Никита Сокаренко

Бизнес-аналитика прошла путь от простых отчетов в Excel до комплексных систем, которые работают с потоковыми данными и автоматизированными дашбордами. Следующий этап эволюции — интеграция инструментов искусственного интеллекта.Многие компании уже внедряют их прямо сейчас. Важно понимать, что ИИ не заменяет бизнес-аналитику, а только усиливает ее. Он ускоряет обработку данных, автоматизирует рутинные процессы, помогает формулировать гипотезы и принимать решения на основе более глубокого анализа. Компании, которые системно внедряют ИИ-инструменты в BI-процессы, получают конкурентное преимущество на рынке за счет скорости и точности. Что делает бизнес-аналитик Бизнес-аналитик собирает, обрабатывает и анализирует информацию в бизнесе, чтобы оптимизировать процессы и повысить эффективность. Его роль — связывать данные, технологии и бизнес-процессы между собой. В задачи бизнес-аналитика обычно входят: сбор и структурирование требований от бизнеса; анализ данных из различных источников; построение отчетов и дашбордов; формулирование и проверка гипотез; оценка эффективности маркетинга, продаж и продукта; подготовка рекомендаций для проекта. При этом значительная часть времени уходит на рутинные задачи — например, на подготовку выгрузок, очистку данных, ручную проверку показателей и оформление отчетов. Именно здесь ИИ становится отличным помощником для аналитика. Что такое ИИ-аналитика Представьте, что вам нужно проанализировать отчет с данными по продажам. Вы смотрите на цифры, сравниваете периоды, пытаетесь понять, где рост, а где падение, и почему это произошло. Теперь предположим, что часть этой работы выполняется автоматически. Система сама находит отклонения, объясняет возможные причины и подсказывает, что можно сделать дальше. Именно так работает ИИ-аналитика. Она не просто собирает и визуализирует данные, а анализирует их: находит скрытые закономерности, строит прогнозы и формирует выводы. И это все без ручной обработки каждого показателя. В отличие от классической BI, которая отвечает на вопрос «Что произошло?», ИИ-аналитика помогает ответить на: «Почему это произошло?» — поиск скрытых закономерностей; «Что произойдет дальше?» — прогнозирование; «Что лучше сделать?» — рекомендации. Представим, что вы работаете в e-commerce-проекте. Ваша BI-платформа собирает данные о трафике, заказах, конверсии, среднем чеке и возвратах. В одном из отчетов вы видите, что посещаемость сайта выросла на 20%, но при этом снизилась конверсия и увеличилось количество брошенных корзин. Возникают вопросы: «Почему при росте трафика падают продажи?», «Какой именно сегмент пользователей перестал конвертироваться?», «Связано ли это с каналом привлечения, интерфейсом сайта или ценами?». Да и самое главное — «Что можно изменить, чтобы вернуть конверсию?» Классическая BI зафиксирует сам факт изменений, но не предоставит готовых ответов. С этими задачами как раз и помогает ИИ-аналитика. Она выявляет скрытые зависимости, сегментирует пользователей, находит причины отклонений и предлагает варианты действий. Современные AI-платформы позволяют: обрабатывать большие объемы структурированных и неструктурированных данных; выявлять аномалии и тренды без заранее заданных правил; автоматически формировать текстовые инсайты по результатам анализа. Чем ИИ может помочь бизнес-аналитику? При внедрении ИИ в BI-системы необходимо соблюдать корпоративные политики безопасности и защиты данных. Важно помнить, что открытые ИИ-инструменты не предназначены для обработки конфиденциальных и персональных данных. Если планируете использовать их в работе, проведите оценку рисков и получите одобрение от отдела информационной безопасности в компании. Главное — автоматизация рутины и отчетов ИИ может автоматически собирать данные из разных источников, проверять их на корректность и полноту, формировать регулярные отчеты, а затем генерировать текстовые пояснения к графикам и KPI. Также языковые модели могут преобразовывать числовые отчеты в понятные