Как ИИ-продукты FanRuan трансформируют бизнес-аналитику: инструменты и возможности

Искусственный интеллект меняет подход и к бизнес-аналитике, делая её быстрее, точнее и доступнее. FanRuan активно внедряет ИИ в свои продукты, создавая решения нового поколения, что подтверждается действиями:  FanRuan занял 6 место в престижном рейтинге "Top 100 Chinese AI Companies 2025", опубликованном авторитетным ресурсом EqualOcean и Университетом Цинхуа. Это признание — результат постоянной работы над тем, чтобы сделать искусственный интеллект реальным помощником в бизнес-аналитике. FanRuan активно развивает AI-аналитику (ABI) в FineBI, инструменты позволяют бизнесу в режиме реального времени анализировать данные, находить скрытые закономерности и принимать решения на основе инсайтов, сгенерированных ИИ. Но за этой историей стоит целая экосистема ИИ-продуктов FanRuan, о которой мы, команда Business Intelligence GlowByte, расскажем подробнее.

Экосистема ИИ-продуктов FanRuan: инструменты и их возможности

FanRuan создала полный стек инструментов, работающих на базе больших языковых моделей (LLM) и архитектуры искусственного интеллекта: FineChatBI, FineReport Assistant, Dashboard Search и их компоненты. Эти решения интегрированы в основные продукты компании и нацелены на автоматизацию, ускорение аналитики и вовлечение пользователей без технической подготовки.

На текущий момент только FineChatBI активно продвигается на рынке и уже используется клиентами в Китае, демонстрируя впечатляющие результаты. Этот чат-интерфейс для аналитики на естественном языке доказал свою эффективность в реальных бизнес-сценариях, позволяя пользователям получать инсайты через простые текстовые запросы.

Остальные продукты экосистемы, такие как FineReport Assistant и Dashboard Search, находятся на стадии активного тестирования. Они проходят внутреннюю валидацию в самой FanRuan, а также пилотные внедрения у ограниченного круга клиентов-партнеров.

Давайте подробнее посмотрим на все доступные ИИ-продукты компании и разберемся, чем же они могут помочь бизнес-аналитику.

FineChatBI

FineChatBI — это диалоговая аналитическая система:

• Позволяет задавать вопросы на естественном языке (поддерживает языки, встроенные в LLM, на основе которой внедрен ИИ-агент),  — как в чат-боте. Например, FineChatBI в облачной версии FineBI работает на базе DeepSeek и поддерживает языки, встроенные в LLM, в том числе и русский.
• Выдает структурированные ответы: таблицы, графики, отчеты, рекомендации.
• Поддерживает мобильную и десктопную работу, доступен из любой точки.
• Работает как интеллектуальный справочник и BI-консультант в одном лице.

В чатбоксе вы можете задать интересующий вопрос на основе выбранного датасета. Система подскажет возможные вопросы и параметры, а затем выведет данные в подходящем формате.

Сценарии использования: руководители задают вопросы типа «Где в прошлом месяце упали продажи?», «Какие SKU растут быстрее всего?» — и получают визуальные ответы без помощи аналитика с индикациями того, на что стоит обратить внимание и возможными причинами.

Смотреть, как это работает: 

Иными словами, FineChatBI — умный помощник для анализа и принятия решений. Он отвечает на вопросы, показывает графики и даже подсказывает, как улучшить продажи или сократить расходы.

Внутри продукта — два модуля: один анализирует, другой советует.

ASK DATA — модуль для получения мгновенного анализа по ключевым бизнес-показателям. Он автоматически визуализирует:

• Динамику продаж;
• Колебания выручки;
• Эффективность отдельных продуктов;
• Аномалии в данных.

ASK IDEA — помогает формулировать гипотезы и бизнес-решения:

• Предлагает пути увеличения продаж на основе сезонных и поведенческих паттернов;
• Рекомендует стратегии снижения затрат;
• Работает как консультант на основе внутренней аналитики.

FineBI с AI-диагностикой — это мощный инструмент для автоматизации анализа данных, который делает BI-аналитику доступной даже для неподготовленных пользователей. Он сочетает удобство естественного языка с высокой производительностью, что делает его отличным выбором для бизнеса.

Dashboard Search, или поиск по дашборду

• Поиск нужной информации среди десятков и сотен отчетов.
• Использование текстовых подсказок: например, «Покажи дашборд по операционным затратам в регионе Юг».
• Интеграция с FineReport, FineBI, FineVis.

Находясь в нужном вам дашборде, вы можете задать интересующий вопрос в чат боксе и получить ответ. Например, узнать загрузку разных аттракционов, работу оборудования.

