Дашборд в Excel через ChatGPT: диаграммы и сводные для отчёта собственнику без дизайнера

Каждый месяц одно и то же: собственник просит «покажи, как дела у компании», а у меня впереди день ручной работы со сводными и диаграммами. Потом ещё полдня на то, чтобы графики выглядели прилично. Если узнали себя, эта статья для вас. Меня зовут Натали Васильева, я эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO», которую основала Софья Бурцева. С февраля 2023 года я помогаю финансистам и бухгалтерам внедрять нейросети в работу, через курс «AI-навыки финансиста» прошли 800+ выпускников, наши каналы читают 45 000 подписчиков в Telegram и 13 000 в канале «АИ с Софьей и Натали». Материал актуален на 31 августа 2026 года.

В этой статье показываю, как собрать дашборд в Excel через ChatGPT: диаграммы и сводные для отчёта собственнику без дизайнера. Внутри 12 готовых промптов, три кейса с часами, сравнительная таблица моделей, разбор частых ошибок и чек-лист сборки за один вечер. Подходит тем, кто работает в Excel каждый день и не собирается изучать Power BI ради одного отчёта.

Что такое дашборд в Excel и почему он нужен собственнику

Дашборд это один лист в книге Excel, на котором ключевые показатели компании собраны так, чтобы собственник понял состояние бизнеса за 30-60 секунд. Это не просто набор диаграмм, а выжимка: KPI сверху, динамика по месяцам, структура, план-факт и два-три ключевых вывода текстом.

Классическая анатомия дашборда для собственника:

1. Шапка с KPI. Три-пять главных цифр: выручка, маржинальная прибыль, чистая прибыль, кассовый остаток, дебиторка. Каждая цифра с динамикой к прошлому периоду в процентах и цветным индикатором.
2. Динамика по месяцам. Линейный или столбчатый график выручки и прибыли за 12 месяцев. Это ответ на вопрос «куда движемся».
3. Структура. Круговая или столбчатая диаграмма: выручка по направлениям, расходы по статьям. Ответ на вопрос «из чего это состоит».
4. План-факт. Сравнение плана и факта по ключевым метрикам с отклонением. Ответ на вопрос «выполняем ли план».
5. Кассовый разрез. Остаток, поступления, списания, прогноз на следующие 30-90 дней.
6. Блок выводов. Три предложения текстом: что случилось, почему, что делать. Это то, что собственник читает первым.

Логика простая: чем выше блок, тем важнее. Сначала цифры-итоги, потом динамика, потом детали. Всё, что не влияет на решение, в дашборд не попадает. Если собственник спрашивает «а почему здесь нет X», значит X влияет на решение, и вы добавляете его в следующий релиз.

Почему дашборд нужен именно вам. Собственник принимает решения по цифрам, которые видит, а не по цифрам, которые существуют в вашей голове или в 50-страничном файле. Дашборд на одном листе превращает месячную рутину в историю за минуту, и это меняет и вашу позицию, и его отношение к вам. Я много лет собирала отчёты классическим способом: выгрузка из 1С, сводные, десяток диаграмм, потом письмо «приложено, смотрите». Собственник открывал файл, видел таблицу, задавал три вопроса, на которые у меня уже были ответы, но в другом месте. Первый дашборд, который я собрала на один лист, собственник открыл при мне и сказал «вот теперь я вижу бизнес». С того момента я не возвращаюсь к старому формату.

Почему именно Excel, а не BI-система. Три причины. Первая: у большинства компаний данные живут в Excel и 1С, и тянуть их в Power BI или Looker Studio это отдельный проект с правами доступа и настройкой. Вторая: собственник привык к Excel, ему не нужно осваивать новый интерфейс, файл можно открыть с телефона. Третья: обновление дашборда в Excel через Power Query и макросы занимает минуты, и это делает сам финансовый отдел без разработчика.

И отдельный аргумент для финдира. Дашборд это видимый результат вашей работы. Когда отчёт выглядит как продукт, вас воспринимают как аналитика и партнёра, а не как «того, кто заполняет таблицы». Собственник начинает обсуждать с вами цифры, а не спрашивать, где они. Это меняет статус внутри компании, и это не требует дизайнера: достаточно аккуратного макета и правильных диаграмм, которые подберёт ChatGPT.

Что мешает собрать дашборд вручную

Честно перечислю, почему ручная сборка занимает день-два, а не два часа. Сводные надо построить, проверить, не потерять строки. Диаграммы выбрать, настроить оси, подписи, цвета. Макет разложить так, чтобы на одном экране было видно главное. Потом собственник просит добавить KPI, убрать лишний график, перекрасить. Каждое изменение тянет за собой ручную правку.

Нейросеть снимает именно эту боль. Она не делает за вас всю работу, но берёт на себя то, что отнимает 80 процентов времени: структуру сводных, выбор диаграмм, макет, цветовую схему и формулировки выводов. Вы остаётесь сборщиком и контролёром, а не проектировщиком и дизайнером. Дальше разберу, какие задачи нейросеть решает лучше всего, а что оставить себе.

Какие задачи при сборке дашборда ChatGPT решает лучше всего

Нейросеть не умеет «нарисовать дашборд» одним запросом, зато отлично делает четыре конкретные вещи: проектирует структуру, считает сводные, подбирает диаграммы и переводит цифры в выводы. Это ровно те задачи, где раньше приходилось думать часами.

1. Проектирование структуры под вашу задачу. Вы описываете бизнес и вопрос собственника, нейросеть возвращает список KPI, состав блоков и порядок на листе. Это заменяет час размышлений «что показать» и делает дашборд осмысленным с первого раза.

2. Сводные и формулы. ChatGPT пишет формулы СУММЕСЛИМН, СУММЕСЛИМН с несколькими условиями, ИНДЕКС/ПОИСКПОЗ под вашу структуру данных. Он объясняет, как построить сводную таблицу шаг за шагом, или генерирует код на Python с выгрузкой готовой сводной в xlsx.

3. Подбор и настройка диаграмм. Вы описываете данные и вопрос, модель объясняет, какой тип диаграммы подходит и почему, и даёт параметры: какие ряды, какие оси, где подписи. Это убирает главную ошибку новичка: круговую диаграмму для динамики или 3D-график с перекошенными пропорциями.

