AI-аналітика з українських джерел: пайплайн за $200/міс замість аналітика

Чому ваш Excel більше не тягне

Більшість українських бізнесів з оборотом $50–500K аналізують дані вручну. Менеджер раз на тиждень вивантажує звіт із CRM, додає витрати з Monobank (експорт виписки → Excel), підбиває залишки зі складу, дивиться статистику доставок Nova Poshta. Чотири-шість годин щотижня. Помилки — постійно. А коли звіт готовий, дані вже застаріли на 3–4 дні.

Найм аналітика коштує $800–1500/міс. Для бізнесу з оборотом $50–100K — суттєво. І ось що гірше: аналітик витрачає 70% часу на збір і очищення даних, а не на висновки. Ви платите за SQL-запити, а не за аналітику.

Ми зібрали альтернативу: AI-аналітичний пайплайн, який сам забирає дані з українських сервісів, складає звіти й пояснює аномалії людською мовою. Інфраструктура — $18–51/міс. Жодного ручного вивантаження. Ось як це влаштовано.

Що всередині: стек інструментів

Пайплайн складається з чотирьох компонентів:

1. Збір даних — Python-скрипти + API українських сервісів

Практично кожен популярний український сервіс має API:

| Сервіс | Дані | Формат API | |--------|------|------------| | Monobank API | Виписки по рахунках, баланси, транзакції | REST, публічний | | Nova Poshta API | Статуси відправлень, вартість доставки, терміни | REST + XML, відкритий | | Checkbox API | Фіскальні чеки, виручка, повернення | REST, потрібен ключ каси | | KeyCRM / KeepinCRM | Замовлення, статуси, джерела, менеджери | REST + webhook | | SendPulse API | Розсилки, відкриття, кліки, конверсії | REST |

Python-скрипт (зазвичай 150–300 рядків на джерело) раз на годину або раз на день забирає дані через API, нормалізує їх і складає в аналітичну базу. Жодного ручного експорту CSV.

Приклад для Monobank — отримання виписки за останні 24 години:

import requests
from datetime import datetime, timedelta

MONO_TOKEN = "your_token_here"
ACCOUNT_ID = "your_account_id"

headers = {"X-Token": MONO_TOKEN}
since = int((datetime.now() - timedelta(days=1)).timestamp())

resp = requests.get(
    f"https://api.monobank.ua/personal/statement/{ACCOUNT_ID}/{since}",
    headers=headers
)
transactions = resp.json()

2. Зберігання — ClickHouse (або PostgreSQL)

Чому не Google Sheets? Бо при 50 000+ транзакціях таблиці починають гальмувати. ClickHouse тримає десятки мільйонів рядків без деградації й коштує від $20/міс на VPS. Альтернатива — PostgreSQL на тому ж сервері, якщо обсяги до 5 млн рядків.

Структура таблиці для транзакцій:

CREATE TABLE transactions (
    date Date,
    amount Decimal(10,2),
    source String,         -- 'monobank', 'checkbox', 'crm'
    category String,       -- 'revenue', 'expense', 'refund'
    metadata JSON
) ENGINE = MergeTree()
ORDER BY (date, source);

3. AI-шар — GPT-4o-mini (або DeepSeek)

Ось де все стає цікавим. Раз на добу — або за тригером, коли виручка різко падає — Python-скрипт формує текстовий дайджест: «Ось дані за вчора по виручці, витратах, доставках і замовленнях. Знайди аномалії та поясни їх українською.»

GPT-4o-mini обробляє це за 2–3 секунди. Результат — текстовий звіт із конкретними цифрами й поясненнями:

«Виручка впала на 18% відносно вчора. Основна причина: категорія „Аксесуари" — мінус 12 400 грн. При цьому кількість замовлень не змінилась, отже, середній чек впав. Перевірте, чи не злетіли ціни в конкурентів. Витрати на доставку зросли на 7% — Nova Poshta підняла тарифи на відправлення понад 5 кг.»

Це не «дашборд, дивіться самі». Це готовий висновок, який власник читає за 30 секунд.

Вартість: GPT-4o-mini — приблизно $0.15 за мільйон токенів. При щоденних звітах це $3–6/міс.

