450 годин на місяць на аналіз залишків вручну — аналітики вигорають, а бізнес втрачає прибутки

Минулого місяця ми намагалися звести дані з Prom та нашого сайту в Google Sheets, щоб зрозуміти, які позиції декору варто закуповувати на наступний квартал. Я витратив близько 60 годин робочого часу, використовуючи складні формули та вивантаження з кабінетів, щоб обробити понад 2000 артикулів. Ми залучали додаткового помічника, якому заплатили 15000 гривень за механічне копіювання даних. Весь процес відбувався в Notion для координації та в таблицях для розрахунків. Зрештою, через помилку в одній клітинці, ми замовили зайвих стелажів на 120000 гривень, які тепер просто стоять на складі.

Найважче — це постійна невідповідність залишків, бо дані з Prom оновлюються несинхронно з нашим основним складом. Я відчуваю неймовірну втому, коли бачу, що після трьох днів роботи цифри знову не сходяться через один скасований чек. Це демотивує всю команду, бо менеджери з продажу змушені вибачатися перед клієнтами за відсутність товару. Ми втрачаємо лояльність покупців середнього класу, які цінують свій час і сервіс. Кожна така помилка — це не просто цифра, це реальні гроші, які ми заморожуємо в неходовому товарі.

Системна проблема полягає в тому, що наші інструменти не спілкуються між собою автоматично. У нас невелика команда з 18 людей, де кожен намагається закрити кілька дірок одночасно, тому на побудову нормальної архітектури даних просто немає часу. Ми використовуємо застарілу модель ручного збору, бо впровадження важких ERP-систем коштує космічних грошей. Нам бракує автоматизованого містка між маркетплейсом і аналітикою. Процеси налаштовані так, що людський фактор є критичною точкою відмови в усьому ланцюжку.

Ми спробували частково автоматизувати процес, найнявши фрілансера-розробника на Upwork, щоб він написав скрипт для вивантаження даних. Це обійшлося нам у 800 доларів, але скрипт зламався вже через два тижні після зміни API на платформі. Також я почав використовувати ChatGPT для написання складних макросів в Excel, щоб пришвидшити обробку. Це дещо допомогло, і ми витратили ще близько 200 доларів на преміум-аккаунти та консультації. Загалом, це рішення було скоріше 'пластирем' на відкриту рану, аніж лікуванням.

Це рішення абсолютно не масштабується, бо будь-яка зміна в асортименті вимагає ручного переписування скриптів. Ми продовжуємо залежати від зовнішнього розробника, кожна година якого коштує грошей, і він не завжди на зв'язку. ChatGPT допомагає з кодом, але він не бачить всієї картини нашого бізнесу і не може замінити цілісну систему. Витрати на підтримку цих 'милиць' вже перевищують потенційну вигоду. Ми просто тупцюємо на місці, замість того, щоб займатися стратегічним розвитком асортименту.