< проблема >

Заказчик и контекст

Наш заказчик — крупная сеть кулинарий, более 300 точек в Москве и Санкт-Петербурге. Живой розничный бизнес с большим ассортиментом, высокой операционной нагрузкой и постоянной потребностью понимать, что происходит с продажами — по точкам, по продуктам, по времени.

Данных у компании было много. Продажи фиксировались, выгрузки из 1С копились, таблицы в Excel велись. Но чтобы извлечь из всего этого какой-то смысл, нужно было заказать отчёт, дождаться пока его подготовят, и только потом двигаться дальше. Каждый новый вопрос — новый цикл ожидания.
Мы узнали об этой ситуации и предложили другой подход.

< старт работ >

Наша инициатива и подход

Мы предложили заказчику сделать ИИ-аналитика, который работает с сырыми данными напрямую и отвечает на вопросы бизнеса в режиме реального времени. Идея была простая: не ждать отчёта — спросить и получить ответ сразу.
Заказчик идею принял. И здесь началась, пожалуй, самая важная часть работы — не техническая.
Когда бизнес видит подобный инструмент впервые, у него быстро появляется список всего, что он хочет получить. Всё это понятно и логично, но если идти за каждым желанием — можно потратить месяцы и не выпустить ничего. Мы это знали, поэтому с самого начала резали scope безжалостно: в работу шло только то, что даст реальную пользу в ближайшее время. Остальное — в бэклог.
Результат — работающий инструмент, который уже на старте закрывает реальную потребность.

Самый сложный разговор с заказчиком был про то, чтобы убедить его: мы сейчас сознательно делаем меньше, чем могли бы. Когда ты продаёшь экспертизу, это звучит дико. Но мы знали — погонимся за всем сразу, получим долгострой, который устареет раньше, чем выйдет в продакшн. Заказчик нас услышал. Глядя сейчас на то, как команда пользуется продуктом каждый день, понимаю, что мы не ошиблись.

Василий Гребенников

директор

< решение задачи >

что сделали

Продукт состоит из трёх частей, которые закрывают разные сценарии работы с данными.
Первая — чат с аналитиком. Руководитель задаёт вопрос текстом, как живому человеку, и получает ответ с цифрами и их интерпретацией. Динамика продаж конкретного блюда, аномальные отклонения по точке, зависимость между продажами разных позиций — всё это можно спросить напрямую. Причём аналитик держит контекст диалога: если уточнить или переформулировать вопрос, он поймёт, о чём речь.

Вторая — дашборд с ключевыми метриками. Выручка, динамика продаж по точкам, топ и антитоп позиций, отклонения от нормы — то, что нужно видеть постоянно, отображается без каких-либо запросов, всегда перед глазами.

Третья — регулярные отчёты на почту. Для тех случаев, когда нужен привычный формат с фиксированной структурой.

Сейчас продуктом пользуются генеральный, операционный директор и директор по маркетингу. Последний получил отдельную ценность: теперь можно оперативно отслеживать, как текущие маркетинговые активности влияют на продажи — не постфактум, а в моменте.

сложности и решения

В кейсах всегда рассказывают про успешный успех, редко рассказывают про грабли и как они били по лбу. Мы поймали две самые критичные проблемы.

Первая — сам заказчик. Не в плохом смысле, просто когда человек видит возможности инструмента, у него закономерно сносит крышу от идей. Хочется всё и сразу: предсказывать спрос, оптимизировать закупки, строить логистические модели. Мы жёстко резали этот список. Не потому что не умеем, а потому что часть функций просто не имела смысла без достаточного объёма накопленных данных. Предиктивную модель для закупок, например, отложили сознательно — запускать её на недостаточной выборке значит получить красивую, но врущую систему. Оно нам не надо.

Вторая — данные. Они приходили из разных источников, в разных форматах, с разной логикой. Научить аналитика понимать эту мешанину и работать с ней корректно — отдельная инженерная задача, которая заняла немало времени. Здесь не было красивого решения, только методичная работа.
Интерфейс тоже сделали намеренно аскетичным. Без анимаций, без «вау-эффекта». Это рабочий инструмент для людей, которым некогда любоваться градиентами — им нужны цифры и смыслы.

Данные из разных систем — это как два человека, которые говорят об одном, но никогда не договорились о терминах. Один пишет "филе куриное", другой — "кур. филе п/ф охл." Человек поймёт, что это одно и то же. Система — нет, пока ты её не научишь. Мы этому учили дольше, чем рассчитывали. Зато теперь аналитик в этих данных ориентируется лучше, чем половина сотрудников компании.

Антон Седов

технический директор, lead backend python developer, devOps

результат и эффект

Сейчас продукт проходит боевую обкатку. Мы регулярно снимаем обратную связь с пользователей — что работает, что бесит, чего не хватает — и на её основе формируем бэклог.
Главное, что изменилось — скорость. Раньше цепочка выглядела так: возник вопрос → запросили данные → подождали → получили → разобрались → приняли решение. Теперь между «возник вопрос» и «приняли решение» нет ничего лишнего.

Цифры и смыслы доступны прямо на совещании. Прямо во время мозгового штурма. Без «давайте уточним и вернёмся к этому завтра».

Но самый интересный сигнал пришёл оттуда, откуда не ждали. Пользователи начали задавать аналитику вопросы сложнее, чем мы закладывали на старте. Это означает одно: инструмент реально используют, а не просто открывают раз в неделю для галочки. Люди втянулись, начали думать его категориями и хотят от него большего. Для нас это лучшая обратная связь из возможных — не слова, а поведение.

что дальше

В очереди — предиктивная аналитика по закупкам и спросу. Та самая, которую мы сознательно отрезали на старте. Данных накапливается больше, и скоро их будет достаточно, чтобы модель не фантазировала, а реально предсказывала. Также планируем расширить ролевую модель: сейчас продукт доступен только топ-менеджменту, следующий шаг — руководители подразделений, каждый со своим срезом данных и своим уровнем доступа.
Заказчик пока рассматривает продукт как вспомогательный инструмент для ускорения решений. Мы думаем, что это временная позиция — когда привыкаешь принимать решения на основе данных, а не ощущений, обратно уже не хочется.

< команда >

над проектом работали

Антон Седов

Василий Гребенников