S-Insight — аналитика, дашборды и ИИ-агенты для отелей и ресторанов

Знакомые ситуации

С какими задачами к нам обращаются руководители

Каждый запрос начинается с управленческого вопроса. Аналитика здесь — не отчет ради отчета, а способ снять неопределенность.

«Мы заложили рост выручки за счет повышения тарифа. Ни в одном месяце план не выполнен, выручка ниже на 16%. Это ошибка планирования или мы просто не дотянули?»

Директор гостиницы

Решение: декомпозиция отклонения по методике BAD PQC — разделение на эффект цены и эффект объема, сегментный разбор, бенчмаркинг MPI / ARI / RGI.

«Директор по закупкам утверждает, что система работает эффективно. Но у него нет внятного описания этой системы. Можно проверить объективно, на цифрах?»

Директор гостиницы

Решение: кросс-корреляционный анализ с временными сдвигами и регрессионная модель прогноза потребности.

«Директор по продажам советует отказаться от 2ГИС и сконцентрироваться на Яндекс.Картах. Есть ли подтверждение этой рекомендации на цифрах?»

Директор гостиницы

Решение: множественная регрессия с контролем мультиколлинеарности и расчет очищенного ROI по сегментам.

«Мы повысили цены после ремонта. Это закономерный рост бизнеса или просто инфляция в прайсе? Мы стали эффективнее или просто дороже?»

Запрос собственников

Решение: анализ связки «загрузка — ARR — RevPAR» за 4 года, декомпозиция временных рядов, оценка эластичности спроса.

Исследовательские проекты

Кейсы: от управленческого вопроса к обоснованному решению

Все проекты выполнены на реальных операционных данных предприятий. Названия объектов не раскрываются.

Кейс 04 · Флагманский

Идентификация причин невыполнения бюджета по выручке

Гостиница заложила рост дохода за счет повышения среднего тарифа. Итог: план не выполнен ни в одном месяце, отклонение -30,77 млн ₽ (-16,05%).

Декомпозиция BAD PQ, 2025 г.

Бюджет191 732 778 ₽

Факт160 960 176 ₽

Отклонение-30 772 602 ₽

P-эффект (цена)+6 984 337 ₽ · 15,6%

Q-эффект (объем)-37 756 939 ₽ · 84,4%

Рыночные индексы

MPI — потеря доли рынка по ночам0,868

ARI — цена выше рынка1,125

RGI — доход на доступную ночь0,976

Отклонение по сегментам, млн ₽

Турагентства

-12,11

Индивидуалы

-11,39

Web

-3,66

Бизнес

-2,77

OTA

-0,84

Турагентства и индивидуальные гости обеспечили 76,3% общего отклонения. В обоих сегментах доля Q-эффекта выше 85%.

Инсайты

Стратегия «ценового премиума» реализована, но не компенсировала потерю объема.
Корреляция ADR и загрузки на стационарных данных упала с 0,439 до 0,169: рынок перестал реагировать на ценовой сигнал.
Операционно цены корректировались вслед за спросом, а бюджет предполагал проактивную стратегию — конфликт моделей.
Бюджет игнорировал нисходящий тренд загрузки, выявленный STL-разложением во 2-м полугодии 2024 г.

Рекомендации на 2026 г.

Бюджет от рынка, а не от желаний 3 сценария + триггеры переключения Сегментное ценообразование Ежеквартальный аудит компсета Еженедельный BAD PQC-мониторинг

Кейс 01

Анализ загрузки, ARR и ценовой стратегии гостиницы

После ремонта гостиница перешла от смешанного сегмента к премиум-позиционированию. Вопрос собственников: бизнес растет или просто «дорожает»?

Результат

Рост цен (ARR)×2,3

Рост дохода на номер (RevPAR)×2,2

Загрузка после восстановления≈ 60%

Период анализа2022–2025

Метод

Описательная статистика, корреляционный анализ связки «цена — загрузка», декомпозиция временных рядов для отделения сезонности от тренда.

