CASE / OPENEDLOGIFLOW

← все кейсыB2B SaaS · логистикагод · 2025длительность · 9 месяцевОткрыть вживую

LogiFlow

▍Диспетчерская SaaS для FTL-логистики с ML-прогнозом ETA.

⬡LogiFlow · Диспетчерскаяlive

220 машинETA 94%

Карта · центральный коридор18 рейсов в зоне

Груз RU-8841 · телеметрия

+4°C82 км/ч760 км ост.

GPS · 1с

Рейсы · в движении14 актив.

Москва → КазаньВ пути

RU-8841 · А. ОрловETA 2 ч 40

Екб → ЧелябинскВ пути

RU-8839 · И. СедовETA 0 ч 55

Новосиб → КурганЗадержка

RU-8836 · Д. МаховETA 6 ч 10

Москва → УфаПогрузка

RU-8833 · С. ГайнанETA —

98.2%

в срок

1 400

грузов

−12%

пробег

01 / CONTEXTКонтекст

Контекст

Заказчик — частный парк из 220 фур по маршруту Москва–Урал–Сибирь. Диспетчеры работали в Excel и WhatsApp-группах. Опаздывали на 18% рейсов, теряли клиентов и не понимали, где именно сыпется маржа.

После запуска MVP в их собственном парке отдел продаж попросил «дать это другим». Так появилась SaaS-версия для других перевозчиков.

02 / BRIEFЗадача

Задача

01Реал-тайм карта парка с GPS и статусами
02ML-модель прогноза ETA по 14 признакам
03Биллинг и многотенантность для SaaS-распространения
04Мобильный кабинет водителя
05Интеграция с 1С и SAP

03 / SOLUTIONРешение

Решение

⬡LogiFlow · Диспетчерскаяlive

220 машинETA 94%

Карта · центральный коридор18 рейсов в зоне

Груз RU-8841 · телеметрия

+4°C82 км/ч760 км ост.

GPS · 1с

Рейсы · в движении14 актив.

Москва → КазаньВ пути

RU-8841 · А. ОрловETA 2 ч 40

Екб → ЧелябинскВ пути

RU-8839 · И. СедовETA 0 ч 55

Новосиб → КурганЗадержка

RU-8836 · Д. МаховETA 6 ч 10

Москва → УфаПогрузка

RU-8833 · С. ГайнанETA —

98.2%

в срок

1 400

грузов

−12%

пробег

/ step 01

Дашборд диспетчера

Один экран показывает 220 машин на карте, очередь рейсов и алерты по отклонениям. Drag-to-assign перенос рейсов между водителями.

/ step 02

Прогноз ETA

Lightgbm-модель учитывает погоду, пробки, историю водителя, состояние груза. Обучается раз в сутки на свежих данных.

/ step 03

Биллинг и тенанты

Многотенантная архитектура с изоляцией данных. Тарификация по машинам в парке + опции на интеграции.

/ step 04

Мобайл-кабинет водителя

PWA с офлайн-режимом — работает в зоне без связи, синхронизируется на въезде в город. Чек-листы погрузки, ЭТРН.

04 / STACKАрхитектура

Архитектура

Next.js 15PostgresRedisMapboxLightGBMFastAPIStripe Billing

Бэкенд разнесён на два слоя: ядро на Postgres + FastAPI для бизнес-логики и отдельный ML-сервис для прогнозов с очередью на Redis. ETA пересчитывается каждые 90 секунд по активным рейсам.

Многотенантность реализована через row-level security в Postgres и отдельные ключи S3 на каждый парк. Карты — Mapbox с собственными тайлами для российских регионов.

05 / RESULTSРезультаты

Результаты

−27%

холостой пробег

точность ETA

грузов в день

₽0.0M

MRR от 38 клиентов

06 / HONESTЧто не получилось с первого раза

Что не получилось с первого раза

✕Первая ETA-модель врала на 22%: мы не учли простои на погрузке и взвешивании, а они съедают по полтора часа на рейс. Переобучили на телеметрии бортовых датчиков — ошибка упала до 6%.
✕PWA водителя поначалу синхронизировалась только онлайн — на сибирских перегонах без связи чек-листы погрузки терялись. Переделали на офлайн-первый сторадж с очередью на въезде в город.

07 / VOICEСлово клиента