Управленческая и BI-аналитика для принятия решений
Помогаю разбираться в сложных данных и Excel-моделях, создавать проверяемую управленческую отчётность и применять ИИ в аналитике и рабочих процессах
Бережно отношусь к данным заказчика. Условия конфиденциальности и использования результатов определяем до начала работы.
Бережно отношусь к данным заказчика. Условия конфиденциальности и использования результатов определяем до начала работы.
Когда данных много, а ясности нет
Обычно работа начинается с одной из трёх ситуаций: отчёты противоречат друг другу, расчётную модель невозможно проверить или данные не отвечают на управленческий вопрос.
- Отчёты не складываются в общую картинуРазные источники, правила расчёта и версии данных мешают увидеть целостный результат.
- Модель работает, но её трудно проверитьФормулы, исключения и исторические правила делают расчёты непрозрачными и зависимыми от отдельных сотрудников.
- Непонятно, что именно анализироватьПоказатели и отчёты собираются по привычке, но неясно, какое решение они должны поддерживать.
От 78 тысяч формул — к проверяемой BI-модели
Расчётная Excel-модель ресурсоснабжающего предприятия: 18 листов, десятки тысяч формул и непрозрачные зависимости. Логика восстановлена, данные нормализованы, а контрольные сверки встроены в BI-модель.
18 листов • 78 344 формулы
Исходная Excel-модель с непрозрачными зависимостями.
120 M-запросов • 51 мера DAX
Расчётная логика и данные преобразованы в структурированную BI-модель.
84 из 84 сверок
Контрольные проверки подтвердили точность результатов.
Аналитика образовательного проекта: от PDF к Power BI
Ежемесячные отчёты показывают объём проведённых занятий, но не дают целостной картины образовательного процесса. Объединение данных в Power BI позволило анализировать пропуски, нагрузку и стоимость занятий, а также выявить ограничения исходного учёта.
18 месяцев
Разрозненные PDF-отчёты объединены в единую историю занятий.
36 849
Оплачиваемых занятий в проверяемой аналитической модели.
5,58%
Общая доля пропусков, за которой скрываются различия филиалов и предметов.
Аналитика НКО: пожертвования и поведение доноров
Сумма сборов показывает не все: важно понимать не только объём поступлений, но и поведение доноров - кто возвращается, как формируется регулярная поддержка и где теряется её устойчивость.
410 доноров
История транзакций преобразована в модель донорского поведения.
118 повторных · 29%
Почти каждый третий донор совершал пожертвования повторно.
10 регулярных
Небольшое ядро устойчивой поддержки, требующее отдельной работы и развития.
Неочевидные вопросы — проверяемые решения
Иногда аналитика начинается не с расчёта, а с проверки постановки задачи. Три проекта — три примера того, как проверка исходных предположений меняет очевидный ответ.
- ПроверитьСопоставление результата, вовлечённости и устойчивости 17 подразделений показало: одинаковые позиции могут скрывать совершенно разные модели участия.
- ИсследоватьКак спроектировать исследование чувствительной социальной проблемы, не подменяя гипотезу выводом, а статистическую связь — причинным объяснением.
- ПосчитатьПочему запас хода, время зарядки и масштаб парка необходимо проверить до расчёта экономического эффекта внедрения 200 электромобилей.
В аналитику я пришёл со стороны управления
Меня зовут Кожемякин Дмитрий.
Более 25 лет я работаю с управленческими задачами. Руководил производственными и образовательными организациями, отвечал за финансы, внутренний контроль и аналитические проекты. Кандидат экономических наук.
Поэтому для меня аналитика — не только расчёты и визуализация. Это способ понять экономику процесса, проверить логику и подготовить обоснованное управленческое решение.
Управление → экономика и контроль → аналитика → BI
Обсудить задачу Более 25 лет я работаю с управленческими задачами. Руководил производственными и образовательными организациями, отвечал за финансы, внутренний контроль и аналитические проекты. Кандидат экономических наук.
Поэтому для меня аналитика — не только расчёты и визуализация. Это способ понять экономику процесса, проверить логику и подготовить обоснованное управленческое решение.
Управление → экономика и контроль → аналитика → BI
По ту сторону технологий
О проверке аналитических моделей, управленческих решениях и использовании ИИ в аналитике. На собственных примерах показываю, почему убедительный результат ещё не означает правильного вывода.
Однажды в Power BI-модели часть логики незаметно осталась в старом Excel — пришлось «ловить» модель и объяснять ей, где она должна жить. А потом случай с AI-агентами OpenAI, которые вышли за пределы песочницы, показал: правильный результат ещё не доказывает правильность пути.
Агент на GPT-6 Astra за 7,5 минут самостоятельно проверил структуру сайта, ссылки, метаданные и контрастность — и истратил 80% дневного лимита на одну задачу. Вопрос уже не в том, что умеет модель, а в том, сколько вычислений продукт готов выделить на одну реальную задачу.
Контрольная сверка в Power Query показала не нули, а 9,09×10⁻¹¹ — это не ошибка в данных, а особенность арифметики с плавающей точкой. Разбор того, почему точное сравнение сумм может давать ложные расхождения и как выбрать подходящий порог допуска.