+5–10% доходности в пятницу и субботу Низкий сезон — под ремонт и обучение Мониторинг эластичности спроса

Зависимость загрузки от ADR: три ценовые зоны

До ~5 500 ₽ загрузка растет вместе с ценой — клиент считывает цену как признак качества.
В диапазоне ~5 500–7 500 ₽ связь слабая: без усиления ценности рост цены съедает объем.
Свыше ~7 500 ₽ снова работает «премиум-эффект» — ниша устойчива к цене.
В 2025 г. вся кривая сместилась вправо и вниз: средний ADR +16,7% (5 163 → 6 025 ₽), средняя загрузка 0,715 → 0,621.

Кейс 02

Проверка эффективности системы закупок

Задача: объективно оценить, закупается ли косметика для номеров проактивно на основе прогноза загрузки или реактивно «по факту расхода».

Данные

9 месяцев: помесячная загрузка отеля, даты и объемы заказов поставщикам, факт списания по 4 позициям (гель, шампунь, зубной набор, кондиционер).

Инсайты

Расход коррелирует с загрузкой не в момент спроса, а с задержкой ~4 месяца — система работает реактивно.
Выявленный лаг — артефакт ежеквартальной инвентаризации, а не поведения гостей.
Для 3 из 4 позиций связь сильная: ρ > 0,85 при корректном лаге — прогнозная модель возможна.

Ежемесячное списание вместо квартального Регрессионная модель заказа Два уровня планирования: оперативный и сезонный Выборка 30–50 наблюдений

Кросс-корреляция «загрузка → расход» по лагам

лаг 0 мес.

низкая

лаг 1 мес.

слабая

лаг 2 мес.

средняя

лаг 3 мес.

сильная

лаг 4 мес.

ρ > 0,85

Схематично: пик корреляции при лаге 4 месяца — признак того, что закупка следует за уже случившимся расходом.

Потенциальный эффект

20–30%сокращение излишков запасов

0дефицит в пиковые периоды

Проверить ваши закупки?
Разберем лаги, учет и потенциал прогнозной модели.

Кейс 03

Анализ эффективности каналов 2ГИС и Яндекс.Карты

Проверка рекомендации директора по продажам отказаться от 2ГИС в пользу Яндекс.Карт. Данные за 2024–2025 гг. по 5 сегментам гостей.

Инсайты

Для сегмента «Турагентства» каждый дополнительный звонок в 2ГИС приносит в среднем +3,5 проданных ночи.
Очищенный ROI звонков 2ГИС — 2,14 ночи / 1 000 ₽, это 80% общей отдачи канала.
Переходы на сайт без звонка в 2ГИС могут давать отрицательный вклад — это «холодная» активность.
Ни один коэффициент по Яндекс.Картам не достиг статистической значимости — эффект может быть случайным.
Для сегментов OTA, Индивидуальные и Бизнес значимой связи нет ни у одного канала.

Оценивать действия, а не платформы Бюджет — в стимулирование звонков 2ГИС Яндекс.Карты — только видимость бренда Решения при p < 0,05

Доля звонков в эффективности канала

2ГИС · звонки

80%

2ГИС · переходы

20%

Яндекс · звонки

29%

Яндекс · переходы

71%

Вывод: рекомендация сосредоточиться на Яндекс.Картах не находит подтверждения в данных. 2ГИС — канал прямых продаж с высоким намерением к покупке.

Метод

Корреляционный анализ «действия в навигаторах — продажи», множественная регрессия с контролем мультиколлинеарности, расчет очищенного ROI по сегментам.

Кейс 05 · Образование

Как образование формирует карьерный капитал

Запрос родителей и абитуриентов: не «гарантия трудоустройства», а ответ на вопрос — кем станет выпускник через 5 лет и как быстро он выйдет на управленческие роли.

Метод

Объективные карьерные данные 85 выпускников (2019–2025).
4 компонента карьерного капитала: знания, связи, управленческая уверенность, адаптивность.
Композитный Индекс лидерских возможностей (ИЛВ) на основе должностей, зоны ответственности и запущенных проектов.
Проверка устойчивости в период рыночных изменений 2022–2024 гг.