4. Формулировка выводов. Самый недооценённый навык. ChatGPT превращает таблицу цифр в три предложения для собственника: что случилось, почему, что делать. Отчёт без выводов собственник читает как текст без заголовков.

Что оставить себе. Нейросеть не знает контекст бизнеса: какая статья расходов «разовая», а какая «постоянная», какой контрагент «важный», а какой «мелкий». Проверку итогов и финальное решение о том, что показать, оставляете человеку. Модель предлагает, вы утверждаете.

Какой моделью пользоваться: рабочая связка августа 2026

На август 2026 года я работаю с четырьмя моделями, и у каждой своя роль при сборке дашборда. GPT-5.5 в chatgpt.com основной инструмент: он лучший в сводных, коде на Python и формулировках выводов. Claude Sonnet 4.6 беру для длинных книг со сложными формулами, он точнее держит контекст целиком. Gemini 2.5 удобен, если данные живут в Google Таблицах. DeepSeek V3.2 бесплатный вариант для черновых макетов на обезличенных данных, когда жалко тратить токены платной модели на черновик.

Сравнение моделей разберу отдельным блоком ниже, а пока запомните правило: для типового дашборда достаточно одной модели, чаще всего GPT-5.5. Остальные подключаются, когда задача выходит за рамки типовой.

Как подготовить данные для дашборда: нормализация и обезличивание

Половина успеха дашборда решается до того, как вы откроете ChatGPT. Грязные данные нейросеть не спасёт, она их вежливо переварит и выдаст красивый график с неверными цифрами. Поэтому первый шаг подготовки, и он же самый важный: привести данные к единому виду.

Что значит нормализовать данные для дашборда:

1. Одна строка одно наблюдение. Каждая строка это факт: дата, направление, статья, сумма. Никаких итогов внутри таблицы, объединённых ячеек, многоэтажных шапок.
2. Единые названия. Одна статья называется одинаково везде: «Выручка по направлению розница», а не «розница», «Розничная выручка», «Выручка (розн.)» в разных местах. Разные названия нейросеть не сведёт сама, пока вы не дадите справочник.
3. Единый формат дат и чисел. Даты одним форматом, числа без пробелов и валютных знаков внутри, разделитель десятичный одинаковый.
4. Справочник колонок. Отдельный лист, где написано, что значит каждая колонка и как считается ключевой показатель. Это инструкция для нейросети, без неё модель гадает.

Обезличивание перед загрузкой. Правило простое: суммы оставляем, идентификаторы убираем. Названия контрагентов заменяем на «Контрагент 1, 2, 3», ИНН, счета и ФИО на маски вида XXX. Выключаем в настройках платного тарифа обучение на данных. Документы под NDA и банковскую тайну в публичные тарифы не грузим, для них корпоративные тарифы Business или локальные модели. Подробный порядок обезличивания есть в статье про аудит формул через ChatGPT, там та же схема.

Типовые проблемы выгрузок из 1С и как их чинить

По моему опыту, данные из 1С приходят в дашборд с тремя типовыми проблемами. Первая: итоги внутри таблицы. В выгрузке 1С часто есть строки «Итого по документу» и «Всего», и если их не убрать, сводная посчитает их как обычные строки и удвоит суммы. Решение простое: перед выгрузкой исключаем строки с ключевыми словами «Итого», «Всего», «Итого по», через фильтр в Excel.

Вторая: разные названия одного и того же. «Розница», «Розничная торговля», «розница (касса)» это одно направление, а нейросеть без справочника посчитает их тремя. Собираем лист «Справочник» с двумя колонками: как пишется в выгрузке и как должно называться в дашборде. Потом либо чистим данные вручную, либо просим ChatGPT написать формулу ПОДСТАВИТЬ или код на Python для переименования по справочнику.

Третья: объединённые ячейки и многоэтажные шапки. Excel умеет красиво показывать «Выручка за 1 квартал» через объединение, но для нейросети это ловушка: она читает только первую ячейку объединения, остальные считает пустыми. Разбиваем объединения, заполняем значения вниз, шапку делаем в одну строку. Это скучная работа на 30-40 минут, зато после неё нейросеть работает без сюрпризов.

Один лайфхак. Если выгрузка приходит каждый месяц в одном и том же виде, один раз прогоните её через промпт «напиши код на Python, который чистит данные по моим правилам: убирает итоговые строки, переименовывает по справочнику, разбивает объединённые ячейки». Сохраните код, и дальше месяц начинается с запуска готовой функции, а не с ручной чистки. Это тот случай, когда автоматизация окупается за первый же цикл.

Когда данные готовы, переходим к главному: учим нейросеть строить сводные.

Сводные таблицы через ChatGPT: промпты, которые работают

Сводная это сердце дашборда. Именно она превращает тысячу строк выгрузки в несколько строк по направлениям, месяцам и статьям. ChatGPT не строит PivotTable в файле напрямую, зато даёт три рабочих варианта: формулы СУММЕСЛИМН, код на Python с выгрузкой сводной в xlsx, и макрос VBA, который строит сводную в один клик. Для финансовых данных я рекомендую первый вариант: он прозрачный и легко проверяется.

Промпт для сводной через формулы:

У меня данные на листе «Данные» в Excel:
- колонка A: дата
- колонка B: направление (розница, опт, маркетплейсы)
- колонка C: статья выручки
- колонка D: сумма

Нужна сводная по месяцам и направлениям: сумма выручки по каждому
направлению за каждый месяц.

Напиши:
1. Формулу СУММЕСЛИМН с условием по месяцу и направлению
2. Структуру таблицы: строки месяцы, колонки направления
3. Как сделать итоговую строку и итоговый столбец
4. Какую ячейку для какой строки протягивать

Проверь логику на примере: если в данных за январь три строки
по рознице с суммами 100, 200 и 300, сводная по рознице за январь
должна вернуть 600. Пересчитай на Python и покажи проверку.

Этот промпт включает требование пересчёта на Python, и это важно. Модель проверяет свою логику внешним расчётом и не выдаёт формулу «на глаз». Если итог сходится с проверкой, формулу можно вставлять.

Промпт для сводной через Python (вариант для больших файлов):

Прочитай файл «Данные.xlsx», лист «Данные».

Колонки: date, direction, revenue.

Построй сводную: строки месяц (из даты), колонки direction,
значения сумма revenue. Пропущенные комбинации заполни нулями.

