Спросите цифры словами — получите ответ, график и прогноз.
AiST Analytic превращает ваши БД, 1С, файлы и DWH в чат с аналитиком: вопрос на русском → SQL → данные → график → инсайты и прогноз. Уровень джуниор-аналитика — у каждого менеджера, без BI-команды и тикетов на неделю.
- ⏛ Text-to-SQL по вашей схеме
- ◴ Авто-визуализация графика
- ↗ Forecast · ML на табличке
- ⚠ Детекция аномалий и трендов
- ⛨ 152-ФЗ · row-level security · on-prem
Данных у всех — море. Пользоваться ими умеют 3 человека.
Хранилище есть, BI есть, цифры есть — а РОП всё равно ставит задачу аналитику и ждёт неделю. Маркетинг спрашивает в чате «прислать срочно». Бизнес работает на ощупь, потому что аналитика — узкое горлышко.
BI-команда не успевает за запросами
На 3 аналитиков — 60 тикетов от бизнеса. Простой запрос «сделай разрез по регионам» — неделя в очереди. К тому моменту, когда отчёт готов, решение уже принято на ощупь.
Дашборды устарели в день запуска
BI-команда сделала 200 дашбордов на Superset. Половиной не пользуются, вторая половина устарела. Любой новый вопрос — это «нарисуйте мне ещё один дашборд» — и опять очередь.
Forecast делает один человек в Excel
Прогноз продаж, отток клиентов, спрос на склад — всё это лежит в Excel-модели одного аналитика. Пять лет копилось, никто кроме него не понимает. Уйдёт — компания ослепнет.
От вопроса на русском — до цифры с объяснением и графиком.
Конвейер понимает вопрос на человеческом языке, превращает его в SQL по вашей схеме, выполняет в вашей БД, проверяет качество результата, рисует нужный график и вытаскивает ключевые инсайты.
-
01
Подключаете БД и описываете схему ClickHouse, PostgresPro, Tantor, Greenplum, MS SQL, 1С через OData. Описания таблиц и колонок (автоматом или вручную) превращаются в контекст для модели.
-
02
Бизнес-словарь — главное «правильно» Загружаете «выручка = sum(amount где status=paid)», «активный клиент — тот, у кого был заказ за 90 дней». Модель использует ваши термины, не «вообще выручку».
-
03
Запрос проверяется и выполняется в вашей БД Row-level security: пользователь видит только свой регион/отдел. Сложные запросы — через explain и timeout. Никаких DROP TABLE и опасных операций.
-
04
Ответ — цифра, график и объяснение Модель сама подбирает тип графика (динамика, разрез, когорты), даёт прогноз и выделяет аномалии. Можно скачать в Excel, отправить в Slack или закрепить как «живой виджет» в DataLens.
Не «ChatGPT поверх БД». Промышленный analytics-AI.
Text-to-SQL — только вход. Дальше row-level security, forecast-модели, аномалии, когорты, drill-down, экспорт в BI и 1С, контроль качества ответов. Не «в 90% случаев правильно», а «можно показывать CFO».
Text-to-SQL
Вопрос на русском → SQL под ваш диалект. ClickHouse, Postgres, Greenplum, MS SQL, Oracle.
Авто-визуализация
Модель сама выбирает тип графика: динамика — линия, разрез — bar, retention — cohort.
Forecast
Prophet, CatBoost, ARIMA на табличных данных. Прогноз продаж, спроса, оттока с интервалами.
Аномалии
Детекция всплесков, провалов, сезонных сдвигов в real-time. Алерт в Slack/Teams/Telegram.
Cohort & retention
RFM, retention-таблицы, LTV, отток по когортам — одной командой. Без Looker и Tableau.
Сегментация
«Покажи похожих на топ-5%». Кластеризация, look-alike, RFM-сегменты — из коробки.
Auto-insights
Модель сама находит «странности»: где упало, кто ушёл, что выросло. Не вы ищете аномалии — они ищут вас.
Drill-down & pivot
«А разверни по регионам», «а только Москва», «а по месяцам» — без нового запроса.
Row-level security
РОП видит свой регион, директор — все. Права наследуются из AD и 1С, не настраиваются отдельно.
Бизнес-словарь
«Выручка», «активный клиент», «маржа» — ваши определения, не абстрактные. Источник истины.
Стрим-аналитика
ClickHouse, Kafka, S3 на Iceberg — подключаются на живые потоки. Алерты на аномалии — в real-time.
Экспорт куда угодно
Excel, Yandex DataLens, Apache Superset, Visiology, Slack/Teams, 1С, виджет в CRM.
30+ источников: БД, 1С, BI, файлы, стримы, корп. хранилища.
Не надо «сначала перенести всё в единое DWH». Подключаемся к тому, что у вас уже есть — PostgresPro, ClickHouse, Tantor, 1С, Excel, файлошары, Kafka. Можно сразу к 15 БД одновременно — модель сама поймёт, где что лежит.
// рф-бд & dwh
// классические БД
// 1с & учёт
// bi-системы
// файлы & формы
// стримы & lake
Аналитика — не тикет на неделю, а вопрос в чате.
Менеджер пишет на русском — получает цифру, график и объяснение за секунды. РОП строит свой воронку без аналитика. CFO считает финмодель в чате, а не ждёт конца квартала. Команда BI освобождается для сложных задач, на которые раньше не было времени.
«Покажи ARPU за месяц по тарифам» — ответ с графиком в чате. Без входа в BI.