Результаты

62 / 100средний ИЛВ

83%управляют проектами, командами или бизнесом

84%сохранили позиции в индустрии в 2022–2024

1,5 годаускорение выхода на роль за +1 балл капитала

Ключевой вывод

Доступ к менторам и реальным кейсам влияет на карьерный рост сильнее, чем стартовая зарплата. Наиболее развиты социальный капитал (4,1/5) и прикладные знания (3,9/5).

Практика + нетворкинг + уверенность = ускоренный рост ИЛВ как метрика потенциала программы

Хотите получить полную версию сборника?

5 исследований + 3 архитектуры дашбордов. PDF, формат для чтения с экрана и печати.

Дашборды и аналитические решения

Превращаем данные в управленческие решения

Решения на стыке методологии, аналитики и технологий: единый источник истины, фокус на бизнес-вопросах, масштабируемость и отсутствие лицензионных отчислений.

Решение 01

Дашборд для маркетплейсов

Единая платформа для Wildberries, Ozon и Yandex Market: продажи, остатки, финансы и логистика в одном окне.

10–15 чэкономия в неделю на ручную сводку

20–40%снижение out-of-stock

Загрузка CSV по защищенным ссылкам, подключение по API, валидация и индикатор прогресса
Статусы запасов: критично / внимание / норма / переизбыток
Unit-экономика, ABC-классификация, калькулятор маржинальности

RShinybslib · Bootstrap 5Docker

Обсудить внедрение →

Решение 02

Качество сервиса

Методология оценки «под ключ» и интерактивный дашборд для управляющих команд ресторанной сети.

70–85%сокращение времени подготовки аудита

2–4 мес.окупаемость внедрения

Бинарная оценка критериев и внешняя экспертиза — снижение субъективности на 80%
Drill-down по объектам, кластерам, зонам контроля и ответственным менеджерам
Прямая связь результатов с KPI и системой мотивации персонала

RShinyOn-PremiseLDAP / SSO

Обсудить внедрение →

Решение 03

Цифровая панель продаж в гостинице

Единая панель для контроля эффективности и принятия решений в реальном времени: от отеля до холдинга.

70–90%сокращение времени на управленческую отчетность

20–35%рост точности планирования

RevPAR, ADR, Occupancy, GOPPAR и интеграция с PMS (Opera, Fidelio, TravelLine), CRM
Трехуровневая детализация: отель → кластер → холдинг
ROI внедрения 2–5 месяцев, готовый прототип адаптируется за несколько дней

RShinyBootstrapDockerAPI

Обсудить внедрение →

ИИ-агенты

Два агента — две разные задачи

USALI AI-ассистент знает стандарт учета, методики и учит команду. StratInsight AI подключается к вашим данным и анализирует их: прогнозы, сценарии, разложения. Выберите агента, чтобы посмотреть демо.

Режимы работы

🎓 Эксперт📊 Аналитик🎯 Коуч 📝 Экзаменатор💼 Генератор кейсов

Методики анализа

1 · Сводный операционный отчет (P&L) отеляготово

2 · Диагностика департамента Номераготово

3 · Диагностика F&Bготово

4 · Диагностика СПА / оздоровительного клубаготово

5 · Точка безубыточности услугиготово

6 · Точка безубыточности номерного фондаготово

7 · Аргументация решений для собственникаготово

8 · Анализ центров затрат A&G, IT, S&M, POM, Utilitiesготово

USALI AI-ассистент онлайн

Фрагменты реальных диалогов. Данные тестового отеля: 80 номеров, октябрь 2024 г.

Посмотреть USALI AI-ассистента на ваших данных

15-минутное демо и консультация по сценариям внедрения: анализ P&L, аргументация для собственника, обучение команды по стандарту USALI.

StratInsight AI — аналитический агент, который подключается к данным вашего отеля и позволяет исследовать их через чат на русском языке. Не нужен Excel, не нужен SQL, не нужен аналитик в штате. Задали вопрос — получили график, таблицу, краткий вывод и, если нужно, разбор методологии.

