Уголок аналитика

Пятница.
Саша приходит к заказчику.

Заказчик:
— Нам нужна простая система. Как у Apple.

Саша:
— Хорошо. Какие функции?

Заказчик:
— Ну, чтобы всё было. Но просто.

Саша:
— Можете привести пример?

Заказчик:
— Ну, вот у меня есть блокнот. Там я записываю задачи. Хочу, чтобы система делала так же. Но с отчётами.

Саша:
— Отчёты — это хорошо. А какие задачи вы записываете?

Заказчик:
— Разные. Иногда — купить хлеб. Иногда — построить завод.

Саша:
— А какая между ними разница?

Заказчик:
— Ну, хлеб — это быстро. А завод — это долго.

Саша:
— А если завод задерживается, а хлеб — нет?

Заказчик:
— Тогда хлеб уже куплен, а завод — нет.

Саша (записывает):
— Понял. Значит, система должна знать, что хлеб — это быстро, а завод — это долго.

Заказчик:
— Да! И ещё чтобы показывала, когда хлеб закончился.

Саша:
— Хорошо. А если хлеб закончился, но завод ещё не построен?

Заказчик:
— Тогда надо купить хлеб.

Саша:
— А если завод построен, но хлеб ещё не куплен?

Заказчик:
— Тогда надо купить хлеб.

Саша:
— Понял. Хлеб — это ключевой элемент системы.

Через месяц.

Саша приносит прототип. На экране — огромная кнопка «КУПИТЬ ХЛЕБ». И маленькая строчка внизу: «Завод — в разработке».

Заказчик смотрит. Долго.

Потом говорит:
— А почему завод в разработке?

Саша:
— Потому что хлеб — это быстро. А завод — это долго.

Заказчик:
— Логично.

Пауза.

Заказчик:
— А когда завод будет готов?

Саша:
— Когда купите хлеб.

Заказчик:
— А если я уже купил?

Саша:
— Тогда завод появится.

Заказчик:
— А если не появится?

Саша:
— Тогда надо купить хлеб.

Заказчик:
— Понял. Хлеб — это ключевой элемент системы.

#системныйанализ #юмор #пятница #аналитик #заказчик

💼 Ставка 14%: не тормоз, а фильтр

Ключевая ставка 14% — режим жёсткой проверки реальности. Деньги дорогие, рынок не прощает неэффективность. Для владельца бизнеса это значит: нельзя расти «в долг на перспективу». Для аналитика — старые метрики вроде GMV больше не работают.

📊 Метрики, которые решают

LTV/CAC с запасом прочности. Если клиент окупается за 18 месяцев, а стоимость денег — 18% годовых, вы работаете в минус уже сегодня. Цель — не абстрактное «больше трёх», а срок окупаемости, перекрывающий стоимость капитала.

Пример: привлечение 3000 ₽, маржинальная прибыль 500 ₽/мес → окупаемость 6 месяцев. При ставке 14% это нормально. Если 200 ₽/мес → 15 месяцев: рискованно.

Burn Rate и Runway. Сколько тратите в месяц и на сколько хватит денег при таком расходе. Не про оптимизм, а про холодную арифметику.

Unit-экономика по когортам. Не усредняйте. Когорта из «агрессивного» канала может быть убыточной с первого дня — это нужно видеть отдельно.

💧 Ликвидность как главный KPI

Ограничение системы — не мощности, а свободные деньги.

Цикл конвертации денежных средств (CCC):
CCC = Срок оборота запасов + Срок оборота дебиторки − Срок оборота кредиторки

Чем меньше CCC (в идеале — отрицательный), тем быстрее деньги возвращаются.

Что делать: JIT для запасов, автоматизация инвойсинга и дебиторки, факторинг, чёткие условия оплаты в договорах.

Кэш-ориентированное планирование. Бюджетируйте не от P&L, а от Cash Flow. Прибыль на бумаге не платит зарплаты.

🎯 Сценарное планирование: не «три прогноза», а «триггеры»

Три сценария — база. Ценность системного подхода — заранее прописать, при каких условиях переключаетесь между ними.

Пример триггера: «Если выручка падает на 15% два месяца подряд — запускаем протокол: сокращение маркетинга на 40%, заморозка наймов, кроме критических ролей». Решение принимается заранее, холодной головой.

