To nie jest kolejny generator raportów
fiqaryi nie produkuje szablonowych zestawień. Zamiast tego buduje z Tobą system, który rozumie strukturę Twoich danych finansowych i automatyzuje to, co dotychczas zajmowało dni pracy analityka.
Kiedy to ma sens, a kiedy nie
Automatyzacja raportowania finansowego działa dobrze tylko wtedy, gdy dane wejściowe są spójne. Jeśli Twoja firma korzysta z kilku niepowiązanych systemów księgowych bez wspólnego formatu eksportu, pierwsze tygodnie pracy skupią się na porządkowaniu źródeł, nie na generowaniu raportów.
To nie jest wada - to uczciwa ocena punktu startowego. Większość klientów, z którymi pracujemy, przychodzi z częściowo ustrukturyzowanymi danymi i wspólnie ustalamy, co wymaga normalizacji przed wdrożeniem modeli AI.
Metoda dostosowuje się do danych, nie odwrotnie
Zmienne formaty wejściowe
Pracowaliśmy z danymi z SAP, Comarch ERP, plików CSV generowanych przez systemy legacy oraz ręcznie prowadzonych arkuszy. Każde środowisko wymaga innego podejścia do parsowania i normalizacji - nie ma jednego szablonu.
Raport, który rozumie kontekst branżowy
Firma produkcyjna potrzebuje innego układu marż niż firma usługowa. Model językowy, który generuje narrację raportu, jest każdorazowo kalibrowany pod słownictwo i logikę danej branży - nie używamy jednego promptu dla wszystkich klientów.
Korekty po pierwszym cyklu
Po pierwszym wygenerowanym raporcie zbieramy uwagi od osoby weryfikującej po stronie klienta. Zmiany w logice kategoryzacji lub formatowaniu są wdrażane przed kolejnym cyklem - system uczy się na rzeczywistych poprawkach, nie na założeniach.
Obsługa danych nieregularnych
Brakujące okresy, korekty wsteczne, przeksięgowania - to standardowe elementy w danych finansowych. Potok przetwarzania danych wykrywa anomalie i oznacza je do weryfikacji zamiast cicho je pomijać.
Kto za tym stoi
Zespół fiqaryi łączy doświadczenie w analizie finansowej z praktyczną wiedzą o modelach językowych i automatyzacji danych. Żadna z tych kompetencji osobno nie wystarczy do tego, co robimy.
Radosław Kwiatkowski
Architekt systemów danych
Przez osiem lat projektował potoki danych dla firm z sektora produkcyjnego i logistycznego. Specjalizuje się w normalizacji heterogenicznych źródeł finansowych.
Anna Wierzbicka
Inżynier modeli językowych
Projektuje i kalibruje prompty oraz łańcuchy przetwarzania dla raportów narracyjnych. Wcześniej pracowała nad systemami NLP dla instytucji finansowych.
Tomasz Dębski
Analityk finansowy
Odpowiada za merytoryczną poprawność generowanych raportów. Weryfikuje logikę kategoryzacji i dostosowuje strukturę raportów do wymogów branżowych klienta.
Działamy od 2021
Zaczęliśmy od jednego klienta z branży dystrybucyjnej i jednego raportu miesięcznego. Dziś obsługujemy firmy z różnych sektorów, ale każde wdrożenie nadal zaczyna się od dokładnego zrozumienia konkretnych danych, nie od gotowego szablonu.
Doświadczenie z danymi niestrukturyzowanymi
Wdrożenia, które prowadziliśmy, rzadko zaczynały się od czystych danych. Praca z niekompletnymi lub niespójnymi zbiorami to dla nas standard, nie wyjątek.
Iteracyjne podejście do każdego wdrożenia
Nie dostarczamy gotowego rozwiązania na koniec projektu. Każdy cykl raportowy jest okazją do korekty - zarówno modelu, jak i logiki przetwarzania danych.