Кейс: сбор ДДС с 20 часов до 15 минут

Управленческий отчёт ДДС — один из самых востребованных документов в МСБ и один из самых ненавистных по трудозатратам. По запросам вроде «отчет о движении денежных средств» и «отчет ддс в excel» видно: люди ищут не теорию, а способ перестать собирать cash flow вручную. Ниже — обобщённый кейс из практики команды КОДА: типовая торгово-сервисная компания, ~120 млн ₽ выручки в год, финотдел из двух человек. Без вымышленных брендов, с цифрами «было / стало» и стеком, который можно повторить.

Контекст серии: зачем вообще нужен живой cash — в материале про финмодель и бюджет; куда ложится операционный cash после автоматизации — на дашборд руководителя; что ещё автоматизировать после ДДС — в обзоре AI для финансиста в 2026.

Коротко: было ~20 часов в месяц на сбор и сверку; стало ~15 минут на контроль и комментарии после автоматического pipeline. Ошибки классификации снизились с ~8% до <1% на автоматических строках.

Исходная ситуация: 20 часов на отчёт ДДС каждый месяц

Компания: оптовая дистрибуция + монтаж «под ключ», три расчётных счета, управленческий учёт в 1С, бухгалтерия на аутсорсе. Собственник каждое утро спрашивает про остатки; CFO раз в месяц готовит пакет для совета: ОПиУ, отчет ддс, дебиторка, план–факт.

Трудозатраты на один цикл закрытия ДДС (факт из time-tracking финансиста, среднее за 6 месяцев до проекта):

• Выгрузки из банков (3 шлюза + ручной CSV) — 3 ч
• Сведение в «мастер-Excel», удаление дублей — 4 ч
• Разнесение по статьям ДДС (700–900 операций/мес) — 8 ч
• Сверка с 1С и «висяки» — 3 ч
• Форматирование, проверка, комментарии — 2 ч

Итого ~20 часов — половина рабочей недели одного человека только на cash flow. При срыве срока отчёт устаревал к моменту совета; прогноз из финмодели не обновлялся, потому что факт в модель не попадал вовремя.

Что ломалось в процессе: источники, Excel, 1С

Не «ленивый финансист», а архитектура процесса:

Разрозненные источники

Банк А — API через личный кабинет (экспорт по расписанию). Банк Б — только CSV вручную. Банк В — выписка в формате, который ломал Power Query. В 1С — другая аналитика: контрагент и договор, но не всегда статья ДДС. CRM давала статус сделки, но не была связана с платежом.

Excel как «база данных»

Мастер-файл на 40+ листов: история за три года, макросы 2019 года, формулы ссылаются на перемещённые столбцы. Каждый месяц — копия «DDS_2026_03_final_v2.xlsx». Классификация: VLOOKUP по контрагенту + ручная правка «прочее» (~12% операций).

1С без управленческого контура

Бухгалтерские проводки закрывались в срок, но управленческий отчет ддс жил снаружи 1С. Сверка «банк vs учёт» — ручной match по сумме и дате; расхождения из-за комиссий и копеек съедали ещё полдня.

Типичная картина для запроса «отчет ддс в 1с» (242 показа/мес в Wordstat): в 1С есть регламентированный cash flow, но собственнику нужен другой срез статей — и его всё равно собирают в Excel.

Цель: управленческий отчёт ДДС за 15 минут

KPI проекта (согласованы с CEO и CFO до старта):

1. Time-to-report — не более 30 минут от закрытия банковского дня месяца до черновика ДДС.
2. Доля «прочее» — <3% операций после автоклассификации.
3. Расхождение банк vs сводная таблица — 0 ₽ после автоматической нормализации (кроме операций в пути).
4. Частота — monthly full + weekly flash (5 KPI cash на дашборде).

Ос сознательно не ставили «полный no-touch»: human-in-the-loop на новых контрагентах и спорных статьях — по регламенту из карты AI для финансиста.

Что автоматизировали по шагам

Шесть этапов за ~6 недель (параллельно с операционкой, без остановки учёта):

Шаг 1. Единый справочник статей ДДС

15 операционных статей + 5 инвестиционных/финансовых; маппинг «статья ↔ тип в 1С ↔ тег в CRM». Убрали «разное» и «прочее» как default — заменили на «на классификации» с SLA 24 ч.

Шаг 2. Слой загрузки bank → staging

Make (аналог n8n): три сценария по расписанию — забор CSV/API, нормализация полей (дата, сумма, ИНН, назначение), запись в Google Sheets «staging» + архив JSON. Дубликаты — hash от (дата, сумма, счёт, номер документа).

Шаг 3. Классификация: правила + LLM + история

Python-скрипт (запуск по cron и из Make):

• Уровень 1 — жёсткие правила (аренда, зарплатный реестр, известные контрагенты).
• Уровень 2 — fuzzy match по истории за 24 месяца.
• Уровень 3 — LLM (корпоративный контур) по назначению платежа → предложенная статья + confidence.

