Pergunte pelos números por palavras e receba resposta, gráfico e previsão.
O AiST Analytic transforma as suas BD, 1C, ficheiros e DWH num chat com um analista: pergunta em linguagem natural → SQL → dados → gráfico → insights e previsão. O nível de um analista júnior, ao alcance de cada gestor, sem equipa de BI nem tickets de uma semana.
- ⏛ Text-to-SQL segundo o seu esquema
- ◴ Visualização automática do gráfico
- ↗ Forecast · ML sobre dados tabulares
- ⚠ Deteção de anomalias e tendências
- ⛨ 152-FZ · row-level security · on-prem
Dados há de sobra em todo o lado. Só 3 pessoas sabem utilizá-los.
Há armazém de dados, há BI, há números, e ainda assim o diretor de vendas atribui a tarefa a um analista e espera uma semana. O marketing pede no chat «envia-me isto com urgência». O negócio funciona às cegas porque a analítica é o estrangulamento.
A equipa de BI não dá vazão aos pedidos
Para 3 analistas, 60 tickets do negócio. Um pedido simples, «faz uma repartição por regiões», passa uma semana na fila. Quando o relatório fica pronto, a decisão já foi tomada a olho.
Os dashboards ficaram obsoletos no dia do seu lançamento
A equipa de BI criou 200 dashboards no Superset. Metade não se usa e a outra metade está desatualizada. Qualquer pergunta nova é «desenhem-me outro dashboard» e, de novo, a fila.
O forecast é feito por uma única pessoa em Excel
A previsão de vendas, a fuga de clientes, a procura do armazém: tudo vive no modelo de Excel de um único analista. Cinco anos a acumular e mais ninguém o entende. Se ele sair, a empresa fica às cegas.
Da pergunta em linguagem natural ao número com explicação e gráfico.
O pipeline entende a pergunta em linguagem humana, converte-a em SQL segundo o seu esquema, executa-a na sua BD, verifica a qualidade do resultado, desenha o gráfico adequado e extrai os insights principais.
-
01
Ligue a BD e descreva o esquema ClickHouse, PostgresPro, Tantor, Greenplum, MS SQL, 1C via OData. As descrições de tabelas e colunas (automáticas ou manuais) tornam-se contexto para o modelo.
-
02
O dicionário de negócio: a chave da precisão O senhor carrega «receitas = sum(amount onde status=paid)», «cliente ativo: o que fez uma encomenda em 90 dias». O modelo usa os seus termos, não umas «receitas» genéricas.
-
03
A consulta é verificada e executada na sua BD Row-level security: o utilizador vê apenas a sua região/departamento. As consultas complexas passam por explain e timeout. Sem DROP TABLE nem operações perigosas.
-
04
A resposta: número, gráfico e explicação O modelo escolhe por si próprio o tipo de gráfico (evolução, repartição, coortes), dá uma previsão e realça as anomalias. Pode ser descarregada em Excel, enviada para o Slack ou fixada como «widget vivo» no DataLens.
Não é «ChatGPT sobre uma BD». É analytics-Ai industrial.
Text-to-SQL é apenas a entrada. Depois vêm row-level security, modelos de forecast, anomalias, coortes, drill-down, exportação para BI e 1C e controlo de qualidade das respostas. Não «correto em 90% dos casos», mas «apto para ser mostrado ao CFO».
Text-to-SQL
Pergunta em linguagem natural → SQL para o seu dialeto. ClickHouse, Postgres, Greenplum, MS SQL, Oracle.
Visualização automática
O modelo escolhe por si próprio o tipo de gráfico: evolução — linha, repartição — bar, retention — cohort.
Forecast
Prophet, CatBoost, ARIMA sobre dados tabulares. Previsão de vendas, procura e fuga com intervalos.
Anomalias
Deteção de picos, quedas e desvios sazonais em tempo real. Alerta no Slack/Teams/Telegram.
Cohort & retention
RFM, tabelas de retention, LTV, fuga por coortes, com um único comando. Sem Looker nem Tableau.
Segmentação
«Mostra-me clientes semelhantes ao top 5%». Clustering, look-alike, segmentos RFM, prontos a usar.
Auto-insights
O modelo encontra por si próprio as «estranhezas»: onde caiu, quem saiu, o que cresceu. Não é o senhor que procura as anomalias: são elas que o encontram.
Drill-down & pivot
«Reparte-o por regiões», «só Moscovo», «por meses», sem uma nova consulta.
Row-level security
O diretor de vendas vê a sua região; o diretor-geral, todas. As permissões são herdadas do AD e do 1C, sem configuração à parte.
Dicionário de negócio
«Receitas», «cliente ativo», «margem»: as suas definições, não abstratas. A fonte da verdade.
