Discovery (2 недели)
Аудит данных, гипотезы, бэктест на истории, оценка эффекта. Решение: делать или нет, и что первым.
Автоматизация для бизнеса
Машинное обучение для бизнеса: прогноз спроса, отток, скоринг и аномалии на данных 1С и CRM
Основатель: Павел Стасиньский
Классические ML-задачи, которые окупаются у среднего бизнеса: прогноз продаж и остатков, отток клиентов, скоринг лидов и дебиторки, поиск аномалий в платежах и производстве. Данные из 1С, CRM, Excel. Discovery 2 недели, модель в production 6–10 недель от 400 000 ₽.
«Машинное обучение для бизнеса» — это не обязательно нейросети и LLM. Для прогноза спроса, оттока и скоринга работают классические модели (градиентный бустинг, временные ряды), которым нужна история продаж и сделок из 1С и CRM — она у вас уже есть.
Мы начинаем с discovery: проверяем, есть ли сигнал в данных, и считаем экономику — сколько даст +10% точности прогноза или предупреждение об оттоке за месяц. Только после этого разрабатываем модель и встраиваем её туда, где принимается решение.
Стек: Python, CatBoost/LightGBM, Prophet/статистические модели, PostgreSQL, ClickHouse, Airflow, интеграции с 1С, Bitrix24, amoCRM, DataLens/Power BI. Развёртывание в российском облаке или on-premise.
Работаем с компаниями на amoCRM, Битрикс24, 1С, ERP и самописных системах — внедряем поверх текущего контура.
Услуга — для компаний-заказчиков. Субподряд, резюме и предложения услуг рассматриваем только на отдельной странице: Партнёрам .
Типичные проблемы
- Закупки планируются «по ощущениям»: то дефицит, то замороженные деньги на складе
- Клиенты уходят молча — узнаёте по факту, когда возвращать уже поздно
- Менеджеры звонят всем лидам одинаково, хотя 20% дают 80% выручки
- Данные есть в 1С и CRM, но никто их не использует — отчёты только «по прошлому»
Что вы получаете
- Discovery: данные, гипотезы, оценка достижимой точности на исторических данных, экономика — до разработки
- Модели: прогноз спроса/остатков, отток, скоринг лидов и дебиторки, аномалии, рекомендации — на ваших данных из 1С, CRM, BI
- Внедрение в процесс: прогноз в 1С/Excel закупщику, скоринг в карточке сделки, алерты в Telegram — не «отчёт data scientist’а»
- Эксплуатация: переобучение по расписанию, мониторинг точности, документация, передача in-house или SLA
Как мы решаем задачу
Модель и пилот
Разработка, валидация на holdout, пилот в процессе (например, прогноз для 20% SKU) с измерением эффекта.
Production
Интеграция в 1С/CRM/BI, переобучение, мониторинг, обучение аналитиков заказчика.
Цена и условия
| Цена | от 150 000 ₽ |
|---|---|
| Срок | 10 дн. |
| Формат | Фиксированная смета · удалённо |
| Состав | Бизнес-аудит, карта процессов, расчёт окупаемости, дорожная карта и смета до старта разработки. |
Связанные кейсы
ELIA Suite — изолированные воркспейсы
+32% конверсия КП→заказ
Данные заказчика: первые 4 месяца после запуска vs базовый период
Проектирование воркспейсов и автоматизации quote · Пилот и масштабирование на 15 воркспейсов
15 воркспейсов без пересечения данных. 87% техзапросов через автоматизацию, −40% нагрузки на SAV; конверсия КП→заказ +32% по данным заказчика за первые 4 месяца. Окупаемость на горизонте ~4 месяцев при повторяющемся объёме.
Учёт и финансы в Slack, Claude и Airtable — без «самописных» проводок ИИ
Без двойных проводок · согласование человеком · понятный след в отчётах
Перестроили финансовый контур: ИИ только извлекает данные из сообщений, а проводки, проверки на дубли и отчёты идут по жёстким правилам с подтверждением человека.
Архитектура учёта и автоматизации финансов · Аудит и перестройка 3–8 недель — зависит от числа автоматизаций
Одна база в Airtable, без повторных проводок, каждое согласование видно в истории. ИИ не пишет в учёт сам. Команда по-прежнему работает в Slack; отчёты и бронирования — на контролируемых автоматизациях.
Частые вопросы
- Сколько стоит ML-проект для бизнеса?
- Discovery — от 150 000 ₽, модель в production — от 400 000 ₽. Типовой проект по прогнозу спроса или оттоку — 600 000–1 200 000 ₽.
- Сколько данных нужно?
- Для прогноза спроса — 1,5–2 года истории продаж по SKU; для оттока — 500+ клиентов с историей. Если данных мало — скажем на discovery.
- Чем это отличается от BI?
- BI показывает, что было. ML предсказывает, что будет, и рекомендует действие: сколько закупить, кому позвонить, какой платёж проверить.
Заявка
Получить оценку проекта
Услуга: Аудит процессов и дорожная карта ИИ