короткий ответ: без аналитика — можно, без метода — нет. рабочая схема для малого и среднего бизнеса выглядит так: выгрузка из crm или экселя → итоги считает сама таблица (сводная, две минуты) → посчитанное отдаёте модели с конкретным вопросом → получаете интерпретацию: что выросло, что просело, какие есть объяснения и что проверить дальше. по этой схеме собственник за вечер получает то, что раньше требовало «нанять аналитика или жить вслепую». и сразу главное правило, оно же водораздел между пользой и самообманом: модель не считает — модель интерпретирует посчитанное. цифры, которые модель «вывела сама» из длинной таблицы, проверять дольше, чем посчитать в экселе.

почему «без аналитика» — это про большинство

в малом и среднем бизнесе аналитика нет почти ни у кого: нанимать — от 150к/мес, и непонятно, чем загрузить на полный день. данные при этом есть у всех — crm, онлайн-касса, рекламные кабинеты, банковская выписка. они копятся годами и не отвечают ни на один вопрос, потому что между «данные лежат» и «данные говорят» стоит работа, которую некому делать. нейросеть эту работу забирает — не потому что она умнее аналитика, а потому что интерпретация посчитанных цифр по заданному вопросу — текстовая задача, а текстовые задачи модель делает хорошо и мгновенно.

пять вопросов, с которых начать

не «проанализируй мои данные» — на такой запрос модель отвечает вежливым пересказом таблицы. работают конкретные вопросы. вот пять, которые дают пользу почти любому бизнесу в первый же вечер:

  1. на ком мы зарабатываем? выгрузка продаж по клиентам за год → abc-раскладка: обычно 20% клиентов дают 80% денег, но пока не посчитаешь — не знаешь, кто эти 20%. готовый промпт — «abc-анализ клиентов».
  2. куда утекает маржа? продажи по товарам или услугам с себестоимостью → что реально прибыльно, а что создаёт оборот без прибыли. смежный промпт — «отчёт о марже».
  3. где теряем клиентов? заявки по этапам воронки → на каком шаге конверсия проседает сильнее всего. одна цифра, которая часто меняет приоритеты на квартал.
  4. кто уходит и почему? клиенты с датами последних покупок → кто «затих», есть ли у затихших общее. промпт — «анализ оттока».
  5. что будет с деньгами через месяц? платежи и обязательства по датам → грубый прогноз кассового разрыва. именно грубый — но и он спасает от сюрпризов, промпт «прогноз кассового разрыва» в помощь.

инструкция и промпт

порядок одинаковый для любого из вопросов: выгрузили → агрегировали в таблице до итогов (максимум сотня строк — длинные таблицы модель читает кусками и молча делает выводы по куску) → убрали персональные данные → вставили с промптом:

ты — аналитик, который помогает собственнику без аналитика
в штате. пиши по делу, без лекций о пользе данных.

мой бизнес: [что, для кого, масштаб в двух словах]
вопрос, на который ищу ответ: [один из вопросов, конкретно]

данные (итоги посчитаны в таблице):
[агрегированная таблица]

контекст периода: [сезонность, акции, сбои — что влияло]

правила:
1. используй только цифры из данных, не вычисляй новые.
2. на каждый вывод — цифра, на которой он стоит.
3. отдели наблюдения («видно из данных») от гипотез («похоже,
   но данных мало»). гипотезы помечай прямо.
4. в конце: 3 вопроса, которые стоит задать данным следующими,
   и чего для этого не хватает в выгрузке.

пункт 3 — страховка от главной болезни жанра: модель охотно «находит тренд» в шуме из трёх точек ? особенно если спросить «какой тут тренд». модель услужлива: спросили про тренд — будет тренд. поэтому формулировка «отдели наблюдения от гипотез» обязательна, а не опциональна. . пункт 4 превращает разовый разбор в процесс: каждый ответ подсказывает следующий вопрос.

границы честно: где без аналитика никак

  • статистическая строгость. «значимо ли различие или это шум» — вопрос математики, а не интерпретации. модель в чате может ошибиться и уверенно обосновать ошибку. решения на больших деньгах — повод позвать человека со статистикой.
  • прогнозы всерьёз. прикидка «как в прошлом году плюс рост» — можно. модель спроса с сезонностью и доверительными интервалами — профессия.
  • качество данных. если менеджеры заполняют crm через раз, анализ будет уверенным анализом мусора. модель не заметит, что половина сделок не внесена, — ей неоткуда это знать. про подготовку данных есть гайд «данные для ии».
  • причинность. «продажи выросли после смены упаковки» не значит «из-за». модель предложит гипотезы, но проверять их — эксперименты в реальности, а не в чате.
  • персональные данные — до вставки в чат из выгрузки убираются: телефоны и фамилии для анализа не нужны.

от разовых разборов — к цифрам по расписанию

схема из статьи — ручная: раз в неделю кто-то выгружает, сводит, вставляет, читает. работает, пока работает дисциплина, — обычно месяца три. дальше развилка: либо разборы тихо умирают, либо процесс отдаётся агенту — он сам забирает данные из crm и рекламных кабинетов по расписанию, считает кодом (не «на глаз»), собирает сводку с интерпретацией и присылает в telegram к утру понедельника. про эту эволюцию у нас есть отдельный разбор — нейросеть для отчётов, а в каталоге — живые примеры агентов: «отчёты руководителю» и «отчёт по рекламе». если процессов с рутиной несколько и непонятно, с какого начать, — карта автоматизации за 7 вопросов покажет топ-3 с оценкой потенциала в часах.