Сначала проверьте, что именно сравнивается
Отклонение появляется только относительно базы. Это может быть план, предыдущий период, тот же сезон прошлого года или установленный коридор. Не смешивайте их в одном прогоне: рост к прошлому месяцу может соседствовать с невыполненным планом, и модель иначе назовёт одну из этих ситуаций «улучшением». Передайте название метрики, единицу измерения, даты, источник и правило сравнения. Если в таблице менялась методика расчёта, отметьте границу между версиями.
Разложите аномалию на наблюдение и гипотезу
Попросите вернуть отдельные поля: исходное значение, база сравнения, абсолютная разница, процент, подтверждающая строка и возможные объяснения. Например, уменьшение числа заявок — наблюдение; предположение о сезонности — гипотеза, пока его не подтвердили календарём и историческими рядами. Для каждой причины модель должна указать, каких данных не хватает. Не разрешайте превращать совпадение событий в причинную связь или приписывать цифру конкретному сотруднику.
Проведите проверку по контрольному набору
Подготовьте несколько строк с заранее известным результатом: пропущенное значение, отрицательная динамика, разный масштаб единиц и одинаковые числа за разные периоды. Сверьте вычисления обычной формулой в таблице; ИИ полезен для сортировки и формулировки вопросов, но не заменяет расчёт. Отдельно посчитайте полезные сигналы и ложные тревоги. Если система пропускает существенное отклонение или придумывает основание, сохраните пример и исправьте инструкцию до регулярного использования.
Назначьте владельца и следующий шаг
Сотрудник, который отвечает за источник, подтверждает причину и решает, нужно ли действие. В журнале оставьте дату, ссылку на строку отчёта, объяснение, статус «подтверждено / не подтверждено» и срок повторной проверки. Для ценовых расхождений этот маршрут дополняет практику контроля прайс-листа: там важно сверять не только цифру, но и актуальность версии. Качество процесса можно измерять через метрики ИИ-пилота, считая время до принятого результата и долю ложных сигналов.
Что не следует автоматизировать
Не позволяйте модели переписывать исходный отчёт, менять прогноз или отправлять руководителю список «виноватых». Сначала она формирует очередь проверки. Если отчёт содержит персональные показатели, применяйте только данные, которые нужны для задачи, и заранее определите, кто может открыть результат. Неясная причина должна оставаться неясной: корректный вывод «недостаточно данных» полезнее правдоподобного объяснения без опоры на источник.
FAQ: как использовать сигнал
Можно ли автоматически исправлять цифры? Нет: модель не должна менять источник. Исправление делает владелец данных после сверки с первичной системой. Что считать аномалией? Только заметное отклонение от заранее выбранной базы и порога; порог задаётся процессом, а не подбирается моделью после просмотра результата. Как отличить сезонность от ошибки? Сравнить одинаковые календарные периоды, проверить состав выборки и открыть первичные записи. Когда прекращать пилот? Если данные нельзя безопасно передать или полезные сигналы не превосходят цену ручной проверки.