Сохрани результат в новый лист «Сводная» того же файла:
- первая строка шапка
- последняя строка «Итого» с суммой по месяцам
- последний столбец «Итого» с суммой по направлениям

Выведи на экран первые 5 строк сводной и итоговую сумму.
Проверь: итоговая сумма сводной должна совпасть с суммой
всех строк исходного файла. Покажи обе суммы.

Код на Python полезен, когда данных больше пары тысяч строк и формулы начинают тормозить. Результат сохраняется в файл, и вы получаете готовую сводную таблицу.

Третья опция макрос VBA для постоянного отчёта. Когда дашборд живёт месяцами и данные обновляются, лучше один раз попросить ChatGPT написать макрос, который строит сводную заново при каждом запуске. Про макросы и продвинутую автоматизацию Excel я писала отдельно в статье про VBA-макросы через ChatGPT, там есть готовые примеры.

Сводная по нескольким измерениям

Когда собственнику нужно увидеть данные сразу по трём разрезам, например выручка по месяцам, направлениям и менеджерам, одна формула не справится. ChatGPT строит многоуровневую сводную через код на Python, это самый надёжный путь для трёх и более измерений. Промпт описывает измерения, требования к выводу и обязательную проверку итога: «Данные на листе „Данные“: дата, направление, менеджер, сумма. Построй сводную по трём измерениям: строки месяц и внутри месяца направление, колонки менеджер, значения сумма выручки. Требования: строка итога по менеджеру, итог по всем менеджерам, проценты по строкам, сохрани в лист „Сводная 3D“, проверь, что сумма всех ячеек сводной равна сумме исходных строк. Напиши код на Python и выполни его».

Такая сводная на 10-20 тысяч строк вручную строится минут сорок и часто с ошибками. Код на Python делает её за пару минут и, что важнее, проверяет итог: сумма всех ячеек сводной должна сойтись с исходником. Если не сошлась, модель сама ищет причину, а не вы.

Что делать, если данных не хватает для нужного KPI

Частая ситуация: собственник хочет KPI, которого нет в текущих выгрузках. Например, маржинальность по каждому менеджеру, а в данных только выручка по менеджерам и общая себестоимость. ChatGPT не выдумает недостающее, и правильно. Зато он предложит, как посчитать показатель из того, что есть, или какую выгрузку дозаказать у 1С-специалиста. Рабочая формулировка: «Собственник хочет маржинальность по менеджерам. В данных есть выручка по менеджерам, общая себестоимость и расходы по статьям без привязки к менеджерам. Предложи два варианта: как посчитать приближённо с допущениями и какие данные дозаказать для точного расчёта. Для каждого варианта укажи погрешность и риски».

Ответ модели помогает принять решение: считать приближённо с допущениями или потратить неделю на донастройку выгрузки. Чаще всего для месячного отчёта достаточно приближённой цифры с честной пометкой, а точный расчёт включается со следующего квартала.

Сводная на выгрузке из 1С: пример под типовую конфигурацию

Чаще всего данные для дашборда приходят из 1С: Бухгалтерия предприятия, УТ, ЗУП, управленческий контур. У каждой выгрузки свой вид, и это пугает новичков. На самом деле нейросеть не нужно знакомить с 1С, достаточно описать структуру выгрузки, и она построит сводную. Рабочая формулировка: «У меня выгрузка из 1С на листе „Оборотка“: счёт, субконто, период, оборот по дебету и кредиту. Собери управленческий ОПиУ: выручка по 90.01 по кредиту с группировкой по месяцам и направлениям, себестоимость по 90.02 по дебету, валовая прибыль как разница, прочие доходы и расходы по 91. Напиши формулы СУММЕСЛИМН и проверь на контрольном примере пересчётом на Python».

Почему это работает. Модель не знает «правила 1С», но ей и не нужно: вы описали, где выручка, где себестоимость, и она собрала формулы. Главное в промпте контрольный пример с пересчётом на Python. Он ловит случаи, когда модель перепутала дебет с кредитом или забыла условие по периоду. Если нужно коротко: главное явно указать, где дебет, а где кредит, и попросить проверить итог.

Что такое сводная таблица: короткое определение

Сводная таблица это способ перегруппировать детальные данные: из тысячи строк выгрузки собрать итоги по месяцам, направлениям и статьям. Обычный инструмент Excel «Вставка → Сводная таблица», но на дашборде часто удобнее управляемые формулы СУММЕСЛИМН, потому что они обновляются автоматически и не требуют ручного обновления области. ChatGPT строит и то и другое, выбор зависит от того, насколько часто меняется структура данных.

Промпт для структуры KPI и логики расчёта

До формул стоит договориться о показателях. Опишите бизнес и вопрос собственника, и нейросеть предложит KPI с формулами расчёта:

Компания: сеть кофеен, 12 точек, управленческий учёт в Excel.
Собственник спрашивает раз в месяц: «как дела у компании».

Предложи 5 ключевых показателей для дашборда:
1. Название KPI
2. Формула расчёта из данных (выручка, себестоимость, расходы)
3. Хорошая или плохая динамика
4. Цвет индикатора при росте и падении

Ограничение: показатели должны считаться из доступных данных
без новых выгрузок. Для каждого KPI объясни, какое решение
принимает собственник, глядя на него.

Такой промпт даёт не просто список метрик, а логику: зачем каждая цифра и что собственник с ней делает. KPI без решения это украшение, KPI с решением это инструмент.

Какие KPI подходят вашему бизнесу: шпаргалка по типам компаний

Набор KPI зависит от модели бизнеса. Одна и та же компания в опте и в рознице смотрит на разные цифры, и нейросети нужно объяснить, что именно важно в вашем случае. Я держу под рукой такую шпаргалку, её же можно скормить модели в промпт:

Этот список не заменяет контекст, но ускоряет промпт: вы сразу называете модель бизнеса, и нейросеть не предлагает «средний чек» компании, которая работает только в опте.

Дальше переходим к диаграммам.

Диаграммы для дашборда: какие типы выбирает ChatGPT

Диаграммы это то, что собственник видит глазами, и здесь легко испортить всё. Главная ошибка использовать красивый, но неправильный тип графика. ChatGPT убирает эту ошибку, если дать ему данные и вопрос, а не просить «сделай красиво».

