Как из 80 000 проводок собрали управленческий пульт для девелопера

Клиент: крупная девелоперская компания с несколькими проектами.

Исходные данные: 1С, таблицы, около 80 000 проводок за восемь лет.

Задача: получать актуальную картину по деньгам и проектам без ручной сборки отчётов.

Решение: AI-инструменты + управленческий пульт + AI-помощник для первичной оценки смет.

Результат: 80 000 проводок обработано; касса сошлась с фактом до рубля; состояние проектов доступно практически в реальном времени; расчёт сметы ускорен с 30 минут до нескольких минут.

Точность: расхождение AI-расчёта сметы с расчётом эксперта - 14%, что укладывается в допуск первичной оценки

В компании несколько проектов одновременно, учёт ведётся в 1С и таблицах. Отдельной системы управленческого учёта нет. В какой-то момент собственнику понадобился достаточно простой показатель: понять, что происходит с деньгами по каждому проекту здесь и сейчас.

На практике быстро получить такой ответ не получалось - сначала нужно было запросить данные у бухгалтерии, дождаться выгрузки, привести её к нужному виду, свести информацию в таблицу и проверить расчёты. На это уходил примерно день и несколько звонков. За это время цифры уже могли измениться.

Для бизнеса с несколькими стройками это создавало вполне конкретную проблему: управленческое решение приходилось принимать по информации, которая отражала ситуацию с некоторым опозданием. Если проект начинал уходить от плановых показателей, это становилось заметно не сразу.

За восемь лет в учете накопилось около 80 000 проводок. Кажется, на первый взгляд, что это просто большой массив бухгалтерской информации. Но в нем уже содержалось практически все необходимое для управленческого анализа: движения денег, расходы, поступления, информация по проектам.

Решили не начинать с внедрения новой большой системы - вначале посмотрели, что можно сделать с тем, что уже есть. Использовали AI-инструменты для обработки и структурирования массива данных. Проводки нужно было классифицировать, связать с проектами и привести к единой логике, по которой потом можно было считать управленческие показатели.

На финальном этапе из этого собрали управленческий пульт.

Собственник получил возможность открыть пульт с телефона и увидеть состояние проектов без отдельного запроса в бухгалтерию.

По каждому проекту отображаются основные показатели:

• приход,
• расход,
• маржа,
• текущее состояние проекта.

Для проблемных показателей используется цветовая индикация - не нужно каждый раз просматривать таблицу и искать отклонения вручную. Отдельно проверили, насколько данные пульта соответствуют фактическим движениям денег.

Касса сошлась до рубля.

Это было принципиально важно. Если управленческий инструмент показывает удобные графики, но его цифрам нельзя доверять, для собственника от него мало пользы.

В данном случае исходный учёт удалось сохранить, а поверх него сделать дополнительный слой для оперативного управления.

В процессе выяснилось, что похожая проблема есть и в другом месте - в первичной оценке смет. Раньше специалист тратил на такой расчёт около получаса. Опять же, полчаса - вроде бы немного. Но когда таких расчётов много, время быстро набегает.

Для этого сделали отдельного AI-помощника, который выполняет первичный расчет за несколько минут. Затем результат можно передать специалисту для более подробной проверки.

При сравнении с ручным расчетом эксперта расхождение составило 14%.

Для рабочего бюджета или окончательного решения этого недостаточно. Но здесь такая точность и не была целью. Задача инструмента - быстро оценить порядок цифр и понять, имеет ли смысл тратить время эксперта на детальный расчёт.

Если предварительная экономика объекта уже выглядит слабой, это можно определить на первом этапе.

В результате поменялся не сам бухгалтерский учет, а работа с его данными.

Ранее для получения управленческой картины требовалась ручная сборка. После внедрения данные проходят обработку автоматически и выводятся в формате, которым можно пользоваться в ежедневной работе.

Особенно заметно это в ситуациях, когда показатели проекта начинают меняться. Раньше отклонение могло обнаружиться через несколько недель - после очередной подготовки отчёта. А теперь руководитель видит его значительно раньше и может задать вопрос команде, пока ситуация еще поддается корректировке.

Экономический эффект проявляется именно здесь.

Предположим, проект начал терять маржу из-за роста затрат или изменения темпов продаж. Если узнать об этом через месяц, за это время компания продолжит работать по прежней схеме. При текущей стоимости финансирования такая задержка сама по себе становится дорогой.

Поэтому в этом кейсе экономия на подготовке отчётов - только часть результата. Гораздо важнее, что между появлением проблемы и её обнаружением стало меньше времени.

У компании уже были 1С, таблицы и накопленная история операций. Полностью менять этот контур ради управленческого пульта было бы избыточно. Вместо этого использовали существующие данные и добавили над ними необходимую аналитику и автоматизацию.

AI оказался полезен именно на этом участке - там, где раньше требовалось много ручной работы с большими массивами информации. В итоге за основу управленческого инструмента взяли 80 000 проводок за восемь лет, а не начали собирать новую историю с нуля.

Для руководителя результат выглядит довольно просто: открыл пульт - увидел состояние проектов - понял, где нужно разобраться.

За этой простотой осталась большая работа с исходными данными, но теперь её не приходится повторять вручную каждый раз, когда возникает вопрос о текущем состоянии бизнеса.