Результат: быстрая навигация и снижение нагрузки на IT/аналитиков.

One-click Dashboard Generation, или дашборд в один клик

One-click Dashboard Generation — инструмент, который позволяет создать полноценный аналитический дашборд всего за одну минуту с помощью искусственного интеллекта. Это умный модуль, который автоматически собирает дашборд из ваших данных. Всё, что нужно пользователю — выбрать нужный набор таблиц или показателей. Система сама:

• определяет ключевые метрики;
• подбирает подходящие визуализации;
• размещает графики по шаблону;
• оформляет их в едином профессиональном стиле.

Зачем это нужно?

Сегодняшние реалии требуют от бизнеса быстрой реакции и чёткой визуализации данных. Но на практике:

• новички тратят часы, разбираясь с интерфейсами BI-систем;
• опытные аналитики перегружены рутинной сборкой отчётов;
• ошибки в визуализации мешают восприятию и снижают доверие к данным.

Автогенерация решает эти задачи за секунды: никакой ручной настройки, обучения и риска ошибиться — только результат.

Как это работает?

• Выбор данных
  Загружаются 1–5 датасетов (например, таблицы по продажам, клиентам, складу).
• Анализ и генерация
  Система сканирует данные, находит важные показатели и подбирает оптимальные графики: линейные, столбчатые, таблицы и др.
• Автоматический макет
  Визуализации размещаются по шаблону (от простого до комплексного, в зависимости от объёма данных), применяется единая цветовая гамма.
• Контроль и редактирование
  Готовый дашборд можно:
     - Сохранить;
     - доработать вручную (изменить графики, добавить фильтры);
     - сгенерировать заново.

В итоге:
Просто: результат — сразу после загрузки данных, без обучения.
Быстро: 1 минута вместо 20–30.
Чётко: AI подбирает чистый, читаемый дизайн без визуального шума.
Гибко: можно донастроить вручную или перегенерировать.

DashBoard Summarize в FineBI: аналитика на естественном языке 

Современным командам нужно быстро понимать, что происходит с бизнесом. Но не все умеют писать SQL-запросы или разбираться в графиках. Новый компонент AI-диагностики в FineBI решает эту проблему: теперь получить аналитический вывод можно с помощью обычного вопроса — прямо в дашборде.

Что это такое?

DashBoard Summarize — это функция AI-анализа внутри FineBI, которая помогает пользователям интерпретировать данные в виде понятных выводов и визуализаций. Всё происходит в привычном интерфейсе дашборда, а запросы можно вводить на естественном языке.

Зачем это нужно?

• Просто: даже без технических знаний можно получить полезные инсайты.
• Быстро: автоматизация анализа сокращает время принятия решений.
• Надёжно: безопасная работа с данными, включая поддержку мобильного доступа.
• Удобно: не нужно писать формулы — достаточно задать вопрос.

Как это работает?

1. Добавление на дашборд
   Пользователь перетаскивает компонент AI-диагностики на рабочую панель.
2. Настройка источника данных
   Можно подключить таблицы, базы данных или Excel-файлы — всё, что нужно для анализа.
3. Ввод запроса на естественном языке
   Например:
   «Покажи выручку по регионам»
   «Какие каналы дали больше всего лидов?»
4. AI-анализ и визуализация
   Система автоматически анализирует данные и выдаёт ответ в виде графика, таблицы или текста.
5. Дополнительные возможности
   - Поддержка автоматического обновления данных.
   - Работа на мобильных устройствах (ограниченная функциональность).
   - Администраторы могут настраивать модели ИИ в системных настройках.

Используя чатбокс, ИИ агент выдаст основные показатели дашборда, обозначит важные изменения, подскажет возможные причины.

Пример использования

Команда маркетинга хочет узнать, какие рекламные каналы работают лучше всего. Они:

• Загружают данные о кликах и конверсиях.
• Спрашивают систему: «Какие источники привели больше всего заявок?»
• Получают визуальный отчёт с подсветкой ключевых каналов и рекомендациями по улучшению.

Ограничения:

• Производительность может снижаться на очень больших массивах данных (от 400+ строк).
• На мобильных устройствах доступны не все функции.

Итог: DashBoard Summarize превращает работу с данными в диалог. Вы просто задаёте вопрос — система отвечает визуализацией или текстом. Это делает BI-доступ к данным по-настоящему демократичным и эффективным для всех — от маркетинга до управленцев.