Управляющий отелем

Ежедневная динамика, сравнение периодов, точки смены тренда

Revenue-менеджер

Прогноз ADR и загрузки, декомпозиция RevPAR, анализ сезонности

Финансовый директор

Регрессионный анализ, Monte Carlo, диапазоны ожидаемых значений

Собственник

Понятные ответы на вопросы «что происходит», «почему», «что будет»

Описательный анализ

Статистика по метрикам за период: средние, медианы, разброс, аномалии

Сравнение

Два отеля, два периода одной метрики, несколько метрик одного отеля

Динамика и тренды

Графики за любой период, точки смены тренда, STL-декомпозиция

Прогноз

Загрузка, ADR, выручка на 30/60/120 дней, интервалы 80% и 95%, оценка MAPE

Сценарии Monte Carlo

Распределение ожидаемой выручки, what-if, вклад факторов в результат

Разложение изменений

Почему изменился RevPAR: цена или объём. Waterfall-диаграмма вкладов

Сезонность

Повторяющиеся циклы, период, значимость недельной и месячной компонент

Диагностика выручки

Готовые сценарии: общая динамика, номерной фонд, F&B, точки перелома

Как это работает

Вы задаёте вопрос

Обычным языком: «Сравни ADR в мае и июне», «спрогнозируй загрузку на 30 дней», «почему упала выручка F&B»

Агент выбирает инструмент

Не вы — он. Модель определяет, что нужно: статистика, регрессия, прогноз, Monte Carlo — и вызывает метод

Расчёт в R

Все вычисления на сервере, в статистической среде R. Не в языковой модели. Числа — из вашей базы данных

Графики, таблицы, вывод

Слева визуализация, в чате краткий ответ. Напишите «подробнее» — получите разбор с коэффициентами и методологией

Чем отличается от обычных AI-ассистентов

Числа настоящие

Модель не «вспоминает» и не «предполагает»: значения приходят из аналитического инструмента по вашим данным

Не выдумывает там, где не знает

Нет данных за период — скажет прямо. Непонятный запрос — задаст один уточняющий вопрос, не угадывая

Предупреждает о ловушках

Зависимость RevPAR от ADR и загрузки — математическое тождество, а не бизнес-связь. Агент не даст сделать ложный вывод

Рассуждает о неопределённости

Прогноз — это распределение с интервалами, а не одно число. Monte Carlo показывает уверенность и вклад факторов

Понимает контекст

Отвечает на «а подробнее» без повторного обращения к данным. Ведёт диалог, а не отвечает на отдельные запросы

Что в разработке

Бенчмарки и STR-отчёты План-факт по P&L (USALI) Плейбуки типовых диагностик Реестр данных сессии Menu engineering F&B

На чём построено

Аналитика: R (forecast, changepoint, car)
LLM: YandexGPT (Alice AI LLM), OpenAI-совместимый API
Данные: DuckDB, подключение к выгрузкам отеля
Интерфейс: Shiny, выгрузка диалога и отчётов

Безопасность

Данные не покидают ваш сервер: LLM получает только результаты расчётов, не сырые выгрузки
Все обращения логируются: запросы, ответы, метрики
Развёртывание на изолированном сервере, доступ по логину

StratInsight AI онлайн

Демонстрационные диалоги. Графики построены аналитическим контуром агента на тестовых данных.

Посмотреть StratInsight AI на ваших данных

Подключим агент к вашим выгрузкам и покажем: прогноз загрузки и ADR с интервалами, точки перелома тренда, разложение RevPAR и Monte Carlo по выручке.

Методология

Не графики ради графиков, а методы, которые объясняют бизнес

Каждое исследование начинается с управленческого вопроса и гипотезы, а заканчивается рекомендацией, которую можно положить в бюджет или в операционный регламент.

ДекомпозицияBAD PQC

Разложение отклонения бюджета на эффект цены, объема и затрат. Методика Marriott, Radisson, Hyatt: каждый рубль отклонения объяснен, без «остатков».