Как я могу помочь
Ниже — основные направления работ. Состав задачи, результат и стоимость уточняются после знакомства с исходными материалами.
Ситуация: данные и отчёты хранятся в Excel, 1С, CRM и других системах; для управленческих решений нужна единая, регулярно обновляемая и проверяемая картина.
Работа: разбор существующей модели и правил расчёта; приведение данных к единой структуре; построение отчётов и контрольных сверок.
Результат: обновляемая BI-модель с проверяемыми показателями.
Стоимость: от 40 000 ₽. Итоговая стоимость определяется после знакомства с исходными материалами и уточнения объёма работ.
Посмотреть Кейс
Работа: разбор существующей модели и правил расчёта; приведение данных к единой структуре; построение отчётов и контрольных сверок.
Результат: обновляемая BI-модель с проверяемыми показателями.
Стоимость: от 40 000 ₽. Итоговая стоимость определяется после знакомства с исходными материалами и уточнения объёма работ.
Посмотреть Кейс
Ситуация: в организации есть задачи по анализу данных, обработке документов, поиску информации и подготовке материалов, которые занимают много времени и требуют повторяющихся операций.
Работа: анализ процесса, определение задач для ИИ, подбор инструментов, разработка последовательности действий и правил проверки результатов. Практическое применение ИИ для аналитики данных и автоматизации отдельных операций.
Результат: проверенный на конкретной задаче рабочий процесс с понятным распределением функций между человеком и ИИ, контрольными точками и описанием ограничений.
Стоимость: от 25 000 ₽. Итоговая стоимость зависит от сложности процесса, количества операций и объёма тестирования.
Посмотреть пример сложного аналитического проекта.
Работа: анализ процесса, определение задач для ИИ, подбор инструментов, разработка последовательности действий и правил проверки результатов. Практическое применение ИИ для аналитики данных и автоматизации отдельных операций.
Результат: проверенный на конкретной задаче рабочий процесс с понятным распределением функций между человеком и ИИ, контрольными точками и описанием ограничений.
Стоимость: от 25 000 ₽. Итоговая стоимость зависит от сложности процесса, количества операций и объёма тестирования.
Посмотреть пример сложного аналитического проекта.
Ситуация: организация выбрала конкурс и ищет исполнителя, который соберёт заявку в соответствии с его требованиями.
Работа: изучение конкурсных условий и материалов организации; подготовка текста заявки, плана мероприятий, распределения ролей, бюджета и необходимых приложений.
Результат: комплект материалов, согласованный с организацией и готовый к подаче.
Стоимость: от 25 000 ₽. Зависит от требований конкурса, объёма заявки и готовности исходных материалов.
Посмотреть Пример проектирования исследования
Работа: изучение конкурсных условий и материалов организации; подготовка текста заявки, плана мероприятий, распределения ролей, бюджета и необходимых приложений.
Результат: комплект материалов, согласованный с организацией и готовый к подаче.
Стоимость: от 25 000 ₽. Зависит от требований конкурса, объёма заявки и готовности исходных материалов.
Посмотреть Пример проектирования исследования
Ситуация: есть выгрузки из статистики сайта, CRM, 1С или других систем, но непонятно, что они говорят о работе организации и на какие вопросы могут ответить.
Работа: проверка и сопоставление данных; расчёт показателей; анализ выбранного вопроса и интерпретация результатов.
Результат: аналитическая записка с выводами, ограничениями данных и предложениями для дальнейших решений.
Стоимость: от 15 000 ₽. Зависит от количества источников, качества данных и глубины анализа.
Посмотреть Кейс аналитики пожертвований
Работа: проверка и сопоставление данных; расчёт показателей; анализ выбранного вопроса и интерпретация результатов.
Результат: аналитическая записка с выводами, ограничениями данных и предложениями для дальнейших решений.
Стоимость: от 15 000 ₽. Зависит от количества источников, качества данных и глубины анализа.
Посмотреть Кейс аналитики пожертвований
Ситуация: ваш запрос связан с данными, отчётностью или проектной работой, но не подходит под описанные выше услуги.
Работа: обсуждение задачи и исходных материалов; определение возможного формата, результата и границ работы.
Результат: предложение по составу работ — либо честный ответ, если задача не в моей специализации.
Стоимость: от 10 000 ₽. Точная оценка — после обсуждения задачи и ожидаемого результата.
Обсудить задачу
Связаться
Если у вас есть данные, расчётная модель или управленческий вопрос, который не складывается в ясную картину, напишите. Обсудим задачу и определим, с чего разумно начать.
Для первого обсуждения достаточно описать задачу без передачи конфиденциальных данных. Состав необходимых материалов и условия работы с ними согласуем отдельно.
Для первого обсуждения достаточно описать задачу без передачи конфиденциальных данных. Состав необходимых материалов и условия работы с ними согласуем отдельно.
dp.kozhemyakin@mail.ru
Отправляя сообщение, вы принимаете Согласие на обработку персональных данных и подтверждаете, что ознакомились с Политикой обработки персональных данных
Волны не гасят ветер
Дмитрий Кожемякин · Управленческая и BI-аналитика
© 2026
Дмитрий Кожемякин · Управленческая и BI-аналитика
© 2026