FESCOЛогистика
Гостевой практикум AI DAYSAI в аналитике, Excel и рабочих документах
Как аналитики FESCO разбирали AI на собственных таблицах, а не на учебных примерах
Программа для команды транспортной группы вокруг аналитики, Excel, Google Docs и обработки отраслевых данных.
ФорматГостевой практикум AI DAYS
АудиторияАналитики транспортной группы
Продолжительность1 эфир
О компании
FESCO — транспортная группа с большим количеством операционных и клиентских данных. Для внутреннего AI DAYS команде был нужен не обзор сервисов, а рабочая демонстрация на материале, узнаваемом аналитиками.
Заказчик передал обезличенные таблицы: 530 клиентских обращений и массив с тысячами строк по перевозчикам. Это позволило говорить на языке реальных ограничений — грязных названий, пропусков, разного формата полей и неоднозначных категорий.
Задача
Показать, где генеративный AI дополняет Excel и классическую аналитику: помогает быстро понять массив, сформулировать гипотезу и подготовить код или формулу.
При этом важно было не создавать впечатление «волшебной кнопки»: каждый результат требовал проверки человеком и понимания исходных данных.
Главным учебным материалом стали не слайды, а две таблицы, с которыми команда уже сталкивалась в работе.
Решение
Собрали сценарии вокруг данных клиента
Разобрали классификацию обращений, нормализацию названий, поиск аномалий, прогнозирование и расчёт клиентских показателей.
Работали в прямом эфире
Промпты, промежуточные ответы и ошибки были видны участникам. Это помогло показать логику итераций, а не только аккуратный финальный экран.
Связали AI с привычным стеком
Показывали, когда достаточно формулы или сводной таблицы, а когда модель полезна для текста, категоризации или генерации кода.
Результат
530 строкклиентских обращений в live-demo
1 эфирвнутренний AI DAYS
0 слайдовGoogle Doc и live-demo
Участники увидели несколько способов разбирать собственные данные и получили воспроизводимую последовательность: проверить структуру, сформулировать задачу, получить черновой анализ и валидировать его.
Программа стала прикладным гостевым модулем AI DAYS, а не общей лекцией о возможностях нейросетей.
Ограничения
Live-demo на реальных таблицах не гарантирует красивого ответа с первой попытки, поэтому сценарий требовал резервных веток.
Обезличивание не должно было разрушить структуру данных, необходимую для содержательного разбора.
Выводы
Один настоящий датасет обучает лучше десяти абстрактных примеров.
Для аналитиков полезно явно разделять генерацию гипотезы и проверку расчёта.
Разберём задачу и соберём программу под ваш процесс
Без универсальной программы «для всех»: сначала аудитория, процессы и ограничения, затем формат обучения.
Обсудить задачу
