120 годин на прогнозування попиту вручну — аналітик втрачає 45 тисяч гривень через помилки в таблицях

Минулого місяця ми намагалися звести дані з аптечних мереж та лікарень у гігантську таблицю в Google Sheets. Я витратив близько 40 годин чистого часу, щоб вирівняти залишки по кожному SKU та врахувати сезонні коливання. Використовував ChatGPT для написання складних скриптів, але дані постійно розсипалися через різні формати звітів від контрагентів. У результаті ми помилилися із замовленням сировини на 150 тисяч гривень, бо не врахували залишок на складі в Одесі. Це був справжній хаос, який ми розгрібали всім відділом аналітики.

Найбільше дратує те, що я працюю як копіпастер, а не як аналітик. Коли ти вручну переносиш цифри з десяти різних файлів, очі замилюються вже на другій годині роботи. Я відчуваю величезну фрустрацію, бо замість стратегічного планування виробництва я воюю з форматами комірок. Через ці затримки виробнича лінія простоювала два дні, що призвело до зриву термінів поставки в одну з найбільших мереж. Це б'є по моїй репутації та викликає постійний стрес через страх знову щось пропустити.

Системна проблема в тому, що наша ERP-система застаріла і не вміє нормально агрегувати зовнішні дані. Ми маємо команду з 210 людей, але процес обробки попиту залишився на рівні малого підприємства. Немає єдиного вікна для збору інформації, а процеси налаштовані так, що дані передаються через пошту або в месенджерах. У нас просто відсутній інструмент автоматичної валідації вхідних файлів, тому кожен звіт доводиться чистити руками. Це системний провал у цифровізації всього заводу.

Ми вирішили найняти фрілансера-розробника, щоб він написав конвеєр для збору даних з пошти в Notion та Sheets. Це обійшлося компанії приблизно у 25 тисяч гривень як разовий платіж за розробку архітектури. Також я особисто купив платну підписку на ChatGPT для всієї команди, щоб хоча б якось пришвидшити обробку текстових запитів. Це рішення трохи зняло навантаження, але воно все одно потребує постійного ручного контролю. Зараз ми витрачаємо близько 1800 доларів на місяць на підтримку цих 'милиць' та оплату робочого часу людей.

Це рішення — звичайний пластир на відкриту рану, воно абсолютно не масштабується. Фрілансер зник після виконання замовлення, і тепер, коли формат звіту в однієї аптеки змінюється, весь скрипт ламається. Ми знову повертаємося до ручної праці, бо ніхто всередині команди не знає, як полагодити код. Це дорого, бо ми платимо за помилки, і неефективно, бо аналітики все одно зайняті рутиною. Нам потрібна системна AI-автоматизація, яка б сама адаптувалася до змін у вхідних даних.