FineReport AI Assistant: умный помощник для быстрого создания отчётов

Работать с отчётами — дело непростое: нужно писать SQL-запросы, подбирать формулы, настраивать визуализации. Всё это требует времени и технических навыков. Но теперь это можно упростить с помощью FineReport AI Assistant — интеллектуального плагина, работающего начиная с версии FineReport 11.0.

Что это такое?

FineReport AI Assistant — это плагин на базе искусственного интеллекта, который помогает пользователям создавать отчёты быстрее и проще. Он автоматизирует рутинные задачи, такие как:

• написание SQL-запросов;
• генерация формул;
• настройка таблиц и графиков;
• поиск нужных решений в документации.

Ассистент подскажет, как использовать функции FineReport, поможет избежать ошибок и сэкономит до 50% времени при работе с отчётами.

Рабочий экран FineReport и вызов ИИ-агента

Зачем он нужен?

Несмотря на мощные возможности FineReport, многие пользователи сталкиваются с проблемами:

• сложно разобраться в функциях продукта;
• приходится вручную настраивать таблицы и стили;
• не всегда понятно, как правильно написать SQL, JavaScript или формулу;
• трудно выбрать подходящий тип графика.

AI Assistant решает все эти задачи, снимая технические барьеры и ускоряя работу.

Как это работает?

Ассистент построен по модульному принципу. Каждый агент внутри плагина отвечает за свою зону:

• SQL Agent — пишет и оптимизирует SQL-запросы.
• Formula Agent — создаёт и объясняет формулы.
• JS Agent — помогает с JavaScript-логикой.
• Chart Agent — подбирает и настраивает графики.
• Help Agent — отвечает на вопросы по справочной системе.

Вызов ассистента происходит через контекстное меню или общий интерфейс. При необходимости можно уточнять запросы, корректировать полученные формулы или визуализации — всё в режиме диалога.

Что делает ассистент на практике?

• Аналитик может сгенерировать SQL-запрос, просто описав нужную выборку.
• Разработчик — получить готовую формулу для вычислений в отчёте.
• Дизайнер — быстро подобрать график под данные, не тратя время на подборку визуализации и ошибки.

Особенности и доступность

• Доступен с версии FineReport 11.0.
• Поддерживает оба продукта — FR и FVS.
• Подключаются сторонние ИИ-модели, возможно обучение на пользовательской обратной связи.

Почему стоит использовать?

• Меньше ручной работы: AI берет на себя рутину.
• Больше точности: ассистент помогает избегать ошибок в коде и настройках.
• Быстрее результат: вы сосредотачиваетесь на аналитике, а не на шаблонах и формулах.

Сейчас в России в тестовом режиме работает только FineChatBI. Другие продукты находятся в разработке - таймлайн предположительных релизов ниже.

Перспективы развития искусственного интеллекта в бизнес-аналитике: экспертный прогноз

Современные тенденции в области бизнес-аналитики демонстрируют стремительную трансформацию под влиянием технологий искусственного интеллекта (ИИ). По оценкам экспертов FanRuan и GlowByte, в ближайшие 3-5 лет следует ожидать кардинальных изменений в трех ключевых направлениях: демократизации аналитики, конвергенции BI и ИИ, а также повышении требований к объяснимости алгоритмов. Эти изменения формируют новую парадигму взаимодействия с данными, где на первый план выходят доступность, адаптивность и прозрачность аналитических решений. Поговорим об этом чуть подробнее.

Демократизация аналитики: переход к естественно-языковым интерфейсам

Наиболее значимым трендом представляется полная демократизация доступа к аналитическим инструментам. Исследование Gartner показывают, что в настоящее время 60-70% сотрудников компаний не используют BI-системы из-за сложности интерфейсов и необходимости специальных навыков. Однако к 2027 году ожидается, что 90% запросов к данным будут обрабатываться через natural language interfaces (NLI), что кардинально изменит ситуацию.

В отчёте “Predicts 2025: 4 Ways AI Will Disrupt Data Management Markets and Solutions”, опубликованном 9 декабря 2024 года, Gartner прогнозирует наступление эпохи демократизации аналитики при помощи естественно-языковых интерфейсов (NLIs). В частности, в разделе «Democratization of Data with Natural Language Interfaces» говорится, что бизнес-пользователи и гражданские дата‑учёные смогут формулировать запросы и взаимодействовать с платформами данных без глубоких технических знаний.

Уже сегодня такие решения, как FineChatBI, демонстрируют, что неподготовленные пользователи могут получать ценные инсайты, просто формулируя вопросы на естественном языке. Например, маркетолог может запросить: "Покажи ROI кампаний за последний квартал с разбивкой по каналам", и система автоматически сформирует соответствующий отчет без участия аналитика. В перспективе следует ожидать развития этой тенденции через интеграцию голосовых интерфейсов, контекстных подсказок и функций автоматической генерации гипотез.

