Грачья Алексанян – директор Win Solutions и основатель российской аналитической платформы Fastboard. Более 15 лет его команда работает с проектами на стыке данных, финансовой отчётности и цифрового управления. В интервью он рассказывает, почему даже крупные компании по-прежнему зависят от Excel и ручной сборки, где в финансовой функции теряется скорость решений и почему без единого контура управления данными и показателями цифровизация не даёт ожидаемого эффекта.
— Грачья, вы работаете с данными и управленческой отчётностью более 15 лет. Что за это время вы поняли о том, как компании используют данные на практике?
— Главный вывод довольно простой: по мере роста компании растёт объём данных, число систем и количество внутренних отчётов, но не всегда растёт способность быстро переводить всё это в управленческие решения. Компании научились собирать информацию, хранить её и регулярно выпускать отчётность. Сложности начинаются там, где цифры нужно перевести в действие. В крупных организациях данных обычно достаточно. Не хватает согласованности, общей логики и скорости перехода от показателя к решению.
— Почему эта проблема сохраняется, хотя цифровизация идёт уже много лет?
— Потому что во многих компаниях цифровизация затронула отдельные функции, но не саму логику управления. Бизнес внедрил ERP, аналитические инструменты, отчётные витрины и разные прикладные модули, но не всегда пересобрал процесс принятия решений вокруг единых показателей, ролей и ответственности. В результате ИТ-ландшафт становится современнее, а управленческая практика меняется гораздо медленнее. Отсюда и сохраняющаяся зависимость от ручных процессов, несогласованных правил и таблиц, которые по-прежнему остаются промежуточным слоем между системами и итоговой отчётностью.
— Где этот разрыв проявляется сильнее всего, если говорить о финансовой функции?
— В тех точках, где цена задержки особенно заметна. Прежде всего это закрытие периода, консолидация отчётности, бюджетирование, работа с ДДС, дебиторской и кредиторской задолженностью. Пока финансовая команда занята ручной сборкой, сверкой и устранением расхождений, у неё остаётся меньше времени на анализ рисков, сценарии и поддержку решений. В этот момент финансовая функция начинает тормозить процесс, хотя должна его ускорять.
— То есть проблема сегодня уже не в том, чтобы собрать данные, а в том, чтобы связать их с решением?
— Именно. У крупной компании почти всегда есть нужные цифры, но они живут в разных системах, собираются по разным правилам и обновляются в разном ритме. Пока эти слои не сведены в общий контур, бизнес тратит время на сверку вместо действия. Поэтому главный вопрос сегодня звучит так: как убрать разрыв между данными, ответственностью и принятием управленческого решения.
— Если взять базовые показатели, такие как ДДС, БДР и маржа, что в практике компании меняется в первую очередь?
— Меняется не набор показателей, а качество работы с ними. Почти у всех компаний ДДС, БДР и маржа формально существуют. Вопрос в другом: насколько быстро команда видит отклонение, насколько одинаково понимает его причины и насколько быстро может перейти к действию. Когда показатель собирается из нескольких контуров и дополняется ручными корректировками, обсуждение обычно сводится к спору о том, какая цифра правильная. Когда появляется единая методология и единая версия показателя, разговор смещается к причинам, рискам и следующим шагам. Для бизнеса это и есть переход от учёта к управлению.
— Что даёт бизнесу отход от привычного табличного бюджета?
— Он переводит бюджет из режима согласования в режим управления. Пока бюджет существует как таблица для согласования, команда тратит время на расшифровку строк и объяснение отклонений. Для бизнеса же важна не сама детализация, а скорость понимания того, где возникает разрыв к плану, какие статьи давят на EBITDA, денежный поток и маржу, и где уже требуется решение. Когда бюджет выстроен вокруг факторов результата, он перестаёт быть формой отчётности и становится рабочим инструментом управления.
— Ещё один чувствительный участок для бизнеса — дебиторская и кредиторская задолженность. Что здесь меняется, если компания выстраивает более зрелый процесс?
