Готовые запросы

Собери P&L за прошлый календарный месяц по данным v_profit.

Строки: выручка; комиссия площадки; логистика; хранение; штрафы; прочие удержания; компенсации; к перечислению;
реклама; себестоимость; расходы на единицу; прибыль до налогов; НДС; налог; прибыль после налогов; рентабельность.
Столбцы: Wildberries, Ozon, Итого, % от выручки.

Запрос: query_mart view=v_profit, date_from/date_to = прошлый месяц, group_by=[platform], metrics=sum по всем
денежным колонкам и net_qty, derived=[margin_pct, fee_pct, drr_pct].
Под таблицей перечисли оговорки: товары без себестоимости, по какое число есть данные WB, налоги — оценка.
Если пользователь работает в среде с файлами — предложи выгрузить таблицу в Excel.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.

Посчитай юнит-экономику по каждому артикулу за последние 30 дней с данными.

query_mart view=v_profit, group_by=[vendor_code, product_name], metrics=sum(revenue, marketplace_fee, logistics,
storage, ads, cogs, profit_after_tax, net_qty), derived=[revenue_per_unit, logistics_per_unit, profit_per_unit,
margin_pct, breakeven_price], order_by=sum_profit_after_tax, limit=200.

Таблица: артикул, название, продано шт, цена за шт, комиссия %, логистика на шт, реклама на шт, себестоимость
на шт, прибыль на шт, маржа %, цена безубыточности. Сначала убыточные, затем остальные.
В конце: 3 товара с наибольшим запасом по цене и 3, где прибыль съедает логистика или реклама.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.

Найди, где я теряю деньги за последние 30 дней с данными.

1. Убыточные артикулы: v_profit, group_by=[vendor_code, product_name], metrics=sum(profit_after_tax, revenue,
   ads, logistics, net_qty), derived=[margin_pct, drr_pct, logistics_per_unit], отбери прибыль < 0.
2. Для каждого назови главную причину: реклама (drr_pct > 15%), логистика (> 25% цены), возвраты
   (return_rate_pct), низкая цена (ниже breakeven_price).
3. Предложи одно действие на товар: поднять цену до…, снизить ставку, вывести из рекламы, проверить габариты.
Не придумывай цифры: всё — из запросов.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.

Посчитай капитал в остатках и оборачиваемость за последние 30 дней.

1. Капитал на последнюю дату: v_stock, последняя дата, group_by=[platform], metrics=sum(stock_value, stock_qty).
2. По товарам: v_daily за 30 дней, group_by=[vendor_code, product_name], metrics=sum(stock_value, orders_qty),
   derived=[avg_stock_qty, turnover_days].
3. Прибыль на вложенный рубль: прибыль после налогов за 30 дней (v_profit) / средний капитал в остатках.
Покажи топ-10 по капиталу, топ-10 медленных (turnover_days > 60) и итог.
Если среда позволяет — собери интерактивный дашборд: карточки (капитал, оборачиваемость, прибыль на рубль),
таблица товаров с сортировкой.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.

Помоги выбрать налоговый режим на следующий год.

1. Вызови tax_compare (по умолчанию — последние 12 месяцев). Если я назвал ставки своего региона — передай их.
2. Покажи таблицу: режим, НДС, всего налогов, % выручки, прибыль после налогов. Недоступные при моей выручке
   режимы отметь и объясни почему.
3. Сравни лучший доступный режим с тем, что указан у меня сейчас (taxes_with_current_settings): сколько в год
   можно сохранить.
4. Скажи, от чего зависит выбор: доля закупки с НДС у поставщиков, рост выручки (пороги 20 / 250 / 450 млн ₽),
   страховые взносы ИП. Если есть выручка без себестоимости — предупреди, что «доходы минус расходы» посчитаны
   с завышенным налогом.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.

Разбери отмены и возвраты за последние 30 дней.

1. Вызови returns_report (по умолчанию 30 дней). По каждой площадке: доля отмен от заказанных штук, доля возвратов
   от проданных, главные причины отмен, сколько площадка удержала за логистику отмен и возвратов.
2. Сравни с прошлыми 30 днями (returns_report с датами) — стало лучше или хуже.
3. Таблица товаров, где отмены и возвраты обошлись дороже всего: заказано, отменено (%), продано, возвращено (%),
   логистика. До 10 строк.
4. Три конкретных шага. Например: много «отказов при получении» — проверить фото, размерную сетку и описание
   (покупатель видит товар и не берёт); «не забрали из пункта выдачи» — срок доставки и склад отгрузки; высокий
   процент возвратов одного товара — отзывы и брак. Каждый шаг — с цифрой, на которую он влияет.
Скажи, что отмены считаются по дню заказа, а возвраты — по финансовым отчётам (WB — по воскресенье).

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.