# Кейс: ИИ для отчетности в образовании, ×10 к скорости > Кейс ИИ для управленческой отчетности: автосборка отчетов, дашборды, комментарии к динамике, источники LMS, CRM и 1С. Подготовка ускорилась в десять раз. - Источник: https://lokai.ru/keysy/obrazovanie-otchetnost-i-dashbordy/ - Организация: Local AI — Внедрение ИИ в закрытом контуре - Обновлено: 2026-08-07 - Раздел: Главная → Кейсы → Отчетность и дашборды --- Подготовка управленческой отчетности стала в десять раз быстрее. Образовательная организация собрала слой аналитики поверх учебных и операционных данных: регулярные отчеты формируются сами, дашборды по ключевым метрикам обновляются каждую ночь, а ИИ добавляет короткий комментарий к динамике показателей. Сверка первичных данных при этом осталась ручной — источники расходились между собой. - **×10** — быстрее подготовка регулярного управленческого пакета - **3** — источника сведены в одну витрину: LMS, CRM и 1С - **100%** — расчетов выполняется внутри контура организации - **0** — запросов во внешние публичные сервисы ## Задача: как собирали управленческую отчетность до внедрения Отчетность собиралась вручную из трех систем. Учебные данные жили в LMS, работа с абитуриентами и слушателями — в CRM, финансы и кадры — в 1С. Раз в месяц несколько сотрудников выгружали таблицы, сводили их в общий файл и приводили к единому виду названия программ, подразделений и периодов. На сборку регулярного пакета уходили дни, причем большая часть времени приходилась не на анализ, а на механику: выгрузить, состыковать, пересчитать, перепроверить итоги. К моменту, когда пакет попадал к руководству, часть цифр уже теряла актуальность, и вопросы задавали по устаревшей картине. Хуже была вторая проблема. Один и тот же показатель в сводке подразделения и в пакете для руководства мог отличаться, потому что считался по разным правилам и на разную дату. Спор о том, чья цифра верна, регулярно съедал совещание целиком и заканчивался поручением пересчитать. ## Что построили: слой аналитики и автосборка отчетов Логика простая: показатель считается один раз по описанному правилу, а всё остальное — отчеты, дашборды, выгрузки — берет цифру из одного места. ### Витрина данных над источниками Слой поверх LMS, CRM и 1С с единым справочником программ, подразделений и периодов. Правило расчета каждого показателя описано и версионировано, поэтому пересчет задним числом воспроизводится точно. ### Автосборка регулярных отчетов Месячный и квартальный пакеты формируются по расписанию: те же разделы, те же разрезы, тот же формат. Сотрудник получает готовый документ и проверяет его, а не собирает с нуля каждый период. ### Дашборды по ключевым метрикам Движение контингента, нагрузка, выполнение плана приема, финансовые показатели. Любая плитка раскрывается до строки источника, поэтому вопрос «откуда взялась эта цифра» закрывается за два клика, а не за неделю переписки. ### Комментарии ИИ к динамике К каждому разделу добавляется короткий разбор: что изменилось относительно прошлого периода и какие факторы это объясняют по данным витрины. Текст помечен как черновик и требует подтверждения ответственного. ### Выгрузки под запрос руководства Разовый вопрос вида «покажи разбивку по направлениям за три года» превращается в выгрузку без участия аналитика. Запрос формулируется словами, результат приходит таблицей и графиком с указанием даты данных. ### Расписание загрузок и версии LMS, CRM и 1С забираются по расписанию, каждая загрузка версионируется. Видно, на какой момент актуальны данные, и можно воспроизвести любой отчет ровно в том виде, в каком его видели на совещании. ## Стек и где развернут слой аналитики В витрину попадают персональные и финансовые данные, поэтому вопрос размещения решался до выбора инструментов. Контур закрытый, внешние вызовы отключены. *Состав контура в кейсе управленческой отчетности образовательной организации* | Слой | Чем закрыт | Где работает | |---|---|---| | Хранилище | Витрина данных с версионированием загрузок | Сервер организации | | Модели | Открытые модели Qwen и T-lite для текстовых пояснений | GPU-сервер организации | | Запрос словами | Перевод формулировки в запрос к витрине с проверкой правил | Контур организации | | Источники | LMS, CRM, 1С — выгрузки по расписанию | Существующие инсталляции | | Отчеты | Сборка по шаблонам организации, экспорт в офисные форматы | Контур организации | | Дашборды | Панели с детализацией до строки источника | Контур организации | ## Результат ×10: как считали скорость подготовки Метрика — время подготовки регулярного управленческого пакета от команды «собираем» до версии, которую руководство принимает как готовую. В замер входят выгрузки, сведение, пересчет, оформление и цикл правок. Базу «до» восстановили по календарю задач, журналу поручений и переписке за три предыдущих периода, а не по устным оценкам участников. Замер «после» брали по трем периодам работы в продуктиве. Пакет собирается по расписанию, человек тратит время