БенчмаркингMPI · ARI · RGI

Доля рынка по ночам, конкурентоспособность тарифа и интегральная эффективность генерации дохода относительно компсета.

ПричинностьРегрессионный анализ

Оценка вклада факторов с проверкой статистической значимости и контролем мультиколлинеарности. Решения принимаем при p < 0,05.

Временные рядыSTL-разложение

Отделение тренда от сезонности и остатков, чтобы не принять сезонный всплеск за структурный рост, а сезонный провал — за кризис.

Скрытые лагиКросс-корреляция

Поиск задержек между процессами: как закупки реагируют на загрузку и через сколько месяцев это видно в данных.

ЦенообразованиеЭластичность спроса

Лог-лог регрессии по сегментам: как изменение ADR влияет на объем и где проходит граница «премиум-эффекта».

ПланированиеСценарное бюджетирование

Три сценария — пессимистичный, базовый, оптимистичный — и опережающие триггеры переключения вместо реакции по факту.

Стандарт учетаUSALI

Единая система счетов гостиничной индустрии: корректная классификация доходов, расходов и распределение пакетного дохода.

О команде

Аналитика, исследования и ИИ-решения на стыке методологии и технологий

Мы работаем на стыке бизнес-аналитики, статистики и разработки. Помогаем руководителям видеть объективную картину бизнеса, проверять управленческие гипотезы данными и превращать операционные данные в решения. Отдельное направление — разработка образовательных программ и тренажеров на основе прикладных кейсов.

Галынин Сергей Викторович

Директор программ

Институт управления РАНХиГС

→Сертификаты HFTP®:

•HFTP USALI Theory Certificate

•HFTP USALI Practice, Analysis & Compliance Certificate

•Hospitality Benchmarking Certificate

→Фокус: методология USALI, бенчмаркинг, факторный анализ отклонений бюджета (BAD PQC), разработка ИИ-агентов и образовательных программ.

Комаров Глеб Андреевич

Ведущий специалист, преподаватель

Институт управления РАНХиГС · Кандидат экономических наук

→Специализация:

•Прикладная статистика и эконометрика

•Регрессионное моделирование и анализ временных рядов

•Разработка дашбордов на R / Shiny / Python / Docker

→Фокус: исследования причинно-следственных связей в операционных данных, прогнозные модели, сегментный анализ, визуализация и масштабирование аналитических решений.

Отрасли

Отели и гостиничные сети
Рестораны и сервисные компании
E-commerce и маркетплейсы
Ритейл и дистрибуция
Спорт и индустрия развлечений
Образовательные программы и ДПО

Компетенции

Прикладная статистика и эконометрика
Управленческая аналитика в гостиничном бизнесе
Дашборды на R / Shiny / Python
ИИ-агенты и RAG-подходы
Разработка образовательных программ

Принципы работы

Не продаем «аналитику вообще»
Начинаем с управленческого вопроса
Проверяем гипотезы данными
Даем рекомендации, понятные руководителю
Доводим анализ до внедрения

Формат работы

Как мы строим проект

Первичная консультация

Обсуждаем задачу, данные, бизнес-контекст и желаемый результат. Формулируем управленческий вопрос.

Гипотезы и данные

Согласуем гипотезы, источники данных и метрики. Фиксируем, что будет считаться подтверждением.

Анализ

Применяем статистические методы, бенчмаркинг и отраслевую логику USALI.

Инсайты и рекомендации

Вы получаете выводы, понятные руководителю, и предложения по решениям с оценкой эффекта.

Внедрение

При необходимости — дашборд, ИИ-агент или регламент регулярного контроля показателей.

Вопросы и ответы

Что обычно спрашивают руководители

Бюджет и выручка: выручка, загрузка, ADR, бюджетные и фактические значения по сегментам за 1–2 года; при наличии — данные бенчмаркинга (MPI, ARI, RGI).
Закупки: помесячная загрузка, даты и объемы заказов поставщикам, факт списания по позициям.
Каналы продаж: статистика действий в сервисах (звонки, переходы) и продажи по сегментам гостей.
Для StratInsight AI: достаточно обычных выгрузок из PMS или Excel — агент подключается к ним через DuckDB.
Точный чек-лист присылаем после первичной консультации.

