AI-аналітика, яка попереджає: аномалії, прогнози, авто-звіти

Більшість українських підприємців думають про аналітику як про дашборди. Графіки. Тижневі звіти, які менеджер готує в Excel три години. Проблема в тому, що дашборд не каже «у тебе проблема». Він показує цифри. А ви маєте дивитися на них і думати.

AI змінює цю модель. Не «показує цифри», а «знаходить аномалії, будує прогноз і надсилає готовий текстовий висновок». Це не майбутнє. Це те, що працює у 2026 році на стеку Google Sheets + n8n + OpenAI API.

Чому дашборди не працюють для малого бізнесу

Власник інтернет-магазину з оборотом 3 млн грн/міс не має окремого аналітика. Він сам дивиться на показники раз на тиждень — якщо вистачає часу. Результат: проблему з конверсією помічають через 10 днів, коли виручка вже впала на 15%.

Дашборд у такій ситуації марний. Він показує минуле. Він не каже: «Конверсія впала на другий день — ось що змінилося».

AI-аналітика на основі мовних моделей працює інакше. Вона не малює графік. Вона пише речення. І це принципова різниця.

Що AI бачить, а людина — ні: аномалії

Найцінніша функція AI в аналітиці — це навіть не відповіді на запитання, а автоматичне виявлення аномалій. Таких, які людина пропускає, бо дивиться на 20 метрик одночасно.

Ось реальний кейс. Клієнт — виробник меблів, 40+ замовлень на місяць. Дані з CRM (KeyCRM) автоматично зливаються в Google Sheets. n8n раз на день запускає аналіз через OpenAI API з таким промптом:

«Ось дані про замовлення за останні 30 днів: дата, сума, статус, менеджер, канал. Знайди аномалії — метрики, які відхилилися від середнього більше ніж на 20% за останні 7 днів порівняно з попередніми 23 днями. Опиши кожну аномалію одним реченням: що саме змінилося, на скільки, що могло спричинити.»

Що AI знайшов за перший тиждень роботи:

• Середній чек упав на 27% за останні 5 днів. Причина: менеджер почав пропонувати дешевші аналоги замість основних позицій. Власник поговорив — виправили за день. Без AI це помітили б через 2 тижні, коли надійшов би місячний звіт.
• Конверсія з Instagram впала з 4.2% до 1.8%. Причина: змінили креатив у рекламі — новий візуал не працював. Повернули старий — конверсія відновилась за 3 дні.
• Час обробки замовлення зріс із 4 до 11 годин. Причина: один із двох менеджерів пішов у відпустку, другий не справлявся. Власник тимчасово підключив резервну людину.

Три проблеми, які коштували б бізнесу приблизно 85 000 грн втраченої виручки за місяць. Виявлені й виправлені в перший тиждень. Вартість AI-аналізу: близько $8/міс на API-викликах.

Прогнозування без дата-саєнтиста

Друга функція, яку український SMB майже не використовує — прогнозування на основі AI. Не складна часова модель ARIMA, яку будує дата-саєнтист за $3000/міс. А простий запит до LLM:

«Ось помісячні дані про виручку за останні 12 місяців. На основі тренду, сезонності й поточної динаміки за останні 3 місяці — спрогнозуй виручку на наступний місяць. Дай три сценарії: оптимістичний, реалістичний, песимістичний. Для кожного — коротке обґрунтування.»

LLM не будує математичну модель у класичному розумінні. Вона бачить патерни в цифрах — так само як людина дивиться на графік і «відчуває» тренд. Але робить це без когнітивних упереджень.

За нашим досвідом, прогнози GPT-4o на основі 12 точок даних дають похибку 8–15% на місячному горизонті для стабільного бізнесу. Для порівняння: «інтуїтивний» прогноз власника — похибка 25–40%. AI програє професійному фінансовому моделюванню, але виграє у відсутності моделювання.

Де це має сенс:

• Прогноз виручки на наступний місяць для планування закупівель
• Прогноз навантаження на виробництво (скільки замовлень очікувати)
• Прогноз cash gap — коли витрати перевищать надходження

Усе це — з однієї Google Sheets, без окремого сховища даних.

Автоматичні текстові звіти замість дашбордів

Третій рівень — автоматична генерація текстових звітів із коментарями AI. Не «ось 12 графіків, розбирайся». А «ось що сталося цього тижня, ось що з цим робити».

Як це виглядає на практиці. Щопонеділка о 09:00 n8n запускає воркфлоу:

1. Збирає дані з усіх джерел за тиждень: KeyCRM (угоди, платежі), Google Sheets (витрати), Monobank API (рух коштів)
2. Формує промпт для GPT-4o: «Ти — бізнес-аналітик. Ось дані за тиждень. Зроби звіт: ключові метрики, аномалії, прогноз на наступний тиждень, рекомендації. Стиль — коротко, без маркетингових фраз. Кожен пункт — одне речення.»
3. Надсилає готовий текст власнику в Telegram

Результат — повідомлення на 300–500 слів, яке власник читає за 90 секунд. Жодних дашбордів, жодних логінів. Прочитав — прийняв рішення.

Ось фрагмент реального звіту для клієнта (мережа з 3 кав'ярень):

Тиждень 26.05–01.06

Ключові метрики:

• Виручка: 187 400 грн (+4% до попереднього тижня)
• Середній чек: 195 грн (без змін)
• Кількість чеків: 961 (+5%)

Аномалії:

• Точка на Лесі Українки: виручка −12%. Зниження почалося в середу. Ймовірна причина — ремонт дороги біля входу, зменшився трафік. Якщо тенденція збережеться — прогнозовані втрати ~18 000 грн за місяць.
• Позиція «Матча лате»: продажі +40%. Тренд триває другий тиждень. Рекомендація: додати в сезонне меню.

Прогноз на наступний тиждень:

• Очікувана виручка: 175 000–195 000 грн (реалістичний сценарій). Песимістичний: 160 000 грн (якщо падіння на Лесі Українки продовжиться).

Рекомендації:

1. Перевірити ситуацію з ремонтом на Лесі Українки. Якщо ремонт на 2+ тижні — запустити акцію на доставку для компенсації.
2. Збільшити запас інгредієнтів для матча-лате на 50% — попит зростає.

Це не фантазія. Це працююча система, яка коштує $30–60/міс на API-викликах.

З чого почати: три етапи

Етап 1: Дані в одному місці (1–2 дні) Зведіть 2–3 ключові джерела даних у Google Sheets через n8n. CRM, банк, каса — все в одну таблицю. Без цього AI немає з чим працювати.

Етап 2: Виявлення аномалій (2–3 дні) Налаштуйте щоденний аналіз: n8n відправляє дані в OpenAI API з промптом на пошук аномалій, результат — у Telegram. Почніть з 3–5 метрик, не більше. Налаштуйте пороги: що вважати аномалією (ми радимо 15–20% відхилення для початку).

Етап 3: Щотижневий авто-звіт (1–2 дні) Коли аномалії працюють стабільно — додайте щотижневий звіт із прогнозом. Підключіть історичні дані за 6–12 місяців для прогнозування.

Весь запуск — 5–7 робочих днів. Вартість — $0 за n8n (self-hosted на VPS за €4/міс) + $20–60/міс на API-виклики. Разом — менше $70/міс.

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