Базовая логика выбора диаграммы, которую я использую и которой учу нейросеть:

1. Динамика по месяцам. Линейный график или столбчатая диаграмма. Линейный лучше, когда нужно сравнить две линии (выручка и прибыль), столбчатая когда важно точное значение каждого месяца.
2. Структура выручки или расходов. Круговая или столбчатая с долями. Круговая работает, когда направлений до пяти-семи, иначе читается плохо.
3. План-факт. Столбчатая диаграмма с двумя рядами и подписью отклонения в процентах. Или водопад, если нужно показать, как план складывается из факта.
4. Кассовый поток. Столбчатая по неделям или месяцам с положительными и отрицательными значениями.
5. Дебиторка по срокам. Таблица с цветовой шкалой или гистограмма по возрастам задолженности.

Промпт для выбора диаграмм под ваш дашборд:

Для дашборда собственнику у меня есть данные:
- выручка и прибыль по месяцам за 12 месяцев
- выручка по 6 направлениям
- план и факт по выручке и прибыли по месяцам
- кассовый остаток и поступления за 6 месяцев
- дебиторка по срокам: 0-30, 31-60, 61-90, 90+ дней

Для каждого блока предложи:
1. Тип диаграммы в Excel
2. Какие ряды поставить на ось, а какие в легенду
3. Что подписать (заголовок, оси, подписи данных)
4. Почему этот тип, а не другой

Учитывай: дашборд читает собственник 55 лет на ноутбуке
и с телефона, без специальных знаний. Никаких 3D-графиков
и более 7 категорий на одной диаграмме.

Ключевое в этом промпте аудитория и ограничения. Модель начинает думать о читателе, а не о красоте ради красоты. Для план-факт отклонений есть отдельная механика, её я разобрала в статье про факторный анализ план-факт через ChatGPT, там же готовая логика bridge-диаграммы.

Таблица соответствия «вопрос собственника → тип диаграммы», которую можно держать под рукой:

Эта таблица экономит время на переписке с нейросетью: вы уже знаете, какой график хотите, и просите модель дать параметры, а не выбирать тип с нуля.

Как проверить, что диаграмма не врёт

Диаграмма может быть честной по данным и лживой по подаче. Самые частые приёмы искажения, которые ChatGPT может повторить, если не дать ограничений: обрезанная ось Y, когда линия резко идёт вверх просто из-за выбранного масштаба; круговая диаграмма с мелкими долями, которые не читаются; столбцы с разной шириной, которые искажают сравнение. В промпт на построение любой диаграммы я добавляю две строчки: «ось начинается с нуля» и «подписи данных явные». Это убирает 90 процентов визуального обмана.

Промпт для параметров конкретной диаграммы

Когда тип выбран, нужны точные параметры. Общий запрос «сделай график» даст общий ответ, конкретный запрос даёт конкретную инструкцию:

Построй в Excel линейную диаграмму по данным:
- ось X: месяцы январь-декабрь 2025 года
- ряд 1: выручка (лист «Данные», колонка B)
- ряд 2: маржинальная прибыль (колонка C)

Требования:
1. Две оси: слева выручка, справа прибыль в процентах
2. Линия выручки синяя, линия прибыли оранжевая
3. Подписи данных у линии прибыли в процентах
4. Заголовок «Выручка и маржинальность по месяцам»
5. Убрать сетку, оставить только горизонтальные линии
6. Легенда снизу по центру

Напиши пошагово, какие пункты меню нажать, начиная
с выделения данных. Учти, что у меня Excel 2021, русский интерфейс.

Такие детали как «русский интерфейс» и версия Excel экономят кучу времени: нейросеть не предложит кнопку, которой у вас нет. Дальше переходим к самому интересному: макету дашборда.

Макет дашборда: как ChatGPT собирает композицию без дизайнера

Макет это то, что отличает «набор графиков» от «дашборда». Собственник сначала видит композицию целиком и только потом отдельные цифры. Хороший макет ведёт взгляд сверху вниз и слева направо, как текст. ChatGPT хорошо раскладывает такую композицию, если дать ему список блоков и порядок важности.

Принцип макета, который я использую:

1. Шапка KPI. Первая строка, 3-5 карточек с цифрами и индикаторами. Самый важный KPI слева.
2. Динамика. Второй ряд, график на всю ширину или на две трети.
3. Структура и план-факт. Третий ряд, две-три диаграммы рядом.
4. Детали и кассовый разрез. Ниже, если нужно.
5. Выводы. Блок текста в шапке или справа, читается первым.

Промпт для макета:

Спроектируй макет дашборда в Excel на один лист формата A4
в альбомной ориентации. У меня такие блоки:
1. 5 карточек KPI (выручка, маржинальность, прибыль, касса, дебиторка)
2. Линейный график выручки и прибыли за 12 месяцев
3. Структура выручки по направлениям
4. План-факт по месяцам с отклонениями
5. Кассовый остаток и прогноз

Разложи блоки по сетке: ширина листа 12 колонок.
Для каждого блока укажи:
- диапазон колонок и строк
- ширина (например, 4 из 12)
- высота в строках
- порядок чтения для взгляда собственника
- какой цвет фона и рамки использовать, чтобы блоки
  читались как группа, но не сливались

Учти: собственник смотрит с телефона, поэтому самые важные
цифры должны быть в первых двух рядах.

После макета приходит цвет. Здесь правило простое: не больше двух-трёх цветов для данных и один акцент для отклонений. ChatGPT подберёт палитру под отрасль, но финальное слово за вами, потому что у компании может быть фирменный стиль.

Макет под чтение с телефона

Половина собственников в моей практике смотрят дашборд с телефона, часто в перерыве между встречами. Это меняет правила макета: шапка с KPI должна помещаться на первый экран без прокрутки, шрифт крупный, кнопки фильтров не обязательны, а вот числа читаться должны без зума. В промпт макета я добавляю строку «спроектируй под экран 375 пикселей шириной» и прошу модель указать, какие блоки попадут на первый экран, а какие уйдут ниже. Тогда вы визуально проверяете в Excel, как дашборд выглядит на телефоне, ещё до отправки.

Промпт для цветовой схемы и условного форматирования

Подбери цветовую схему для дашборда по управленческой отчётности.
Контекст: консервативная компания, собственник 55 лет, отчёт
будут смотреть и печатать чёрно-белым.

