Две цифры выручки на совещании
Если продажи и бухгалтерия считают выручку по-разному, система покажет обе, а какая верная, решает владелец словаря.
ИИ для анализа продаж отвечает на вопросы руководителя обычными словами, находит отклонения, раскладывает падение или рост на причины с цифрами и собирает еженедельную сводку. Число считает запрос к вашей витрине данных, а не модель, поэтому в каждом ответе видны определение показателя и сам запрос. Прогнозов «на глаз» система не выдаёт: для прогноза нужна отдельная модель, проверенная на прошлом. Работает на ваших серверах, качество принимаем на тридцати типовых вопросах ваших руководителей.
Обследование 200 000 ₽ за 2–3 недели, сумма идёт в зачётЧисло считает запрос к базе, модель только формулируетПриёмка на тридцати вопросах ваших руководителей
Вот какие вопросы чаще всего закрывает ИИ для анализа продаж и как проверяется каждый ответ. Источник и проверка для ваших вопросов записываются на обследовании, таблица показывает принцип.
Модель читает вопрос и пишет текст. Считают код и база данных, поэтому у каждой цифры есть источник.
Вопрос превращается в запрос к витрине продаж: типовые собирает код из словаря показателей, редкие пишет модель по описанию данных. Программа проверяет запрос и выполняет его с правами спрашивающего: менеджер видит своих клиентов, руководитель региона свой регион. В ответе таблица, текст запроса, пересказ словами (период, определение выручки, фильтры) и время последней загрузки данных. Устройство такого пути разобрано в статье «Text-to-SQL: ИИ и вопросы к базе», а схему для любой витрины описывает страница ИИ-аналитика по данным компании.
Раз в сутки или в неделю код сравнивает показатели с тем же периодом прошлого года, со средним за последние недели и с планом, если он лежит в витрине. Порог задаёте вы, отдельно по показателю и разрезу. Модель не ищет: она получает найденное отклонение и пишет, что изменилось. Правило, которое срабатывает каждый день, пересматриваем: поток пустых тревог хуже его отсутствия.
Разницу раскладывает запрос: сколько клиентов заказывало, сколько заказов приходилось на клиента, какой была средняя сумма заказа, что произошло с ценами, скидками и структурой товаров. Вклады идут по убыванию, их сумма сходится с общей разницей. Фраза «клиент ушёл к другому поставщику» в учёте не записана, поэтому такую причину система называет гипотезой и помечает непроверенной.
Раз в неделю модель пишет полстраницы по готовым таблицам: что изменилось, где отклонения, какие вопросы остались без ответа. Число, которого нет в таблице под текстом, в сводку не попадёт, это проверяет код. Панели BI сводка не заменяет, а объясняет.
Эти просьбы приходят в первую неделю. Ответ на каждую записан заранее, иначе в день первого такого вопроса система ответит уверенно и неверно. Прогноз — отдельная работа, она описана на странице предиктивной аналитики.
Точность ответов задаёт порядок в справочниках, а не выбор модели. Эта работа занимает первые недели и входит в вилку бюджета.
Один клиент в 1С, CRM и таблице менеджера записан тремя способами, и ответ на вопрос «сколько заказывал клиент» зависит от того, какую запись нашёл запрос. Ключом для юридических лиц служат ИНН и КПП, для товаров артикул и единица измерения; соответствия между системами ведёт названный сотрудник. Дубли исправляются при загрузке в витрину, а не в запросе.
Рабочие дни, праздники, акции и смены прайса лежат в отдельной таблице. Без неё сравнение месяцев с разным числом рабочих дней выглядит падением, которого не было.
После каждой загрузки итоги витрины сверяются с отчётом по реализациям. Расхождение выше допуска не прячется: ответы за период получают пометку «данные не сверены». Если витрины нет, её строят первой, как описано на странице про BI и аналитику для бизнеса.
Записываем выбранное определение, а не «правильное вообще»: спор о нём решает владелец словаря до запуска.
Тридцать вопросов — стартовый набор, а не обещание точности: он нужен, чтобы увидеть слабые места до запуска и не терять их после.
Вопросы берём из переписки руководителей с аналитиком и протоколов планёрок, с опечатками и сокращениями.
Аналитик пишет к каждому вопросу собственный запрос и верный ответ. Принимается ответ, у которого таблица совпала с эталонной, даже если запрос записан иначе. Обратное опаснее: запрос с лишним условием выглядит правильным, а цифры даёт неверные. Поэтому сверяются значения, а не тексты запросов. У диагностических вопросов смотрим три крупнейших вклада и пометку «гипотеза» у непроверяемой причины. Пороги записываются до первого замера отдельно по категориям. К безопасности допусков нет вовсе: никаких записей в базу, никаких чужих регионов, никаких придуманных чисел там, где данных нет.
Ответ с отметкой «неверно» разбирается: определение, описание данных, запрос или модель. Вопрос остаётся в наборе насовсем, прогон повторяется при смене модели, словаря и схемы. Долю верных ответов до замера не называем: она зависит от ваших данных. Как строится оценка любых LLM-систем, описано на странице оценки качества LLM-систем.
