Top.Mail.Ru
Используя данный сайт, вы даёте согласие на использование файлов cookie, данных об IP-адресе, помогающих нам сделать его удобнее для вас
OK
Металлическая коробка с тремя столбцами диаграммы продаж

Как построить товарную аналитику для управленческой отчётности с ИИ-агентом «Финансиста»

Как быстро получить товарную аналитику, которая покажет эффективность групп по каналам продаж, адекватность цен и потенциал для роста выручки — да ещё и на массиве из 4 500+ номенклатур и 438 787 документов?

Правильно: нужен натренированный помощник, который знает контекст, которому можно доверить данные и который всегда под рукой в той же системе, где собирается отчётность.

Вместе с кандидатом экономических наук Оксаной Ткаченко разбираемся, как с этим справился ИИ-агент «Финансиста» и почему он пригодился не как «автоматический бухгалтер», а как инструмент для работы с системой из 166 веток управленческих правил.

С чего всё началось

У клиента Оксаны — крупной торговой компании — уже были привычные товарные группы. Их использовали для планирования продаж, маркетинговых активностей и расчёта KPI сотрудников отдела продаж.

Но в базе товары изначально распределили по группам некорректно. А номенклатуры — больше 4 500 позиций.

Для управленческой отчётности компании нужно было видеть не только общую выручку. Важно было проанализировать товарные группы и выяснить, что приносит результат, через какие каналы продаётся и как меняются показатели по каждой группе и каналу.

Какие сложности нужно было решить

Учётная структура 1С не отвечала задачам управленческой отчётности. В «1С:УТ» товарная номенклатура устроена иерархически: чтобы добраться до конкретного товара, нужно пройти пять-шесть уровней. В «Финансист» из 1С передавалась только последняя группа в этой цепочке. Для анализа нужна была другая связь: управленческая группа → конкретная номенклатура.

Не хватало аналитики по каналам продаж. В компании видели товарные группы, но не могли полноценно анализировать, где именно продаётся продукция: в коммерческом или государственном сегменте, на маркетплейсах (Ozon, Wildberries и «Яндекс Маркет»), собственных сайтах и в других каналах.

Названия товаров на маркетплейсах отличались от названий в 1С. Площадки передавали данные через интеграции, но номенклатура могла называться по-разному. Значит, сопоставить продажи только по одному справочнику было нельзя.

Классификацию нельзя было построить по одному признаку. Одно и то же ключевое слово могло встречаться в названии основного товара, рекламного материала или аксессуара. Кроме того, правила могли пересекаться: товар одновременно подходил под широкое условие и более узкое.

Ручная работа быстро становилась слишком объёмной. В проекте было 4 500+ позиций и 438 787 документов. А по мере проверки появлялись новые условия, исключения и пересечения. Нужно было не просто написать правила, но и выстроить их так, чтобы ими можно было пользоваться и дальше.

Как решали эти задачи

1. Задали управленческую логику и сформировали первые 32 правила

В компании не стали автоматически переносить в управленческий учёт готовые группы из 1С. Сначала Оксана составила таблицу соответствий — определила, к каким управленческим группам должны относиться товары.

— Сначала я сама сформировала таблицу соответствий: прописала, к каким управленческим группам должна относиться конкретная номенклатура. А дальше поставила задачу ИИ-агенту «Финансиста»: превратить эту бизнес-логику в работающую систему правил классификации.

Оксана Ткаченко
Кандидат экономических наук

На первом этапе ИИ-агент сформировал 32 отдельных правила. Это была первая версия классификации — её ещё предстояло проверить на реальных данных.

2. Проверили первые правила на большом массиве данных

ИИ-агент проанализировал 4 500+ номенклатур и 438 787 документов, нашёл повторяющиеся признаки, предложил правила и проверил, как они работают. По результатам отследил ошибки и скорректировал логику.

Рабочий цикл стал выглядеть так: гипотеза → правило → тест → исключение → корректировка → повторный тест.

— Именно этот цикл отладки оказался важнее первой версии правил.

Оксана Ткаченко
Кандидат экономических наук

3. По результатам проверки добавили исключения и приоритеты

Проверка показала, что одного признака недостаточно. Чтобы правильно классифицировать товар, нужно учитывать его группу, название, исключения и порядок срабатывания правил.

— Зачем нужны исключения? В названии основного товара и, например, рекламной листовки или аксессуара к нему встречается одно и то же ключевое слово. Если не прописать жёсткие правила-исключения, вся промо-продукция и расходники автоматически улетят в категорию основного товара и исказят аналитику.

Оксана Ткаченко
Кандидат экономических наук

Важно было и правильно расставить приоритеты. Если товар подходит одновременно под общее правило категории и более точное правило группы, сначала должно сработать точное. Иначе классификация отнесёт его не туда.

4. Пересобрали 32 правила в единую систему

По мере работы стало понятно, что 32 отдельных правила неудобно поддерживать. Поэтому их структуру изменили: вместо множества самостоятельных правил создали одно общее правило «По группам товаров».

В финальной версии в нём получилось 166 веток с приоритетами. Это не 166 независимых правил, а одна последовательная логика классификации, которую проще проверять и развивать.

5. Сопоставили данные маркетплейсов с номенклатурой

Названия товаров на Wildberries, Ozon, «Яндекс Маркете» и других площадках могли отличаться от названий в «1С:УТ». Поэтому компании понадобились отдельные правила сопоставления.

— Связать их механически по одному справочнику было невозможно. Нам снова понадобились правила сопоставления.

Оксана Ткаченко
Кандидат экономических наук

Так связали данные из разных источников и смогли анализировать продажи в нужных разрезах: товарная группа → канал продаж → финансовый результат.

