TL;DR

  • Марія Стейджингова, Провідний аналітик даних — Минулого тижня я витратила близько 15 годин на те, щоб звести дані з різних банк...
  • Результат: Звільнення 35 годин аналітика на місяць завдяки автоматизації збору даних через AI-агентів
  • Окупність: 26 днів ($1,900)

40 годин на місяць лише на очищення даних — як аналітик у команді з 8 осіб тоне в рутині

М
Марія Стейджингова·Провідний аналітик даних
ТОВ «Діалог Софт» — невелика аутсорсингова компанія з 8 осіб, що розробляє фінтех-рішення для європейських клієнтів.Команда: 8 осіб

Як ви останній раз вирішували проблему з підготовкою звітів для фінтех-проектів?

Минулого тижня я витратила близько 15 годин на те, щоб звести дані з різних банківських API у єдиний формат у Google Sheets. Оскільки ми маленька команда з 8 людей, у нас немає окремого дата-інженера, тому все доводиться робити вручну. Я використовувала Notion для документації вимог та ChatGPT для написання простих скриптів на Python, щоб хоч трохи пришвидшити процес. Кожен такий звіт коштує компанії приблизно 600 доларів мого робочого часу, і це лише один клієнт. Це жахливо відволікає від глибинного аналізу, бо я працюю як звичайний оператор копіпасту.

Що в цьому було складного?

Найбільше дратує те, що кожна помилка в комірці призводить до неправильних розрахунків у фінальному звіті для європейського замовника. Я відчуваю постійну тривогу та втому, бо доводиться перевіряти кожен рядок по три рази. Це призводить до затримок у поставці аналітики на 2-3 дні, що псує нашу репутацію як надійного аутсорсера. Наслідок — ми не можемо брати нові проекти, бо я фізично не встигаю обробляти поточні дані. Моя мотивація падає, бо замість стратегій я займаюся чисткою сміття в таблицях.

Чому це було складно?

Системна проблема в тому, що наші процеси не масштабуються через застарілі інструменти обробки. Ми досі покладаємося на ручне керування в Excel та Sheets, бо не впровадили автоматизовані пайплайни. У команді всього 8 осіб, і кожен перевантажений своїми завданнями, тому розробники не мають часу написати мені нормальний парсер. Це класична пастка малого бізнесу: ми занадто зайняті гасінням пожеж, щоб побудувати нормальну пожежну станцію. Відсутність єдиного AI-інструменту для обробки неструктурованих даних робить нас неконкурентними.

Як ви це вирішили?

Тимчасово ми вирішили це за допомогою платної підписки на ChatGPT Plus за 20 доларів та залучення фрілансера на Upwork для разового написання макросів. За послуги фрілансера ми заплатили близько 450 доларів за один проект. Я також витратила цілі вихідні, щоб самостійно налаштувати зв'язки в Trello для відстеження статусів перевірки даних. Це рішення допомогло закрити квартальний звіт, але воно не вирішує проблему в довгостроковій перспективі. Фактично, ми просто закрили дірку грошима та моїм особистим часом.

Чому це рішення було не крутим?

Це рішення абсолютно не круте, бо воно тримається на милицях і моєму ентузіазмі. Фрілансер не знає специфіки нашого фінтеху, тому його код часто ламається при зміні вхідних даних. Ми витрачаємо гроші на разові виправлення, замість того, щоб створити стабільну систему всередині команди. Кожного разу, коли приходить новий клієнт, мені доводиться починати весь цей цикл заново. Крім того, витрати в 450-500 доларів щоразу — це занадто дорого для компанії з 8 людей.

ROI: повернення інвестицій

Поточні витрати / міс

$2,200/міс — скільки зараз витрачають на проблему

Вартість AI-курсу

$1,900

до 30 людей

Окупність

26 днів

Результат

Звільнення 35 годин аналітика на місяць завдяки автоматизації збору даних через AI-агентів

Хочете такий самий результат?

Спробуйте AI Accelerator — програму впровадження AI для вашої команди. Перші результати за 1 тиждень.

Почати безкоштовно

Схожі кейси