ИИ для аналитика: какие задачи закрывает нейросеть

Аналитик использует нейросеть на пяти повторяющихся задачах: черновики SQL-запросов и формул, структура и текст отчётов, формулировка и проверка гипотез, объяснение чужого кода и логики расчётов, сводка выводов для нетехнической аудитории. Это подготовительная и техническая работа, которая ускоряется заметно, но сами расчёты на реальных данных и финальные выводы аналитик проверяет сам.

Ниже — конкретные сценарии с промптами и то, где нейросети нельзя доверять без проверки.

1. Черновики SQL-запросов и формул

Написать запрос с нуля или вспомнить синтаксис редкой функции занимает время, которое можно сократить, если чётко описать задачу. Нейросеть пишет черновик запроса, а аналитик проверяет его на реальной структуре таблиц перед выполнением.

Напиши SQL-запрос для [задача, например: посчитать средний
чек по месяцам за последний год]. Таблицы: [названия и ключевые
колонки]. Поясни отдельно, что делает каждое условие WHERE
и JOIN в запросе.

2. Структура и текст отчётов

Собрать сырые цифры в читаемый отчёт с выводами для руководства — отдельная задача, не совпадающая с самим анализом. Нейросеть помогает оформить готовые цифры в структуру с заголовками и акцентами, но сами цифры в неё должен вставить аналитик.

Вот результаты анализа: [вставить цифры и выводы]. Собери
структуру отчёта для руководства: главный вывод в одном
предложении, три подтверждающих цифры, один риск или
ограничение анализа. Не добавляй цифр, которых нет в вводных.

3. Формулировка и проверка гипотез

Перед тем как садиться считать, полезно явно сформулировать гипотезу и то, какой результат её подтвердит или опровергнет. Нейросеть помогает структурировать гипотезу и предложить, какие метрики её проверяют.

Гипотеза: [формулировка, например: конверсия падает из-за
долгой загрузки страницы]. Предложи, какие метрики и данные
нужны, чтобы её проверить, и какой результат будет считаться
подтверждением, а какой — опровержением.

4. Объяснение чужого кода и логики расчётов

Разобраться в запросе или скрипте, написанном другим аналитиком давно, обычно занимает больше времени, чем написать свой. Нейросеть построчно объясняет логику, если вставить код целиком.

Объясни, что делает этот код, построчно: [вставить код].
Отдельно укажи, какие допущения о структуре данных он делает
и где может сломаться, если структура таблицы изменится.

5. Сводка выводов для нетехнической аудитории

Отчёт для аналитика и презентация для отдела продаж требуют разного языка. Нейросеть переформулирует технический вывод в понятную фразу без искажения смысла, если дать ей исходный вывод и цифры.

Вот технический вывод анализа: [вставить]. Перепиши его для
нетехнической аудитории: без терминов, с одной главной цифрой
и одним практическим выводом — что из этого следует делать.

Разбор по типу задачи

Общий подход — черновик, структура, объяснение — работает для разных задач аналитика, но у каждой свои узкие места.

Это задача типа [тип из таблицы]. Помимо обычного результата,
отдельно проверь и укажи риски по пункту [соответствующий
пункт из таблицы выше].

Claude или ChatGPT для задач аналитика

Настройка контекста данных один раз

Вместо того чтобы каждый раз описывать нейросети структуру таблиц, принятые в компании названия метрик и формат отчётов, это можно задать один раз системным промптом. Как собрать такой промпт под свою команду аналитики, разобрано в статье системный промпт.

Сценарии по размеру команды

Аналитик-одиночка в компании. Основная экономия — на черновиках отчётов и объяснении чужого кода, потому что нет коллеги, у которого можно быстро спросить про старый запрос.

Отдел аналитики из нескольких человек. Появляется общий системный промпт с описанием структуры данных и шаблонами отчётов — новый аналитик быстрее разбирается в принятых в команде обозначениях метрик.

Аналитик, работающий с несколькими командами. На первый план выходит перевод технических выводов на язык разных аудиторий: для продукта, для маркетинга, для руководства — один и тот же результат оформляется по-разному под каждую.

Как встроить нейросеть в аналитический процесс

Частая ошибка — использовать нейросеть только для отдельных запросов, вместо того чтобы встроить её в уже существующий цикл от гипотезы до отчёта. Если формулировка гипотезы, черновик запроса для её проверки и итоговый отчёт проходят через нейросеть на разных этапах одной цепочки, экономия времени складывается, а не остаётся точечной.

Практический способ — завести один файл с описанием структуры основных таблиц, принятых названий метрик и шаблоном отчёта. Тогда каждая новая задача начинается не с объяснений заново, а с уже накопленного контекста.

Частая ошибка при использовании нейросети в аналитике

Аналитики, которые пробуют нейросеть один раз с общей просьбой вроде «посчитай, почему упала конверсия», без передачи реальных данных, получают правдоподобный, но ничем не подтверждённый ответ — и делают вывод, что инструмент бесполезен для аналитики. У модели нет доступа к вашей базе данных, и без вставленных цифр она не может провести реальный анализ.

Разница появляется, когда в запрос сразу закладываются конкретные цифры, структура таблиц и чётко сформулированная гипотеза. Тогда черновик запроса или отчёта выходит достаточно точным, чтобы его оставалось немного доработать, а не переписывать с нуля.

Где ИИ ошибается

Уверенно ошибается в арифметике. При сложных многошаговых расчётах модель может дать правдоподобное, но неверное число. Любой расчёт, который пойдёт в отчёт, пересчитывается в таблице или скрипте.

Не имеет доступа к вашей реальной базе данных. Нейросеть пишет запрос по описанию структуры таблиц, но не видит реальных данных и не может сказать, сколько строк вернёт запрос на самом деле.

Придумывает цифры и статистику. Если прямо не попросить работать только с переданными данными, модель может дополнить ответ цифрой из общих представлений о рынке, которая не имеет отношения к вашим данным.

Делает устаревшие допущения о структуре таблиц. При объяснении старого кода модель может не знать, что структура таблицы изменилась с момента его написания, и ошибочно описать текущее поведение запроса.

Уверенный тон при нехватке данных. «Причина падения конверсии — это X» от нейросети — гипотеза, а не доказанный вывод, если в запрос не были вставлены реальные данные, подтверждающие её. Финальный вывод аналитик делает на основе собственных расчётов.

С чего начать аналитику

Возьмите одну повторяющуюся задачу — например, черновики SQL-запросов по типовым вопросам от коллег — и прогоните через неё несколько недель подряд с одним и тем же системным промптом. Сохраните формулировки, которые сработали: так появится личная библиотека заготовок под типовые запросы.

Когда первая задача станет привычной, добавьте вторую — структуру отчётов или объяснение чужого кода. Внедрять всё сразу не стоит: так теряется понимание, где нейросеть реально экономит время, а где создаёт лишнюю работу по проверке.

Что дальше

Про формулировку обычных промптов — в статье промпт: что это и как его писать. Как собрать системный промпт под рабочие задачи команды — в статье системный промпт: что это. Если нужно системное обучение отдела работе с нейросетями, а не разовые промпты — в статье чем корпоративное обучение ИИ отличается от внедрения.

Ярослав Сажнев — преподаватель ИИ в РАНХиГС, внедрение ИИ в компании. Подробнее об авторе