Как анализировать бизнес-данные с помощью AI: без Excel и без аналитика

У большинства фаундеров есть данные. В CRM — история сделок. В Google Sheets — таблица с выручкой. В рекламном кабинете — цифры по кампаниям. Проблема не в отсутствии данных, а в том, что смотреть на них некогда, а нанять аналитика дорого и долго.

ИИ убирает этот барьер. Не идеально, не как штатный аналитик с контекстом за три года — но достаточно хорошо, чтобы раз в неделю за 20 минут понимать, что происходит в бизнесе.

В этой статье разберу: какие три типа анализа нужны фаундеру каждую неделю, как передавать данные ИИ, каким инструментом пользоваться и покажу реальный кейс из своей практики.

Три типа анализа: что на самом деле нужно фаундеру

Классическая аналитика делится на описательную, диагностическую и рекомендательную. Звучит академично, но на практике это ровно то, что фаундер задаёт себе каждый понедельник утром — просто обычно не получает ответов.

Что происходит — описательный анализ

Самый простой уровень. Вы выгружаете данные и просите ИИ рассказать, что в них есть.

Запрос выглядит примерно так: "Вот таблица с продажами за июнь. Опиши, что происходит: общая выручка, топ-5 продуктов по сумме, динамика по неделям, какие каналы привели больше всего клиентов."

ИИ не угадывает — он агрегирует и формулирует то, на что у вас ушло бы полчаса с фильтрами в Excel. Это уже ценность.

Пример того, что получается на выходе: "Выручка за июнь 847 000 ₽, на 12% ниже мая. Три продукта из восьми дают 68% выручки. В третью неделю продажи падают каждый июнь — похоже на сезонность. Telegram-канал дал 41% лидов, контекст — 29%."

За две минуты вы знаете состояние бизнеса. Без формул, без сводных таблиц.

Почему так — диагностический анализ

Второй уровень сложнее. Здесь вы просите ИИ найти аномалии и предположить причины.

"Найди в этих данных то, что выглядит необычно. Где есть провалы или всплески, которые не объясняются общим трендом? Предложи три возможные причины для каждой аномалии."

Важная деталь: ИИ предлагает гипотезы, не факты. Он может написать "возможно, провал в конверсии 14-16 июня связан с выходными или техническими проблемами" — и это повод проверить, а не гадать. Диагностика сокращает время от "что-то не так" до "вот что проверить" с нескольких дней до нескольких минут.

Что делать — рекомендательный анализ

Финальный уровень. После описания и диагностики вы просите: "На основе этих данных предложи три конкретных действия на следующую неделю с объяснением, почему именно их."

ИИ опирается только на то, что вы ему дали. Если в данных видно, что один канал даёт в три раза больше клиентов при той же стоимости — рекомендация будет про перераспределение бюджета. Если конверсия на третьем шаге воронки в два раза ниже нормы — предложит разобраться именно с ним.

Это не замена стратегии. Это быстрый синтез из данных, который помогает не откладывать очевидные решения.

Как выгружать данные для ИИ

CSV из CRM — самый универсальный вариант. В amoCRM, Bitrix24, HubSpot есть стандартный экспорт сделок или контактов. Выгружаете за нужный период, чистите лишние колонки и вставляете в чат. Claude и ChatGPT читают CSV-текст напрямую, без загрузки файла — просто копируете содержимое.

Google Sheets — второй по удобству источник. Копируете нужный диапазон и вставляете в промпт как текст. Если таблица большая, берёте только ключевые колонки: дата, канал, сумма, статус.

Скриншот дашборда работает для быстрого первого взгляда. Claude умеет читать числа с изображений — не идеально для расчётов, но для качественного описания "что я вижу на этом дашборде" вполне.

Один совет, который экономит много итераций: перед данными напишите контекст. ИИ не знает ваш бизнес. "Это таблица сделок SaaS-продукта. Строка — одна сделка. Колонка Revenue — сумма в рублях. Колонка Stage — этап воронки: 1 = лид, 2 = квалифицирован, 3 = КП, 4 = закрыт." Два предложения контекста — и качество анализа вырастает в разы.

Форматы запросов, которые работают

Главная ошибка — запрос "Проанализируй эти данные." ИИ не знает, что вы хотите узнать. Чем конкретнее запрос — тем точнее ответ.

Структура рабочего промпта: "Контекст: [кто я, что это за данные, какой период]. Задача: [что именно проанализировать]. Формат ответа: [список, таблица, текст с выводами]. Данные: [сами данные]."