💰 Долг: из инструмента роста — в точечный инструмент

Кредит больше не про «развитие компании», а про конкретный проект с понятным денежным потоком. Расчёт должен показывать, что доходность проекта с запасом перекрывает стоимость денег.

Господдержка и льготные программы — не бонус, а обязательный элемент стратегии.

👥 Для разных ролей

Владельцу: фокус на устойчивости и предсказуемом Cash Flow. Подписки, сервисные контракты, предоплата.

Системному аналитику: карта потоков, узкие места, приоритизация улучшений, сценарные модели с триггерами.

Трейдерам: хеджирование, контроль открытого интереса, жёсткий риск-менеджмент.

✅ Чек-лист на 2 недели

1. Выпишите 3–5 метрик устойчивости (LTV/CAC, Burn Rate, Runway, CCC) — назначьте ответственного за еженедельное обновление.
2. Посчитайте CCC. Если большой — выделите 2–3 рычага для сокращения.
3. Пропишите 3 сценария и по 1–2 триггера к каждому.
4. Соберите список программ господдержки. Для каждой — шаблон заявки на 1 страницу.
5. Переведите бюджетирование на Cash Flow.

Ставка 14% отсеивает неэффективные модели и оставляет те, где внутренняя эффективность и точный расчёт создают ценность.

А какой из этих рычагов у вас уже внедрён, а какой — самый сложный? Поделитесь в комментариях 👇

#системныйанализ #бизнес #финансы #метрики #ключеваяставка

📊 Семейные микропредприятия: системный разбор новости

Госдума приняла в первом чтении законопроект, который даёт семейным микропредприятиям (до 15 сотрудников, до 120 млн руб. выручки в год) возможность получать статус социального предприятия. Условие: ≥ 50% работников — члены одной семьи, один из них — руководитель.

Это не «ещё одна льгота», а изменение правил игры. Разберём, что именно меняется.

🔹 Новые граничные условия

Появляются формальные критерии входа. Критерий — это признак, на основании которого производится оценка или классификация . Здесь критериев четыре: численность, выручка, доля родственников, роль руководителя.

Для системы это означает: появляется фильтр. Раньше статус социального предприятия был доступен по другим основаниям. Теперь добавляется новый маршрут — но с чёткими границами. Система становится более сегментированной.

🔹 Новый триггер: ежегодное подтверждение

Это точка контроля в жизненном цикле статуса. С точки зрения системного анализа — периодический процесс, который нужно заложить в контур управления.

Если триггер пропущен — статус теряется. Значит, появляется зависимость от времени, которой раньше не было. Система становится более чувствительной к сбоям в администрировании.

🔹 Новый риск: взаимозависимость

Семейное предприятие по определению состоит из родственников. А родственники — это взаимозависимые лица по ст. 105.1 НК РФ . Их сделки находятся под особым контролем.

Для системы это означает: внутренние связи становятся видимыми для внешнего регулятора. То, что раньше было «семейным делом», теперь формализуется и проверяется. Появляется риск не только потери статуса, но и налоговых претензий.

🔹 Что это значит для системы в целом

Законопроект добавляет измерения в систему поддержки МСП:

— Входной фильтр (критерии статуса).
— Периодический контроль (ежегодное подтверждение).
— Новый класс рисков (взаимозависимость).
— Новый сегмент (семейные микропредприятия как отдельная категория).

Система не просто «даёт льготу». Она меняет структуру связей между бизнесом, государством и налоговым контролем.

🔹 Где узкое место

Для микропредприятия до 15 человек аналитиков часто нет. Данных в системах мало. Собственник держит всё в голове.

Значит, сложность новой системы ложится на него. Ежегодное подтверждение, проверка родственных связей, контроль доли в штате — это административная нагрузка, которая для маленького бизнеса может оказаться барьером.

Это классическая ловушка: система создаёт стимул (льготу), но добавляет сложность (подтверждение и контроль). Если сложность превышает выгоду — система не работает.

💬
Какие ещё системные эффекты вы видите в этом законопроекте? Какие метрики или процессы вы бы заложили в модель для мониторинга? Поделитесь в комментариях — разберём самые интересные кейсы в следующем посте.

