🎯 О чём этот конспект: Пошаговое руководство по превращению хаотичных Excel-таблиц (маркетинговых отчетов, финансовых данных) в профессиональные интерактивные дашборды с AI-ассистентом внутри. Разбирается работа в связке Antigravity + Claude Code для автоматического анализа данных и визуализации.

👤 Кому будет полезно: Вайбкодерам, владельцам бизнеса, маркетологам и аналитикам, которые хотят автоматизировать отчетность и извлекать глубокие инсайты без ручного построения графиков.

✨ Что получите: Готовый интерактивный дашборд с фильтрами по датам, воронкой продаж, расчетом ROI/ROMI и встроенным AI-чатом, который отвечает на вопросы по вашим данным и предлагает бизнес-стратегии.

1. Подготовка среды разработки в Antigravity

Контекст: Для создания сложных продуктов на базе AI недостаточно простого чата. Инструмент Antigravity позволяет организовать файловую структуру проекта, подключать различные модели (Claude 3.5 Sonnet) и использовать специализированные "навыки" (skills). Это превращает AI из собеседника в полноценного инженера, который видит все файлы проекта и может ими манипулировать.

Выгода: Структурированный подход исключает ошибки в коде и позволяет AI "понимать" контекст всего проекта, а не только последнего сообщения.

Как применить:

• Шаг 1: Установка Antigravity — Скачайте и установите Antigravity. Создайте новую рабочую папку (например, marketing_dashboard) и откройте её в приложении.
• Шаг 2: Создание структуры проекта — Перейдите в Agent Manager и используйте промпт для автоматического создания папок.
• Шаг 3: Подключение Claude Code — В центре экрана нажмите дважды, выберите плагин Claude Code (если нет — установите через вкладку Plugins). Это даст доступ к лучшей модели для кодинга.

Промпт для создания структуры:

Создай структуру проекта для маркетингового дашборда. 
Мне нужны следующие папки:
/data - для исходных excel файлов
/src - для исходного кода дашборда
/agent_skills - для системных промптов и навыков агента
/dist - для финальной сборки
Создай пустые файлы README.md в каждой папке.

Результат: Готовая файловая архитектура, подготовленная к приему данных и написанию кода.

2. Импорт и автоматический анализ Excel-данных

Контекст: Главная проблема аналитики — огромные таблицы (сотни строк, десятки листов). AI должен не просто "прочитать" файл, а понять связи между Яндекс.Директом, VK, Telegram и итоговыми продажами. Для этого в Antigravity используется расширение для визуализации таблиц и Python-скрипты для парсинга.

Выгода: Экономия десятков часов на ручном сведении данных. AI находит "аномалии" (например, бюджет, слитый впустую) за секунды.

Как применить:

• Шаг 1: Загрузка данных — Перетащите ваш Excel-файл в папку /data.
• Шаг 2: Установка просмотрщика — В расширениях (Extensions) найдите и установите плагин для чтения таблиц (например, Excel Viewer), чтобы видеть данные прямо в интерфейсе.
• Шаг 3: Запуск первичного анализа — Используйте промпт, чтобы AI изучил структуру листов и колонок.

Промпт для анализа таблицы:

Проанализируй файл в папке /data. 
1. Определи количество листов и их содержание.
2. Найди ключевые метрики: бюджет, показы, клики, лиды, продажи.
3. Напиши Python-скрипт для объединения всех данных в единый датафрейм для последующей визуализации.
Выведи краткое резюме по найденным данным.

Результат: Полный список источников трафика, выявленные ошибки в данных и готовый план по их объединению.

3. Обучение агента через Custom Skills (Навыки)

Контекст: Чтобы дашборд был уровня McKinsey, AI должен следовать строгим правилам визуализации и бизнес-логики. Мы создаем "Skill" — специальный Markdown-файл, который описывает роль агента, архитектуру дашборда и правила обработки данных. Это делает поведение AI предсказуемым и профессиональным.

Выгода: Вы получаете не "случайный" график, а выверенный инструмент с правильной цветовой схемой и логичными фильтрами.

Как применить:

• Шаг 1: Создание папки навыка — В /agent_skills создайте папку dashboard_analyzer.
• Шаг 2: Написание скилла — Создайте файл skill.md и вставьте туда подробную инструкцию по анализу (роль: Senior Data Analyst).
• Шаг 3: Регистрация навыка — Сообщите AI в чате, что теперь он должен использовать этот навык при работе.

Пример структуры файла skill.md:

# Skill: Dashboard Analyzer
 
---
 
## Role: Senior Business Intelligence Expert
 
---
 
## Tasks:
1. Analyze marketing data for ROI/ROMI.
2. Identify "underfunded" channels with high efficiency.
3. Detect "money leaks" (high spend, zero conversions).
4. Suggest budget reallocation strategy.
 
