AI-аналітика: як об'єднати розрізнені дані в автоматичні рішення

Більшість українських бізнесів живе в зоопарку даних. Google Таблиці, які кожен менеджер заповнює по-своєму. CRM (KeyCRM або KeepinCRM), куди потрапляє тільки частина замовлень. Виписки з Монобанку й Приват24, що лежать в окремій папці. Особисті повідомлення в Telegram із чеками й цифрами «на пальцях». І окремо — трекінг Нової Пошти.

Кожне джерело дає фрагмент. Але разом вони не працюють. Їх просто ніхто не зв'язав.

AI-аналітика вирішує саме це. Не красиві дашборди. Автоматичне зведення розрізнених даних у систему, яка приймає рішення. Без аналітика в штаті.

Чому Excel ламається на шостому місяці

Стандартний сценарій: бізнес починає з однієї Google Таблиці. Вкладка «Продажі», вкладка «Витрати», вкладка «Склад». Перші три місяці все літає. Менеджер заповнює, власник дивиться.

На шостий місяць таблиця важить 40 МБ. П'ятнадцять вкладок, частина дублюється. У двох різні формати дат — ДД.ММ.РРРР і РРРР-ММ-ДД, класика. Хтось вставив об'єднані комірки «для краси». Формули мовчать. Аналітика зупинилась.

Проблема не в інструменті. Люди — погані машини для структурування даних. Кожен заповнює «як зручно», і через пів року жоден скрипт не може це прочитати.

AI підходить інакше. Він не вимагає ідеальної структури. Він читає дані так, як їх заповнюють люди.

Як AI читає таблиці, які не бере жоден скрипт

Реальний приклад. Український інтернет-магазин веде облік замовлень у Google Таблиці. Колонки: «Дата», «Клієнт», «Товар», «Сума», «Статус», «ТТН». Але:

• У колонці «Дата»: «12.07.2026», «12 липня», «вчора».
• У «Статус»: «оплачено», «оплачений», «ОПЛАЧЕНО», «ок».
• У «ТТН»: хтось вставляє номер, хтось — повне посилання на tracking.

Звичайний Python-скрипт зламається на першому ж «вчора». Парсер дат вимагатиме єдиного формату. ETL-пайплайн доведеться переписувати щотижня.

AI-модель (GPT-4o, Claude Sonnet через API) читає це як людина. Правильно сформульований промпт дає три речі:

1. Нормалізація дат. «вчора» → 22.07.2026, «12 липня» → 12.07.2026.
2. Групування статусів. «оплачено», «оплачений», «ОПЛАЧЕНО» → «Оплачено».
3. Витягнення ТТН. З номера або повного URL.

Код:

import openai, json
import pandas as pd

def normalize_orders(df):
    prompt = f"""
    Нормалізуй ці дані замовлень. Правила:
    - Дати приведи до формату YYYY-MM-DD. "вчора" = 2026-07-22.
    - Статуси зведи до трьох: Оплачено, Відправлено, Отримано.
    - ТТН — тільки номер, без посилань.
    
    Дані:
    {df.to_json(orient='records', force_ascii=False)}
    
    Поверни JSON з тими ж полями.
    """
    response = openai.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}],
        response_format={"type": "json_object"}
    )
    return pd.DataFrame(json.loads(
        response.choices[0].message.content
    )['data'])

Двадцять рядків коду. Жодного регулярного виразу. Жодного парсера дат. Результат — чисті дані, готові до аналізу. Що раніше займало 3–4 години ручної правки, тепер робиться за 30 секунд.

Якщо хочете глибше розібратися з AI-прогнозуванням на основі таких даних — є окремий матеріал про прогнозування продажів через AI.

Від графіка до дії: замкнений цикл

Графік у Google Таблиці — це просто інформація. Інформація без дії — шум.

Справжня цінність з'являється, коли система не просто показує, а запускає процеси. Ось як це виглядає на практиці:

1. Збір. n8n щогодини забирає дані з Google Таблиць, API Нової Пошти (статуси ТТН) і виписок Monobank API.

2. Аналіз. AI-агент в n8n порівнює поточні показники з прогнозом. Кількість замовлень впала на 30% відносно очікуваної? Фіксує аномалію. Ми детально описували цей підхід у пості про аналітику через Google Таблиці й Telegram.

3. Сповіщення. Telegram-бот надсилає власнику: «Замовлень сьогодні на 30% менше прогнозу. Падіння в категорії "Кросівки" — мінус 45%. Перевірте рекламу».

4. Дія. Власник відповідає боту «Зупинити кампанію "Кросівки Facebook"». Бот через API Facebook Ads ставить кампанію на паузу.

Без AI цей цикл — це день-два. Менеджер помічає падіння (якщо помічає), доповідає власнику, той дає команду, команда виконує. З AI: 30 хвилин від аномалії до зупинки кампанії.

Все це працює на зв'язці n8n + OpenAI API + Telegram Bot API. Жодного рядка складної інфраструктури. Сервер за $20 на місяць.

Скільки це коштує насправді

Давайте порахуємо для українського бізнесу. Не абстрактно.

Найняти аналітика:

• Junior data analyst в Україні: $800–1200/місяць.
• Онбординг, доступ до систем, комунікація — плюс 2–3 тижні на розкачку.
• Результат: звіти раз на тиждень. Затримка між подією і реакцією — 3–5 днів.

AI-система (n8n + OpenAI API + Telegram):

• Сервер (Hetzner CX22 або аналог): $20/місяць.
• n8n Community Edition: безкоштовно, self-hosted.
• OpenAI API: $30–50/місяць при обробці 500–1000 записів щодня.
• Налаштування: $500–1500 одноразово.
• Операційні витрати після запуску: $50–70/місяць.

Різниця — від $730 на місяць. Майже $9000 на рік. І це без урахування швидкості реакції: хвилини проти днів.

Є одне важливе обмеження. AI-система не мислить стратегічно. Вона бачить падіння продажів і може зупинити кампанію за правилом. Але вона не скаже: «Давайте змінимо позиціонування бренду». Для цього досі потрібна людина.

З чого почати

Якщо ваш бізнес тоне в таблицях:

1. Випишіть всі джерела даних. Таблиці, CRM, банк, месенджери, трекінг доставки. Без винятків.
2. Визначте три ключові метрики. Не тридцять. Наприклад: денний дохід, кількість замовлень, відсоток повернень.
3. Опишіть одне автоматичне правило. «Якщо X падає нижче Y — сповістити в Telegram і запропонувати дію Z».
4. Запустіть пілот на n8n + Google Sheets API + Telegram Bot API. Один вечір на налаштування, тиждень на обкатку.

Команда розробників не потрібна. Потрібен той, хто знає ваш бізнес, і той, хто вміє написати промпт.

Хочете розібрати ваш зоопарк даних і перетворити його на систему, яка приймає рішення? Напишіть нам — перша консультація безкоштовна.