Нейросети для аналитика в 2026: 4 задачи в Claude и ChatGPT

Что нейросеть реально умеет с данными аналитика, а что нет

Нейросеть умеет писать код и текст запроса, объяснять чужую формулу и находить закономерность в том, что ты ей показал - и не умеет сама трогать твою базу, если ты не подключил её через отдельный канал, и может ошибиться в арифметике, если считает "в уме", а не кодом

Разница на практике простая. Спросил "как посчитать выручку по городам за июль" - получил текст запроса, который сам вставляешь в свою систему. Загрузил CSV в чат и попросил "посчитай сумму по колонке amount" - тут современные версии ChatGPT и Claude действительно пишут и выполняют код в своей изолированной песочнице у себя, а не у тебя на компьютере, и отдают готовое число. А вот если попросить прикинуть сумму "на глаз" без кода, без загруженного файла - это уже не расчёт, а предсказание текста, и цифры там могут быть красивыми, но неверными. Раздел ниже, где нейросеть чаще всего врёт, разбирает это подробно

Что это тебе даёт: до того, как просить помощи, полезно понимать, какое из трёх действий тебе на самом деле нужно. Дальше по каждому - отдельный раздел с примером

ChatGPT или Claude: какой инструмент под SQL, Python и дашборды

Оба инструмента пишут запросы к базам и код на Python одинаково хорошо для типовых задач аналитика: разница в том, что именно они умеют делать с файлом ПОСЛЕ того, как код написан

ChatGPT с 2023 года несёт встроенную функцию анализа данных: загружаешь CSV, Excel, PDF или текстовый файл, и сервис сам пишет и запускает код на Python в изолированной среде, объединяет и чистит таблицы, строит графики и находит закономерности сам

«ChatGPT will analyze your data by writing and running Python code on your behalf, handling tasks like merging and cleaning large datasets, creating charts, and uncovering insights»

⚠️ Честно: страницу help.openai.com я не открыл напрямую - прямой заход туда не пустил, цитата снята через поисковую выдачу с тем же адресом источника. Дальше по тексту статьи это единственная цитата с такой оговоркой, остальные ссылки я открывал сам

У Claude похожая функция называется иначе и устроена по-другому. С 24 октября 2024 года в Claude.ai работал инструмент анализа на JavaScript, а с 5 ноября 2025 года его заменила более широкая функция выполнения кода

«Code execution can run all the same analysis, plus generate downloadable files (spreadsheets, CSVs, reports), create visualizations, and handle complex multi-step workflows»

Перевожу: если раньше Claude умел только посчитать и показать график прямо в диалоге, то теперь он может отдать тебе готовый файл - таблицу, CSV, черновик отчёта. Официальная документация для разработчиков описывает ту же функцию как песочницу, где Claude пишет и запускает код

Смежная часть работы разобрана в гайде Claude учит сам себя: 9 фактов из отчёта Anthropic 2026 года

«Claude can analyze data, create visualizations, perform complex calculations, run system commands, create and edit files, and process uploaded files directly within the API conversation»

Что это тебе даёт: для разовой задачи разница между сервисами не критична - оба справятся с типовым запросом и кодом на Python. Разница начинает иметь значение, когда нужно строить готовый код и хранить его вместе с проектом, а не терять в истории чата - об этом ниже, в разделе про Claude Code. Общее сравнение платных тарифов обоих сервисов, если решаешь, за что платить, собрано отдельно: цены нейросетей

Как получить готовый запрос к таблице из вопроса на обычном языке

Чтобы получить рабочий запрос, нейросети нужно не только сформулировать вопрос, но и описать структуру таблицы словами: какие столбцы есть и что в них лежит - без этого шага любой запрос будет гаданием по названиям

Показываю на реальном примере, который прогнал сам, а не выдумал. Есть таблица заказов с полями order_id, city, amount, order_date. Вопрос на обычном русском языке: "сколько мы продали по каждому городу в июле 2026, от большего к меньшему"

Вот что я сам получил и прогнал на маленькой тестовой базе с теми же пятью строками, что и в вопросе выше:

Вопрос: сколько продали по каждому городу в июле 2026, от большего к меньшему
SQL-запрос:
SELECT city, SUM(amount) AS total_july
FROM orders
WHERE order_date BETWEEN '2026-07-01' AND '2026-07-31'
GROUP BY city
ORDER BY total_july DESC;

Результат:
  Санкт-Петербург      31200.00
  Казань               23400.00
  Москва               22500.00

Я 02.09.2026 сам собрал тестовую базу SQLite с пятью строками заказов и прогнал этот запрос через питоновский модуль sqlite3 - официальный модуль Python для работы с SQLite: документация модуля sqlite3. Результат совпал с ручным подсчётом по исходным пяти строкам: это и есть смысл шага "проверь на своих числах" - не поверить запросу на слово, а свести итог самому