только на проверку и комментарии. Разница дала десятикратное сокращение. Оговорка существенная: ускорение относится к регулярным отчетам с фиксированной структурой, разовые аналитические задачи так не масштабируются. Побочный эффект оказался не менее полезным, чем скорость. Спор о том, чья цифра верна, прекратился: показатель считается один раз по описанному правилу, а любая плитка раскрывается до строки источника. Соседний проект в той же отрасли — [автоматизация внутренних обращений](https://lokai.ru/keysy/obrazovanie-avtomatizaciya-obrashcheniy/). ## Ограничения: что осталось ручным и почему Главное ограничение проекта — качество исходных данных. Автоматизация ускоряет сборку, но не превращает противоречивые записи в достоверные. - **Сверка первичных данных осталась ручной.** Источники расходились между собой: одна программа называлась по-разному в LMS и 1С, даты зачисления не совпадали. Витрина показывает расхождение, но выбор верной записи делает человек. - **Витрина не исправляет ошибки в источниках.** Неверная запись в учетной системе попадет в отчет с пометкой. Чинить нужно там, где данные вводятся, иначе расхождение вернется в следующем периоде. - **Комментарий ИИ — черновик, а не вывод.** Текст к динамике проходит проверку ответственного за отчет и только после этого попадает в пакет для руководства. - **Прогнозы в объем работ не входили.** Система описывает произошедшее; предсказание набора и оттока требует более длинной истории и отдельной постановки задачи. - **Разовая глубокая аналитика ускоряется меньше.** Выигрыш ×10 относится к регулярным пакетам с фиксированной структурой, нестандартный вопрос по-прежнему требует работы аналитика. - **Внешняя отчетность собирается отдельно.** Формы для регулятора имеют собственные правила заполнения и сроки, в этот контур мы их не заводили. ## Частые вопросы по кейсу отчетности и дашбордов **Что именно входит в замер скорости подготовки отчетности?** Полный цикл, а не только генерация документа. Считаем от момента, когда дана команда собирать период, до момента, когда руководство принимает версию как готовую. Внутрь попадают выгрузки из трех систем, сведение справочников, пересчет показателей, оформление по шаблону и все круги правок, которые обычно и съедают время. Скорость работы модели в этом замере составляет доли процента. Именно поэтому сравнение честное: ускорился процесс целиком, а не отдельный шаг, который потом всё равно ждет человека. **Кто отвечает за правильность цифр в отчете?** Ответственный сотрудник организации, как и до внедрения. Система не подменяет собой ответственность: она гарантирует воспроизводимость расчета, а не его смысловую верность. Правило расчета каждого показателя описано и версионировано, поэтому всегда видно, по какой формуле и на какую дату получена цифра. Если правило неверно, ошибка воспроизведется точно и повторяемо — это лучше, чем случайные расхождения между файлами, потому что такую ошибку находят один раз и исправляют в одном месте. **Что делать, если источники противоречат друг другу?** Витрина не выбирает победителя. При расхождении запись помечается, попадает в отдельный список на сверку и показывается вместе с обоими значениями и их происхождением. Дальше решение принимает человек, и его выбор фиксируется как правило для будущих загрузок. Мы сознательно не стали автоматически предпочитать один источник другому: в учебных данных приоритет зависит от типа записи, и универсального правила не существует. Первые недели список расхождений большой, затем он сжимается по мере наведения порядка в источниках. **Зачем комментарии ИИ, если есть графики?** График показывает, что показатель изменился, но не подсказывает, куда смотреть дальше. Комментарий связывает динамику с разрезами витрины: в каком направлении подготовки просел набор, у какого подразделения выросла нагрузка, какой период дал основной вклад. Это экономит первый круг вопросов на совещании. При этом текст остается черновиком: он не утверждает причин за пределами данных и проходит проверку ответственного. Формулировки вроде предположений о мотивации людей в такой комментарий не попадают — только то, что видно в цифрах. **Что нужно на старте, чтобы собрать такой слой аналитики?** Три условия. Первое — доступ к источникам на чтение: LMS, CRM, 1С или их аналоги. Второе — согласованный перечень показателей с формулами; если его нет, мы помогаем описать, но утверждает организация. Третье — владелец справочников на вашей стороне, который решает спорные случаи по названиям программ и подразделений. Дальше стандартный порядок: бесплатная диагностика с картой процесса, пилот 2–4 недели на одном отчетном пакете, затем расширение. Смежные сценарии описаны на странице [внедрения ИИ в образовании](https://lokai.ru/vnedrenie-ii-v-obrazovanii/). --- Бесплатный аудит и расчёт окупаемости на ваших данных: https://lokai.ru/besplatnyy-audit-ii/ Почта: hello@lokai.ru · 123112, Москва, ММДЦ «Москва-Сити» · Пн–Пт, 09:00–19:00 МСК