— Здесь ключевым становится порядок действий. Бизнесу важно не только видеть сумму задолженности на отчётную дату, но и понимать, какие контрагенты требуют реакции прямо сейчас, где риск просрочки уже высок, кто отвечает за следующий шаг и в какой срок он должен быть сделан. Когда этого нет, задолженность существует как цифра в отчёте. Когда это есть, она становится управляемым контуром. Именно здесь видно, насколько компания умеет работать с денежным потоком в реальном времени, а не постфактум.
— Если выйти за пределы собственно финансовой функции, где ещё такие разрывы особенно заметны?
— Там, где компания продолжает жить на локальных расчётах и непрозрачной логике показателей. Классический пример — расчёт переменной части вознаграждения в продажах. В одной крупной компании этот процесс был завязан на массивные Excel-модели и занимал до двух недель. Пока расчёт шёл вручную, команда тратила время на сверку, а сотрудники не понимали, как сложилась итоговая сумма. Когда продажи, KPI и правила начисления собрали в единую логику, срок расчёта сократился до двух дней. Для бизнеса это не только ускорение процесса. Это ещё и рост прозрачности, снижение числа спорных ситуаций и более понятная связь между результатом сотрудника и его вознаграждением.
— Если проблема понятна, почему BI- и аналитические проекты не всегда дают бизнесу ожидаемый результат?
— Чаще всего потому, что компании начинают с инструмента, а не с управленческой задачи. Они выбирают систему, собирают витрины, настраивают дашборды, но не договариваются о трёх вещах: какие решения должны приниматься быстрее, какие показатели для этого критичны и кто отвечает за действие после появления цифры. Второй типовой сбой возникает там, где пытаются автоматизировать хаос. Если внутри компании расходятся методологии, роли и правила доступа, новая система просто делает старую путаницу дороже.
— Как выглядит цикл внедрения, если говорить не о технологии, а о бизнес-процессе?
— Он начинается с вопроса, какие решения компания хочет принимать быстрее и точнее. Затем появляется модель показателей и сценарии, в которых эти показатели должны работать. После этого уже можно подключать реальные данные, выверять методологию расчёта и устранять расхождения между источниками. И только на следующем этапе возникает рабочий процесс, где цифры действительно становятся основанием для действий. Если этот порядок перевернуть, компания почти неизбежно получает красивую систему без управленческого эффекта.
— На рынке сейчас часто говорят, что генеративный ИИ скоро сам закроет значительную часть аналитической работы. Насколько этот сценарий реалистичен?
— В обозримом будущем я бы говорил не о замещении, а о точечном усилении. Генеративные модели уже могут быть полезны там, где речь идёт о прикладных задачах с понятными ограничениями: подготовке запросов, навигации по данным, первичной аналитической сборке. Но передавать им критичные функции, связанные с финансовой отчётностью и управленческими решениями, бизнес пока не готов. И это рациональная осторожность, а не консерватизм.
— Почему именно осторожность, а не консерватизм?
— Потому что у крупной компании вопрос всегда упирается в цену ошибки, безопасность и ответственность. McKinsey в исследовании 2024 года писал, что 65% компаний уже регулярно используют генеративный ИИ, но в отчёте 2026 года та же компания зафиксировала: 86% руководителей считают свои организации неготовыми к повседневному использованию ИИ в операционной работе. Эти две цифры хорошо объясняют реальность. Интерес к технологии огромный, пилотов много, но зрелой управленческой среды для неё часто нет. Поэтому в ближайшей перспективе ИИ будет усиливать аналитическую функцию, но не заменять её. Особенно в финансах, где итоговое решение всё ещё должно оставаться у человека.
— То есть главная граница применимости ИИ сегодня проходит не по возможностям модели, а по зрелости процессов?
— Именно так. Если в компании нет единой логики данных, нет прозрачной методологии показателей и не определена ответственность за решение, ИИ не исправит эту конструкцию. Он только ускорит движение внутри плохо устроенного процесса. А вот там, где база уже собрана, он действительно может дать эффект. Поэтому главный вопрос для бизнеса сейчас звучит не «нужен ли нам ИИ», а «готова ли наша управленческая среда к тому, чтобы использовать его без лишнего риска». Это гораздо более трезвая и, на мой взгляд, более полезная постановка вопроса.