AI-аналітика для малого бізнесу: Google Sheets + n8n + LLM за $30/міс

Коли український бізнес чує «AI-аналітика», у голові малюється картина: DataRobot за $2000/міс, команда дата-саєнтистів і півроку впровадження. Це працює для корпорацій. Для магазину на 5 співробітників або виробничого цеху на 20 — ні.

AI-аналітика доступна. Просто українському бізнесу продають enterprise-інструменти, коли йому потрібен велосипед.

За останній рік ми зібрали з десяток аналітичних систем для українських клієнтів із бюджетом до $150/міс. Ось що працює.

Чому готові BI-інструменти не підходять українському SMB

Power BI, Tableau, Looker — потужні речі. Але для малого й середнього бізнесу в Україні вони створюють три проблеми:

1. Ціна. Power BI Pro — $10/користувач/міс. На команду з 5 людей — $50. Але це тільки візуалізація. Додайте ETL-інструмент для збору даних, сховище, інтеграції — і бюджет легко перевалює за $500–1000/міс.

2. Складність. Хтось має написати SQL-запити, налаштувати дашборди, навчити команду. В українському SMB рідко є окремий аналітик.

3. Немає українських конекторів. Power BI не підключиться до Монобанк API, щоб показати витрати в реальному часі. Tableau не зрозуміє структуру звіту з Checkbox. Це глобальні інструменти — український контекст для них не існує.

Рішення — зібрати свій стек.

Стек, який коштує $30–150/міс

Ось конкретна архітектура, яку ми використовуємо для клієнтів:

Рівень даних — Google Sheets (безкоштовно) Не PostgreSQL. Не ClickHouse. Google Sheets. Для бізнесу з оборотом до 50 млн грн/рік цього достатньо. Таблиця витримує до 10 млн комірок — це роки транзакцій для середнього інтернет-магазину.

Рівень інтеграції — n8n (безкоштовно, self-hosted на €4/міс VPS) n8n тягне дані з усього: Monobank API → Google Sheets, Checkbox → Google Sheets, SendPulse API → Google Sheets, Nova Poshta API → Google Sheets. Один воркфлоу на джерело. Запускається за розкладом — раз на годину, раз на день.

Рівень аналітики — LLM (OpenAI API або DeepSeek, $10–50/міс) Ось головна відмінність від традиційної аналітики. Замість SQL-запиту:

SELECT product_name, SUM(revenue) FROM sales WHERE month = '2026-03' GROUP BY product_name ORDER BY SUM(revenue) DESC LIMIT 5

ви просто пишете людською мовою:

«Які 5 товарів принесли найбільше прибутку в березні 2026?»

n8n відправляє цей запит разом із даними з Google Sheets у OpenAI API. LLM генерує SQL (або Python-код), виконує його, повертає результат. Жодного дата-аналітика в ланцюжку.

Рівень доставки — Telegram (безкоштовно) Результат падає в Telegram — власнику, менеджеру, у спільний чат команди. Жодних окремих дашбордів, логінів і паролів.

Реальна вартість: розкладка

| Компонент | Ціна/міс | |-----------|----------| | VPS для n8n (Hetzner CX22) | €4 | | OpenAI API (GPT-4o-mini, ~500 запитів/міс) | $10–15 | | Google Sheets | $0 | | Telegram Bot API | $0 | | Разом | ~$20–30/міс |

Для складніших сценаріїв — GPT-4o замість 4o-mini, більше запитів, додаткові джерела даних — бюджет зростає до $100–150/міс. І це стеля. Все що вище — це вже бюджети, де варто думати про ClickHouse і окремого аналітика.

Які українські сервіси вже можна підключити

Конкретні інтеграції, які ми робили за останні 6 місяців:

Monobank API → аналітика витрат Корпоративна картка Mono — витягуємо транзакції через API, класифікуємо через LLM (категорії: «логістика», «реклама», «зарплата», «податки»). На виході — щоденний звіт у Telegram: «Вчора витратили 12 400 грн. Найбільша стаття — реклама (5 200 грн, Facebook Ads). Це на 18% більше, ніж тиждень тому.»

Nova Poshta API → аналітика доставки Клієнти, які відправляють 50+ посилок на день, отримують щотижневий звіт: середній час доставки, % повернень, проблемні відділення. Один клієнт знайшов, що 30% повернень ідуть через конкретне відділення — змінили його, повернення впали на 40%.

Checkbox → аналітика продажів Чеки з Checkbox автоматично потрапляють у Google Sheets через API. AI аналізує: пікові години, середній чек, топ-товари, воронка. Власник мережі з 3 кав'ярень отримує ранковий звіт до 9:00: «Вчора продано 187 кав. Середній чек — 185 грн. Найпопулярніша позиція — лате (42% продажів).»

SendPulse → аналітика розсилок Не просто open rate, а зв'язка: які розсилки привели до оплат? LLM зіставляє SendPulse API з даними про оплати з CRM (KeepinCRM або KeyCRM) і показує реальну конверсію кожної кампанії.

Natural-language запити: як це працює на практиці

Найбільший прорив 2025–2026 років — можливість «запитати свої дані» людською мовою. Технічно це виглядає так:

1. n8n забирає дані з Google Sheets — весь масив транзакцій, замовлень, витрат.
2. Формує промпт для LLM: «Ось дані за березень 2026. Користувач питає: [питання].»
3. LLM генерує код (Python або SQL), який відповідає на питання.
4. n8n виконує код і відправляє результат у Telegram.

Приклад реального діалогу з Telegram-ботом клієнта:

Клієнт: Який канал реклами приніс найбільше замовлень у квітні? AI-аналітика: Instagram — 47 замовлень (38% від загальної кількості). Далі Google Ads — 34 (27%). Конверсія в оплату: Instagram 62%, Google Ads 71%. Рекомендація: Google Ads дає менше лідів, але вищу якість.

Клієнт: Покажи витрати на логістику за останні 3 місяці помісячно. AI-аналітика: Березень — 28 400 грн, Квітень — 31 200 грн (+10%), Травень — 26 800 грн (−14%). Зниження в травні пов'язане з переходом на укрпошту для 30% відправлень.

Це не магія. Це правильно налаштований ланцюжок: Google Sheets → n8n → OpenAI API → Telegram. Один раз налаштували — працює без втручання.

З чого почати: дорожня карта на 2 тижні

Тиждень 1: збираємо дані

• Визначте 2–3 ключові метрики, які ви реально використовуєте для рішень (не 20 дашбордів, які ніхто не дивиться).
• Налаштуйте n8n на VPS. Так, це 30 хвилин через Docker.
• Підключіть перше джерело даних: API вашого банку, CRM або каси. Зливайте в Google Sheets.

Тиждень 2: додаємо AI

• Налаштуйте n8n-воркфлоу для natural-language запитів.
• Підключіть OpenAI API (або DeepSeek — дешевше, працює з українською гірше, але для аналітики достатньо).
• Налаштуйте Telegram-бота для доставки звітів.

Через 2 тижні у вас є система, яка щоранку надсилає в Telegram ключові метрики. Жодних логінів у BI-систему. Жодних SQL-запитів. Ви прокидаєтесь, відкриваєте Telegram — і вже знаєте, що вчора продали 187 кав із середнім чеком 185 грн.

Хочете автоматизувати аналітику для свого бізнесу? Напишіть нам — перша консультація безкоштовна.