Как AI-аналитик отвечает на бизнес-вопросы без SQL (на примере ВсеИнструменты.ру)

Введение

ВсеИнструменты.ру — один из крупнейших онлайн-ритейлеров инструмента и техники в России: более 100 000 товаров, 800+ магазинов по всей стране, B2C и B2B-продажи. Каждый день бизнес-пользователи — категорийные менеджеры, маркетологи, логисты, руководители филиалов — задают десятки вопросов к данным:

«Какая маржинальность по бренду DeWalt в Уральском регионе за июль?»

«Какие SKU уходят в минус по оборачиваемости в новосибирском хабе?»

«Сравни конверсию промо-рассылки и обычной за последние три кампании.»

Сегодня на каждый такой вопрос нужен аналитик, который пишет SQL, сводит данные в Excel и отправляет ответ — через час, а то и на следующий день. AI-аналитик меняет правила игры.

Почему это больно

Узкое горлышко

В компании масштаба ВсеИнструменты.ру типичная картина:

• 75+ бизнес-пользователей ежедневно нуждаются в данных для принятия решений.
• 5–7 аналитиков обслуживают их всех. Очередь на простой отчёт может занимать 4–8 часов.
• Повторяющиеся запросы — 60% вопросов это вариации одного и того же: «продажи X в регионе Y за период Z».
• Аналитики выгорают — они нанимались решать сложные задачи (прогнозирование, ABC-анализ, кластеризация), а пишут SELECT SUM(price) ... GROUP BY region по 20 раз в день.

Бизнес теряет деньги

• Категорийный менеджер хочет понять, не пора ли устроить распродажу на залежавшийся товар — ждёт отчёт полдня, за это время конкурент уже снизил цену.
• Руководитель филиала в Екатеринбурге видит падение продаж, хочет понять причину — аналитик занят, ответ будет завтра, а проблема усугубляется.
• Маркетолог запускает акцию, не дождавшись данных по прошлой — бюджет слит вслепую.

Что умеет AI-аналитик

1. Запрос на естественном языке → ответ + график

Бизнес-пользователь задаёт вопрос как человеку — агент сам генерирует SQL, выполняет, визуализирует:

Пользователь: Продажи перфораторов по регионам за июль 2026
Агент: [Автоматически строит запрос к DWH, через 3 секунды
       отдаёт таблицу + столбчатую диаграмму по регионам.
       Топ-3: Москва — 1 240 шт., СПб — 890 шт.,
       Екатеринбург — 670 шт.]

Ключевая особенность: агент не просто генерирует SQL, но и проверяет его корректность, объясняет результат на русском языке и предлагает следующий логичный вопрос.

2. Анализ трендов и аномалий

• Динамика продаж — «Как менялись продажи сварочных аппаратов за последние 6 месяцев? Покажи график и сезонность».
• Аномалии — «В каком регионе продажи просели сильнее всего по сравнению с прошлым месяцем?» → агент сам находит выбросы и подсвечивает их.
• План/факт — «Сравни фактические продажи июля с планом по каждой категории. Где самое большое отклонение?»

3. Товарная аналитика (для категорийных менеджеров)

• Оборачиваемость — «Какие SKU в категории 'Шуруповёрты' лежат на складе больше 90 дней? Отсортируй по убыванию стока».
• Маржинальность — «Топ-10 товаров по маржинальной прибыли в рублях за Q2».
• ABC-анализ — «Разбей категорию 'Электроинструмент' на A/B/C по выручке и покажи долю каждой группы».
• Каннибализация — «Какие товары-заменители отъедают продажи у Bosch GSR 12V?»
• Ценовой анализ — «Сравни наши цены на дрели с Ситилинком и DNS. Где мы дороже на 10%+ ?»

4. Маркетинговая аналитика

• Эффективность каналов — «Какая ROI у контекстной рекламы в разрезе категорий за последние 3 месяца?»
• Когортный анализ — «Какой процент клиентов, купивших в январе, вернулся за повторной покупкой в течение 6 месяцев?»
• A/B-тесты — «Сравни конверсию двух версий карточки товара — старая vs новая».

5. Логистика и склад

• Складские остатки — «Какие SKU на хабе в Новосибирске ниже страхового запаса? Сгруппируй по поставщику».
• Сроки доставки — «Среднее время доставки по городам-миллионникам в июле. Где сроки выросли по сравнению с июнем?»
• Возвраты — «Топ-10 товаров по проценту возврата за последние 3 месяца. Есть ли корреляция с ценой?»

6. B2B-аналитика

• Клиентская база — «Кто из B2B-клиентов снизил объём закупок больше чем на 30% в этом квартале?» → повод для звонка менеджера.
• Средний чек — «Динамика среднего чека B2B по отраслям (строительство, производство, ЖКХ)».

Пользовательские сценарии

Сценарий 1: Категорийный менеджер принимает решение по стоку

Менеджер: Какие шуруповёрты лежат на складе дольше 120 дней?

Агент: [Через 3 секунды]
       Найдено 8 SKU с оборачиваемостью >120 дней:
       1. Makita DF333D — 320 шт., 230 дней, сток на 4.8 млн ₽
       2. DeWALT DCD701 — 180 шт., 145 дней, сток на 2.3 млн ₽
       ...
       Общий замороженный капитал: 12.7 млн ₽.
       Показать динамику продаж по этим позициям?

Менеджер: Покажи. И предложи скидку, чтобы обернуть за 2 месяца.
Агент: Исходя из эластичности спроса в категории, для
       распродажи за 60 дней нужна скидка 18–22%.
       Это даст выручку в 9.1–9.7 млн ₽ и высвободит
       складской объём. Запустить расчёт KPI акции?