#СистемныйАнализ #БизнесАнализ #МСП #Господдержка

🏭 Производство без системной аналитики: 7 ошибок, которые дорого стоят

Когда решения принимаются «на слух», а данные живут в разных таблицах, бизнес теряет деньги — тихо и системно. Вот ключевые ошибки и как их закрывают аналитикой и ML.

1. Планирование по громкости клиента

Заказы ставят в работу по тому, кто громче кричит, а не по марже и загрузке узких мест. Итог — срывы сроков и недозагрузка прибыльных позиций.

Решение: формализовать пропускную способность, ввести приоритизацию по марже на час узкого места. ML кластеризует заказы по типу обработки — похожие группируются, переналадок меньше.

2. Слепота к OEE и потерям времени

Считают только выработку, игнорируя простои и брак. «Хорошие цифры» скрывают низкую реальную эффективность.

Решение: расчёт OEE (доступность × производительность × качество) и категоризация простоев. ML-классификация выделяет повторяющиеся причины — материал, инструмент, поломка — и подсвечивает системные узкие места.

3. Неверная себестоимость и убыточные продукты

Упрощённая калькуляция не учитывает переналадки, энергию, амортизацию. В итоге выпускают позиции, которые на деле убыточны.

Решение: ABC-калькуляция по видам деятельности, фиксация драйверов затрат. ML классифицирует продукты по рентабельности и находит скрытые факторы — частые переналадки, высокий процент брака.

4. Запасы «чтобы хватило»

Держат большие остатки «на всякий случай», замораживая оборотные средства, и при этом регулярно сталкиваются с дефицитом по критичным позициям.

Решение: ABC/XYZ-анализ и интервальные прогнозы спроса. Целевой страховой запас и уровень сервиса — без избыточных запасов.

5. Контроль качества «по факту»

Брак выявляют на финальной приёмке, хотя отклонения можно было заметить раньше по данным датчиков.

Решение: контрольные точки, SPC (статистический контроль процессов) и FMEA (анализ рисков). ML-классификатор по температуре, давлению и вибрации заранее помечает подозрительные партии.

6. Реактивный ремонт вместо управления надёжностью

Оборудование чинят, когда уже сломалось, — внезапные простои бьют по срокам.

Решение: журнал отказов, RCA (анализ первопричин), планово-предупредительные работы. Предиктивные модели по вибрации и температуре предсказывают отказ за несколько дней.

7. Рассинхронизация продаж и производства

Продажи обещают сроки без учёта реальных ограничений мощностей — штрафы и потеря доверия.

Решение: ATP/CTP (доступные и выполнимые обещания) и формализованные правила: «при текущей загрузке минимальный срок для заказа X — Y дней».

💡 Что общего у всех решений: сценарное моделирование, интервальные прогнозы и прозрачные правила принятия решений. Не «магия ML», а данные, которые превращаются в управляемые правила.

#производство #системныйанализ #ML #OEE #бизнесанализ

🤖 ИИ и ML в системном анализе: не надстройка, а рабочий инструмент

Речь не про «модные алгоритмы», а про то, как они встраиваются в реальные задачи аналитика. Три подхода, которые дают конкретный результат.

🔹 Кластеризация: найти группы там, где их не видно

Суть: не говорим алгоритму, где какая группа. Даём признаки и просим: «Найди, кто на кого похож». Это обучение без учителя.

Зачем аналитику: разбить объекты на типовые профили и работать с каждым отдельно. Поставщики — не «все подряд», а «надёжные быстрые», «дешёвые с риском задержек», «крупные с жёсткими условиями».

Алгоритмы:
— K-Means — быстро, просто, но нужно заранее задать число кластеров.
— DBSCAN — не требует k, ищет плотные области и выделяет выбросы.
— Иерархическая — строит дерево объединений, удобно для интерпретации.

Пример: кластеризация маршрутов поставок по времени, стоимости, надёжности и рискам. Выделяем типовые коридоры — под каждый свой уровень страхового запаса.

Интерпретация: аналитик смотрит средние значения по кластерам и даёт им смысловые названия. Машина нашла группы — человек их осмыслил.

🔹 Классификация: отнести объект к известному классу

Суть: есть понятные категории, и мы хотим для нового объекта сказать: «это класс А». Обучение с учителем — нужны размеченные данные.

Зачем аналитику: автоматизировать типовые решения, снизить субъективность, ускорить реакцию.

