Что здесь реально ускоряется
Не расчёты. Гипотезы.
Самая долгая часть аналитической работы — сообразить, что вообще стоит посмотреть в данных. Модель хорошо генерирует направления поиска: «вот структура таблицы и задача, предложи десять гипотез, которые стоит проверить, и как проверить каждую».
Дальше вы проверяете их привычными инструментами. Десять гипотез за минуту против часа размышлений — это и есть выигрыш.
Разговор с данными
Второй сценарий: вставить выгрузку и задавать вопросы обычным языком, вместо того чтобы строить пять сводных наугад.
«Сделай сводку по неделям: динамика, аномалии, что выбивается.» Потом: «Что общего у периодов, где показатель просел?» Потом: «Какие три вывода ты бы вынесла для руководителя?»
Работать удобно в чате. Для больших выгрузок берите модель с длинным контекстом — Gemini 3.1 Pro держит десятки тысяч строк.
Жёсткое правило про цифры
Модель надёжна на уровне закономерностей и ненадёжна в арифметике на больших массивах. Ошибается уверенно и незаметно.
Разделение работает такое: гипотезы и интерпретация — в чате, все числа для отчёта — пересчитать. Формулу или запрос та же модель и напишет: подход разобран в гайде про Excel.
Полезная страховка — просить показывать логику: «объясни, как ты получила это значение». Ошибка в рассуждении видна, ошибка в готовом числе — нет.
Подготовка данных
Минута подготовки заметно повышает точность разбора.
| Что сделать | Почему |
|---|---|
| Понятные имена колонок | «дата», «сумма» вместо «col1» |
| Убрать объединённые ячейки | Модель принимает их за данные |
| Убрать шапку-пояснение над таблицей | То же самое |
| Агрегировать до нужного уровня | Меньше данных — меньше риск арифметики |
| Обезличить | ФИО и контакты заменить идентификаторами |
Последнее — не формальность: для поиска закономерностей персональные данные не нужны вовсе.
Превратить находку в текст
Половина работы аналитика — объяснить найденное тем, кто не смотрел в данные.
«Вот вывод и подтверждающие цифры. Напиши абзац для руководителя: сначала вывод, потом одно подтверждение, потом что предлагаю сделать. Не пересказывай данные, 80 слов.»
И отдельно — проверка на прочность: «Какие три возражения приведут против этого вывода и что стоит ответить?» Лучше услышать их сейчас, чем на встрече.
Полная структура месячного отчёта разобрана в отдельном гайде.
Попробовать можно на ГПТ Россия: новичку начисляется приветственный бонус 50 ₽, сервис работает без VPN, оплата в рублях российской картой.
Код для обработки
Отдельный полезный сценарий — попросить скрипт под разовую задачу: собрать данные из десяти файлов, привести форматы, посчитать метрику по своей формуле.
Хорошо справляются DeepSeek V4 Pro и Claude Opus 5. Правила безопасной работы с таким кодом — в гайде про код для непрограммиста: работать на копии, начинать с режима «только показать».
Частые вопросы
Можно ли доверить модели поиск причин, а не только корреляций?
Нет. Модель находит совпадения в данных и охотно называет их причинами. Отличать корреляцию от причинности — по-прежнему работа аналитика, и это главное, за что ему платят.
Сколько строк помещается в один запрос?
У моделей с большим окном — десятки тысяч. Но чем больше сырых данных, тем выше риск арифметической ошибки: для крупных массивов агрегируйте заранее и просите формулу вместо готового расчёта.
Заменит ли это BI-инструменты?
Нет. Регулярная отчётность, дашборды и воспроизводимые расчёты — задача специализированных инструментов. Модель полезна на разведочном этапе, где нужно быстро понять, куда смотреть.