Пример: "Контекст: я веду онлайн-курс по маркетингу, вот данные по регистрациям и оплатам за май. Задача: найди, на каком шаге воронки больше всего отваливаются люди, и предположи причины. Формат: три пункта с выводами и рекомендацией для каждого. Данные: [таблица]."

Такой запрос даёт конкретный, применимый результат — а не общие слова про "нужно изучить данные подробнее".

Когда нужен ChatGPT Advanced Data Analysis

Если нужны реальные вычисления, корреляции или графики — Claude с текстом не справится так же хорошо, как ChatGPT с включённым Code Interpreter. Это инструмент, который реально запускает Python и считает.

Случаи, когда я сам туда иду: нужно построить график динамики за полгода, посчитать корреляцию между каналом привлечения и LTV, разбить данные по когортам и посмотреть retention.

Для текстового анализа и диагностики — Claude. Для вычислений и визуализации — ChatGPT Advanced Data Analysis. Эти два инструмента не конкурируют, они дополняют друг друга.

Ограничения, которые надо знать сразу

ИИ не знает вашего контекста — и это главный источник плохих ответов. Если вы не скажете, что провал в продажах 9 мая — это праздник и он всегда так выглядит, ИИ напишет "возможная аномалия, требует изучения". Контекст — ваша ответственность.

ИИ не верифицирует данные. Если в таблице ошибка или дубли — он посчитает их как реальные. Мусор на входе даёт мусор на выходе.

Большие таблицы плохо работают в текстовом режиме. Если данных больше 500 строк — либо агрегируйте сами перед отправкой, либо используйте ChatGPT с загрузкой файла.

Рекомендации ИИ — гипотезы, не решения. Он работает только с теми данными, которые вы ему дали. Если в данных нет информации о сезонности — он её не учтёт.

Как это работает у меня на практике

Несколько недель назад клиент — фаундер онлайн-сервиса с подпиской — жаловался, что конверсия в оплату упала, но непонятно где именно. У него была таблица в Google Sheets: 400 строк, данные по каждому лиду от первого касания до оплаты или отказа.

Я взял три ключевые колонки — источник трафика, этап, на котором ушёл, дата — и вставил в Claude с контекстом: "Это воронка подписочного сервиса. Задача — найти, где больше всего теряем людей и есть ли разница между источниками трафика."

За пять минут ответ: 71% потерь происходит на шаге "регистрация → первый вход". Из органического трафика до первого входа доходят 68% зарегистрировавшихся, из платного — только 41%. Гипотеза: письмо с активацией или оформление формы регистрации не работает для холодной аудитории.

Ещё десять минут — сравнение текстов писем для органики и платного трафика, запрос к Claude "что в этом письме может отпугнуть холодного пользователя". Получил три конкретных правки.

Через неделю конверсия из платного трафика выросла с 41% до 54%. Без аналитика, без A/B-теста на месяц, без консалтинга — 20 минут работы с данными, которые уже были.

Частые вопросы фаундеров

Нужно ли уметь работать с данными, чтобы это работало?

Базовое понимание нужно — что такое выборка, что значит "конверсия", как читать таблицу. SQL, Python или глубокий Excel не нужны. Если вы понимаете свой бизнес на уровне "у меня есть воронка с тремя шагами и вот сколько людей на каждом" — этого достаточно.

Какой ИИ выбрать для анализа данных?

Для текстового анализа и диагностики — Claude. Он хорошо работает с неструктурированными объяснениями и выдаёт читаемые выводы. Для вычислений и построения графиков — ChatGPT с Advanced Data Analysis. Gemini — как альтернатива, если работаете внутри Google Workspace.

Насколько можно доверять выводам ИИ?

Относитесь к ним как к версии от умного стажёра, который видит данные первый раз. Гипотезы требуют проверки, аномалии — подтверждения. Но именно этот список "что проверить" — уже ценность, потому что без ИИ вы бы его не составили.

Что делать с данными из разных систем?

Объединять вручную перед анализом. Если CRM и таблица с расходами на рекламу — разные источники, склейте их в одну таблицу по общему ключу (дата, канал, менеджер). ИИ не умеет сам подтягивать данные из ваших систем — это ваша работа или работа автоматизации.

Если хотите разобраться, как применить это к вашим данным — какие выгрузки делать, как формулировать запросы под вашу воронку — напишите мне в Telegram. Разберём вашу задачу и выйдем с конкретным планом.

Написать в Telegram