Сценарий 2: Руководитель филиала ищет причину падения

Директор филиала: Продажи в Казани упали на 15% в июле.
                 В чём причина?
Агент: Проанализировал данные по Казани за июль 2026
       vs июнь 2026:
       - Общее падение: −14.8% (с 42.1 до 35.9 млн ₽)
       - Основные факторы:
         • Снижение трафика в магазины: −9%
           (в ТЦ «Мега» идёт ремонт фасада)
         • Выпадание из ассортимента 3 хитовых SKU
           (нет поставки от Bosch 4 недели)
         • Конверсия на сайте не изменилась (3.2%)
       Детальный отчёт — [ссылка]. Показать рекомендации
       по восстановлению?

Сценарий 3: Маркетолог оценивает эффективность акции

Маркетолог: Сравни Чёрную пятницу 2025 и 2024. Что сработало,
            что нет?
Агент: Чёрная пятница 2025 vs 2024:
       - Выручка: +23% (с 180 до 221 млн ₽) ✅
       - Средний чек: +8% (с 9 200 до 9 950 ₽) ✅
       - Конверсия e-mail рассылки: −2 п.п. (с 8 до 6%) ❌
         Причина: база для рассылки выросла, но 40%
         подписчиков — неактивные.
       - Самая эффективная категория: «Садовый
         инструмент» (рост +340% за счёт скидок 50%).
       Хотите разбивку по каналам и рекомендации
       на 2026 год?

Сценарий 4: Логист проверяет склады

Логист: Покажи загрузку хабов — где переполнение?
Агент: Текущая заполняемость:
       • Москва: 92% ⚠️ (превышен лимит приёма на 5 дней)
       • Новосибирск: 88%
       • Екатеринбург: 68% — можно перенаправить поток
         из Москвы.
       • Краснодар: 95% 🔴 (аварийное переполнение —
         180 паллет без места).
       Предлагаю: перенаправить поставки из Москвы и
       Краснодара в Ростов-на-Дону (загрузка 54%) —
       экономия на хранении ~340 000 ₽/мес.
       Создать задание на перенаправление?

Сценарий 5: Генеральный директор на планёрке

CEO: Покажи топ-5 категорий по динамике за первое полугодие
     и главные тренды.
Агент: За H1 2026:
       🟢 Растут:
       1. Аккумуляторный инструмент: +34% (тренд на
          мобильность, уход от сетевых моделей)
       2. Средства защиты: +28% (ужесточение требований
          охраны труда в строительстве)
       3. Садовая техника: +22% (бум загородного
          строительства)
       🔴 Падают:
       4. Бензоинструмент: −11% (замещение аккумуляторным)
       5. Ручной инструмент: −5% (высокая конкуренция
          с маркетплейсами)
       График по месяцам — [ссылка]. Экспортировать
       в презентацию?

Экономика внедрения: расчёт для ВсеИнструменты.ру

Исходные данные

Расчёт текущих затрат

Исходим из того, что 6 аналитиков тратят ~70% времени на типовые запросы:

Из них ~70% (8 618 400 ₽/год) — стоимость времени, потраченного на типовые запросы, которые может автоматизировать AI.

Расчёт затрат с AI-аналитиком

AI-аналитик берёт на себя 70% запросов (простые и средние: выборки, агрегации, сравнения периодов, топ-N). Сложная аналитика (прогнозирование, кластеризация, предиктивные модели) остаётся за людьми.

Итоговая экономия

Годовые затраты ДО:     12 312 000 ₽
Годовые затраты ПОСЛЕ:   4 129 000 ₽
Внедрение (разово):        500 000 ₽
─────────────────────────────────
ЭКОНОМИЯ в первый год:   7 683 000 ₽  (≈ 62%)
ЭКОНОМИЯ в последующие:  8 183 000 ₽/год  (≈ 66%)

Окупаемость

Окупаемость = 500 000 ÷ (8 183 000 ÷ 12) ≈ 0.7 месяца ≈ 3 недели

Скрытая экономия: скорость решений

Самый большой эффект не в сокращении штата аналитиков, а в скорости принятия решений:

При маржинальности 15% и месячной выручке ~800 млн ₽, каждый день задержки с решением о перераспределении стоков или корректировке цен — это потенциальные потери в сотни тысяч рублей.

Консервативная оценка: ускорение решений на 1 день в среднем экономит ~2–3 млн ₽ в год за счёт оптимизации стоков, маркетинга и ценообразования.

Нефинансовые эффекты

• Демократизация данных — любой менеджер может получить ответ без SQL, без очереди к аналитику, без согласования приоритета.
• Аналитики заняты делом — сложные модели, прогнозы, A/B-тесты, а не SELECT ... GROUP BY.
• Data-driven культура — когда данные доступны мгновенно, решения чаще принимаются на цифрах, а не на интуиции.
• Onboarding новых менеджеров — не нужно учить, куда заходить и как строить отчёты, просто спрашиваешь агента.

Итог

AI-аналитик — это не просто text-to-SQL. Это мост между бизнесом и данными, который убирает посредника. Для ВсеИнструменты.ру это означает: категорийный менеджер оптимизирует ассортимент в реальном времени, маркетолог корректирует кампании по факту, а директор филиала видит проблему в день её возникновения, а не в конце месяца. Аналитики же наконец занимаются тем, ради чего учились — сложными моделями и прогнозами, а не бесконечными выгрузками.