Технічне завдання: Система автоматичної генерації аналітичних звітів (з використанням n8n та AI)
Мета: Створити автоматизований конвеєр в n8n, який збирає та обробляє дані з різних джерел, а потім на їх основі генерує повноцінні текстові аналітичні звіти, які імітують логіку та структуру звітів, написаних людиною-аналітиком.
Основні завдання по етапах
Етап 1: Збір та інтеграція даних
1.1. Статистичні дані: Реалізувати завантаження табличних даних (Excel/CSV) зі статистичними даними та показниками, цінами, обсягами виробництва тощо. Має підтримуватися два режими:
Автоматичний: з email-вкладень, Google Drive / Dropbox папки.
Ручний: через веб-форму або запуск сценарію n8n з прикріпленим файлом.
1.3. Внутрішні звіти: Додати можливість завантажувати приклади готових аналітичних звітів (PDF/Doc) для вилучення з них конкретних даних або для використання як шаблону.
Етап 2: Обробка та структуризація даних
2.1. Очищення та фільтрація: Автоматично видаляти непотрібні рядки/стовпці, приводити дані до єдиного формату (дати, числа, валюти).
2.2. Агрегація та розрахунок метрик:
Групувати дані за заданими параметрами (регіони, країни, ціни, часові періоди).
Розраховувати ключові метрики: динаміка (зростання/падіння в %, YoY, MoM), частки, середні значення, виявлення аномалій тощо.
2.3. Підготовка даних для AI: Формувати підсумкові структуровані дані (в форматі JSON або тексту) – "довідку для аналітика", яка міститиме всі необхідні цифри, факти та витяги з новин для написання звіту.
Етап 3: Генерація текстового аналітичного звіту
3.1. Формування запиту (промпта) до AI: Сценарій n8n має динамічно створювати розгорнутий промпт для мовної моделі (LLM), що включає:
Контекст: "Ти — фінансовий аналітик. Підготуй звіт за [Період] по ринку [Назва ринку]".
Структуровані дані: Усі цифри та метрики, розраховані на Етапі 2.
Шаблон та інструкції: "Слідуй структурі прикладеного зразка звіту. Почни з загальних висновків, потім деталізуй по регіонах. Поясни зростання цін, використовуючи факти з новин. Заверши звіт прогнозом. тощо"
3.2. Взаємодія з мовною моделлю: Налаштувати інтеграцію по API з генеративною мовною моделлю (наприклад, OpenAI, Anthropic Claude або аналоги).
3.3. Створення тексту: Відправка промпта та отримання готового, зв'язного тексту аналітичного звіту.
Етап 4: Форматування та експорт результату
4.1. Компіляція підсумкового документа: Об'єднати згенерований текст (з Етапу 3) з ключовими таблицями та графіками (сформованими на Етапі 2).
4.2. Експорт: Вивантажити фінальний звіт в один з обраних форматів:
Google Docs (бажано, для легкого редагування)
PDF-файл
Відправка тексту та таблиць по email.
Сховище даних
5.1. База даних: Налаштувати базу даних (PostgreSQL, але можливе використання SQLite або Airtable) для зберігання всіх зібраних та оброблених даних.
5.2. Архітектура: Структура БД має дозволяти легко додавати нові джерела, типи даних та проводити ретроспективний аналіз за тривалі періоди.
Вхідні дані (надаються замовником)
Приклади таблиць Excel/CSV з даними.
Шаблон та приклади цільових аналітичних звітів.
Список ключових полів, метрик та параметрів для аналізу.
Доступи до необхідних API, джерел RSS.
Вимоги до виконавця
Глибокий досвід роботи з n8n та побудови складних, масштабованих сценаріїв.
Досвід в ETL (Extract, Transform, Load) процесах та автоматизації роботи з даними.
Розуміння логіки роботи з реляційними базами даних (PostgreSQL/SQLite).
Досвід роботи з API генеративних мовних моделей (LLM), вміння складати ефективні промпти (prompt engineering).
Розуміння основ статистики та аналізу даних. якщо ти прочитав до кінця, то відкликуючись вкажи два останніх речення з мого тексту, так я зрозумію що ти не робот.