управленческие выводы — например, продажи выросли на 12% за счет увеличения среднего чека в сегменте B2C. Если посмотреть на практику, ИИ в аналитике начинает приносить пользу не тогда, когда появляются «умные алгоритмы», а когда снижается порог их применения в бизнесе. Например, мы в Selectel делаем акцент на создании среды, с помощью которой компании могут быстро встроить ИИ в рабочие процессы. У нас есть готовая ML-платформа и каталог преднастроенных моделей, которые позволяют использовать LLM и другие ИИ-инструменты без сложной настройки и глубокой экспертизы в ML. Почему это важно для бизнес-аналитика? Раньше чтобы проверить гипотезу или внедрить модель, нужны были ресурсы команды разработки и длительный период подготовки. Теперь многие задачи можно решить быстрее за счет готовых моделей — достаточно их развернуть и встроить в процессы. Расшифровка встреч ИИ-инструменты расшифровывают аудио и видео встреч, выделяют ключевые договоренности, формируют задачи и резюме. Так, например, в Selectel есть отдельный сервис, который интегрирован с корпоративной платформой Selectel Meet. Он автоматически расшифровывает созвоны, выделяет ключевые договоренности и превращает разговор в структурированный результат. Обычно аналитик тратит на это часы ручной работы и может случайно что-то упустить. Однако LLM позволяет ему получать уже очищенную информацию и сразу использовать ее в работе —например, готовить резюме встречи, составлять список задач и решать накопившиеся вопросы. В результате бизнес-аналитик тратит меньше времени на протоколирование и имеет быстрый доступ к истории обсуждений. Дополнительно ИИ может автоматически извлекать бизнес-требования и формировать черновик технического задания. Рассмотрим, какие сервисы будут полезны для этих задач. MyMeet.ai поддерживает русский язык и интегрируется с популярными сервисами видеосвязи. Он создает структурированный протокол, выделяет задачи и имеет ИИ-чат для вопросов по ходу встречи. Charla AI имеет высокую точность ответов (до 93%) и скорость обработки информации. Решение поддерживает более 100 языков. Основной фокус — на качественной транскрипции. Teamlogs удобен для командной работы. Он позволяет редактировать стенограмму и создавать саммари встречи с конкретными задачами. Написание кода Аналитики часто работают с SQL, Python, DAX и другими языками, поэтому в этой части ИИ становится заметным помощником. Он может генерировать запросы на основе текстового описания задачи, разбирать сложный код, находить ошибки в запросах и подсказывать, как улучшить их производительность. Ниже собрали удобные сервисы, которые заточены под работу со схемами баз данных и оптимизацию кода. AI2sql — один из самых популярных инструментов. Позволяет загружать схему вашей БД для генерации точных запросов под MySQL, PostgreSQL и другие СУБД. SQLAI.ai генерирует и оптимизирует запросы SQL, NoSQL. Ориентируется на чистоту и производительность кода. Text2SQL.ai преобразует текстовые запросы в SQL‑запросы для работы с базами данных. Vanna.ai — open-source фреймворк. Его можно обучить на ваших данных, чтобы использовать в корпоративной среде. Chat2DB — инструмент для управления БД со встроенным ИИ-помощником. С его помощью можно быстро написать код. Copilot — встроенный в среду разработки помощник, который взаимодействует с кодом в реальном времени. Он учитывает содержимое текущего файла, комментарии и общий контекст проекта, чтобы предлагать варианты автодополнения и релевантные подсказки. Визуализация и сегментация данных ИИ подсказывает подходящие форматы отображения информации, автоматически формирует дашборды, делит клиентов на сегменты по их поведению и выявляет скрытые кластеры, которые сложно заметить при ручном анализе. Делимся инструментами, которые позволяют загружать файлы Excel, CSV и анализировать их с помощью текстовых команд. ChatGPT. Встроенный интерпретатор Python позволяет строить сложные графики, проводить корреляционный анализ, сегментировать базу клиентов или