Что это тебе даёт: понятный образец, по которому строишь свои вопросы. Формула проста - назвал таблицу и поля, задал вопрос по-русски без специальных терминов, получил готовую строку, проверил на маленьком куске данных. Отдельный вопрос - что делать, если аналитик работает не только с базой, а с формулами прямо в Excel: тот случай разобран отдельно, нейросеть для Excel

Как почистить CSV или Excel-таблицу через Python за один запрос

Чистка грязной таблицы через нейросеть работает в два шага: описываешь, что не так с данными (дубли, разный регистр, разные форматы дат), и получаешь код на Python, который это чинит - причём современные сервисы могут и сами выполнить этот код на загруженном файле, а не только выдать текст

Пример тоже не выдуман - вот исходная таблица с типичными для реальной практики проблемами: одни и те же клиенты записаны по-разному ("ип иванов" и "ИП Иванов"), даты пришли в двух форматах, есть точный дубль строки и есть пустые поля

Я сам написал и прогнал код на Python с помощью pandas - того же инструмента, что использует ChatGPT и Claude у себя в песочнице для похожих задач. Официальная документация pandas описывает функцию удаления дублей так

«Return DataFrame with duplicate rows removed»

Вот реальный вывод моего прогона на той самой таблице из восьми строк:

Было строк: 8
Пустых client: 1
Пустых amount: 1
Убрано дублей: 2
Строк на ручную проверку: 2
Итог чистых строк: 4

 order_id      client            city  amount order_date
     1001 ООО Ромашка          Москва 15000.0 2026-07-02
     1002   ИП Иванов          Москва  7500.0 2026-07-03
     1006   ООО Сокол          Казань 23400.0 2026-07-08
     1008  ЗАО Вектор Санкт-Петербург 31200.0 2026-07-10

Обрати внимание на две вещи, которые видно прямо в этом выводе. Первая: из восьми строк чистыми оказались четыре, а не шесть - две строки с пустыми полями код НЕ удалил молча, а вынес в отдельный список на ручную проверку. Вторая: строка "ип иванов, 7500" и строка "ИП Иванов, 7500.0" после чистки регистра и формата даты стали одинаковыми и схлопнулись в одну - именно так и обнаруживаются дубли, которые на глаз не видны из-за разного написания

Что это тебе даёт: рабочий пример того, что значит "почистить таблицу через Python" не в теории, а в цифрах. Проси нейросеть именно так: назови конкретные проблемы (дубли, разный регистр, разные форматы), а не общую фразу "почисти данные" - расплывчатый запрос даёт расплывчатый код

Чем Python-чистка отличается от формулы прямо в Excel

Формула в Excel и код на Python решают разные по размеру задачи: формула правит одну ячейку или столбец на месте, а Код на Python применяет одно и то же правило сразу ко всей таблице и повторяет его на следующей выгрузке одной командой

Если тебе нужно один раз вытащить значение по условию (ВПР, СУММЕСЛИ, разобрать код ошибки в ячейке) - для этого есть отдельный разбор с готовыми формулами: нейросеть для Excel. Если же таблица большая (десятки тысяч строк), приходит регулярно в разном виде и правило чистки одно и то же каждый раз - тут выгоднее один раз получить код и переиспользовать его, а не переписывать формулы заново

Что это тебе даёт: выбор инструмента под размер задачи, а не привычку. Маленькая таблица и разовый вопрос - формула. Регулярная выгрузка и повторяющееся правило - код

Как быстро осмотреть новую таблицу и найти в ней аномалии

Первый разговор с новой таблицей стоит начинать не с расчётов, а с вопросов на понимание: сколько строк, какие столбцы пустые чаще других, есть ли значения, которые сильно выбиваются из общего ряда

Рабочий порядок вопросов такой: сначала "сколько всего строк и сколько пустых значений в каждом столбце", потом "какие значения встречаются чаще всего в столбце Х", и только затем "есть ли строки, где сумма сильно отличается от остальных". Каждый из этих вопросов нейросеть может закрыть коротким кодом на Python и вернуть тебе не только цифру, но и сам код - так ты видишь, каким способом посчитано, а не веришь на слово

Что это тебе даёт: за три вопроса ты получаешь карту таблицы прежде, чем строить по ней отчёт. Пропустить этот шаг - значит унести в отчёт руководителю аномалию, которую никто не заметил

Как получить черновик графика или дашборда одним вопросом

Готового интерактивного дашборда одним вопросом нейросеть не соберёт: она сделает черновик графика или таблицы, который дальше можно донастроить руками - и это уже экономит время на верстке

По официальной документации Anthropic, функция выполнения кода в Claude умеет строить визуализации и отдавать готовые файлы прямо в разговоре, а не только текст. У ChatGPT похожая функция строит статичные графики как картинки, а часть типов - как интерактивные (столбчатые, линейные, круговые, точечные)