Методы: деревья решений и ансамбли (Random Forest, XGBoost, LightGBM), логистическая регрессия (для «да/нет»), SVM, k-NN.

Пример: мониторинг ИТ-систем — классифицируем события как «норма», «предупреждение», «критическая ошибка». Снижает шум, ускоряет реакцию.

Важно: классификация не «знает смысла» — она находит статистические закономерности. Аналитик проверяет, не попали ли в «аномалию» важные исключения.

🔹 Ассоциативные правила: найти «кто с кем ходит»

Суть: найти частые комбинации событий или товаров. Форма правила: «если A, то часто B».

Зачем аналитику: выявить скрытые зависимости, которые не видны из регламентов.

Алгоритмы: Apriori (классика), FP-Growth (эффективнее на больших данных).

Метрики:
— Поддержка — как часто встречается комбинация.
— Достоверность — если A, какова вероятность B.
— Лифт — насколько A и B связаны сильнее, чем случайно. Lift > 1 — связь есть.

Пример: в логистике выявляем частые сочетания: «маршрут A + погода B + задержка C». Заранее готовим резервы и альтернативные планы.

🔹 Как это работает вместе

Пример с цепочками поставок:
— Кластеризация выделяет типовые группы поставщиков и маршрутов.
— Классификация предсказывает для нового заказа вероятность задержки.
— Ассоциативные правила показывают частые комбинации: «если поставщик из кластера X и погода Y, то часто задержка Z».

В итоге система становится не «чёрным ящиком», а прозрачным набором правил: аналитик видит, почему модель приняла решение, и может его скорректировать.

💡 Итог: ИИ и ML — это не замена аналитика, а усиление. Машина находит закономерности, человек их осмысливает и превращает в правила.

#ИИ #ML #системныйанализ #бизнесанализ #данные

📦 Как Россия перестраивает цепочки поставок: новые маршруты и реальные шаги

Переориентация на Азию ускоряется.

🇨🇳 Китай: доля растёт

Доля Китая в российском импорте выросла до 42%. Почти 90% всего прироста импорта за январь–июль 2026 года обеспечил именно Китай: из общего прироста в $18,7 млрд на китайские поставки пришлось $16,6 млрд. Китайская таможня подтверждает: поставки в Россию за восемь месяцев выросли на 30,7%.

🚂 МТК «Север–Юг»: цифры

За январь–сентябрь 2026 года по железнодорожным маршрутам коридора перевезли 8,9 млн тонн (+9,6% к аналогичному периоду прошлого года). В сентябре поток составил 1,1 млн тонн (+32,2% год к году). Транскаспийский маршрут вырос на 19,3%, Западный — на 9,2%.

🧊 Северный морской путь: рекорд

За 9 месяцев 2026 года по СМП перевезено 31,7 млн тонн (+18% к аналогичному периоду прошлого года, когда было 26,9 млн тонн). Прогноз «Росатома» на год — не менее 40 млн тонн. В 2025 году было 37 млн тонн. Рост обеспечен в том числе проектом «Арктик СПГ 2» и увеличением сквозных рейсов.

📦 Параллельный импорт: снижение

Минпромторг прогнозирует объём параллельного импорта по итогам 2026 года на уровне **$20,5 млрд** — на **11,3% меньше**, чем в 2025 году ($23,1 млрд). За 8 месяцев 2026 года — около $13,8 млрд. Глава Минпромторга Алиханов объясняет снижение естественной тенденцией: развиваются собственные производства, продукцию недружественных стран замещают аналогами из дружественных.

💱 Расчёты в нацвалютах

В июне 2026 года на рубль и валюты дружественных стран приходилось 90,5% расчётов за экспорт и 87,7% за импорт. Доля рубля — 69,7% в экспорте и 56,7% в импорте.

💡 Что это значит для бизнеса

Переориентация на Азию ускоряется, инфраструктурные проекты набирают обороты, параллельный импорт постепенно теряет роль по мере развития собственных производств. Для бизнеса это по-прежнему означает: сценарное планирование, диверсификация поставщиков, локализация ключевых компетенций и стресс-тесты цепочек поставок.

А как вы видите эти перемены — как проблему или как новые возможности? 👇

#логистика #импорт #экономикаРоссии #цепочкипоставок #бизнес