Условный пример без реального клиента. Оптовый поставщик, три региона. Руководитель спрашивает: «Почему в третьем регионе в октябре выручка ниже, чем в сентябре?»
Без раскладки модель могла бы написать «сезонное снижение спроса»: правдоподобно, но проверить нечем. Другие классы вопросов и способы проверки разобраны в статье «Анализ продаж с помощью ИИ: что можно считать, а что нет».
Суммы взяты со страницы тарифов. Точная цена бывает только у обследования, дальше вилка сужается по его итогам.
Тридцать вопросов, словарь, описание таблиц, состояние справочников, права по регионам, критерии приёмки и вилка бюджета. Сумма идёт в зачёт первого этапа.
1С, CRM, склад и таблицы менеджеров вместе: схема загрузки и матрица доступа по регионам.
Загрузка реализаций, клиентов, номенклатуры и календаря с ежедневной сверкой по отчёту 1С. Нижняя ступень витрин данных.
Лёгкий вариант: словарь, окно вопросов, проверка запросов, замер на тридцати вопросах. Без свободного запроса, отклонений и сводки.
Тяжёлый вариант: поиск отклонений по правилам, раскладка на вклады, права по регионам, журнал и еженедельная сводка на живых данных.
Опытная работа на живых вопросах, обучение руководителей, регламент ведения словаря, передача кода и инструкций.
Пополнение словаря и набора вопросов, повторный замер при смене модели или данных. Сверх пакета час стоит 5 000 ₽.
Собираем тридцать вопросов из переписки с аналитиком, находим источники и спорные слова.
Аналитик пишет эталонные запросы, мы фиксируем словарь и правила отказа. Часть вопросов не показываем при настройке: на них идёт итоговый замер.
Загрузка и сверка, окно вопросов. Каждые две недели демонстрируем работающую версию на тестовой копии.
Запускаем набор по категориям, разбираем ошибки, задаём одни и те же вопросы от имени разных регионов.
Один регион, путь через аналитика остаётся рядом. Отклонения и сводка подключаются после принятого замера.
Новые регионы и источники идут этапами, у каждого своя приёмка. Остановиться можно в любой точке: готовое остаётся у вас по акту.
Если продажи и бухгалтерия считают выручку по-разному, система покажет обе, а какая верная, решает владелец словаря.
Дубль превращает одного клиента в двух: падает число активных, растёт число новых. Чистку закладываем в загрузку.
Ручные скидки и план в Excel системе неизвестны. Она обязана так и сказать, иначе цифра будет точной и неполной.
Три класса вопросов к данным о продажах и таблица «вопрос, как отвечать, как проверить».
Как вопрос превращается в запрос, где ошибается модель и как измерить точность на своих вопросах.
Как проверять прогноз: по времени, против простого правила и по группам, и когда прогноз не нужен.
Цена складывается по ступеням. Обследование стоит 200 000 ₽ при одной витрине и одном круге вопросов или 350 000 ₽ при нескольких системах и идёт в зачёт первого этапа. Лёгкий пилот обходится в 150 000–400 000 ₽, тяжёлый с отклонениями и сводкой в 400 000–1 200 000 ₽, эксплуатация начинается от 1 500 000 ₽ этапами. Витрина, если её нет, строится отдельно от 250 000 ₽.
Отчёт и панель отвечают на заранее заданные вопросы, определения в них зафиксированы. ИИ отвечает на вопросы, под которые отчёта нет: другой разрез, другой период, сравнение двух групп клиентов. Панели он не заменяет: частые вопросы мы превращаем в показатели витрины, а ИИ оставляем для редких.
Он может разложить падение на вклады, которые считает запрос: число клиентов, заказов на клиента, средняя сумма, цена, структура товаров. Причины вне данных (клиент ушёл к конкуренту, сменился закупщик) система называет гипотезой и помечает непроверенной. Подтвердить её может менеджер.
Сама по себе нет: языковая модель плохо считает ряд во времени, а её прогноз «на глаз» ничем не подтверждён. Если прогноз нужен, строится отдельная модель, которую проверяют на периодах, которых она не видела, и сравнивают с простым правилом вроде «как в тот же период прошлого года».
Для пилота на одном круге вопросов часто хватает регулярной выгрузки, это решается на обследовании. Для постоянной работы нужна витрина: отдельная копия данных с ежедневной сверкой по отчёту 1С и правами по регионам. Модель к рабочей базе 1С напрямую мы не подключаем.
В ответе видны определение показателя, период и текст запроса. Итог можно сравнить с отчётом 1С за тот же период, а число, которое уходит в документ или на совещание, проверяет аналитик по запросу. Общую оценку даёт набор из тридцати вопросов с эталонами, его прогоняют при смене модели и данных.
Основной вариант: модель, витрина и журнал на ваших серверах. Для данных ограниченного доступа облачные сервисы чаще не подходят по требованиям заказчика. Персональные данные граждан России обычно должны храниться на серверах в России; что считать персональными данными, решает юрист заказчика, это не юридическая консультация.
Мы в Ростове-на-Дону, работаем с заказчиками по всей России: удалённо и в вашем контуре. Доступ к системам и обследование согласуем на старте с вашей службой безопасности.