Требования:
1. Основной цвет данных один, нейтральный
2. Акцент для отклонений: красный плохо, зелёный хорошо
3. Для печати чёрно-белой: отклонения дополнительно обозначить
   стрелками вверх-вниз, не только цветом
4. Дай код условного форматирования: правило, формула, формат
5. Фон шапки KPI тёмный, текст белый

Сформулируй так, чтобы я мог применить в Excel 2021 без макросов,
только через меню условного форматирования.

Отдельно про отклонения. Требование «обозначить не только цветом» спасает тех, кто печатает отчёты или смотрит их на проекторе. Цвета и стрелки вместе делают дашборд читаемым в любых условиях.

Краткая версия промпта для цвета, если не хочется вводить целиком: «Подбери цветовую схему для дашборда управленческой отчётности. Основной цвет один нейтральный, акцент для отклонений красный и зелёный, для чёрно-белой печати добавь стрелки вверх-вниз, фон шапки KPI тёмный с белым текстом. Дай правила условного форматирования для Excel 2021». Модель вернёт готовые правила, останется применить через меню.

Когда макет и цвета готовы, остаётся самое главное: чтобы собственник понял, что происходит. Переходим к выводам.

Как ChatGPT переводит цифры дашборда в историю для собственника

Самый недооценённый блок дашборда это текст. Собственник смотрит на графики и спрашивает «и что мне делать?». Если на дашборде нет ответа, он открывает его реже. ChatGPT отлично формулирует выводы, если дать ему цифры и контекст.

Промпт для блока выводов:

Ниже данные дашборда за последний месяц.

Выручка: 12,4 млн, план 11,0 млн, рост к прошлому месяцу 8%.
Маржинальность: 21%, месяц назад 23%, падение из-за роста
закупочных цен на кофе на 9%.
Прибыль: 2,6 млн, план 2,5 млн.
Касса на конец месяца: 1,1 млн, прогноз на 60 дней: дефицит
в середине следующего месяца 400 тысяч.
Дебиторка: 3,8 млн, рост на 15%, просрочка 90+ 700 тысяч.

Напиши блок выводов из 3 предложений для собственника:
1. Что случилось (главный факт)
2. Почему это произошло (причина)
3. Что делать (конкретная рекомендация)

Тон: деловой, без канцелярита, без воды. Каждое предложение
не длиннее 20 слов. Никаких общих фраз вида «необходимо усилить
работу». Только конкретика из цифр выше.

Блок выводов размещается в шапке дашборда или сразу под KPI. Формула простая: факт, причина, действие. Собственник читает три предложения, потом смотрит графики, чтобы убедиться, потом принимает решение.

Ещё один формат, который любят собственники, это сценарный блок «что если». ChatGPT считает варианты на основе данных дашборда:

На основе данных дашборда посчитай три сценария на следующий квартал:
- пессимистичный: выручка падает на 10%, маржинальность 19%
- базовый: выручка растёт на 5%, маржинальность 21%
- оптимистичный: выручка растёт на 15%, маржинальность 24%

Для каждого сценария посчитай: прибыль, кассовый остаток на конец
квартала, потребность в кредите. Исходные данные: выручка 12,4 млн
в месяц, расходы постоянные 4,2 млн, переменные 62% выручки,
касса на старте 1,1 млн.

Покажи таблицу с тремя сценариями и одну рекомендацию,
какой сценарий закладывать в план и почему.

Сценарный блок это уровень продвинутого финдира. Он показывает собственнику, что вы не просто фиксируете факт, а думаете на квартал вперёд. После такого дашборда вопрос «а что будет дальше» задают вам, а не стороннему аналитику.

Промпт-конструктор: универсальный шаблон под любой дашборд

Если вы начинаете и не знаете, с какой стороны подойти, используйте универсальный конструктор. Он подходит под любой бизнес и любой вопрос, главное честно заполнить блоки в квадратных скобках:

Спроектируй дашборд для собственника компании.

Бизнес: [опишите бизнес, количество точек или направлений, оборот]
Вопрос собственника: [что он хочет понять этим отчётом]
Данные, которые есть: [какие выгрузки доступны, колонки]
Период отчёта: [месяц, квартал, накопительно]
Кто читает: [собственник, совет директоров, банк]
Ограничения: [формат A4, чтение с телефона, печать ч/б]

Верни:
1. Список из 5 KPI с формулами расчёта
2. Состав блоков дашборда в порядке важности
3. Тип диаграммы для каждого блока
4. Раскладку по сетке 12 колонок
5. Блок выводов из 3 предложений (заготовку)

Ничего не додумывай сверх данных. Если данных не хватает
для показателя, не предлагай его, а скажи, каких данных
не хватает.

Конструктор особенно полезен, когда дашборд делаете не вы, а коллега: он заполняет квадратные скобки своими словами, и нейросеть выдаёт структуру без вашего участия. Это мой способ тиражировать навык внутри команды без обучения каждого сотрудника промптингу с нуля.

Как нейросеть помогает с сопроводительным письмом

Дашборд обычно уходит собственнику не сам по себе, а с письмом: «коллеги, приложил отчёт за август, главное…». ChatGPT пишет и это письмо, чтобы дашборд не терялся в почте. Формулировка простая: «Напиши сопроводительное письмо к дашборду за август. Факты: выручка 12,4 млн, план выполнен на 113%, маржинальность упала с 23% до 21% из-за роста закупочных цен, кассовый разрыв ожидается в середине сентября. Требования: три абзаца, итог месяца, что беспокоит, что предлагаю, первый абзац до трёх строк, без канцелярита, заканчивается вопросом собственнику».

Письмо это часть дашборда, а не формальность. Хорошее сопроводительное письмо делает так, что собственник открывает файл сразу, а не «потом». Нейросеть справляется с черновиком за минуту, вы правите под свой стиль и отправляете.

Сравнение моделей для дашбордов: GPT-5.5, Claude Sonnet 4.6, Gemini 2.5, DeepSeek V3.2

Сравню четыре рабочие модели по задачам дашборда. Таблица актуальна на август 2026 года, цены и возможности меняются, но логика выбора остаётся.

Как выбирать. Для типового дашборда берите GPT-5.5: он лучший «универсал» и объясняет так, что понятно бухгалтеру без программистского бэкграунда. Если книга большая, с десятком листов и сложными формулами, переключайтесь на Claude Sonnet 4.6. Если ваши данные живут в Google Таблицах, а не в Excel, попробуйте Gemini 2.5. DeepSeek V3.2 оставляйте для черновиков: быстрый бесплатный способ проверить макет, прежде чем тратить токены основной модели.

