Сделали ИИ-бота для ежедневного анализа бизнес-метрик

10.11.2026 13:41:16 | Хабр

Хабы: Блог компании AvitoTech, Искусственный интеллект, Визуализация данных, Big Data, Управление продуктом

Привет! Мы BI-разработчики: Айгуль Ахметова из команды аналитиков Авито Рекламы и Валерия Смирнова из Товаров. Вместе мы создаём аналитическую отчётность, которая помогает командам быстрее разбираться в бизнес-метриках. А ещё сделали бота, который снял с аналитиков часть рутины.

Команда Core BI отвечает за основной финансовый дашборд. Каждое утро начинается примерно одинаково:

Открываем основной финансовый отчёт.

Проверяем, успели ли обновиться данные.

Смотрим динамику выручки и проходимся по разрезам.

Если цифра заметно изменилась — разбираемся, где именно и почему. Для этого подключаем аналитиков метрик из разных команд.

Коротко объясняем результат коллегам, а если с данными что-то не так — предупреждаем, когда они будут готовы.

Ничего сверхъестественного, но эти действия каждый день отнимают минимум полчаса. Не потому, что каждый раз нужно провести сложное исследование или глубоко погрузиться в детали. Просто между просмотром графика и ответом на вопрос «Что случилось?» есть несколько обязательных проверок — пропустить их нельзя.

Мы решили автоматизировать эту часть работы и сделали Big10 Pulse — бота в корпоративном мессенджере Mattermost. Он ежедневно мониторит ключевые бизнес-метрики. Как только свежие данные готовы, присылает PDF-отчёт и аналитическую записку с факторным анализом изменений и найденных отклонений.

Так аналитику не приходится каждый день повторять одни и те же действия, а пользователю — постоянно проверять, обновились ли данные.

Звучит как идеальная задача для большой языковой модели — как мы любим: собрать контекст из разных источников и тредов, а затем объяснить найденную аномалию. Но довольно быстро мы поняли, что главное здесь не то, какую работу можно поручить модели, а то, какую — нельзя.

В статье расскажем:

почему обычного алерта об изменении метрики оказалось недостаточно;

как бот отличает аномалию от календарного эффекта;

как мы разделили расчёты и работу языковой модели;

зачем и как проверяем готовый комментарий перед отправкой;

сколько времени бот экономит пользователям.

Подробнее

Читайте также