транзакций по одному запросу, как в RFM-анализе. Claude 3.5 Sonnet. Инструмент отлично справляется с визуализацией данных в реальном времени. В режиме Artifacts он может мгновенно создавать интерактивные дашборды и диаграммы прямо в окне чата. Julius AI — специализированный ИИ-помощник для анализа данных. Он понимает структуру финансовых отчетов и помогает находить аномалии в массивах данных. Если вы работаете с корпоративными данными, современные BI-системы предлагают встроенные ИИ-агенты. Tableau Pulse использует генеративный ИИ для автоматического выявления трендов, отклонений и драйверов роста. Он «подсвечивает» важные изменения в данных и объясняет их причину на естественном языке. Microsoft Power BI Copilot позволяет создавать целые отчеты и дашборды по текстовому описанию. Пример промта: «Создай страницу с анализом прибыльности по регионам за прошлый квартал». Zoho Analytics помогает проводить сегментацию данных и предсказывать будущие показатели с помощью простых вопросов на английском языке. Работа с большими данными С ростом бизнеса увеличиваются и объемы данных — например, транзакции, логи, события и поведенческие сигналы. В таких условиях ИИ помогает справляться с нагрузкой. Он обрабатывает массивы информации, выявляет аномалии в режиме реального времени и строит прогнозные модели спроса. Это важно для e-commerce, финтеха, телеком-компаний и SaaS-сервисов.Недавно мои коллеги из внедрил Kaken — сервис семантического поиска по внутренним источникам знаний. Он индексирует Confluence и публичную документацию.Подробнее о том, как они внедрили AI-сервисы для собственного использования, рассказывали в предыдущей статье. Принятие решений ИИ выступает в роли системы поддержки принятия решений, моделирует сценарии «что если», оценивает влияние изменений цен и прогнозирует эффект маркетинговых кампаний. Руководитель получает не просто отчет, а набор вариантов с оценкой вероятности успеха. Рассмотрим системы, которые помогают аналитикам выбирать лучший курс действий в условиях неопределенности. Anaplan использует ИИ для оптимизации сложных цепочек решений, чтобы мгновенно пересчитывать финансовые модели при изменении внешних факторов. Planful Predict предсказывает потенциальные кассовые разрывы и отклонения от бюджета, выступая в роли интеллектуального советника по распределению ресурсов. Vena Insights предлагает ИИ-агентов, которые находят неочевидные факторы, влияющие на прибыль, и советует, какие показатели можно подкорректировать. Формулирование гипотез для привлечения клиентов ИИ анализирует поведение текущих клиентов, источники трафика, историю конверсий и воронку продаж. На основе этих данных он формирует гипотезы — например, какие сегменты аудитории остаются неохваченными, какие каналы приносят наибольший LTV и какие офферы повысят конверсию. Собрали инструменты, которые находят аномалии и скрытые закономерности в данных, из которых рождаются гипотезы. Amplitude автоматически находит корреляции между пользовательскими действиями и бизнес-показателями. Например, ИИ может выполнить запрос «Проанализируй список клиентов, которые открыли накопительный счет в первые два дня». Чаще всего их LTV (пожизненная ценность клиента) на 40% выше. На основе этого аналитик формулирует гипотезу по онбордингу. Mixpanel позволяет задавать вопросы на естественном языке, например «Какие действия пользователей ведут к конверсии в премиум-пакет?». Кроме того, он умеет строить воронки и подсвечивать узкие места. Какие есть риски и ограничения использования ИИ в бизнес-аналитике Иногда внедрение ИИ в бизнес-аналитику связано с рядом ограничений — рассмотрим их подробнее. Проблемы с данными. ИИ не устраняет фундаментальные проблемы работы с данными. Например, он не сможет компенсировать их неполноту, исправить ошибки в источниках или автоматически избавиться от дублирования. Из этого следует принцип garbage in — garbage out: при плохих запросах вы будете получать плохие результаты. Ошибки в ответах. Языковые модели могут