AI analītiķis, kas domā tieši par jūsu biznesu
6 datu avoti vienā ekrānā, iebūvēts AI analītiķis un Karpathy autoresearch cikls, kas automātiski optimizē biznesa metriku. Kā mēs uzbūvējām analītikas sistēmu, kas pati meklē iespējas.
Kāpēc vēl viens dashboard?
Pasaulē nav trūkuma dashboardu. Web analītika, reklāmu platformas, e-pasta rīki, CRM pārskati — katrs serviss piedāvā savu. Problēma nav datu trūkums. Problēma ir datu sadrumstalotība.
Pakalpojumu uzņēmuma vadītājs katru rītu atvēra 6 logus, skatījās 6 dažādus grafikus, un mēģināja savā galvā savilkt kopējo ainu. “Kāpēc šomēnes konversija kritusies?” prasīja viņš sapulcē. Neviens nevarēja atbildēt — jo atbilde bija izkaisīta pa 3 dažādām sistēmām.
Visi dati vienā ekrānā
Pirmais solis — apvienot 6 datu avotus vienā dashboard:
- Pārdošanas dati — darījumu stadijas, konversijas pa posmiem, vidējā darījuma vērtība, “aizmirstie” darījumi
- Maksas reklāmas kanāli — tēriņi, atdeve, konversijas pa kampaņām
- Sociālo mediju kanāli — sasniedzamība, iesaiste, sekotāju dinamika
- Mājas lapas analītika — apmeklējumi, bounce rate, sesiju ilgums, trafika avoti
- E-pasta mārketings — atvēršana, klikšķi, atrakstīšanās, engagement tendences
- Iekšējie uzņēmuma dati — darījumu apgrozījums, sezonalitāte, prognozes
Tradicionāli katrs API savienojums aizņem 3–5 darba dienas. Seši savienojumi — 4–6 nedēļas tikai integrācijām. Mēs to izdarījām dienā.
AI analītiķis: nevis grafiki, bet atbildes
Dashboardā iebūvēts AI analītiķis — nevis čatbots, bet pilnvērtīgs analītikas partneris ar piekļuvi visiem datiem.
Ko viņš dara:
Uzdod jautājumu dabiskā valodā — “Kā mums gāja šonedēļ?” — un saņem datu balstītu atbildi. Nevis “pārdošana bija €X” bet “pārdošana pieauga par 12% salīdzinot ar iepriekšējo nedēļu, galvenokārt pateicoties kampaņai Y, bet e-pasta konversija kritusies — ieteikums: pārskatīt Subject lines.”
Automātiska anomāliju identificēšana. Ja kādā kanālā izmaksas strauji pieaug vai konversija krītas — sistēma pati informē, nevis gaida, kad kāds pamanīs.
Gudri jautājumi. AI ne tikai atbild — pats piedāvā jautājumus, kurus vērts uzdot. “Vai esi pamanījis, ka ceturtdienas e-pasti uzrāda 40% augstāku atvēršanu nekā pirmdienas?”
Karpathy autoresearch: AI, kas pats optimizē
Otra sistēmas daļa ir inspirēta no Andreja Karpathy autoresearch koncepta — automātiska iteratīvā optimizācija.
Karpathy to izmantoja mašīnmācīšanās eksperimentu automatizācijai. Mēs pārnēsām to uz biznesa kontekstu:
Cikls:
- Modify — AI ģenerē jaunu variāciju (e-pasta subjekts, meta apraksts, follow-up ziņa, reklāmas teksts)
- Measure — sistēma mēra rezultātu caur integrētajiem datu avotiem (atvēršanas rādītājs, bounce rate, konversija, ROAS)
- Keep/Revert — ja uzlabojums statistiski nozīmīgs — saglabā. Ja nē — atgriežas pie iepriekšējās versijas
- Repeat — cikls turpinās automātiski
Galvenā atšķirība no ML eksperimentiem: mērījuma periods. GPU dod rezultātu 5 minūtēs. Reālā biznesa metrika prasa 7–14 dienas. Bet princips ir identisks — un tas strādā.
Atradums, kas mainīja budžeta lēmumus
Analizējot vēsturiskos pārdošanas datus, AI analītiķis identificēja ko neviens nebija pamanījis:
Viens no maksas kanāliem uzrādīja 79% neatsaucības rādītāju — salīdzinot ar 50% vidēji no pārējiem kanāliem.
Tas nozīmē, ka no katriem 10 klientiem, kas atnāca caur šo kanālu, tikai 2 vispār atbildēja. Pārējie 8 — budžets tukšumā.
Šis viens ieskats tūlītēji novirzīja budžeta lēmumus un sāka taupīt tūkstošus eiro mēnesī. Šis ieskats ievērojami ietekmēja budžeta sadali un efektivitāti.
Arhitektūra
Dashboard balstīts uz FastAPI + pandas backend:
- Pandas pipeline datu tīrīšanai, filtrēšanai un agregēšanai
- Departamentu filtri (pārdošana, mārketings, vadība)
- Datumu periodu atlase (nedēļa, mēnesis, kvartāls, gads)
- Real-time datu atjaunošana
AI chatbot izmanto Claude API ar pilnu datu kontekstu — tas nozīmē, ka katrs jautājums tiek atbildēts ar visu pieejamo informāciju, nevis tikai ar vienu datu avotu.
Ko mēs iemācījāmies
Pandas ir nenovērtēts biznesa analītikā. Datu tīrīšana, filtrēšana, agregēšana — viss vienā pipeline. Nav vajadzīga atsevišķa datu noliktava (data warehouse) lai sāktu gūt vērtību.
AI + dati > AI + teksts. AI chatbots, kas atbild no “zināšanām” ir viduvēji. AI chatbots ar piekļuvi reāliem datiem ir transformatīvi. Starpība ir milzīga.
Vadība vēlas atbildes, ne grafikus. Neviens neskatās grafikus priekam. Vadība grib zināt: “vai mums iet labi?” un “ko vajag mainīt?” AI analītiķis atbild tieši uz šiem jautājumiem.
Vai jūsu biznesa dati guļ pa dažādām sistēmām? Aprunāsimies — bezmaksas konsultācija par jūsu iespējām.