Клиент — холдинг (ритейл + опт), финансовый департament. CFO и региональные директора запрашивали пояснения к отчётам: «почему упала маржа в Q2», «где отклонение от плана». Аналитики тратили 2–4 часа на текстовые комментарии к каждому дашборду; формулировки были непоследовательны. Задача: CoT-промпты — модель получает агрегированные цифры (CSV/JSON), пошагово рассуждает, выдаёт executive summary и bullet-пояснения. Без доступа к сырым транзакциям; только подготовленные агрегаты. Реализация: • prompt chain: (1) проверка данных → (2) выявление аномалий → (3) гипотезы → (4) итоговый текст; • шаблоны под тип отчёта: P&L, cash flow, план-факт по регионам, unit economics; • ограничения: только факты из входных данных, маркировка «гипотеза» vs «факт»; • output format: summary (3 предложения) + bullets + «что проверить аналитику»; • eval: 30 отчётов сверены с комментариями senior-аналитика, score 1–5; • anti-hallucination: запрет упоминать причины без числового обоснования во входе; • glossary: единые термины холдинга в system prompt. Стек: промпт-инжиниринг, CoT, OpenAI/Claude API, Python, Excel/CSV на вход. Приёмка: средний score ≥ 4.2/5 на blind review CFO. Итог: черновик пояснения за 2–3 минуты вместо 2–4 часов; единый стиль комментариев к отчётам. NDA: холдинг не публикуется.