Что это тебе даёт: реалистичное ожидание. Для быстрой проверки гипотезы и для презентации внутри команды чат с нейросетью экономит часы вёрстки. Для боевого дашборда с живыми данными компании нужен отдельный инструмент, а нейросеть в нём - помощник в написании запросов, а не замена

Рядом по теме есть отдельный разбор: Презентация из текста за 10 минут, без дизайнера и без VPN

Как собрать черновик отчёта для руководителя без выдуманных цифр

Самая частая ошибка при подготовке отчёта через нейросеть - попросить её не только оформить текст, а ещё и посчитать цифры "на глаз", без кода и без твоей проверки. Оформление и расчёт - две разные задачи, и путать их в одном запросе опасно

Рабочий порядок: сначала сам считаешь или получаешь проверенные цифры (через запрос или код на Python, как в разделах выше), потом отдельным запросом просишь нейросеть только переформулировать готовые цифры в связный текст для отчёта - без права досчитывать или предполагать то, чего в исходных данных нет

Что это тебе даёт: отчёт, за цифры в котором отвечаешь ты, а не автодополнение текста. Руководителю нужны верные числа, а не красиво написанные

Смежная часть работы разобрана в гайде ИИ для отчётности: 5 шагов от сырых цифр до отчёта руководителю

Где нейросеть чаще всего врёт в числах

Нейросеть чаще всего ошибается не в самом коде, а в промежуточных предположениях, которые она делает молча: додумывает пропущенное значение, путает похожие по названию столбцы или уверенно называет число, когда на самом деле считала без доступа к полным данным

Три места, где стоит перепроверять особенно внимательно: итоговые суммы по большим таблицам (легко проверить пересчётом части строк вручную), процентные изменения между периодами (частая ошибка - перепутать базу расчёта), и любые цифры, которые появились в ответе БЕЗ загруженного файла и БЕЗ показанного кода - такие цифры чаще всего сгенерированы правдоподобно, а не вычислены

Что это тебе даёт: список из трёх проверок, а не общее чувство недоверия. Полный разбор того, почему и как нейросети ошибаются, с примерами из разных задач - отдельная статья: галлюцинации нейросетей

Данные компании наружу не выгружаем: что грузить нельзя

Прежде чем загрузить файл в чат с нейросетью, стоит один раз задать себе вопрос: могу ли я показать этот файл постороннему человеку, если он случайно попадёт не в те руки. Если ответ "нет" - файл не идёт в чат ни в каком виде, даже "только на минуту"

Три категории, которые в чат с любой нейросетью не грузятся никогда: персональные данные клиентов и сотрудников без обезличивания (ФИО, телефоны, паспортные данные, адреса), финансовая отчётность компании, которая ещё не опубликована, и данные, подпадающие под NDA или гриф коммерческой тайны - независимо от того, что написано в пользовательском соглашении сервиса

Что это тебе даёт: простое правило на каждый день, а не длинный регламент, который никто не читает. Сомневаешься - замени реальные значения на условные и проверь логику запроса на них, а боевые цифры подставь потом сам, руками, вне чата

Обучается ли нейросеть на твоих файлах: два разных правила по умолчанию

У ChatGPT и Claude разные правила по умолчанию для обычных личных аккаунтов - и правила эти не просто разные, а обратные друг другу

По официальному центру приватности Anthropic для потребительских планов Claude (Free, Pro, Max) и для Claude Code на этих же планах, правило звучит так

«We will use your chats and coding sessions (including to improve our models) if: 1. You choose to allow us to use your chats and coding sessions to improve Claude»

Перевожу: по умолчанию личные чаты и код-сессии Claude на этих планах на обучение моделей НЕ идут - нужно самому явно включить это в настройках. У ChatGPT для личных аккаунтов Free, Plus и Pro правило обратное - обучение по умолчанию ВКЛЮЧЕНО, и отключить его нужно самому в настройках, в разделе управления данными, переключателем "Improve the model for everyone"

⚠️ Честно: этот абзац про ChatGPT я не смог подтвердить прямым заходом на help.openai.com - страница не пустила напрямую, формулировка про переключатель снята через поисковую выдачу с указанием того же официального адреса. Для рабочих аккаунтов уровня Business и Enterprise у ChatGPT правило другое - там переписка по умолчанию НЕ идёт на обучение, это ближе к правилу Claude для личных планов

Что это тебе даёт: конкретный шаг перед первой загрузкой файла - зайти в настройки приватности того сервиса, которым пользуешься, и проверить переключатель самому, а не полагаться на память этой статьи: настройки меняются, и правило на момент твоего чтения стоит перепроверить в самом сервисе