Однако реализация этого тренда сопряжена с определенными вызовами. Основные проблемы включают риск получения некорректных результатов при формулировании расплывчатых запросов ("мусор на входе — мусор на выходе"), а также необходимость оптимизации языковых моделей для работы с высокими нагрузками. Эти вопросы требуют особого внимания при разработке будущих решений.

Конвергенция BI и ИИ: эра адаптивных аналитических систем

Вторым ключевым направлением развития является глубокая интеграция ИИ в BI-инструменты, что приведет к появлению принципиально новых — "живых" — дашбордов. В отличие от традиционных статических отчетов, такие системы будут обладать способностью автоматически адаптироваться к изменениям данных, обучаться на основе пользовательских взаимодействий и предоставлять прогностические инсайты.

Перспективные разработки в этой области включают несколько инновационных функций. Во-первых, это персонализация представления данных в зависимости от роли пользователя: один и тот же дашборд будет динамически менять контент для CFO и менеджера по продажам. Во-вторых, прогностические возможности позволят системам не просто констатировать факты, но и предлагать обоснованные прогнозы, например: "В следующем месяце ожидается спад продаж на 15% в сегменте B2B из-за сезонности". В-третьих, генерация автоматических текстовых пояснений к визуализациям поможет пользователям быстрее интерпретировать данные.

Реализация этих возможностей потребует решения ряда технологических задач, включая обработку данных в реальном времени, обеспечение этической корректности автоматических рекомендаций и поддержку работы с потоковыми данными из IoT-устройств и транзакционных систем.

Объяснимый ИИ: новый стандарт аналитических решений

Третьим критически важным трендом становится рост требований к объяснимости алгоритмов (Explainable AI, XAI). Согласно отчёту Mordor Intelligence, объём рынка XAI уже составлял около 10,33 млрд USD в 2025 году, с прогнозируемым ростом до 25,37 млрд USD(более 2000 млрд рублей) к 2030 году при CAGR 19,69 %: к 2027 году все больше компаний, особенно в регулируемых отраслях, будут требовать прозрачного объяснения каждого инсайта, полученного с помощью ИИ.

Актуальность этого направления обусловлена текущим уровнем недоверия к ИИ-аналитике: около 40% руководителей скептически относятся к рекомендациям систем из-за невозможности понять логику принятия решений. В ответ на этот вызов современные платформы, включая решения FanRuan, развивают функционал "разбора полетов", который предоставляет пользователям:

1. четкое указание основных факторов, повлиявших на результат;
2. визуализацию значимости различных параметров;
3. показатели уверенности модели в своих выводах.

Например, при анализе падения выручки система не просто покажет график, но и детализирует: "Основная причина — снижение конверсии в регионе Центр (-18%), связанное с ростом трафика конкурентов (+25%) и увеличением ошибок на сайте".

В ногу со временем

Нам кажется разумным, что современный бизнес ориентирован на цифровизацию. Чтобы идти в ногу со временем, уже сегодня компаниям следует предпринять несколько стратегических шагов (если они еще не предприняты). Во-первых, начать тестирование NLP-интерфейсов для подготовки команд к работе с аналитикой нового поколения. Во-вторых, усилить фокус на управлении качеством данных (data governance), так как "живые" аналитические системы требуют безупречной data-основы. В-третьих, уже сейчас включать требования к объяснимости в критерии выбора BI-решений.

ИИ не просто дополняет традиционную бизнес-аналитику, а формирует принципиально новую среду для работы с данными. Успешная адаптация к этим изменениям потребует от организаций как технологических инвестиций, так и пересмотра подходов к data-культуре. Последующие исследования в этой области должны быть направлены на разработку стандартов объяснимости ИИ и методов оценки эффективности адаптивных аналитических систем.

FanRuan, в свою очередь, не просто отслеживает новые тренды, но и активно адаптирует свою продуктовую стратегию в соответствии с меняющимися потребностями рынка. Компания реализует системный подход к инновациям, который включает регулярный анализ глобальных тенденций, тесное взаимодействие с клиентами для выявления их актуальных потребностей, а также гибкую методологию разработки, позволяющую оперативно внедрять новые функции. 

Для компаний в России, которые стремятся к цифровой зрелости и независимости от западных платформ, готовые, масштабируемые и умные решения FanRuan, сочетающие ИИ, глубинную экспертизу в BI, постоянное развитие и адаптацию под запросы рынка, могут стать драйвером развития бизнеса.