В карточке клиента — живой блок «динамика заказов» и «прогноз оттока». Без ухода в другую систему.
«Конверсия упала на 18% за ночь» — алерт в Slack/Teams с графиком и возможной причиной.
Один движок — на CFO, продажи, маркетинг и операционку.
Analytic — это инфраструктура решений. Каждое подразделение находит свой кейс: финансы, продажи, маркетинг, HR, производство, ритейл. Один движок, разные пресеты и словари.
План/факт и прогноз — без аналитика
«Сравни факт с планом по статьям, покажи отклонения, спрогнозируй чистую прибыль квартала» — ответ с графиком, объяснением и факторами за 30 секунд вместо недели.
Pipeline forecast и скоринг сделок
Прогноз закрытия pipeline на квартал, скоринг вероятности по каждой сделке, выявление застрявших, рекомендации по следующему шагу. Прямо в карточке amoCRM.
Attribution, RFM, прогноз CAC/LTV
Атрибуция конверсий по каналам, RFM-сегменты для коммуникаций, прогноз LTV по когортам. Маркетолог считает unit-экономику в чате, не тикетом.
Прогноз увольнений и текучесть
Модель находит сотрудников группы риска по поведенческим факторам (опоздания, переработки, паттерны 1С:ЗУП). HRD получает алерт до того, как ключевой человек принёс заявление.
Прогноз спроса и ценообразование
Forecast спроса по каждому SKU на каждый магазин на 30 дней вперёд. Динамические цены под конкурентную обстановку и остатки. Минус 30% к неликвидам.
Real-time алерты на аномалии
«Конверсия чек-аута упала на 30% за последний час» — алерт владельцу процесса до того, как обнаружится в дашборде. С возможной причиной и ссылкой на источник.
Не нужно строить «свой Looker». Всё уже собрано.
«Голый» text-to-SQL — это 25% задачи. Дальше нужны: семантический слой, row-level security, ML-модели forecast, авто-визуализация, бизнес-словарь, экспорт в BI и CRM, мониторинг качества ответов. У нас всё это уже встроено.
Включается — не строится BI-командой год.
AiST Analytic — сервис в составе AiST Platform. Не нужно искать ML-инженеров, поднимать MLOps, разрабатывать чат-интерфейс с графиками и интеграции с 1С. Подключили БД и описали бизнес-словарь — через час менеджеры спрашивают цифры словами.
«BI-команда из 5 человек закрывала 60 тикетов в месяц. Сейчас — 12, и это сложные задачи. Простые вопросы менеджеры задают сами»
Что ещё есть на AiST Platform→Данные — это бизнес. Поэтому AI к ним идёт через замок.
Кто видит маржу, кто — зарплаты, кто — клиентов: всё это уже настроено в вашей БД. AiST Analytic уважает row-level security, не даёт обходить роли, логирует каждый запрос и объясняет, как получил ответ.
Закрытый периметр
- On-prem или AiST BOX в вашем ЦОД
- Запросы выполняются в ВАШЕЙ БД
- Row-level security из AD и 1С
- Read-only коннекторы по умолчанию
- Защита от SQL-инъекций промптом
- Аудит каждого запроса — в SIEM
Качество и доверие
- Семантический слой — источник истины
- Каждый ответ — с показанным SQL
- Точность ответов — под метриками
- Лог спорных запросов на ревью
- Версионирование словаря и моделей
- A/B тесты SQL-генерации
ROI и скорость
- −85% тикетов к BI-команде
- Решения принимаются в день, не через неделю
- Бюджеты на запросы по отделам
- Кэш ответов — минус 50% к счёту LLM
- Прозрачные расходы в рублях
- Лицензия по запросам или пакетом
Что обычно спрашивают перед пилотом Analytic.
А точно SQL генерит правильный?
На типовых вопросах с корректным семантическим слоем — 92–96% точности. Каждый ответ показывает сам SQL, его можно проверить и закрепить. Для спорных кейсов — режим «двойного контроля»: модель показывает 2–3 варианта запроса, аналитик подтверждает.
А что если у нас 200 таблиц и никто не знает, где что лежит?
Сначала автодокументация: модель сама строит описания таблиц и колонок по именам, типам и примерам данных. Дальше data-стюард уточняет ключевые термины. Через неделю работы — полный dictionary, точность ответов резко растёт.
Можно строить forecast и другие ML-модели?
Да. Prophet и ARIMA для временных рядов, CatBoost/XGBoost для табличных задач (churn, scoring, demand). Обучаются на ваших данных, объясняют факторы (feature importance), запускаются по расписанию или запросу.
А что с правами доступа?
Row-level security наследуется из вашей БД и AD/1С. РОП Москвы видит только Москву, директор — все. Никаких отдельных «прав на Analytic» настраивать не надо — модель работает в контексте конкретного пользователя.
Сколько занимает запуск?
Пилот «текстовый запрос → график» по одной БД и 5–10 ключевым таблицам — 1–2 недели. Полный охват с семантическим слоем, ML-моделями и интеграциями в BI / 1С / CRM — 4–8 недель.
Это отдельный продукт или часть платформы?
AiST Analytic — сервис в составе AiST Platform. Можно брать только его (как Analytics-API), а можно сразу с конструктором ассистентов, RAG по документам, ролями и аудитом. Один кабинет, один счёт.
Подключите БД на неделю — покажем, как менеджер сам спрашивает цифры.
Подключим вашу тестовую БД (или развернём песочницу с вашими данными). Через 5 дней — живой демо: 20 ваших типовых вопросов, метрики точности и план внедрения.