Почему номенклатура в ERP разрастается в хаос
Разные сотрудники создают номенклатуру по-своему — и один товар превращается в десятки записей в 1С и ERP. Разбираем механику появления дублей номенклатуры и переход к классификаторной модели через ОКПД2 и КТРУ.
Как справочник номенклатуры разрастается
Разные сотрудники и поставщики описывают один и тот же товар по-своему. Каждая формулировка попадает в справочник как отдельная позиция — объём номенклатуры растёт неконтролируемо.
Что из-за этого ломается в закупках
Подробнее о системных проблемах закупочной функции — в материале «AI в закупках»
Три подхода к управлению номенклатурой
Объём неконтролируемых записей растёт экспоненциально
Каждый новый поставщик и сотрудник усугубляет ситуацию.
Бесконечный процесс
Дубли появляются быстрее, чем их успевают вычистить.
Номенклатуру определяет классификатор, а не ручной ввод
Подробнее о автоматизации закупок
Что мы делаем
Смотрите наши продукты и реализованные кейсы
Анализ НСИ, поиск похожих позиций, кластеризация записей по семантическому сходству — в 1С, SAP, любой ERP-системе.
X% дублей в базе, X млн ₽ потерь на неконсолидированных закупках — конкретные цифры для вашей НСИ.
Каждая позиция номенклатуры привязывается к классификатору — формируются обязательные характеристики и структура справочника.
Номенклатура в 1С и ERP формируется классификатором автоматически — структуру НСИ задаёт справочник, а не человек.
Внедрение системы управления НСИ
Как классификаторы решают проблему дублей номенклатуры в 1С и ERP
Полный анализ справочника номенклатуры: объём дублей, категории, источники искажений.
Семантический поиск и кластеризация: находим все вариации одной и той же позиции в 1С и ERP.
Привязка номенклатуры к ОКПД2 / КТРУ. Формирование обязательных характеристик по стандарту.
Бесшовная интеграция нормализованного справочника с 1С, SAP и другими ERP-системами.
Частые вопросы по НСИ и номенклатуре
С чего удобно начать
Два способа начать диалог — выберите подходящий.
Записаться на бесплатную диагностику
Разбор НСИ за 1 встречу. Покажем масштаб дублей номенклатуры и приоритеты нормализации.
- Карта дублей в вашей НСИ — верхнеуровнево
- Оценка масштаба потерь
- Приоритизация: с чего начать нормализацию
Проверим, сколько дублей в вашей НСИ — и что они стоят бизнесу
Материалы по теме
Платформа корпоративных знаний: документы, RAG и AI-поиск
Единый защищённый контур для документов, данных и экспертизы компании.
Читать Экспертный материалС чего начать внедрение ИИ в компании
Как выбрать первый процесс, оценить эффект и запустить пилот без потери бюджета.
Читать Кейс внедренияAI Service Desk: автоматизация заявок и поддержка сотрудников
Практика внедрения AI-слоя над сервисным процессом: классификация, поиск решений и SLA.
Читать Экспертный материалКак внедрить ИИ в компанию: путь от пилота к масштабу
Методика управления данными, экономикой, интеграциями и масштабированием AI-сценариев.
Читать Решение Лаб ИТAI в закупках: ТЗ, номенклатура и работа с поставщиками
Сценарии для закупочных процессов, цифровизации МТО и работы с корпоративными данными.
Читать Кейс внедрения«Кашалот»: AI-поддержка клиентов вместо ручной обработки
Кейс корпоративного AI-ассистента, который закрывает типовые обращения на основе базы знаний.
Читать Решение Лаб ИТПлатформа корпоративных знаний: документы, RAG и AI-поиск
Единый защищённый контур для документов, данных и экспертизы компании.
Читать Экспертный материалС чего начать внедрение ИИ в компании
Как выбрать первый процесс, оценить эффект и запустить пилот без потери бюджета.
Читать Кейс внедренияAI Service Desk: автоматизация заявок и поддержка сотрудников
Практика внедрения AI-слоя над сервисным процессом: классификация, поиск решений и SLA.
Читать Экспертный материалКак внедрить ИИ в компанию: путь от пилота к масштабу
Методика управления данными, экономикой, интеграциями и масштабированием AI-сценариев.
Читать Решение Лаб ИТAI в закупках: ТЗ, номенклатура и работа с поставщиками
Сценарии для закупочных процессов, цифровизации МТО и работы с корпоративными данными.
Читать Кейс внедрения«Кашалот»: AI-поддержка клиентов вместо ручной обработки
Кейс корпоративного AI-ассистента, который закрывает типовые обращения на основе базы знаний.
Читать