Поставщик медпитания: анализ закупки за 30 секунд вместо 8 часов

Проблема

Компания поставляет специализированное медицинское питание в больницы и клиники через систему госзакупок. Каждый тендер на zakupki.gov.ru содержит десятки требований к продукту: диапазоны белков, жиров, углеводов, витаминов, минералов, осмолярности, форма выпуска, упаковка.

Процесс выглядел так: менеджер открывал страницу закупки, копировал 30–80 характеристик из таблицы, а потом вручную сравнивал каждую характеристику с каждым продуктом из каталога. В каталоге — более 50 наименований, у каждого — около 180 параметров. Одна закупка отнимала 4–8 часов.

Три проблемы:

• Ошибки. Человек сверяет тысячи числовых диапазонов — неизбежно ошибается. Одна ошибка — потерянный контракт или штраф.
• Упущенные тендеры. Нет времени проверить все закупки — компания пропускает подходящие.
• Стоимость. Менеджер тратит рабочие дни на перенос цифр из одной таблицы в другую вместо принятия решений.

Решение

Этап 1. Анализ процесса

Разобрали ручной процесс по шагам. Нашли три ключевые сложности:

1. Разнобой в формулировках. Требования записаны в свободной форме: «не менее 3,5», «от 2 до 5», «≥ 1,2 и ≤ 4,8», «отсутствует». Каждый заказчик пишет по-своему, стандарта нет.
2. Несовпадение терминов. В каталоге — «витамин D», в закупке — «кальциферол». В каталоге — значение на 100 мл, в закупке — требование на 100 г. Нужен словарь синонимов и пересчёт единиц.
3. Разные форматы источников. Часть закупок — веб-страницы, часть — документы Word, часть — таблицы Excel. Бот должен работать со всеми.

Этап 2. Разработка системы анализа

Ядро системы — автоматическое сопоставление. Бот выполняет четыре типа проверок:

• Диапазон — значение продукта попадает в заданные минимум и максимум (с допуском 10%)
• Точное значение — параметр совпадает
• Текст — форма выпуска, возрастная группа, тип упаковки
• Отсутствие — вещество не должно содержаться в продукте

Справочник синонимов связывает более 100 вариантов написания характеристик с записями в каталоге. Система сама определяет, в каких единицах сравнивать: на 100 мл для жидких смесей, на 100 г для сухих.

Этап 3. Telegram-бот и отчёты

Собрали бот с четырьмя способами ввода: ссылка на закупку, регистрационный номер, сохранённая веб-страница, документ Word. Менеджер отправляет ссылку — через 30 секунд получает готовую таблицу.

Отчёт размечен цветом:

• Зелёный — требование выполнено
• Красный — не выполнено
• Жёлтый — на границе (в пределах допуска 10%)

Продукты отсортированы по проценту соответствия. На каждую позицию закупки — отдельный лист. Менеджер открывает файл и сразу видит, что подходит.

Этап 4. Запуск

Запустили бот на сервере. Протестировали на реальных закупках: сравнили результаты ручного анализа с автоматическим. Довели точность до уровня, при котором менеджер использует отчёт бота как финальный документ.

Результат

Менеджер отправляет ссылку в бот и через полминуты получает отчёт. Вместо переноса цифр из таблицы в таблицу — принимает решения: участвовать в тендере или пропустить.

Компания перестала упускать подходящие закупки. Раньше не хватало времени проверить все — теперь можно оценить любой тендер за минуту.

Ключевой вывод

Автоматизация окупается там, где есть массовое сравнение данных. Если сотрудник сверяет десятки параметров по десяткам позиций — это работа для бота. Человек нужен для решений, бот — для рутины.

Необязательно ждать, пока появятся «идеальные данные». Даже с разнобоем в форматах и терминологии бот справляется — нужен правильный справочник синонимов и набор правил сопоставления.