---
 
## Output Format:
Always provide insights in "Insight - Data - Action" format.

Результат: AI теперь "думает" как топ-менеджер, находя скрытую рентабельность (например, канал с ROI 1500%) и критические ошибки (слив 4 млн на неэффективный канал).

4. Генерация интерактивного дашборда

Контекст: На этом этапе AI пишет код на Python (используя библиотеки Streamlit или Dash) для создания веб-интерфейса. Дашборд включает в себя селекторы дат, карточки KPI, графики динамики и воронку продаж.

Выгода: Интерактивность. Вы можете в один клик отфильтровать данные за ноябрь и увидеть, как изменилась стоимость лида.

Как применить:

• Шаг 1: Создание Dashboard Builder — Добавьте второй навык dashboard_builder.md с техническими требованиями к UI (цвета, шрифты, библиотеки).
• Шаг 2: Команда на генерацию — Введите промпт для создания кода.
• Шаг 3: Запуск — AI выдаст ссылку на локальный хост (например, localhost:8501), где откроется ваш готовый дашборд.

Промпт для генерации дашборда:

Используй навык dashboard_builder. На основе проанализированных данных из /data создай интерактивный дашборд на Streamlit. 
Добавь:
- Фильтр по месяцам и источникам трафика.
- Карточки: Total Spend, Total Leads, CAC, ROMI.
- График воронки (Funnel Chart).
- Тепловую карту эффективности каналов.
Сохрани код в /src/app.py и запусти его.

Результат: Полноценное веб-приложение с визуализацией всех маркетинговых показателей.

5. Интеграция AI-ассистента и деплой

Контекст: Финальный штрих — добавление чат-окна прямо в дашборд. Это позволяет пользователю задавать вопросы голосом или текстом (например: "Как увеличить продажи в 4 раза, увеличив бюджет только в 2?"). Для публикации используется сервис (например, Zeabur или Streamlit Cloud), который дает постоянную ссылку.

Выгода: Дашборд превращается из статической картинки в "умного" советника, доступного по ссылке из любой точки мира.

Как применить:

• Шаг 1: Добавление AI-чата — Вставьте API ключ (Anthropic/OpenAI) в настройки дашборда. Добавьте компонент чата в код app.py.
• Шаг 2: Брендирование — Создайте файл brand.json с вашими цветами и логотипом, попросите AI применить их.
• Шаг 3: Публикация — Используйте команду для деплоя через CLI выбранного сервиса или попросите Antigravity изучить документацию сервиса и опубликовать проект.

Вопрос к AI-ассистенту внутри дашборда:

Проанализируй текущие данные и предложи стратегию: как мне масштабировать продажи в 3 раза, если я готов увеличить бюджет только на 50%? Какие каналы отключить, а какие усилить?

Результат: Опубликованный в сети профессиональный аналитический инструмент с вашим брендингом и AI-консультантом.

FAQ

В: Можно ли подключать Google Таблицы вместо Excel?

О: Да, Antigravity поддерживает работу с API. Вам нужно предоставить AI доступ к Google Cloud Console, получить JSON-ключ сервисного аккаунта и попросить агента переписать скрипт загрузки данных с pd.read_excel на библиотеку gspread.

В: Насколько безопасно передавать финансовые данные в Claude через Antigravity?

О: Данные обрабатываются через API Anthropic. Если вы используете Enterprise-версию или следите за настройками приватности в Antigravity, данные не используются для обучения общих моделей. Для максимальной безопасности можно использовать локальные модели через Ollama, но качество кода будет ниже.

В: Что делать, если дашборд выдает ошибку при запуске?

О: Просто скопируйте текст ошибки из терминала и вставьте его в чат Antigravity. Благодаря Claude Code, агент сам проанализирует лог, найдет проблемную строку в файле app.py и исправит её. Вам не нужно знать Python, чтобы фиксить баги.

В: Можно ли изменить дизайн дашборда под фирменный стиль компании?

О: Да, это делается через конфигурационный файл или прямой промпт. Вы можете передать AI HEX-коды ваших цветов (например, #FF5733) и попросить применить их ко всем графикам и кнопкам. AI перепишет CSS-стили дашборда за один проход.

В: Сколько стоит поддержка такого решения?

О: Основные затраты — это токены API (Claude/OpenAI), что при обычном использовании составляет несколько долларов в месяц. Хостинг на бесплатных тарифах (типа Streamlit Cloud) бесплатен. Это в десятки раз дешевле, чем лицензии Tableau или Power BI.

Конспект создан на основе видео «Как создавать дашборды уровня McKinsey за 1 вечер» канала "Нейросеть для бизнеса". Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/qJCD5imSwyc