120 годин на ручний збір аналітики ринку — це виснажує команду та гальмує продажі

Минулого місяця нам потрібно було терміново оновити стратегію ціноутворення для нового об'єкта комфорт-класу. Я особисто провела три дні в таблицях Гугл Шітс, вручну копіюючи дані з популярних порталів нерухомості та ЛУН. Ми використовуємо Ноушн для структурування звітів, але дані туди потрапляють із запізненням. На цей процес пішло близько сорока робочих годин, а вартість мого часу як фахівця склала приблизно двадцять тисяч гривень. Це величезний обсяг рутини, який відволікає від прогнозування ризиків.

Найбільше дратує те, що дані застарівають швидше, ніж я встигаю їх обробити. Коли я закінчую зведену таблицю, забудовники вже змінюють умови акцій або ціни за квадратний метр. Це викликає фрустрацію, бо я відчуваю себе не аналітиком, а друкарською машинкою. Через помилки при ручному введенні ми ледь не затвердили занижену ціну, що могло коштувати компанії сотні тисяч доларів прибутку. Команда з восьми людей чекає на мої цифри, а я просто завалена копіпастом.

Системна проблема в тому, що у нас немає автоматизованого парсингу даних і єдиного вікна для моніторингу. Наша команда маленька, і ми не можемо дозволити собі окремий відділ розробки для написання скриптів. Ми досі покладаємося на застарілі методи збору інформації через брак доступних інструментів автоматизації. Процес побудований на людському факторі, де кожна помилка в цифрі призводить до хибних бізнес-рішень. Відсутність інтеграції між сервісами робить роботу хаотичною та непрозорою.

Ми спробували залучити фрілансера з Платформи Апворк, щоб він написав нам скрипт для збору даних, і заплатили за це вісімсот доларів. Також я почала використовувати безкоштовну версію ЧатДжіпіті для швидкого групування текстових описів ЖК, але це лише часткове рішення. Фрілансер зник через два тижні, а скрипт перестав працювати після оновлення сайту-джерела. У підсумку я знову повернулася до ручного оновлення таблиць, витрачаючи на це кожні вихідні. Це рішення виявилося лише тимчасовою латкою на великій дірі.

Це рішення абсолютно не масштабується і створює залежність від зовнішніх розробників, які не розуміють специфіку нерухомості. Витрачені гроші не дали стабільного результату, а мій рівень стресу тільки зріс через необхідність перевіряти роботу скрипта. Ми не отримали гнучкості: якщо нам потрібно додати новий критерій аналізу, доводиться знову шукати виконавця. Це дорого, ненадійно і не дає нам тієї швидкості прийняття рішень, яка потрібна для випередження конкурентів на київському ринку.