🎓 От Excel и ручных проверок к Python, Power BI и AI
2 августа прошла защита итоговых проектов программы ДПО Школы финансов НИУ ВШЭ «Технологии финансиста будущего: от анализа данных к решению с Python, Microsoft Excel и искусственным интеллектом».
Участники показали, как связка Python, Power BI и ИИ помогает автоматизировать финансовую аналитику, отчетность, аудит и инвестиционные расчеты. Вот несколько наиболее интересных проектов .
🔹 Аудиторская проверка около 200 объектов
Для внутреннего аудита банка был создан инструмент на Python и Selenium, который работал с корпоративной системой и документами, помог проверить 100% выборки, около 200 объектов, и выявить слабые места во внутреннем контроле.
🔹 Как решение ЦБ влияет на стоимость портфеля
Один из самых технически сложных проектов переводит изменение ключевой ставки в конкретный финансовый результат портфеля акций. В модели использованы данные Московской биржи и ЦБ, трехфакторная регрессия, RAG-анализ 27 пресс-релизов и Монте-Карло с 10 000 траекторий.
В расчетном сценарии снижение ставки на 100 б.п. давало прирост портфеля примерно на 873 тыс. руб., повышение на 200 б.п. приводило к снижению примерно на 1,747 млн руб.
🔹 Приложение вместо ручного обновления 20 Excel-файлов
Ежемесячное обновление управленческой отчетности из ERP занимало от половины дня до двух дней. Участник разработал приложение на Python, упакованное в EXE. Оно проверяет файлы, создает резервные копии, формирует необходимые связи и ведет лог операций. Устанавливать Python коллегам не нужно.
🔹 Power BI за 20 минут вместо нескольких часов
В проекте по корпоративной финансовой аналитике Python собирает данные, Power BI отвечает за визуализацию, а LLM формирует аналитические выводы. Эксперимент с загрузкой проекта Power BI в ChatGPT позволил получить дашборд примерно за 20 минут вместо нескольких часов ручной работы.
🔹 Автоматическая консолидация отчетности группы компаний
Еще один проект объединил Python, Pandas, API корпоративной системы и HTML-интерфейс. Решение получает и нормализует данные, применяет правила маппинга и формирует управленческую отчетность с возможностью внесения корректировок через интерфейс.
💡 Защита показала важный переход: от использования готовых AI-сервисов к созданию собственных финансовых инструментов, скриптов, приложений, аналитических моделей и автоматизированных дашбордов.
📌 Хотите научиться решать такие задачи самостоятельно?
Подробнее о программе и следующем наборе:
https://www.hse.ru/edu/dpo/1101064910
#ШколаФинансов #ВШЭ #ИскусственныйИнтеллект #Python #PowerBI
2 августа прошла защита итоговых проектов программы ДПО Школы финансов НИУ ВШЭ «Технологии финансиста будущего: от анализа данных к решению с Python, Microsoft Excel и искусственным интеллектом».
Участники показали, как связка Python, Power BI и ИИ помогает автоматизировать финансовую аналитику, отчетность, аудит и инвестиционные расчеты. Вот несколько наиболее интересных проектов .
🔹 Аудиторская проверка около 200 объектов
Для внутреннего аудита банка был создан инструмент на Python и Selenium, который работал с корпоративной системой и документами, помог проверить 100% выборки, около 200 объектов, и выявить слабые места во внутреннем контроле.
🔹 Как решение ЦБ влияет на стоимость портфеля
Один из самых технически сложных проектов переводит изменение ключевой ставки в конкретный финансовый результат портфеля акций. В модели использованы данные Московской биржи и ЦБ, трехфакторная регрессия, RAG-анализ 27 пресс-релизов и Монте-Карло с 10 000 траекторий.
В расчетном сценарии снижение ставки на 100 б.п. давало прирост портфеля примерно на 873 тыс. руб., повышение на 200 б.п. приводило к снижению примерно на 1,747 млн руб.
🔹 Приложение вместо ручного обновления 20 Excel-файлов
Ежемесячное обновление управленческой отчетности из ERP занимало от половины дня до двух дней. Участник разработал приложение на Python, упакованное в EXE. Оно проверяет файлы, создает резервные копии, формирует необходимые связи и ведет лог операций. Устанавливать Python коллегам не нужно.
🔹 Power BI за 20 минут вместо нескольких часов
В проекте по корпоративной финансовой аналитике Python собирает данные, Power BI отвечает за визуализацию, а LLM формирует аналитические выводы. Эксперимент с загрузкой проекта Power BI в ChatGPT позволил получить дашборд примерно за 20 минут вместо нескольких часов ручной работы.
🔹 Автоматическая консолидация отчетности группы компаний
Еще один проект объединил Python, Pandas, API корпоративной системы и HTML-интерфейс. Решение получает и нормализует данные, применяет правила маппинга и формирует управленческую отчетность с возможностью внесения корректировок через интерфейс.
💡 Защита показала важный переход: от использования готовых AI-сервисов к созданию собственных финансовых инструментов, скриптов, приложений, аналитических моделей и автоматизированных дашбордов.
📌 Хотите научиться решать такие задачи самостоятельно?
Подробнее о программе и следующем наборе:
https://www.hse.ru/edu/dpo/1101064910
#ШколаФинансов #ВШЭ #ИскусственныйИнтеллект #Python #PowerBI