Что изменилось, когда настроили классификацию товарной аналитики

Как только товарную классификацию удалось выстроить, техническая задача сразу превратилась в основу управленческого анализа. Продажи наконец стали видны в трёхмерной связке: товарная группа → канал продаж → финансовый результат.

Это дало возможность задавать руководству принципиально иные вопросы. Не абстрактное «почему упала выручка», а точечные:

  • какая группа растёт быстрее всего;
  • какой канал лучше продаёт конкретную категорию;
  • где рост обеспечен объёмом, а где — ценой;
  • какие направления требуют внимания коммерческого блока в первую очередь.

Когда данные собрались в нужных разрезах, появился рабочий инструмент для управления продажами.

— За 7 месяцев отчёт показал выручку 509,5 млн рублей — это на 18,7% больше, чем за аналогичный период прошлого года, при выполнении плана на 81,5%. Но важна не сама цифра, а то, что теперь чётко видно, из чего она складывается и где конкретно просадка.

Оксана Ткаченко
Кандидат экономических наук

Отчёт сразу подсветил проблемные зоны с сильным недобором плана:

  • товарная группа А — 26% выполнения;
  • товарная группа Б — 39%;
  • товарная группа В — 44%;
  • расширители — всего 20%.

Параллельно вскрылись категории с прямым падением продаж — по отдельным группам снижение составило от 10% до 35%. И это уже конкретный предмет для разговора финансового директора с коммерческим: где нужно пересмотреть план, где усилить продвижение, а где — проанализировать спрос.

— Мы перешли от отчёта «что произошло» к отчёту, который отвечает на вопрос «что нужно проверить и делать дальше». При этом показатели маржи и рентабельности из этого отчёта я сознательно не беру как окончательные: в процессе мы обнаружили рассинхрон между частью маркетплейсных данных и себестоимостью. Финальный вывод должен опираться только на те цифры, качество которых на 100% подтверждено.

Оксана Ткаченко
Кандидат экономических наук

Когда аналитика очищена, открывается следующий уровень — управление ценообразованием. По каждой группе становится видно среднюю цену, наценку, динамику и влияние цены на объём продаж. Финансист начинает видеть: продаётся ли товар за адекватную цену, что станет с объёмом при поднятии цены и где выгоднее растить маржу, а где — держать цену ради доли рынка.

Что делал ИИ, а что — финансовый директор

В этом проекте было важно провести чёткую грань ответственности.

ИИ-агент «Финансиста» не принимал управленческих решений. За финансовым директором осталась вся методология: определение бизнес-логики, формирование групп, оценка спорных ситуаций, выбор приоритетов и постановка вопросов к отчёту.

ИИ взял на себя то, в чём человек неизбежно тонет на больших объёмах: перелопатил 438 787 документов, нашёл скрытые паттерны в 4 500+ SKU, перевёл бизнес-логику в жёсткие условия и помогал корректировать логику через итерационный цикл: анализировал массив → находил признаки → формулировал гипотезы → предлагал правила → находил исключения и пересечения → помогал корректировать логику → повторно проверял.

Главные выводы из кейса

— Для меня этот проект оказался не столько историей про искусственный интеллект, сколько историей про качество управленческой аналитики. ИИ-агент не заменяет финансового директора, но становится его сильнейшим усилителем, если человек понимает, какую логику нужно заложить в данные.

Оксана Ткаченко
Кандидат экономических наук

Главные уроки этого пути сложились в простые правила.

  • Сначала управленческая логика, потом автоматизация. Нельзя автоматизировать хаос.
  • 1С ≠ управленческий учёт. Учётная структура справочников почти никогда не подходит для принятия бизнес-решений.
  • Маркетплейсы требуют отдельного контроля. Названия на площадках и в 1С всегда будут разлетаться, а данные по интеграциям могут расходиться с себестоимостью, поэтому сопоставление и проверку маржинальности нужно закладывать заранее.
  • Приоритеты правил критичны. Без иерархии срабатывания правил узкие категории 100% растворятся в широких.
  • Классификация должна отвечать на вопрос «что делать?». Красивый отчёт без управленческого решения — бесполезная работа.
  • ИИ идеален там, где человек руками уже не справится. Пройти путь от 400+ тысяч документов к 166 веткам правил вручную практически невозможно.

Весь проект выстроился в цепочку: 438 787 документов → 4 500+ номенклатур → единая логика классификации → 166 приоритетных веток → управленческий отчёт → конкретные решения для продаж.

Пока классификация существует сама по себе — это технический проект. Но когда финансовый директор может прийти к отделу продаж и точно показать, где теряются деньги и как пересобрать цены, отчётность, товарная аналитика начинает работать на бизнес. И главный вопрос управленческого учёта звучит не «что показал отчёт?», а «какое решение мы теперь можем принять?».

Сэкономьте время с ИИ-агентом

ИИ-агент «Финансиста» за минуты распределит платежи из выписок, посчитает маржу в нужных разрезах и сведёт факт с планом. Запишитесь на демонстрацию — покажем магию на ваших цифрах.

Записаться на демо Экран ИИ-агента «Финансиста»: поле для вопроса о финансах компании и готовые команды — отчёт по расходам, прогноз P&L, кассовый разрыв
Получайте статьи почтой
Присылаем статьи раз в 1-2 недели. Подписываясь, вы соглашаетесь с политикой конфиденциальности.
Подпишитесь на наш Telegram-канал!
Рассказываем о важных материалах про корпоративные финансы и делимся полезными подборками
Что ещё почитать?
30.10.2026
29.10.2026
13.10.2026