Во многих компаниях используется несколько внешних и внутренних IT систем или сервисов, причем их количество все время растет: системы веб-аналитики, онлайн рекламы, учета продаж и выполнения задач, 1С и многие другие. Руководителю нужно понимать хотя бы сколько денег на что уходит, и какова эффективность этих расходов. В этой статье вы узнаете, как мы сократили первоначальную загрузку и сведение данных из этих систем в QuBeQu с нескольких часов работы специалиста до нажатия нескольких кнопок.

В этой статье мы расскажем, как анализировать данные 1С при помощи QuBeQu: откуда возникает такая задача, как это работает и какие есть альтернативы.

Пусть у вас есть одна или несколько 1С, в которых ведется прежде всего бухгалтерский учет. Для того, чтобы контролировать бизнес и принимать решения, Вам нужен управленческий учет и анализ данных. При этом:

• Не все данные есть в самой 1С: не все расходы отражаются, бухгалтерские статьи расходов отличаются от управленческих.
• Хочется контролировать бизнес из браузера или с планшета и видеть что происходит на наглядных графиках, а не лазать в 1С.
• Постоянно требуются новые отчеты или изменение существующих.
• Есть несколько систем 1С, которые надо как-то сводить.

Но затраты на сведение данных из нескольких систем 1С зачастую оказываются больше, чем выгода от проекта, а финансовый директор или аналитик не могут быстро и легко построить в 1С новые отчеты — вместо этого используется Excel, что приводит к своим проблемам: ручное сведение данных, пересылка устаревающих отчетов по почте и т.п.

Excel hell — это состояние, когда много важной для компании информации содержится в excel-файлах сотрудников, происходит постоянный обмен этими файлами по почте, и сложно сказать у кого самая последняя и правильная версия. Для получения общей картины нужно сводить данные из этих файлов в один, что на практике часто сводится к copy-paste, занимает много времени и приводит к ошибкам. В итоге люди мало того что с трудом получают информацию, но еще и рискуют принять неправильные решения на основе устаревших или вовсе неправильных данных. Звучит ужасно, но похоже что это не редкость, и нельзя сказать что ситуация улучшается. Как мы к этому пришли?
Из этой статьи вы узнаете, что такое Excel hell, почему не взлетел Lotus Improv и какая стартап-идея из списка Пола Грэма “Startup Ideas We'd Like to Fund” до сих пор не имеет хорошего решения. Интересно? Добро пожаловать под кат.

Из этой статьи вы узнаете, что распознавание даже коротких звуковых фрагментов в зашумленной записи — вполне решаемая задача, а прототип так вообще реализуется за 30 строчек кода на Python. Мы увидим, как тут помогает преобразование Фурье, и наглядно посмотрим, как работает алгоритм поиска и сопоставления отпечатков. Статья будет полезна, если вы сами хотите написать подобную систему, или вам интересно, как она может быть устроена.