USALI AI-ассистент работает со стандартом учета: методики P&L, точка безубыточности, распределение пакетного дохода, обучение команды, аргументация для собственника.
StratInsight AI подключается к вашим операционным данным и анализирует их: описательная статистика, сравнения, тренды и точки перелома, прогнозы с интервалами, Monte Carlo, разложение RevPAR, сезонность.
Первый знает методологию, второй считает по вашим данным.
В проектах они дополняют друг друга.

Числа не генерируются языковой моделью: все расчёты выполняются в статистической среде R на вашем сервере.
Если данных за период нет — агент скажет прямо.
Если запрос двусмысленный — задаст один уточняющий вопрос, не пытаясь угадать.
Агент предупреждает о методологических ловушках: например, зависимость RevPAR от ADR и загрузки — это математическое тождество, а не бизнес-связь.

Экспресс-анализ по одному-двум показателям — около недели.
Полноценное исследование с развернутым отчетом, сегментным разбором и рекомендациями — 3–4 недели.
Разработка дашборда на основе готового прототипа — от нескольких дней до нескольких недель в зависимости от интеграций.

Основная экспертиза — HoReCa: отели, гостиничные сети, рестораны и сервисные компании.
Также есть решения для маркетплейсов и e-commerce, ритейла и дистрибуции, спорта и индустрии развлечений, образовательных программ.
Методология универсальна, но всегда адаптируется под специфику отрасли и доступные данные.

Работа ведется в рамках соглашения о конфиденциальности.
Все публикуемые кейсы обезличены: названия объектов не раскрываются.
Дашборды и StratInsight AI разворачиваются on-premise на вашем сервере: данные не покидают его.
Языковая модель получает только результаты расчётов, все обращения логируются, доступ — по логину на изолированном сервере.

Uniform System of Accounts for the Lodging Industry — единая система счетов гостиничной индустрии, применяемая международными сетями.
Задает корректную классификацию доходов и расходов, правила распределения пакетного дохода и состав показателей (GOP, EBITDA, Flow Through).
ИИ-агенты и дашборды строятся на этой логике, поэтому результаты сопоставимы с отраслевыми бенчмарками.
Официальный перевод USALI на русский язык можно приобрести по ссылке.

Стоимость зависит от объема данных, глубины анализа и формата результата: разовое исследование, регулярный мониторинг, разработка дашборда или внедрение ИИ-агента.
После первичной консультации вы получаете оценку сроков, состава работ и стоимости — без скрытых этапов.

Найдем, где ваш отель или ресторан теряет выручку — на данных, а не на ощущениях

С какими задачами к нам обращаются руководители

Три уровня: понять, контролировать, автоматизировать

Аналитические исследования

Дашборды и панели управления

ИИ-агенты

Кейсы: от управленческого вопроса к обоснованному решению

Идентификация причин невыполнения бюджета по выручке

Анализ загрузки, ARR и ценовой стратегии гостиницы

Проверка эффективности системы закупок

Анализ эффективности каналов 2ГИС и Яндекс.Карты

Как образование формирует карьерный капитал

Превращаем данные в управленческие решения

Дашборд для маркетплейсов

Качество сервиса

Цифровая панель продаж в гостинице

Два агента — две разные задачи

Посмотреть USALI AI-ассистента на ваших данных

Посмотреть StratInsight AI на ваших данных

Не графики ради графиков, а методы, которые объясняют бизнес

Uniform System of Accounts for the Lodging IndustryUSALI · 11-е издание · На русском языке

Единственный официальный перевод стандарта USALI на русский язык

Аналитика, исследования и ИИ-решения на стыке методологии и технологий

Галынин Сергей Викторович

Комаров Глеб Андреевич

Отрасли

Компетенции

Принципы работы

Как мы строим проект

Что обычно спрашивают руководители

Обсудим вашу ситуацию?