Отдельно про доступ. Для работы с chatgpt.com и другими зарубежными сервисами нужен аккаунт и стабильный доступ из вашего региона, при необходимости через легальные способы, которые вы используете для работы с зарубежными сервисами. Платный тариф открывает больше возможностей: загрузку файлов, отключение обучения на данных, работу с большими книгами. Бесплатной версии хватает для черновика, но для финансовых данных я советую платную: там и лимиты выше, и контроль над данными строже.

Полное сравнение нейросетей для работы с Excel есть в отдельной статье про выбор нейросети для таблиц, там разбор по десятку задач. Здесь же фиксируем главное: разные модели для разных этапов сборки дашборда, и это нормально держать открытыми две-три.

Надстройки для Excel: когда они нужны, а когда нет

Отдельная категория инструментов это надстройки, которые встраивают нейросеть прямо в Excel: Claude for Excel, Copilot в Microsoft 365, плагины для ChatGPT. Они умеют редактировать ячейки напрямую, генерировать формулы по описанию и перестраивать диапазоны без копирования промптов.

Моё правило простое: надстройки удобны для быстрых правок внутри файла, но для сборки дашборда с нуля я работаю в обычном диалоге на chatgpt.com. Причины две. Первая: в диалоге я вижу весь контекст, могу загрузить файл, попросить код на Python и проверить итоги, а надстройка чаще ограничена текущим листом. Вторая: прозрачность, каждый шаг виден, и его можно повторить руками, если надстройка недоступна.

Когда надстройка действительно выручает: когда дашборд уже собран, а вы быстро правите одну формулу или перестраиваете диапазон. Для этого не нужно выходить из Excel. Сравнение надстроек Copilot и Claude for Excel я разобрала отдельно в статье Copilot против Claude for Excel, там есть тесты на финансовых таблицах.

Теперь перейду к практике: три кейса с реальными часами и рублями.

Три кейса: сколько реально экономит дашборд через ChatGPT

Кейсы из моей практики и практики выпускников курса. Цифры реальные, имена и названия компаний изменены по понятным причинам.

Кейс 1. Сеть кофеен: отчёт собственнику за 3 часа вместо 2 дней

Финансовый директор сети из 12 кофеен собирал ежемесячный отчёт собственнику два дня. Он выгружал данные из 1С и касс, строил сводные вручную, рисовал диаграммы, переписывал выводы, потом полдня правил макет, потому что собственник просил «сделай понятнее».

Что сделали. Выгрузили данные в одну книгу, нормализовали за вечер. ChatGPT получил структуру: направление, статья, дата, сумма. Нейросеть собрала сводную по направлениям и месяцам, подобрала три диаграммы, написала блок выводов. Финансист собрал файл по инструкции за один вечер, макет занял ещё два часа в следующий день.

Стало. Первый отчёт по новой схеме ушёл за 3 часа вместо 16-18. На второй месяц сборка заняла 2 часа, потому что мастер-промпт уже был сохранён, а данные приходили в готовой структуре. Собственник впервые задал вопрос «а что будет в следующем месяце», то есть начал использовать дашборд для решений, а не для галочки. При стоимости часа финдира около 3 000 рублей экономия составила примерно 40 000 рублей в месяц на одном отчёте, но главное не в этом, а в том, что отчёт стал читаемым.

Кейс 2. Оптовая компания: дебиторка за 1,5 часа и минус 12 процентов просрочки

Заместитель главбуха оптовой компании с оборотом 400 млн в год тратила рабочий день на отчёт по дебиторке: выгрузка, сводная по контрагентам, разбивка по срокам, рассылка. Собственник видел таблицу раз в месяц и не успевал реагировать.

Что сделали. ChatGPT собрал дашборд дебиторки: KPI «доля просрочки», разбивка по срокам 0-30, 31-60, 61-90, 90+, таблица топ-10 должников с цветовой шкалой, вывод «кому звонить в первую очередь». Сборка заняла 1,5 часа вместо рабочего дня.

Стало. Дашборд стал еженедельным: Power Query подтягивает данные, макрос пересчитывает, отчёт уходит собственнику каждую пятницу. За три месяца доля просроченной дебиторки снизилась с 18 до 6 процентов, потому что проблемных контрагентов начали видеть на второй неделе, а не на сороковой день. При объёме дебиторки около 80 млн каждый процент просрочки это сотни тысяч рублей работающего капитала.

Кейс 3. Производственная компания: консолидация пяти юрлиц за 6 часов вместо 3 дней

Финансовый директор производственного холдинга с пятью юрлицами закрывал консолидированный отчёт три дня: сводил оборотки, убирал внутренние обороты, собирал единый дашборд для собственника и банка.

Что сделали. Данные всех пяти юрлиц привели к единому справочнику статей. ChatGPT построил структуру консолидации: формулы по каждому юрлицу, исключение внутренних оборотов через справочник, сводная по группе. Код на Python собрал итоговую таблицу и проверил, что сумма по группе сходится с суммой по юрлицам минус внутренние обороты.

Стало. Консолидация заняла 6 часов вместо 3 дней, экономия около 75 процентов времени. Отчёт для банка собрали за тот же день, когда банк его запросил, раньше это означало перенос на следующую неделю. Собственник получил единый дашборд по группе, а не пять разных отчётов.

Общий вывод по кейсам. Экономия от 70 до 85 процентов времени на первой сборке и почти полное исчезновение рутины на повторных. Но главная ценность в другом: дашборд, который собирается за вечер, можно переделывать под новые вопросы собственника, а не «замораживать» на полгода, потому что переделывать дорого.

Частые ошибки и мифы про дашборды через нейросети

Вижу одни и те же ошибки у тех, кто начинает собирать дашборды с ChatGPT. Пять штук, все легко обходятся.

1. Грузить сырые выгрузки без структуры. Данные из 1С с разными названиями статей и объединёнными ячейками нейросеть переварит, но сводная выйдет кривой. Нормализация это 80 процентов качества, и это ваша работа, а не модели.

2. Просить «сделай дашборд» без задачи. Модель вернёт красивый набор диаграмм, который не отвечает ни на один вопрос собственника. Сначала промпт-конструктор: кто читатель, что он решает, какие KPI.