Confidence < 0,85 → очередь «на review» финансисту (5–15 строк в месяц, не 900).

Шаг 4. Сверка с 1С

Выгрузка движений из 1С (XML/Excel) → тот же staging. Автоматический match: сумма ±1 ₽, дата ±3 дня, ИНН. Несопоставленное — отдельный лист «exceptions».

Шаг 5. Сборка отчёта ДДС

Power Query в Excel (файл-оболочка без ручных данных): staging → pivot по статьям → формы ОДДС direct/indirect hybrid. Лист «План–факт» тянет бюджет из связанной финмодели.

Шаг 6. Алерты и дашборд

Make шлёт в Telegram CFO: остатки, net cash недели, топ-3 отклонения от плана. Monthly PDF — из того же файла; CEO смотрит 5 цифр на дашборде, drill-down — в ДДС.

До и после: таблица метрик

Метрика	Было	Стало
Время на monthly ДДС	~20 ч	~15 мин review + ~45 мин на exceptions (раз в месяц)
Weekly flash cash	Не делали (нет ресурса)	Авто, 2 мин проверки
Доля «прочее»	~12%	<3% (очередь review)
Ошибки классификации (выборочный аудит)	~8%	<1% на авто-строках
Расхождение банк vs свод	до 0,3% оборота «в висяках»	0 ₽ после close (кроме in-transit)
Задержка отчёта для совета	5–8 рабочих дней после месяца	1–2 дня
FTE на процесс	~0,5 FTE	~0,05 FTE

ROI: при loaded cost финансиста ~3 500 ₽/ч экономия ~19 ч × 12 ≈ 228 ч/год — порядка 800 тыс. ₽ только на времени, без учёта решений по ликвидности (один сорванный платёж поставщику обошёлся клиенту в ~400 тыс. ₽ штрафов за год до проекта).

Какой стек и логика интеграции

Автоматизация отчетности здесь — не монолит, а pipeline:

[Банк 1..N] → Make (ETL) → Google Sheets staging
                                ↓
                    Python classify (rules + LLM)
                                ↓
              [1С выгрузка] → match → exceptions
                                ↓
              Excel + Power Query → формы ДДС / plan-fact
                                ↓
              Telegram / PDF / дашборд CEO

Почему не «всё в 1С»: срок и стоимость доработки конфигурации под управленческие статьи — 4–6 месяцев; pipeline — 6 недель. Почему не «только LLM»: без правил и typed сумм модель ошибается на комиссиях и типовых реестрах. Гибрид — default для автоматизации управленческой отчетности в 2026.

No-code (Make) закрывает расписание и уведомления; скрипт — то, что no-code неудобно тестировать (версии правил, diff). Excel остался «лицом» отчёта — привычно для совета директоров; позже можно перенести в BI.

Что можно повторить у себя

Отчёт ДДС в Excel vs автоматический pipeline

Отчет ддс в excel (39 показов/мес) — нормальный старт, если это оболочка, а не ручная база. Минимальный MVP за 2–3 недели:

1. Один staging (Sheets или SQL-lite).
2. Автозагрузка хотя бы одного банка.
3. 10–15 статей и правила на топ-20 контрагентов.
4. Power Query → сводная ДДС.

Не начинайте с LLM — начните с правил и истории; нейросеть добавьте, когда «прочее» <15%.

Связка ДДС с ОПиУ и дашбордом руководителя

ДДС без связи с ОПиУ и бюджетом — справка для архива. Минимальная связка:

• Те же статьи в плане (бюджет vs финмодель).
• План–факт по cash monthly; EBITDA — из ОПиУ с мостом «прибыль → cash».
• На daily-экран CEO — остаток, net cash недели, runway из модели.

Дальше по карте что ещё автоматизировать финансисту кроме ДДС: variance-комментарии, дебиторка, закрытие месяца.

Уроки проекта (что сработало / что нет)

• Сработало: жёсткий справочник статей; staging до Excel; human-in-the-loop только на хвосте; один владелец процесса (CFO).
• Не сработало с первого раза: «полный автопилот» LLM — 6% ошибок на комиссиях; откатили на rules-first.
• Surprise: weekly flash важнее «идеального monthly» — CEO начал принимать решения по закупкам на 2 недели раньше.
• Compliance: LLM только в корпоративном контуре; назначения платежей не уходят в публичные API без политики (152-ФЗ).

Что дальше в серии блога КОДА

• AI для финансиста в 2026 — что автоматизировать после ДДС
• Финансовая модель vs бюджет — как ДДС связан с прогнозом и plan-fact
• Дашборд руководителя: 5 цифр — cash flow на экране CEO

Итог: автоматизация отчета ДДС — один из самых быстрых ROI в финконтуре МСБ: не ERP на полгода, а pipeline из bank staging, правил, LLM на хвосте и Power Query. Было 20 часов ручной работы — стало 15 минут контроля. Без чистых статей и human-in-the-loop на спорных операциях не обойтись; с ними — cash flow наконец кормит и модель, и дашборд, а не догоняет их с опозданием на неделю.