допускать ошибки, придумывать факты, делать логически некорректные выводы и формулировать неверные интерпретации. Специалисты должны критично относиться к ответам от ИИ и обязательно проверять их результаты. Проблемы с безопасностью. Передача данных во внешние AI-сервисы требует внимательного подхода к безопасности. Основной риск возникает, если при обработке используются персональные данные. В таком случае необходимо строго соблюдать требования законодательства и внутреннюю политику компании, чтобы не столкнуться с юридическими последствиями. Также важно учитывать риск утечки коммерческой информации. В аналитике используются внутренние отчеты, финансовые показатели, данные о клиентах и бизнес-процессах. Если передать эти данные во внешние системы, то злоумышленники могут их скомпрометировать. Часто это происходит из-за недостаточной защиты со стороны сервиса и ошибок в настройке доступа. Дополнительный фактор риска — недостаточная прозрачность того, как именно обрабатываются и хранятся данные в сторонних ИИ-сервисах. Не всегда известно, используются ли они для дообучения моделей, где именно размещается инфраструктура и кто имеет к ней доступ. При внедрении ИИ важно заранее изучить требования к безопасности и выбирать только проверенные ИИ-сервисы. Как может помочь Selectel Помните, что внедрение общедоступных ИИ-сервисов в процессы вашей компании сопряжено с возможными рисками. Но вы можете их избежать с помощью технологического фундамента, на котором можно построить защищенные и мощные ИИ-системы. Лучшее решение — развернуть ИИ-сервис для бизнес-аналитики внутри собственной IT-инфраструктуры. В этом вам может помочь Selectel. Вы можете арендовать производительные серверы с GPU и сервисы для решения ML-задач. Рассмотрим, как именно они могут вам помочь. Серверы с GPU позволяют в десятки раз быстрее обучать прогнозные модели или обрабатывать массивы данных для визуализации. В Selectel доступны производительные видеокарты — например, NVIDIA H200, B300, RTX 6000 PRO. С ними вы можете заниматься финансовой аналитикой, расчетом физических процессов и проектированием систем. Если у вас есть повышенные требования к информационной безопасности, то можете воспользоваться решением с развертыванием выделенных серверов в собственном ИТ‑контуре. Изолированная среда соответствует корпоративным политикам безопасности и действующим регуляторным нормам, а также гарантирует защиту данных. Также у нас есть каталог готовых моделей — Foundation Models Catalog. Он позволяет аналитикам и разработчикам использовать нейросети — например, DeepSeek, Mistral, Qwen — без глубоких знаний ML. Полный список можно посмотреть в панели управления my.selectel.ru. Кроме того, вы можете использовать эти модели для анализа отчетности или написания SQL-запросов (Text-to-SQL) в закрытом контуре Selectel или на своей площадке. В отличие от публичного ChatGPT, данные ваших финансовых отчетов не уходят за пределы РФ и не используются для дообучения глобальных моделей. Заключение ИИ становится неотъемлемой частью бизнес-аналитики. Он позволяет быстрее обрабатывать информацию, находить скрытые закономерности, формулировать гипотезы и принимать решения на основе более глубокого анализа. Однако ключевую роль здесь по-прежнему играет человек. Именно бизнес-аналитик формулирует правильные вопросы, интерпретирует результаты и несет ответственность за принятые решения. В условиях конкуренции выигрывают те компании, которые не просто собирают данные, а умеют превращать их в конкретные действия. ИИ в этом процессе — инструмент, который сокращает путь от данных к реальным результатам. Его эффективность напрямую зависит от качества данных и самого специалиста. . При грамотном использовании он позволяет ускорить процессы, повысить точность прогнозов и открыть новые точки роста.

Никита Сокаренко

Материалы автора

Бизнес-аналитика с помощью ИИ: как ИИ-инструменты помогают работать с данными

С чего начинается сайт? От выбора хостинга до регистрации домена