Соблазн понятный: у вас есть выгрузка продаж за год, есть нейросеть, которая якобы понимает всё. Загрузил файл, спросил «почему упала выручка» — получил ответ.
Так это не работает. Точнее, работает, но результат доверять нельзя, и объяснение лежит в самом устройстве технологии.
При этом польза от нейросети в аналитике огромная — просто не в том месте, где её обычно ищут. Разберём, где именно.
Почему нельзя просить её считать
Языковая модель не выполняет вычислений. Она предсказывает, каким должен быть ответ, опираясь на то, как выглядели похожие ответы в текстах, на которых её учили.
С маленькими числами это совпадает с правдой достаточно часто, чтобы усыпить бдительность. С вашей выгрузкой на двадцать тысяч строк — нет. Модель увидит часть данных, достроит остальное по смыслу и выдаст уверенный ответ, который может не иметь отношения к вашим цифрам.
Хуже всего то, что ошибка не подсвечивается. Вы получаете «выручка снизилась на 12% из-за падения в категории аксессуаров» — звучит правдоподобно, выглядит как аналитика, проверить лень. А число взято примерно из воздуха.
Отсюда правило: считает система, нейросеть объясняет. Всё, что связано с арифметикой по вашим данным, должно выполняться таблицей, базой или учётной системой. Нейросеть работает с формулировками, а не с числами.
Что нейросеть в анализе данных делает хорошо
Теперь про пользу, и она немаленькая.
Пишет запросы к данным. Вы объясняете словами, что хотите увидеть, — получаете формулу для таблицы или запрос к базе. Дальше считает программа, а вы получаете точный результат. Это, пожалуй, главный сценарий: он снимает необходимость знать язык запросов, оставляя точность вычислений на системе.
Объясняет, что означают цифры. У вас есть готовый отчёт, но непонятно, на что смотреть. Нейросеть разберёт показатели, объяснит, как они связаны, подскажет, какие из них важны для вашей задачи.
Предлагает гипотезы. «Выручка упала на 12%, вот разбивка по категориям и регионам — какие могут быть причины и как проверить каждую». Список версий и способов проверки — это ровно то, для чего модель хороша: она перебирает варианты, а не считает.
Готовит текст отчёта. Цифры вы посчитали сами, а описание к ним — формулировки, выводы, структура — делается за минуты.
Помогает найти дыры в данных. Опишите структуру своей выгрузки и спросите, чего не хватает для ответа на ваш вопрос. Часто выясняется, что нужный разрез вы просто не собираете.
Как задавать вопросы, чтобы получать пользу
Разница между бесполезным и полезным ответом обычно в формулировке.
Бесполезно: «Проанализируй продажи». Модель выдаст общие слова о важности анализа.
Полезно: «Вот структура выгрузки: дата, товар, категория, регион, сумма, канал. Напиши формулу, которая посчитает долю каждой категории в выручке по месяцам, и объясни, на какие изменения в этой таблице стоит обратить внимание».
Второй запрос даёт инструмент и рамку для интерпретации, а считает всё равно таблица. Приёмы формулировок я разбирал подробнее в статье про промты, здесь только специфика: всегда описывайте структуру данных и всегда просите формулу, а не число.
Отдельно — не грузите в чат таблицы с персональными данными клиентов или коммерческими показателями, если сервис публичный. Для регулярной работы с такими данными нужен другой контур, о нём ниже.
Где заканчиваются возможности вкладки
Признаки, по которым видно, что инструмент упёрся в потолок.
Отчёт собирается руками каждую неделю. Выгрузили из трёх систем, свели, посчитали, оформили, разослали. Нейросеть ускорит написание формул, но не уберёт саму рутину — это уже задача процесса, а не запроса.
Ответ нужен быстрее, чем через выгрузку. Когда руководитель хочет узнать цифру сейчас, а не через два часа сборки, нужен слой, который отвечает на вопросы по актуальным данным напрямую.
Данные живут в разных местах и не сходятся. Разные названия одного товара, дубли контрагентов, несовпадающие периоды. Никакая нейросеть это не починит — сначала порядок, потом аналитика. Про это я писал в разборе подготовки данных.
Как выглядит нормальная система анализа данных
Если задача регулярная, строят не «нейросеть для анализа», а связку из трёх частей.
Внизу — ваши данные, сведённые в одно место и приведённые к единому виду. Это самая скучная и самая важная часть; на неё уходит больше времени, чем на всё остальное.
В середине — система, которая считает. Обычная, детерминированная: тот же запрос всегда даёт тот же результат.
Сверху — нейросеть, которая переводит вопрос человека в запрос к системе и объясняет полученный результат словами. Руководитель спрашивает «как продажи по югу за квартал», получает точные цифры и понятный комментарий.
Важно, что в такой схеме модель не считает ни одной цифры. Она работает переводчиком между человеком и данными — и именно поэтому ей можно доверять.
Порог для начала простой: если сведение отчёта отнимает больше дня в месяц, считать связку уже имеет смысл. Если это полчаса раз в квартал — оставайтесь во вкладке браузера и не тратьте деньги.