ИИ в аналитике и работе с данными: от запроса до инсайта за 30 секунд

В FMCG и ритейле принятие решений все чаще зависит от того, насколько быстро аналитика становится доступной не только дата-сайентистам, но и линейным менеджерам. Командам больше не хватает BI-дашбордов с фильтрами — им нужен инструмент, который «понимает вопрос» и сразу выдает ответ. Именно здесь вступает в игру инструменты на базе генеративного искусственного интеллекта.

По данным McKinsey, 55% компаний в сегменте потребительских товаров (CPG — consumer packaged goods) уже используют Generative AI в маркетинге, продажах и управлении продуктами. Большинство — как раз для аналитики и поддержки принятия решений. В ProSpace мы видим такой же тренд у клиентов: скорость реакции, снижение зависимости от аналитиков, возможность оперативно получать ответы на бизнес-вопросы становятся конкурентным преимуществом. Не просто «анализировать», а «действовать» — это новый запрос от команд продаж и трейд-маркетинга.

Co-pilot для аналитики и P&L: когда BI уже не хватает

Даже в самых продвинутых BI-системах путь от бизнес-вопроса до ответа — это цепочка из фильтров, выгрузок, сверок версий и, чаще всего, ожидания помощи от аналитика. «Где просел ROMI по промо?», «Сколько мы потеряли на скидках в категории X?», «Какие механики сработали в прошлом квартале?» — все это занимает часы, а иногда и дни. Тем временем промо уже закончилась, бюджет пересчитан, контракты подписаны.

Новая парадигма — интерфейсы на базе GenAI, которые делают аналитику доступной напрямую. Больше не нужно изучать BI-дашборды или ждать свободного окна у аналитика: достаточно задать вопрос в чате — привычным бизнес-языком. Например:

• «Покажи самую прибыльную промо за май»
• «Где скидка съела маржу по клиенту X?» 
• «Сравни ROMI по каналам за последний квартал»

Ассистент понимает смысл, переводит запрос в SQL, извлекает данные из корпоративной базы и возвращает не просто таблицу, а уже интерпретированный ответ — с визуализацией, пояснением и акцентами на ключевых отклонениях. Ответ, который можно сразу обсуждать и использовать в работе.

Это не фантазия — такие решения уже внедрены в крупнейших международных компаниях. По данным исследования Google Cloud «601 Real-World Generative AI Use Cases from Industry Leaders»:

• PepsiCo автоматизировала подготовку и визуализацию P&L-отчетов с помощью GenAI, сократив путь от данных к действию.
• Unilever встроила ассистента в BI и CRM: команды получают ответы на бизнес-вопросы через чат-интерфейс.
• L’Oréal отслеживает и объясняет отклонения по KPI в разрезе категорий и регионов.
• P&G использует GenAI для анализа эффективности трейд-активностей и прогнозирования ROI.
• Coca-Cola HBC подключила ассистента к аналитической платформе — он дает рекомендации по промо и дистрибуции в режиме реального времени.

Это не замена аналитиков, а способ развернуть аналитику лицом к бизнесу.

GenAI-интерфейс становится «вторым экраном» для команд RGM, трейд-маркетинга и продаж — без лишнего барьера и с мгновенным фидбеком.

В основе таких решений лежит комбинация нескольких ключевых технологий. Для понимания естественного языка используются foundation-модели — например, GPT, Gemini или Claude. Чтобы быстро находить релевантные данные среди массивов информации, применяются технологии семантического поиска и векторные базы, такие как Weaviate, Pinecone и Qdrant. Преобразование бизнес-запросов в SQL или команды для BI-систем осуществляется с помощью NL-to-SQL и NL-to-BI интерфейсов. А для точных и контекстных ответов все чаще используют архитектуру с доизвлечением информации (retrieval-augmented generation, RAG). Эти решения глубоко интегрируются с корпоративными платформами — Snowflake, Looker, Power BI, Salesforce, SAP — и становятся не отдельными продуктами, а частью единой среды принятия решений.

Но чтобы такой ассистент действительно работал в реальном бизнесе — знал, где искать данные, как интерпретировать контекст, какие KPI важны, какие ограничения действуют — нужна не просто технология. Нужен партнер, который понимает и бизнес-логику, и архитектуру систем. Тот, кто умеет соединить BI, CRM, ERP и модели GenAI в работающий продукт, встроенный в процессы, а не в отчеты.

Кейс ProSpace: ассистент для RGM и трейд-маркетинга

Один из клиентов ProSpace — крупная FMCG-компания — использовал нашу платформу для управления промо. Однако несмотря на наличие BI-системы, команда сталкивалась с типичной для рынка ситуацией: «в BI все есть — но на каждую цифру уходит по 30 минут, чтобы найти, проверить и объяснить».

Запрос был сформулирован просто и точно: «Сделайте так, чтобы наши менеджеры могли получать аналитику по промо и контрактам в чате — как в разговоре с аналитиком».

В ответ мы разработали ассистента на базе GenAI, который позволяет трейд-маркетингу, RGM и коммерческим командам получать нужную информацию через привычный текстовый запрос.

Ассистент распознает смысл, переводит вопрос в SQL, исполняет запрос на базе данных клиента и возвращает результат не в виде сырой таблицы, а как интерпретированный отчет с пояснениями, графиками и акцентами на ключевых отклонениях.

Для реализации решения мы глубоко интегрировали ассистент с ProSpace.Promo, BI-системой клиента (Power BI), CRM, контрактными условиями и иерархиями товаров и клиентов. Это позволило создать единое окно доступа к аналитике по всей цепочке — от механики промо до итогового P&L.

Выводы: GenAI меняет темп принятия решений

Внедрение GenAI в аналитику трансформирует не только инструменты, но и саму динамику бизнес-процессов. То, что раньше занимало часы и дни — согласование, сбор данных, построение отчетов, расшифровка результатов, — теперь происходит за минуты. Все это заменяет диалог с ИИ-ассистентом, доступный в любой момент.

Особенно заметен эффект в функциях с высокой скоростью изменений: трейд-маркетинге, ценообразовании, управлении инвестициями в промо. По данным McKinsey, 65% CPG-компаний, внедривших GenAI в аналитику, отмечают двукратное ускорение процессов принятия решений. Но главное — не просто скорость, а рост операционной уверенности: когда нужная информация появляется мгновенно и без посредников, команды действуют увереннее и точнее.

Такой подход меняет мышление: вместо привычного «давайте запросим отчет» возникает новый формат — «давайте спросим ассистента». Это смещает фокус команды от сбора данных к принятию решений — без задержек и лишних коммуникаций.

ИИ больше не воспринимается как абстрактная «технология будущего». Он уже сегодня помогает находить ответы на прикладные вопросы:

• Какая промоакция дала лучший результат в категории X?
• Почему просел ROMI в канале Y?
• Какие клиенты не выполнили план продаж в этом месяце?

Интеграция GenAI в аналитику и процессы управления доходностью дает измеримый эффект:

• сокращение времени анализа и подготовки отчетов до 90%;
• ускорение решений и снижение зависимости от ручной аналитики;
• рост ROMI за счет оперативной реакции на данные.

Переход от «анализировать потом» к «понимать и действовать сейчас» становится новой нормой — и ключевым конкурентным преимуществом.