Платформа автоматизированного исследования клиентов

Заказчик:
ПЭК
Руководитель проекта со стороны заказчика
Год завершения проекта
2026
Сроки выполнения проекта
январь, 2026 — июнь, 2026
Масштаб проекта
200 автоматизированных рабочих мест
Цели

Сократить время на подготовку информации о клиенте или контрагенте перед продажей, переговорами и принятием решений. Вместо ручного поиска по сайтам, реестрам и открытым источникам сотрудник указывает ИНН или название компании и получает собранный профиль: основные сведения, деятельность, связанные факты, публикации и другую доступную информацию. Цель проекта — автоматизировать наиболее трудоёмкую часть исследования компании и дать сотруднику единое представление о клиенте без необходимости самостоятельно просматривать десятки источников.

Результаты

Создан работающий pipeline автоматизированного исследования компаний по ИНН и названию. Реализовано получение и объединение сведений из нескольких типов источников, обработка интернет-страниц, повторные попытки при нестабильности внешних ресурсов и формирование итогового профиля средствами LLM. Система позволяет заменить значительную часть ручного поиска единым запросом и сформировать основу для дальнейшего использования результатов в работе с клиентами, подготовке переговоров и анализе контрагентов.

Уникальность проекта

Client Radar не ограничивается поиском ссылок или генерацией справки по одному источнику. Система самостоятельно определяет компанию, собирает сведения из разных открытых источников и специализированных сервисов, сопоставляет найденные данные и формирует структурированный результат. Для исследования используются как точные источники по юридическому лицу, так и открытый интернет. ИИ применяется для анализа и сведения информации, а не для подмены исходных данных: пользователь может понимать, на каких источниках основаны выводы.

Использованное ПО

Серверная часть решения реализована на Python. Для поиска и исследования открытых интернет-источников используются специализированные механизмы web research и извлечения содержимого страниц, включая Firecrawl. Для идентификации организаций и получения структурированных сведений предусмотрена интеграция с DaData и открытыми источниками данных о юридических лицах. Анализ и подготовка итогового профиля выполняются с использованием LLM. Результаты работы отдельных источников объединяются в общий исследовательский pipeline с повторными попытками и контролем ошибок.

Сложность реализации

Главная сложность проекта — неоднородность и нестабильность внешних источников. Одна и та же организация может встречаться под разными названиями, сайты имеют различную структуру, часть ресурсов ограничивает автоматический доступ, а отдельные соединения периодически завершаются ошибками. Поэтому потребовалось разделить исследование на независимые этапы, реализовать повторные попытки, проверку найденной организации и объединение результатов. Отдельное внимание уделено тому, чтобы модель не смешивала сведения разных компаний и не выдавала сгенерированные предположения за факты.

Описание проекта

Пользователь вводит ИНН или название организации. Система определяет юридическое лицо, после чего запускает исследование по нескольким группам источников. Структурированные сведения дополняются поиском информации в интернете, на сайтах компании и специализированных ресурсах. Полученные материалы очищаются, объединяются и передаются на анализ языковой модели. На выходе пользователь получает единый профиль компании вместо набора разрозненных страниц и поисковых результатов. Архитектура позволяет подключать дополнительные источники без изменения пользовательского сценария.

География проекта

Решение предназначено для исследования российских юридических лиц и использования сотрудниками ПЭК, работающими с клиентами и контрагентами в разных регионах страны. Поскольку обработка выполняется централизованно, функциональность не зависит от местоположения сотрудника и может использоваться подразделениями компании по всей России. Набор подключаемых источников ориентирован прежде всего на российские компании и российские открытые реестры и информационные ресурсы.

Коментарии: 4

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Александр Фаризанов
    Рейтинг: 958
    Omya
    ИТ Директор
    02.10.2026 12:14

    Наверное, без примера конкретного сложно понять что именно получается на выходе. Пока это похоже на что-то типа - Контур.Фокус

  • Антон Слученков
    Рейтинг: 467
    ПЭК
    Директор департамента разработки и визуализации данных
    13.11.2026 13:47

    Не совсем Контур. Фокус. Мы получаем на вход ВСЮ информацию, доступную нам (как из внешних, так и внутренних источников), анализируем спады, росты, ключевые цели клиента и даем менеджеру готовый кейс (а точнее 3 кейса) не просто в виде набора цифр и статистик, а что-то типа "клиент работает в таком-то направлении, у него характер груза и особенности такие, последнее время перешел в другую нишу, обороты снизились, но видно что есть контракты ....и т.д.", и дальше мы также говорим "этому клиенту мы можем предложить такие-то услуги, возможно индивидуальный проект...подход к клиенту такой-то, разговаривать нужно с теми то"....в общем максимальный кейс для сотрудника отдела продаж для похода к клиенту или улучшения качества работы с ним

    • Олег Артемьев Антон
      Рейтинг: 172
      БетСити
      Директор департамента внутренней цифровизации
      17.11.2026 19:53

      т.е. это больше как OSINT?

  • Антон Слученков
    Рейтинг: 467
    ПЭК
    Директор департамента разработки и визуализации данных
    18.11.2026 13:20

    Да + внутренние накопленные знания о клиентах

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.