Когда простого чата мало и нужен Claude Code

Чат в браузере отлично закрывает разовые вопросы, но теряет историю кода между сессиями - если один и тот же код очистки таблицы нужен каждую неделю, копировать его из старого диалога неудобно и легко ошибиться версией

Claude Code решает именно эту задачу: это не терминал для программиста, а рабочее окно, где обычными словами объясняешь нейросети задачу, а она пишет и сохраняет код рядом, в папке твоего проекта - файл с кодом очистки лежит на диске и переиспользуется, а не теряется в истории переписки. Первый запуск и установка разобраны отдельно: установка Claude Code из России, а что это такое и зачем нужно новичку - в основном гайде: что такое Claude Code

Что это тебе даёт: следующий шаг, когда разовых вопросов в чате становится мало. Не обязательный - для одной таблицы в месяц хватит обычного чата, а для регулярной рутины экономит время каждую неделю

Пример по шагам: от сырой таблицы до сводки за 10 минут

Собираю всю цепочку в одном примере, чтобы было видно, как задачи из разделов выше идут одна за другой на практике - от грязной таблицы до готового вопроса руководителю

На моём тестовом примере вся цепочка от восьми грязных строк до трёх чисел по городам заняла меньше десяти минут - и это без специальных технических знаний, кроме умения прочитать готовый запрос и сверить итог с исходной таблицей глазами

Сравнение: что выбрать под свою задачу аналитика

Частые ошибки новичка на данных аналитика

Три ошибки повторяются чаще остальных, и все три лечатся одним и тем же правилом - проверять, а не доверять с первого раза

Первая: просить "посчитай примерно" без загруженного файла и без кода - и потом принимать красивое число за реальный расчёт. Вторая: грузить файл с реальными данными компании, не проверив заранее, что сервис делает с загруженным содержимым по умолчанию. Третья: просить нейросеть и посчитать, и оформить в одном запросе - тогда труднее понять, где закончился расчёт и начался творческий пересказ

Что это тебе даёт: три конкретных привычки вместо общего "будь осторожен". Раздели расчёт и оформление, проверяй итог на своих числах, и решай вопрос про данные компании до загрузки, а не после

Что ещё на сайте про нейросети в работе

Порядок такой: сверху близкие задачи аналитика, снизу - соседние инструменты и профессии:

• Нейросеть для Excel - формулы и макросы прямо в ячейках, без Python
• Claude Artifacts - как получить черновик интерактивной страницы по ссылке
• Что такое Claude Code - рабочее окно для регулярного кода, а не разовых вопросов
• Установка Claude Code из России - первый запуск на пустом компьютере
• Галлюцинации нейросетей - где и почему нейросеть ошибается, полный разбор
• Цены нейросетей - сколько стоят платные тарифы ChatGPT и Claude
• ChatGPT против Claude - за что вообще платить, если выбирать один сервис
• Gemini от Google - третий крупный вариант, если хочешь сравнить больше двух сервисов
• Claude бесплатно - что доступно без подписки
• Покупка подписки Claude из России - рабочие способы оплаты
• Как вернуть деньги за подписку Claude - если подписка не пригодилась
• Разборы OpenAI и ChatGPT - соседняя экосистема с теми же задачами
• ИИ для продаж - похожий разбор под другую профессию
• ИИ для студентов - бесплатные сервисы под учебные задачи
• ИИ для руководителя - задачи уровнем выше отдельного отчёта
• ИИ для HR и кадров - похожий разбор под кадровые задачи
• Нейросеть для работы - общие офисные задачи без VPN
• Тема Claude Code целиком - все разборы этого инструмента
• Деньги и профессии - как нейросети меняют работу по разным специальностям

Источники

Список ниже я собирал руками 2 сентября 2026 года, открывая каждую страницу по очереди. Один пункт снят через поисковую выдачу с честной оговоркой в тексте статьи - прямой заход не пустил, остальные открыты мной напрямую

• Официальный блог Anthropic про инструмент анализа данных в Claude.ai и апдейт про code execution от 05.11.2025 - Introducing the analysis tool in Claude.ai
• Официальная документация Anthropic для разработчиков про code execution tool: код в песочнице - Code execution tool
• Центр приватности Anthropic про обучение моделей для потребительских планов Claude Free/Pro/Max и Claude Code на них - Is my data used for model training? (Consumers)
• Центр приватности Anthropic про обучение моделей для коммерческих продуктов (Claude for Work и другие) - Is my data used for model training? (Commercial)
• Официальная справка OpenAI про функцию анализа данных ChatGPT (снята через поисковую выдачу, прямой заход не пустил) - Data analysis with ChatGPT
• Официальная документация pandas про метод удаления дублей строк - DataFrame.drop_duplicates
• Официальная документация Python про встроенный модуль sqlite3 - документация модуля sqlite3

Памятка: нейросети для аналитика

Шесть строк, по которым безопасно начать

Частые вопросы