Аналитика и прогнозирование

Что ИИ делает с данными компании: отчёт, воронка, отклонения

Цифры о работе компании обычно уже собраны: в учётной системе, в таблицах у финансиста. Свести их вместе и найти просевшее место — эта часть достаётся системе.

Единый слой поверх нескольких учётных систем

Продажи ведут в одной системе, услуги во второй, расчёты в третьей, часть цифр живёт в Excel у руководителя; справочники контрагентов у каждой свои. Слой аналитики встаёт поверх: сводит справочники к одному виду и считает показатели по единым формулам. Руководитель открывает один набор цифр вместо четырёх несходящихся отчётов.

Сквозная воронка: видно, на каком шаге теряются деньги

Воронка выстраивает шаги процесса в цепочку и ставит рядом с каждым долю дошедших. Отчёт по отдельной системе показывает только итог: столько заявок пришло, столько денег получено. В цепочке видно место потери и подразделение, к которому идти с вопросом.

Регулярный отчёт собирается по расписанию

Месячную сводку во многих компаниях готовят несколько дней: выгрузить, сверить, разложить по шаблону, объяснить расхождения. Тот же порядок записывают в систему, человеку остаётся проверка. Отчёт по шаблону из нескольких систем Dzeta AI уже собирала — для крупного транспортного инфраструктурного объекта.

Отклонения в показателях

Отклонение в показателе — это резкое падение конверсии или всплеск возвратов. Модель учится на прошлом поведении показателя, считает привычные границы по его истории и сообщает, когда значение из них выходит; при смене условий границы пересчитываются. Порог, выставленный руками, ловит либо всё подряд, либо ничего.

Опыт в измерениях у команды есть: в авиационном производстве система находит аномалии в потоке данных и предупреждает инженера до критической ситуации — это поиск отклонений в потоке измерений. Для бизнес-показателей проекта у Dzeta AI нет, здесь это сценарий.

Сегменты клиентов и вопросы к данным словами

Сегментация делит базу по поведению: как часто покупают, что берут, когда пропадают; границы задают сотрудники компании. В проекте для компании по аренде и продаже автомобилей сегменты собрали на том же слое. Вопрос к данным обычными словами модель переводит в запрос к базе и показывает сам запрос — такой надстройки у Dzeta AI нет, это сценарий.

Откуда система берёт данные о работе компании и куда возвращает результат

Данные берут там, где они лежат, результат уходит туда, где решают.

Подтверждённый опыт у Dzeta AI с 1С, остальные источники смотрят на аудите; на пилоте хватает выгрузок. Цифры из бумаг и PDF сначала становятся строками — это извлечение значений из счетов, актов и накладных.

Проекты Dzeta AI: стратегия из данных и разбор процессов по данным

У Dzeta AI 50+ проектов в 8 отраслях. Два из них про то, как из данных получаются выводы.

Платформа маркетинговых стратегий: подготовка с недель до часов

Веб-сервис для маркетинга заказал платформу, которая собирает стратегию под конкретный бизнес. Раньше её вели руками: аналитик разбирал рынок, конкурентов и аудиторию, сводил выводы в документ, дописывал его после обсуждения — уходили недели. Заказчику нужен был рабочий инструмент маркетолога: стратегии хранятся, версии ведутся, документ выгружается и годится к запуску сразу.

Dzeta AI собрала для этого веб-сервиса личный кабинет, где стратегия проходит путь от первых вопросов до готового документа. Пользователь описывает бизнес по шагам, дальше рынок, конкуренты и целевая аудитория разбираются автоматически. С данными работают три блока:

• динамика поискового спроса: запросы по месяцам, каждый месяц сравнивается с тем же месяцем прошлого года — видно сезонность и направление движения;
• разбор конкурентов: предложение, объёмы продаж, позиционирование, фирменный стиль и сравнение продуктов сведены в одну таблицу;
• медиаплан: продвижение расписано по неделям, в каждой строке канал, задача, бюджет и ожидаемый результат.

