120 годин на зведення звітів вручну — Ірина витрачає 45 000 гривень щомісяця на помилки в Excel

Минулого тижня я знову зводила дані з цехів у Google Sheets, щоб зрозуміти маржинальність нових керамічних валів. Витратила на це три повних робочих дні, витягуючи цифри з паперових звітів майстрів та старої бази 1С. Використовувала складні формули в таблицях та ChatGPT для написання макросів, щоб хоч якось об’єднати ці розрізнені файли. На виході отримала звіт, який показав похибку в розрахунках на суму близько 15 000 гривень. Це постійний хаос, де я працюю як живий конвеєр для перенесення даних.

Найбільше дратує те, що дані постійно дублюються або втрачаються при передачі з виробництва до офісу. Я відчуваю справжню фрустрацію, коли після десяти годин роботи знаходжу одну невірну кому, яка руйнує весь фінансовий прогноз. Це виснажує, бо замість стратегічного аналізу я займаюся механічним виправленням чужих помилок. Через ці затримки керівництво отримує звіти із запізненням на тиждень, що призводить до простою обладнання. Команда нервує, а я просто мрію про автоматизацію, яка б зняла цей тягар.

Проблема системна: у нас на виробництві досі немає єдиної цифрової екосистеми для обліку сировини та енерговитрат. Процеси налаштовані так, що кожен цех веде свій окремий файл, а я змушена бути «клеєм» між ними. Нам не вистачає кваліфікованих кадрів, які розуміють сучасні інструменти аналітики, тому все тримається на моїх ручних налаштуваннях. Старі інструменти не встигають за обсягами виробництва, а впровадження важких систем потребує занадто багато часу та ресурсів.

Тимчасово ми найняли фрілансера на Upwork за 600 доларів, щоб він написав скрипт для автоматичного збору даних з пошти в Google Sheets. Також я купила платну підписку на ChatGPT Plus за 20 доларів на місяць, щоб швидше чистити масиви даних від сміття. Це трохи полегшило життя, але скрипт часто ламається, коли хтось у цеху змінює формат назви файлу. Загалом таке «рішення» обійшлося компанії майже у 25 000 гривень одноразово, не враховуючи мого часу на технічне завдання. Це виглядає як латання дірок у старому човні.

Це рішення абсолютно не масштабується, бо воно залежить від зовнішнього підрядника, якого важко знайти для правок. Щоразу, коли ми запускаємо нову лінійку керамічних компонентів, скрипт доводиться переписувати вручну. Це дорого в довгостроковій перспективі, бо ми платимо за кожен виправлений крок, а не за систему. Команда все одно не розуміє, як працювати з цими даними самостійно без моєї допомоги. В результаті я залишаюся єдиною точкою відмови в усьому аналітичному процесі компанії.