AI-аналітика без аналітика: запитання до даних українською

Власник інтернет-магазину хоче знати: «Які товари найчастіше повертають клієнти з Києва за останній місяць?» Він пише аналітику. Аналітик відкриває CRM, вивантажує дані в Excel, фільтрує, рахує, будує зведену. За три дні власник отримує таблицю, яка вже застаріла.

Тим часом бізнес із AI-аналітикою отримує ту саму відповідь за 30 секунд. Жодного SQL. Жодного аналітика. Просто запитання в Telegram українською мовою.

Це не майбутнє. Це natural language querying (NLQ) — технологія, яка дозволяє ставити запитання до бази даних звичайною мовою. Система сама розбирає, що ви мали на увазі, перетворює це на SQL або API-запит, виконує й повертає конкретну цифру — не графік, не таблицю, а пряму відповідь.

Чому дашборди не вирішують цю проблему

Дашборд — це вітрина. Він показує метрики, які хтось вирішив показати заздалегідь. Коли власнику потрібна відповідь на незаплановане запитання — «А скільки клієнтів із referral-посилань зробили повторне замовлення за цей квартал?» — дашборд мовчить. Треба писати аналітику.

Класичний ланцюжок: власник формулює запитання → чекає на аналітика → аналітик пише SQL або збирає Excel → готує звіт → власник читає. Кожен крок — години. Коли відповідь готова, рішення вже прийняте наосліп.

NLQ стискає цей ланцюжок до одного кроку: запитав → отримав відповідь. Решта відбувається автоматично.

Як це працює під капотом

Система з чотирьох компонентів. Жоден не є складним окремо:

1. Джерела даних. Усе, звідки беруться цифри: CRM (KeyCRM, KeepinCRM), банк (Monobank API), логістика (Nova Poshta API), касові апарати (Checkbox), Google Sheets для всього іншого.
2. Конвеєр збору. n8n раз на годину (або частіше) обходить усі API, нормалізує дані й складає в єдину таблицю. Для малого бізнесу вистачає Google Sheets як бази.
3. LLM-агент. Отримує запитання українською → перетворює на SQL або формулу Google Sheets QUERY → виконує → формулює відповідь людською мовою.
4. Інтерфейс. Telegram-бот. Власник пише: «Скільки замовлень на суму понад 5000 грн від нових клієнтів цього тижня?» — і отримує число.

Приклад реального запиту, який зараз працює в однієї e-commerce команди: «Порівняй середній чек клієнтів із Instagram та Google Ads за 30 днів. Динаміка по тижнях.»

Без AI це година роботи аналітика. З AI — 10 секунд.

Українські API, які вже можна підключити

Український бізнес сидить на локальній інфраструктурі. Ось що працює прямо зараз:

Monobank API. REST, токен з особистого кабінету. Витягує транзакції в реальному часі. Можна запитати: «Скільки витратили на логістику за місяць?» або «Які надходження від клієнтів за тиждень?»

Nova Poshta API. API-ключ із кабінету. Статуси відправлень, терміни, вартість. Запит: «Скільки посилок затрималося понад 3 дні цього місяця?» — і система називає число, без ручного перегляду ТТН.

Checkbox API. Чеки, повернення, середній чек по точках. Корисно для рітейлу з кількома магазинами. «У якій точці найбільше повернень за тиждень?»

KeyCRM / KeepinCRM. Обидві мають API для замовлень, статусів, історії. Запит: «Які товари найчастіше купують разом?» або «Скільки клієнтів не відповіли на третій follow-up?»

Google Sheets. Для всього, що не має готового API. Спочатку дані збираються в таблицю через n8n, потім агент працює з нею як з базою. Грубо, але працює — і для малого бізнесу цього достатньо.

Усе це об'єднується в одному конвеєрі. n8n щогодини збирає транзакції з Monobank, статуси з Nova Poshta, замовлення з CRM — і синхронізує в одну таблицю. Агент дивиться вже в об'єднані дані. Власник навіть не думає, звідки ці дані взялися.

Як зібрати це самостійно за день

Для MVP потрібно три інструменти: n8n (self-hosted, безкоштовно), OpenAI API (або DeepSeek — у 5–7 разів дешевше), Google Sheets. Жодного рядка коду, якщо логіка проста.

Крок 1. Підключити джерела. У n8n створюєте workflow із HTTP Request нодами до API Monobank, Nova Poshta, CRM. Дані пишете в Google Sheets через готовий Google Sheets Node. Запускаєте за розкладом.

Крок 2. Telegram-бот. Telegram Trigger у n8n ловить повідомлення. Користувач пише запитання — воно потрапляє в pipeline.

Крок 3. Агент. OpenAI Node з промптом: «Ти — аналітик. Дані лежать у Google Sheets з такими колонками: [перелік]. Користувач поставить запитання українською. Перетвори його на формулу QUERY для Google Sheets, виконай через Google Sheets Node, поверни відповідь українською мовою з конкретними цифрами.»

Крок 4. Відповідь назад у Telegram. Telegram Send Message Node надсилає результат.

Увесь pipeline — один n8n workflow. Якщо є нюанси (наприклад, Monobank віддає дані з лімітом у 500 транзакцій за виклик — потрібен цикл), додається 2–3 ноди. Це не розробка, це конфігурація. Докладніше про складання n8n-зв'язок — ось тут.

Скільки це коштує

Цифри реальні, червень 2026:

• Сервер для n8n: Hetzner VPS за $5–15/міс — працює, навіть на мінімальній конфігурації
• OpenAI API (GPT-4o): ~$0.15–0.30 на один аналітичний запит. 20 запитів на день — $3–6/міс
• DeepSeek API (економ-версія): у 5–7 разів дешевше. З українською працює пристойно. $0.40–1.00/міс при тому ж навантаженні
• Google Sheets API: безкоштовно в межах лімітів
• Telegram Bot API: безкоштовно

Разом: від $8/міс. Для порівняння — зарплата аналітика починається від $800/міс. І аналітик відповідає за години. AI — за секунди.

Але справа не тільки в грошах. Аналітик, якого чекають три дні, — це рішення, прийняті наосліп. AI дає цифру одразу. У бізнесі, де швидкість реакції визначає прибуток, це не економія — це інша модель роботи. Бюджетний варіант аналітики без enterprise-цін ми розбирали окремо — там про те, як обійтися без дорогих BI-платформ.

---

Хочете отримувати відповіді від своїх даних за 30 секунд? Напишіть нам — перша консультація безкоштовна.