Нейросеть для анализа данных: как разобрать таблицу с ИИ

Выгрузка продаж, реестр заказов, отчёт из 1С: вопросы к ним обычно простые («где просела маржа», «кто из клиентов перестал покупать»), а сводные таблицы и формулы отнимают час. В чате tenzor такую таблицу можно разобрать вопросами на обычном русском.

Прикрепите файл .xlsx или .csv к сообщению и задайте вопрос словами, называя колонки так, как они подписаны в файле. Модель не пересказывает таблицу, а считает по ней запросами, поэтому суммы, средние и группировки точные даже на десятках тысяч строк. В ответе будут цифры, при желании график, а исправленную таблицу или отчёт можно получить отдельным файлом.

Как загрузить Excel или CSV и задать вопрос к данным

1. Откройте новый чат и выберите модель над полем ввода.
2. Нажмите «+» и прикрепите файл. Можно перетащить его в поле или вставить через Ctrl+V.
3. Напишите вопрос и отправьте. Без текста файл не уйдёт, нужен хотя бы короткий запрос.

Подходят .xlsx, .xlsm, .xls и .csv размером до 20 МБ, один файл на сообщение. Книга с несколькими листами разбирается целиком: можно спросить «сравни лист «Январь» с листом «Февраль»». Файл остаётся подключённым ко всей беседе, так что в следующих сообщениях прикладывать его заново не нужно.

Первым вопросом полезно спросить «какие колонки ты видишь и сколько строк». Так вы сразу сверите, правильно ли прочиталась шапка, особенно если она в два-три яруса или над таблицей стоит заголовок отчёта.

Почему важно, что нейросеть считает, а не оценивает на глаз

Обычный чат-бот, которому вставили таблицу текстом, читает её как рассказ. На сотне строк он начинает округлять, пропускать и выдавать правдоподобные, но неверные суммы. Здесь устроено иначе. Модель получает схему файла: названия колонок, их типы, число строк и пару строк для примера. Потом она пишет запросы к данным, а расчёт выполняет движок запросов. Модели возвращается готовый результат, и уже по нему она делает выводы.

Что из этого следует на практике:

• сумма по колонке совпадёт с той, что посчитал бы Excel;
• размер файла почти не влияет на точность, пятьдесят тысяч строк считаются так же, как пятьсот;
• на один ответ модель может сделать до 12 запросов, поэтому сложный вопрос она раскладывает на шаги сама;
• числа в русском формате вида «1 234,56» распознаются как числа, а не как текст.

Слабое место остаётся в трактовке. Если в выгрузке рядом лежат итоговые и детальные строки (счёт и его субсчета, строка «Итого» внизу), сложить всё подряд значит получить завышенную сумму. Такие ловушки помечаются при разборе файла, и модель о них предупреждает. Но увидели подозрительно круглое число, попросите показать, какие строки в него вошли.

Пример: вопрос, расчёт и вывод

Допустим, у вас выгрузка заказов за полгода: дата, менеджер, регион, товар, сумма, себестоимость.

Вопрос: «Посчитай маржу по регионам за второй квартал и сравни с первым. Где просадка больше всего?»

Что модель посчитала: сгруппировала строки по региону и кварталу, вычла себестоимость из суммы, посчитала маржу в рублях и в процентах и разницу между кварталами.

Вывод в ответе: таблица регионов с маржой за оба квартала и короткий разбор. Например, что в одном регионе выручка выросла, а маржа упала на несколько процентных пунктов, потому что в продажах стало больше дешёвого товара с низкой наценкой. Следующим вопросом логично спросить «покажи топ-10 заказов этого региона с самой низкой маржой» и проверить гипотезу на конкретных строках.

Готовые вопросы к данным

Подставьте названия своих колонок:

• Продажи: «Выручка по месяцам за год и рост к прошлому месяцу в процентах. Построй линейный график».
• Маржа: «Маржа по товарным группам в рублях и процентах, отсортируй от низкой к высокой. Какие группы продаём в минус?»
• Когорты: «Сгруппируй клиентов по месяцу первой покупки и посчитай, сколько из каждой группы купили снова через 1, 2 и 3 месяца».
• Аномалии: «Найди заказы, где сумма больше среднего по товару втрое, отрицательные суммы, даты вне периода и дубли по номеру заказа».
• Отток: «Какие клиенты покупали каждый месяц в первом полугодии и не купили ничего в последние два месяца?»