3. Принимать цифры модели на веру. ChatGPT может посчитать итог неверно, если данные кривые или промпт двусмысленный. Каждую сводную сверяем с исходником, итоги прогоняем через критический промпт с пересчётом на Python.

4. Делать дашборд ради красоты. Круговая с двенадцатью кусочками, 3D-график, десять цветов. Собственник видит «красиво», но не видит «что делать». Диаграмма без решения это украшение.

5. Забывать про выводы. Дашборд из одних графиков заставляет собственника думать самостоятельно, а он ждёт вашу экспертизу. Блок «факт, причина, действие» обязателен, это ваша добавленная стоимость.

Теперь про мифы, которые мешают начать.

Миф: ChatGPT сам соберёт дашборд, я только загружу файл. Нет. Модель проектирует и объясняет, а собирает человек. Она не редактирует ваш файл напрямую, а даёт формулы, код и пошаговые инструкции. Это на самом деле хорошо: вы понимаете каждую цифру и можете её защитить перед собственником.

Миф: для дашборда нужен дизайнер. Для внутреннего отчёта собственнику дизайнер не нужен. Достаточно аккуратного макета, единой цветовой схемы и правильных диаграмм. Дизайнер оправдан для внешних презентаций с жёстким брендбуком, и даже там ChatGPT готовит структуру, которую дизайнеру остаётся оформить.

Миф: без Power BI дашборд это «не по-взрослому». Excel справляется с дашбордом для собственника большинства компаний до определённого объёма данных. Power BI нужен, когда данных миллионы строк, отчёт читают десятки человек и нужны живые фильтры. Для месячного отчёта собственнику Excel быстрее, дешевле и понятнее.

Миф: нейросеть украдёт данные, если загрузить финансы. При обезличивании и отключении обучения риск минимален, это стандартная практика. Документы под NDA в публичные тарифы не грузим вообще. Порядок обезличивания в разделе про подготовку данных.

Дальше про то, как превратить разовый дашборд в ежемесячный процесс.

Как автоматизировать обновление дашборда: Power Query, макрос, шаблон

Разовый дашборд это хорошо, но настоящая ценность появляется, когда он обновляется сам. Собственник получает свежий отчёт каждую неделю или месяц без вашего участия в рутине. ChatGPT настраивает этот конвейер один раз.

Три уровня автоматизации, от простого к сложному.

Уровень 1. Мастер-промпт и шаблон. Сохраняете проверенные промпты: конструктор KPI, сводная, диаграммы, выводы. Каждый месяц копируете шаблон данных, прогоняете через промпты, вставляете свежие цифры. Обновление занимает 30-40 минут вместо полного вечера.

Уровень 2. Power Query. Данные выгружаются в папку, Power Query подтягивает их в книгу дашборда по кнопке «Обновить». Никакого копирования вручную. ChatGPT пишет шаги Power Query под вашу структуру папки.

Уровень 3. Макрос VBA. Одна кнопка на листе запускает макрос: обновить данные, пересчитать сводные, обновить диаграммы, пересохранить файл с датой. ChatGPT пишет такой макрос целиком, примеры в статье про VBA-макросы через ChatGPT.

Промпт для Power Query:

У меня папка «Отчёты» с файлами вида «Данные_2026_08.xlsx».
В каждом файле лист «Данные» с колонками: дата, направление,
статья, сумма.

Напиши инструкцию для Power Query в Excel 2021:
1. Как подключить папку целиком
2. Как объединить все файлы в одну таблицу
3. Как убрать дубли строк и пустые значения
4. Как выгрузить результат на лист «Сводные данные»
5. Как настроить автоматическое обновление при открытии файла

Каждый шаг с названием пункта меню на русском языке.

Оговорка про безопасность при автоматизации: макросы с VBA требуют включённого доверия к файлу, а Power Query не умеет «исправлять» кривые данные, он их подтягивает как есть. Поэтому нормализация остаётся на входе: файлы в папку складываются уже в едином формате.

Если Power Query нужен с нуля, промпт выглядит так: «У меня папка „Отчёты“ с файлами вида „Данные_2026_08.xlsx“, в каждом лист „Данные“ с колонками дата, направление, статья, сумма. Напиши инструкцию для Power Query в Excel 2021: как подключить папку целиком, объединить файлы в одну таблицу, убрать дубли и пустые значения, выгрузить результат на лист „Сводные данные“ и настроить автоматическое обновление при открытии файла. Каждый шаг с названием пункта меню на русском языке».

Промпт для проверки дашборда перед сдачей

Перед тем как отправить дашборд собственнику, прогоните его через критическую проверку. Это отдельный промпт, который ищет проблемы, а не подтверждает правильность:

Проверь мой дашборд как придирчивый аудитор. Файл прилагаю.

Проверь:
1. Сходятся ли итоги на дашборде с исходными данными
   (пересчитай ключевые суммы на Python и сравни)
2. Нет ли логических ошибок: показатели считаются по верной формуле,
   сравнения корректны
3. Нет ли вводящих в заблуждение диаграмм: неправильный тип,
   обрезанная ось, пропущенные категории
4. Читается ли дашборд за минуту: KPI сверху, выводы есть,
   не перегружен ли
5. Что бы ты изменил, если бы это был твой отчёт собственнику

Формат ответа: список проблем по приоритету, каждая с
конкретным местом и исправлением. Если проблема критичная,
пометь её. Если всё хорошо, так и скажи, без выдуманных замечаний.

Требование «если всё хорошо, так и скажи» важно: модель не должна выдумывать проблемы, чтобы казаться полезной. Проверка занимает 10-15 минут и закрывает вопрос «а вдруг там ошибка» перед сдачей собственнику.

Чек-лист: сборка дашборда в Excel через ChatGPT за один вечер

Семь шагов, по одному на каждый этап сборки. Сохраните в заметки и проходите по нему каждый месяц.