4. Доставка — Telegram / email / Notion

Звіт іде туди, де власник його побачить. Три формати на вибір:

• Telegram-бот — щоденний дайджест о 9:00. Формат: текст + 2–3 ключові цифри.
• Email — автоматичний лист із таблицею та AI-коментарем.
• Notion-сторінка — повний дашборд з оновленням через API. Для тих, хто хоче «поклацати».

Ми віддаємо перевагу Telegram-боту: власник читає його, поки п'є каву. Жодних входів у систему.

Скільки це коштує: конкретні цифри

Ось реальний розклад для бізнесу з 3 джерелами даних (Monobank + CRM + Checkbox) і щоденними звітами:

| Компонент | Що це | Вартість/міс | |-----------|-------|-------------| | VPS (Hetzner/HostPro) | 2 vCPU, 4 GB RAM для Python + ClickHouse | $15–25 | | ClickHouse Cloud або self-hosted | Аналітична база | $0–20 | | OpenAI API (GPT-4o-mini) | ~30 щоденних запитів | $3–6 | | n8n (self-hosted) | Оркестрація пайплайну | $0 | | Разом | | $18–51/міс |

Навіть із запасом — $200/міс вистачає з головою. Порівняйте з $800–1500/міс за аналітика. Різниця — у 4–8 разів. І пайплайн не йде у відпустку, не хворіє й не помиляється через втому.

Важливий нюанс: це ціна для вже налаштованого пайплайну. Первинне налаштування (Python-скрипти під ваші джерела, структура бази, шаблони звітів) — разова робота на $500–1500 залежно від кількості інтеграцій.

Що може піти не так

Працюючи з українськими API, ми набили собі синців. Ось три головні граблі, на які краще не наступати.

1. Monobank API — rate limit 1 запит на 60 секунд

Публічний Monobank API дозволяє один запит на хвилину на токен. Якщо у вас кілька рахунків — доведеться розносити запити в часі або використовувати кілька токенів (по одному на ФОП). Рішення: черга запитів із затримкою 61 секунда між викликами.

2. Nova Poshta API повертає XML

Так, у 2026 році. REST-ендпоінти є тільки для базових операцій. Для детальної аналітики (статистика по відправленнях за період) доводиться парсити XML. Python-бібліотека xmltodict вирішує це в 5 рядків, але про це треба знати заздалегідь.

3. Checkbox token живе 24 години

Токен доступу до Checkbox API потрібно оновлювати щодня через логін/пароль касира. Якщо cron-задача впала вночі — звіт за день буде без даних про виручку. Рішення: зберігати токен у змінній середовища та робити автоматичне оновлення з перевіркою терміну дії.

Детальніше про роботу з українськими джерелами даних ми писали в AI-аналітика з українських джерел: повна конфігурація.

Як запустити це за тиждень

Жодної магії. Звичайна інженерна робота, розбита на 4 кроки.

Крок 1. Аудит джерел. Випишіть усе, де є дані: банк, CRM, логістика, каса, розсилки. Для кожної системи — чи є API, чи є документація. Якщо API немає (буває з деякими українськими обліковими системами), одразу думайте про веб-скрапінг або CSV-експорт.

Крок 2. Один пілотний звіт. Не намагайтеся одразу об'єднати все. Почніть з одного джерела — CRM або Monobank — і одного типу звіту. Перший результат отримаєте за 2–3 дні.

Крок 3. Підключіть AI-шар. GPT-4o-mini для аналізу аномалій. Це один POST-запит до OpenAI API. Більшість зупиняється на кроці 2 — «дашборд із графіками». Але графік не скаже, чому виручка впала. Саме тут AI закриває головну прогалину.

Крок 4. Розширюйте. Додавайте джерела по одному. Кожне нове — 2–3 години: конектор на Python + таблиця в ClickHouse.

За тиждень у вас працює один AI-звіт. За місяць — повний пайплайн.

Більше про замкнений цикл аналітики (від даних до автоматичних дій) — у нашому пості AI-аналітика: замкнений цикл від даних до дії.

---

Хочете такий самий пайплайн під ваші джерела? Напишіть нам — подивимось на ваші дані й скажемо, що реально зробити за тиждень. Перша консультація безкоштовна.