30 лет в одном Google Sheets
Кейс риэлторской компании — пример того, из чего на самом деле собирается ИИ-дашборд: не из одного удачного промпта, а из метрик, модели данных, прототипов и десятка решений между ними.
«AI-дашборд — это когда открываешь Claude, пишешь “собери мне дашборд по продажам с водопадом прибыли и фильтрами”, через пять минут получаешь красивый отчётик, ставишь себе в зачёт и идёшь пить кофе». 🤡
Если бы так работало — все аналитики страны уже сидели бы на пляже.
Из-за этого появляется обратная крайность. Стоит на встрече упомянуть AI-дашборд — обязательно кто-то закатывает глаза: «Да ну, это игрушки. Серьёзную аналитику в нейронке не сделаешь».
В прошлом месяце мы закрыли ИИ-проект для риэлторской компании. Кейс отлично подходит, чтобы показать, из чего на самом деле собирается дашборд.
С чего всё начиналось: 30 лет на «костылях»
Компания на рынке больше 30 лет, филиалы в нескольких городах, продают квартиры, новостройки и коммерческую недвижимость.
Угадайте, на чём держалась вся аналитика? На Google Таблицах.
С сотней полей, перекрёстными ссылками и расчётами поверх расчётов. Таблиц было много, между собой они не дружили, часть данных дублировалась, часть жила своей жизнью.
И самое прекрасное: фактически работать с этой системой мог только один человек. Если генеральному нужны были цифры — он шёл к этому специалисту, тот руками выгребал нужное из таблиц, склеивал и приносил.
«Менять систему страшно: вдруг сломается. Не менять — тоже страшно: всё держится на одном человеке. А менять человека ещё страшнее».
Так что задача была шире, чем «нарисовать красивые графики». Прежде чем вообще обсуждать дашборд, нужно было пройти три этапа:
Карта метрик
Разобрать существующую систему показателей и навести в ней порядок.
Модель данных
Построить модель данных, чтобы убрать дубли и ручной ввод.
Дашборд
Собрать дашборд, обучить людей и передать решение.
Карта метрик
Мы сели разбирать существующие показатели. И оказалось, что:
- часть метрик считается дважды — под разными именами;
- часть понимается сотрудниками по-разному;
- никто толком не может объяснить, как одно влияет на другое.
Это типичная история для бизнеса, который рос быстрее, чем рос его учёт.
Что сделали:
- Сверили все расчёты — чтобы внутри команды договориться, что значит «выручка», «маржа», «чистая прибыль».
- Структурировали показатели по четырём направлениям — чистая прибыль, маржинальная прибыль, сделки и выручка, работа с лидами.
- Внутри каждого направления развели метрики по типам — действия, результата, диагностические, расходов.
- Простроили связи между показателями — что на что влияет, через какие промежуточные звенья, где главная причинно-следственная цепочка.
- Зафиксировали по каждой метрике название, описание, формулу расчёта, аналитические вопросы и рекомендуемые разрезы.
В результате получились карта метрик и реестр метрик — рабочие документы, из которых дальше вырастает всё остальное.
И только после этого — только после! — можно говорить про дашборд.
Модель данных
Дальше нужно было разобраться с самими данными: откуда берутся, где дублируются и почему половина из них считается руками.
В качестве «дома» для данных оставили Google Sheets — удобно, привычно для команды клиента, отлично коннектится и с нейросетями.
Главное архитектурное решение для базы под дашборд — всё привести к плоскому формату:
- упростить поля, выкинуть дубли;
- убрать все расчётные показатели из исходников;
- минимизировать ручной ввод — большая часть данных тянется напрямую из CRM;
- добавить правила контроля качества;
- логически развести таблицы фактов и справочники на разные сущности;
- персональные данные разместить локально в Excel-файле.
Звучит как сухая инженерная рутина. Но именно здесь в классическом BI-проекте разработчик закапывается надолго: поднимает модель данных, прописывает связи между таблицами, неделями пишет DAX-меры.
Здесь в работу подключается ИИ — помогает разбирать структуру данных, проверять связки, генерить скрипты обработки, валидировать выгрузки из CRM.
Дашборд
В обычном BI-проекте на этом этапе начинается отрисовка статичных макетов и всех «скриншотов состояний», чтобы показать, как это будет работать интерактивно.
Если заказчик хочет добавить одну фичу — это несколько дней на новые макеты в нескольких версиях. Согласования занимают недели.
Поэтому мы сразу собрали интерактивный HTML-прототип.
«А вот сюда бы добавить блок с прогнозом прибыли». Открываем Claude прямо на созвоне, пара промптов — через 10 минут показываем готовую версию.
Что в финальном дашборде
Из ключевых фишек:
И сверху можно докручивать что угодно: подсказки с пояснениями метрик, сценарии «что если», прогнозы по динамике.
В Power BI большая часть этих фишек — это либо «нельзя», либо «можно, но нужен разработчик и неделя времени».
«AI-дашборд = промпт и готово» — это враньё
И это плохая новость для тех, кто хотел сэкономить на аналитиках.
Хорошая новость: ИИ радикально меняет характер работы на финальной стадии. Заказчик включается в процесс, видит результат в виде живого прототипа, может тыкать, ломать, просить переделать. Обсуждения — содержательнее, доработок после «релиза» — меньше.
А самое главное — после проекта клиент остаётся с инструментом, который может развивать сам. Не «приходи к нам каждый раз, как захочешь добавить кнопку», а «открой Claude и допиши себе всё, что нужно».
Что, собственно, и произошло:
«Если честно, вся эта история с дашбордами изначально оказалась для меня каким-то “ящиком Пандоры”. Я сейчас полностью погружен в процесс и получаю от него настоящее удовольствие.
Пока я сосредоточился на генеральском дашборде, который мы сделали вместе. Но я его достаточно серьёзно дорабатываю: пересобираю карточки, пересматриваю расчёты, добавляю новые элементы. Например, сделал отдельный “про-режим”. Если он выключен, показывается базовая информация. Если включить — появляются дополнительные показатели: отклонения к прошлому периоду, доли, проценты и другие параметры.
Также добавил кнопку с подсказками — по нажатию появляются пояснения по диапазонам значений и их интерпретации. В целом сейчас я активно экспериментирую: пробую разные визуалы, форматы отображения, логику расчётов. И как раз в процессе начинаешь глубже понимать бизнес — как правильно считать расходы, как формировать планы, какие показатели действительно связаны между собой.
Я спокойно переношу дашборд между разными чатами, продолжаю работу с того же места, и всё корректно подхватывается. По ощущениям, это не просто отчёт, а инструмент, с которым можно постоянно работать и развивать под свои задачи».
Заказчик — генеральный директор риэлторской компании
Заказчик сам делает «про-режим», сам пишет подсказки, сам пересобирает карточки.
Не для того, чтобы вы пришли заказывать проект
А для того, чтобы вы могли делать такие штуки сами. Для своей компании, для своих клиентов, для своих руководителей.
Поэтому мы собрали курс «Дашборды за минуты с ИИ». Это не курс «как написать промпт» — таких материалов в интернете тысяча. Это курс про полный цикл: от данных и анализа до рабочего интерактивного дашборда.
Посмотреть курс →