Состав работ по проекту — 8 направлений: от веб-платформы и ИИ-генерации до встроенного ассистента и хранения данных. Выводы платформа собирает в один документ: структура стратегии, спрос, конкуренты, позиционирование, медиаплан. Внутри стратегии работает помощник: задаёт уточняющие вопросы, дополняет разделы, ведёт историю изменений — документ правят на месте.

Подготовка стратегии в сервисе сократилась с недель до часов, платформа в производстве с 2026 года. Для управленческой аналитики здесь интересна вторая половина работы: данные считаются автоматически, человек получает документ с выводами и планом действий.

Компания по аренде и продаже автомобилей: разбор процессов по данным

Небольшая компания, которая продаёт и сдаёт автомобили в аренду, вела продажи, аренду и сервис в трёх системах: отчёт по каждой сходился, общей картины не было. Команда Dzeta AI собрала единый слой поверх трёх систем и выстроила этапы аренды в сквозную воронку. Самый крупный провал — 37 процентных пунктов — пришёлся на подтверждение и оплату; по отдельным системам его видно не было, и разрыв оставался незамеченным, пока у потери не появилось место в процессе. Со стороны отрасли эту историю показывает разбор процессов по данным в компании по аренде и продаже автомобилей.

Прогнозирование: что подтверждено проектами и что остаётся сценарием

Прогноз опирается на ту же историю, что и отчёты: модель учится на прошлых периодах, учитывает сезонность и выдаёт ожидаемое значение на будущее.

• подтверждено проектами Dzeta AI, но это работа с уже случившимися данными: разбор процессов по данным у компании по аренде и продаже автомобилей, сборка аналитического документа для веб-сервиса маркетинговых стратегий; прогнозных проектов среди них нет;
• остаётся сценарием: прогноз спроса и закупок, отклонения в бизнес-показателях, вопросы к данным обычными словами.

Завершённых проектов по прогнозу спроса у Dzeta AI пока нет, поэтому процентов точности мы не называем: до замеров на данных заказчика такое число ничего не значит. Качество проверяют так: модель учат на давней части истории, просят предсказать уже прошедший период и сравнивают со случившимся. Целевое качество и критерии приёмки фиксируют до старта.

Обслуживание техники по прогнозу поломок — соседняя задача на других данных, проектов по ней у Dzeta AI нет.

Как внедряют управленческую аналитику: аудит, пилот, приёмка

Внедрение идёт этапами, критерии успеха фиксируют до старта на данных заказчика — по ним систему и принимают.

Сначала пилот: проверочный этап перед большим внедрением показывает на небольшом объёме данных, сходится ли расчёт. Часть бюджета уходит на подготовку данных: справочники чистят, разные написания контрагента сводят вместе. Куда кроме лицензий уходит бюджет ИИ-проекта — разбор в отдельной статье.

Найденный провал в воронке денег не приносит, пока кто-то не изменит процесс. Почему ускорение работы не доходит до прибыли, разобрано в блоге Dzeta AI.

Где работает система и кто видит цифры компании

Систему на открытых моделях Dzeta AI разворачивает в контуре заказчика: выручка, клиентская база и расчёты остаются внутри компании, персональные данные её не покидают (152-ФЗ «О персональных данных»). В ChatGPT и другие внешние сервисы данные не уходят, если заказчик этого не хочет. Журнал фиксирует подтверждения, модель меняется без переделки системы. Свой IT-отдел не нужен: хватит человека, который заметит в отчёте неправильную цифру.

Когда управленческая аналитика не окупится

Окупается там, где данные сохраняются, а решения повторяются: показатели смотрят регулярно, провалы разбирают. Остальное видно на аудите:

• Данные нигде не сохраняются: заявки принимают по телефону, договорённости живут в переписке.
• В каждой системе свой справочник контрагентов и своя номенклатура, связать записи не по чему.
• Показатели смотрят раз в год перед собственником: регулярного решения нет, окупать нечего.
• Задачу закрывает настройка учётной системы или готовый отчёт в ней — так и напишем по итогам аудита.
• Некому со стороны заказчика подтвердить, что посчитанное похоже на правду.