře i na jednotlivém produktu, ne jen obrat.

Zásoby a pohyby na skladě ukážou aktuální stav, průměrnou nákupní cenu a historii příjemek a výdejek. Z toho jde spočítat obrátku zásob, najít ležáky a vidět, kolik kapitálu firma reálně drží na skladě, ne jen kolik kusů má na stavu.

Adresář propojený s fakturami dá hodnotu každého zákazníka za libovolné období, počet nákupů a průměrnou objednávku. Základ pro RFM analýzu nebo CLV, hodnotu zákazníka za dobu vztahu, ne jen z poslední faktury.

Kde na tom firmy tratí peníze

Napojení samo o sobě je jen instalatérská práce. Reálné peníze se ztrácí v tom, jak firmy pracují s daty, dokud napojení nemají:

• Marže se počítá ze staré nákupní ceny. Pohoda běžně vede průměrnou skladovou cenu, ne aktuální nákupní. Při výkyvu cen od dodavatele (a v posledních letech nebyl výkyv výjimka, ale pravidlo) report ukazuje marži, která už neplatí, a rozhodnutí o kampaních se dělají podle starého čísla.
• Sklad a marketing vidí každý jiná čísla. Skladník pracuje s exportem z pondělí, marketing s exportem ze čtvrtka, oba počítají obrat trochu jinak. Neshoda se zjistí, až když si čísla někdo porovná, obvykle pozdě.
• Report se dělá reaktivně, ne průběžně. Ruční příprava je pracná, takže se dělá jednou za měsíc nebo kvartál. Ležák na skladě nebo propadající se marže kategorie se tak odhalí měsíce poté, co k tomu reálně došlo, ne ve chvíli, kdy se to ještě dá ovlivnit.
• Čas analytika jde do přípravy dat, ne do jejich čtení. Když někdo tráví dva dny v měsíci spojováním exportů z Pohody, e-shopu a reklamních účtů do jedné tabulky, ty dva dny nejsou analýza. Je to ruční ETL, které dělá člověk místo automatizace.

Co s tím jde dělat, až jsou data v datovém skladu

Samotné napojení nic nerozhodne, hodnotu dělá až to, co se nad daty postaví. V datovém skladu jsou Pohoda data jen jedním ze zdrojů, vedle nich typicky leží tabulky z e-shopu, GA4 a reklamních účtů. Spojením pak jde vidět to, co Pohoda sama nikdy neukáže, například kteří zákazníci podle akvizičního kanálu mají po roce nejvyšší hodnotu z pohledu skutečně vystavených faktur.

V praxi z toho vznikají reporty typu: marže podle kategorie v čase, stav skladu s upozorněním na docházející položky, přehled zákazníků podle reálně fakturované hodnoty, a propojení marže z účetnictví s náklady na reklamu, tedy skutečná rentabilita kanálu, ne jen obrat.

Proč to nestavíme jen na BigQuery

Většině klientů napojujeme Pohodu na BigQuery, je to náš standard a máme s ním nejvíc zkušeností. Není to ale jediná možnost. Pokud firma nebo skupina, do které patří, už stojí na Microsoft stacku s Power BI, umíme totéž napojení postavit do Microsoft Fabric. Pokud má datový sklad na Snowflake, jde to i tam, přes napojení Pohody do Snowflake. Zdroj dat i logika napojení zůstávají stejné, mění se jen cílová platforma, podle toho, kde firma reálně reportuje dnes.

Časté otázky

Zpomalí napojení chod Pohody? Ne, to je přesně důvod, proč stavíme na mServeru a ne na přímém zásahu do databáze. Čtení je navržené tak, aby neomezovalo lidi, kteří v Pohodě zrovna fakturují.

Musím kvůli tomu měnit edici Pohody? Ne. mServer je součástí Pohody, nejde o upgrade na dražší balíček.

Funguje to, když firma vede víc provozoven nebo účetních jednotek v jedné skupině? Ano, data se oddělí už při načítání, takže jde reportovat zvlášť i dohromady, podle potřeby.

Jak dlouho napojení trvá? Záleží na rozsahu dat a na tom, jestli je potřeba mapovat kódy produktů mezi Pohodou a e-shopem. Řádově dny, ne týdny, ale konkrétní odhad dáváme až po zmapování konkrétní instalace.

Shrnutí

Pohoda je dobrý účetní systém. Reportingový nástroj to ale nikdy nebyl a ani být nemá. Data, která v ní firma má, faktury, marže, sklad, zákazníci, jsou přitom cenná. Napojit je na datový sklad znamená přestat exportovat do Excelu jednou za měsíc a začít se rozhodovat podle čísel, která se aktualizují sama.