Графики и диаграммы прямо в ответе

Попросите «построй график» или «покажи на диаграмме», и под таблицей с цифрами появится график: столбчатый, линейный, круговой, кольцевой, радар. В одном графике помещается до восьми рядов, например выручка по восьми регионам. Тип можно переключить прямо на графике, а картинку скачать в PNG для отчёта. Если кликнуть по столбцу или доле, модель получит уточняющий вопрос именно про этот элемент, так удобно проваливаться в детали. Данные для графика берутся из реального расчёта, а не придумываются для красоты.

Насколько большую таблицу можно загрузить

Ограничения такие:

Если листов больше 60, модель прямо скажет, какие не подключены, а не будет делать вид, что их нет. Скорость ответа от объёма почти не зависит: модель не читает каждую строку.

Как очистить таблицу и выгрузить результат

Найденные проблемы можно сразу исправить. Попросите словами: «замени «Мск» и «москва» на «Москва» во всей колонке «Город»», «поставь «В работе» во все пустые ячейки колонки «Статус»». В ответ придёт новый файл с пометкой «(правка)» в имени, а исходник останется нетронутым.

За один заход меняется до 500 ячеек, несколько правок подряд собираются в один файл. Правится только .xlsx и .xlsm: файлы .csv и старый .xls нужно пересохранить в .xlsx. Вставлять и удалять строки и листы пока нельзя, меняются значения ячеек. Диаграммы и сводные таблицы внутри книги при пересборке могут потеряться, об этом модель предупредит до скачивания.

Итог анализа тоже можно забрать файлом: «пришли эту сводку в Excel» или «оформи выводы в Word». Новая книга придёт с закреплённой шапкой и числами в числовом формате, так что считать по ней можно сразу. Подробнее про правку таблиц — в инструкции нейросеть для Excel.

Какая нейросеть лучше для анализа данных

Сами расчёты одинаково точны на любой модели с поддержкой инструментов, будь то GPT, Claude или Gemini: считает движок запросов, а не модель. Разница в том, насколько хорошо модель понимает вопрос, выбирает разрез и объясняет результат.

• Для быстрых вопросов вида «сумма по менеджерам» хватает базовой модели.
• Для разбора причин, когорт и многошаговых гипотез берите более сильные: Claude Sonnet 5.5 или GPT-6 Astra.
• Есть несколько моделей без поддержки инструментов. Им таблица уходит обычным текстом, и для расчётов они не подходят.

Что с конфиденциальностью данных

Файл целиком модели не отправляется. Она видит схему, пару строк-примеров и результаты своих запросов, то есть итоги, а не всю базу. Но в строки-примеры и в результаты могут попасть имена клиентов, телефоны или адреса.

Для таких случаев в профиле, в разделе «Персонализация», есть «Защита персональных данных». Она работает при активной подписке. ФИО, телефоны, почта, паспортные данные, СНИЛС, ИНН, номера карт и счетов, адреса и даты рождения уходят модели подменёнными на вымышленные. Расчёты и файлы с правками при этом строятся на настоящих данных, а в ответе вы видите настоящие имена. Защита не распространяется на картинки и сканы, а одиночное имя без фамилии не подменяется. Загруженное можно удалить в профиле, в разделе удаления данных.

Сколько это стоит

Сами расчёты по таблице, правка файла и сборка нового документа не тарифицируются. Платите только за сообщения чата, а они дешёвые: в модель уходит схема таблицы, а не её содержимое. Для ориентира: разбор книги на 34 листа с дюжиной расчётов и правкой обошёлся примерно в 2 ₽ на базовой модели. Сильные модели стоят дороже за ответ. Как считается цена, разобрано в статье про токены и кредиты.

Что дальше

• Правка и создание Excel-файлов подробно: нейросеть для Excel.
• Собрать презентацию по итогам анализа: как сделать презентацию нейросетью.
• Основы чата и вложений: как пользоваться чатом.

Частые вопросы