1. Соберите данные в одну книгу. Выгрузка из 1С и учётных систем, лист «Данные» с единой структурой: дата, направление, статья, сумма. Названия статей приведите к единому справочнику.
2. Нормализуйте и обезличьте. Уберите объединённые ячейки и итоги внутри таблицы, замените контрагентов и ФИО на маски. Выключите обучение на данных в настройках.
3. Составьте задачу для нейросети. Промпт-конструктор из статьи: кто собственник, какой вопрос он решает, какие KPI. Получите структуру дашборда.
4. Получите сводные и проверьте на Python. Сводная через СУММЕСЛИМН или код, пересчёт итогов внешним способом. Сумма сводной должна сойтись с исходником.
5. Соберите диаграммы по инструкции. Каждый график по параметрам из ответа: тип, ряды, оси, подписи. Никаких 3D и больше семи категорий.
6. Разложите макет и настройте цвет. KPI сверху, динамика ниже, структура и план-факт в третьем ряду. Условное форматирование с цветом и стрелками.
7. Добавьте выводы и проверьте. Блок «факт, причина, действие» в шапке. Прогоните дашборд через придирчивый аудит и только потом отправляйте.

Этот чек-лист работает не потому, что он сложный, а потому что в разгар закрытия месяца проще свериться с семью пунктами, чем вспоминать логику с нуля.

Что изменится в дашбордах в ближайшие год-два

Три тренда, которые я наблюдаю и которые стоит заложить в свои процессы уже сейчас.

Первый: дашборд перестаёт быть статичным файлом. Всё больше компаний просят не просто картинку, а живую модель, в которой собственник сам крутит сценарии: меняет прогноз продаж и видит, как меняется касса. ChatGPT уже умеет делать такие модели через связку формул и макросов, а с новыми моделями это станет обычным запросом.

Второй: нейросети читают ваши дашборды. ИИ-поисковики и ассистенты всё чаще отвечают на вопросы собственника прямо по отчётам: «какой был кассовый разрыв в сентябре». Чтобы ассистент мог ответить, дашборд должен быть структурирован: понятные названия листов, подписи показателей, блок выводов текстом. Это не SEO-забота, а забота о том, чтобы ваши отчёты работали в новых интерфейсах, которые собственник уже начинает использовать.

Третий: порог входа в аналитику падает. Раньше дашборд требовал или дизайнера, или знания Power BI. Сейчас связка Excel плюс нейросеть закрывает большинство задач, и это меняет ожидания: собственник всё реже спрашивает «есть у нас BI?», и всё чаще «сделай мне вот такой отчёт». Тот, кто умеет собирать дашборды быстро, становится в компании тем, кто отвечает на вопрос «а что будет дальше».

Мой прогноз: через год умение собрать дашборд через нейросеть за вечер будет базовым навыком финдира, как когда-то умение делать сводные в Excel. Разница в том, что сейчас это даёт преимущество, а потом станет обязательным минимумом.

FAQ: частые вопросы про дашборд в Excel через ChatGPT

Можно ли сделать дашборд в Excel через ChatGPT без дизайнера? Можно. ChatGPT подбирает диаграммы, макет и цвета, вы собираете файл по инструкции. Дизайнер нужен только для внешних публикаций с жёстким брендбуком.

Сколько времени экономит создание дашборда? От 70 до 85 процентов: 3 часа вместо 2 дней на первом отчёте, 2 часа на повторных. Кейсы с цифрами в статье.

Какие диаграммы выбрать для отчёта собственнику? Динамика линейный график, структура круговая или столбчатая, план-факт столбцы с отклонением, дебиторка таблица с цветовой шкалой. ChatGPT объясняет выбор под ваши данные.

Строит ли ChatGPT сводные автоматически? Напрямую файл не перестраивает, но даёт формулы СУММЕСЛИМН, код на Python и макрос VBA для сводной. Для финансовых данных рекомендую формулы: прозрачнее и легче проверяются.

Какая нейросеть лучше для дашборда? GPT-5.5 для сводных и выводов, Claude Sonnet 4.6 для длинных книг, Gemini 2.5 для Google Таблиц, DeepSeek V3.2 для черновиков. Таблица сравнения в статье.

Безопасно ли загружать финансы в ChatGPT? После обезличивания и отключения обучения да. Контрагенты, ИНН и ФИО маскируются, документы под NDA в публичные тарифы не грузятся.

Как обновлять дашборд каждый месяц? Три уровня: мастер-промпт для быстрой пересборки, Power Query для автоподтягивания данных, макрос VBA для полной автоматизации по кнопке.

Что делать, если собственник не понимает дашборд? Добавить блок выводов: что случилось, почему, что делать. Три предложения в шапке. Собственник читает текст, потом смотрит графики для подтверждения.

Что дальше

Дашборд это видимый результат, который собственник замечает сразу. Но это один приём из целой системы, которая называется «управленческая отчётность на нейросетях». Следующий шаг собрать вокруг нейросетей весь контур: выгрузка данных, проверка, сводные, выводы, автоматизация обновления. На курсе «AI-навыки финансиста» онлайн-школы «Финансовый директор | Мастер CFO» разбираю, как выстроить такую систему: от нормализации данных до готовых промптов под ваши процессы. 10 модулей, 800+ выпускников, диплом установленного образца с лицензией и налоговый вычет 13%. Начать можно с бесплатного эфира-экскурсии, где показываю сборку дашборда на практике.

Записаться на курс «AI-навыки финансиста»

Другие материалы по теме: аудит формул Excel через ChatGPT, управленческая отчётность собственнику через AI-агентов, сравнение нейросетей для Excel, факторный анализ план-факт, финансовый анализ по коэффициентам, VBA-макросы через ChatGPT.

Наши каналы и об авторе

@findir_pro. Основной Telegram-канал «Финансовый директор | Мастер CFO». 45 000 подписчиков. Ежедневно: практические разборы, кейсы выпускников, обновления инструментов, новые промпты для финансистов.

«АИ с Софьей и Натали». Канал об AI для финансистов. 13 000 подписчиков. Вместе с Софьей Бурцевой, основателем школы, разбираем новые модели, делаем живые тесты и публикуем обновлённые промпты сразу после выхода новых версий.

MAX. Закрытое сообщество для действующих финансовых директоров. 5 000+ участников. Кейсы коллег, шаблоны, закрытые эфиры по AI и стратегии CFO.

Натали Васильева. Эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO». С нейросетями в работе финансиста с февраля 2023 года. Через курс «AI-навыки финансиста» прошли 800+ финансистов, главбухов и финдиров. Веду Telegram-канал @findir_pro (45 000 подписчиков) и MAX-канал «Финансовый директор» (5 000+).