Analítica em streaming
ClickHouse, Kafka, S3 sobre Iceberg ligam-se a fluxos ao vivo. Alertas de anomalias, em tempo real.
Exportação para qualquer destino
Excel, Yandex DataLens, Apache Superset, Visiology, Slack/Teams, 1C, widget no CRM.
30+ fontes: BD, 1C, BI, ficheiros, streams, armazéns de dados empresariais.
Não é preciso «migrar antes tudo para um DWH unificado». Ligamo-nos ao que já tem: PostgresPro, ClickHouse, Tantor, 1C, Excel, repositórios de ficheiros, Kafka. Pode ligar 15 BD de uma vez: o modelo entende por si próprio onde está cada coisa.
// bd russas & dwh
// BD clássicas
// 1C & contabilidade
// sistemas de bi
// ficheiros & formulários
// streams & lake
A analítica já não é um ticket de uma semana, mas uma pergunta no chat.
O gestor escreve em linguagem natural e recebe o número, o gráfico e a explicação em segundos. O diretor de vendas constrói o seu funil sem analista. O CFO calcula o modelo financeiro no chat em vez de esperar pelo fim do trimestre. A equipa de BI liberta-se para as tarefas complexas para as quais antes não havia tempo.
«Mostra-me o ARPU do mês por tarifários»: resposta com gráfico no chat. Sem entrar no BI.
Na ficha do cliente, um bloco vivo com a «evolução de encomendas» e a «previsão de fuga». Sem sair para outro sistema.
«A conversão caiu 18% durante a noite»: alerta no Slack/Teams com o gráfico e a causa provável.
Um único motor para o CFO, vendas, marketing e operações.
O Analytic é infraestrutura de decisões. Cada área encontra o seu caso: finanças, vendas, marketing, RH, produção, retalho. Um único motor, presets e dicionários diferentes.
Plano/real e previsão, sem analista
«Compara o real com o plano por rubricas, mostra os desvios e prevê o lucro líquido do trimestre»: resposta com gráfico, explicação e fatores em 30 segundos em vez de uma semana.
Pipeline forecast e scoring de negócios
Previsão de fecho do pipeline do trimestre, scoring de probabilidade de cada negócio, deteção dos que estão parados, recomendações sobre o próximo passo. Diretamente na ficha do amoCRM.
Attribution, RFM, previsão de CAC/LTV
Atribuição de conversões por canais, segmentos RFM para as comunicações, previsão de LTV por coortes. O especialista de marketing calcula a unit economics no chat, não com um ticket.
Previsão de saídas e rotatividade
O modelo deteta os colaboradores em risco por fatores comportamentais (atrasos, horas extra, padrões do 1C:ZUP). O HRD recebe o alerta antes de a pessoa-chave apresentar a demissão.
Previsão da procura e fixação de preços
Forecast da procura por cada SKU e cada loja com 30 dias de antecedência. Preços dinâmicos segundo o ambiente concorrencial e as existências. Menos 30% de stock sem saída.
Alertas de anomalias em tempo real
«A conversão do checkout caiu 30% na última hora»: alerta ao responsável pelo processo antes de aparecer no dashboard. Com a causa provável e a ligação à fonte.
Não é preciso construir «o seu próprio Looker». Está tudo já montado.
Um text-to-SQL «em bruto» é 25% da tarefa. Depois são necessários: camada semântica, row-level security, modelos ML de forecast, visualização automática, dicionário de negócio, exportação para BI e CRM e monitorização da qualidade das respostas. Nós já temos tudo integrado.
Ativa-se; não é uma equipa de BI que o constrói durante um ano.
O AiST Analytic é um serviço da AiST Platform. Não é preciso procurar engenheiros de ML, montar MLOps, desenvolver um chat com gráficos nem integrações com o 1C. Ligue a BD e descreva o dicionário de negócio: numa hora os gestores perguntam pelos números por palavras.
«Uma equipa de BI de 5 pessoas fechava 60 tickets por mês. Agora são 12, e são tarefas complexas. As perguntas simples são feitas pelos próprios gestores»
O que mais há na AiST Platform→Os dados são o negócio. Por isso a Ai acede a eles à chave.
Quem vê a margem, quem vê os salários, quem vê os clientes: tudo isso já está configurado na sua BD. O AiST Analytic respeita a row-level security, não permite contornar os papéis, regista cada consulta e explica como obteve a resposta.
Perímetro fechado
- On-prem ou AiST BOX no seu centro de dados
- As consultas são executadas na SUA BD
- Row-level security a partir do AD e do 1C
- Conectores read-only por defeito
- Proteção contra injeções SQL via prompt
- Auditoria de cada consulta, no SIEM
Qualidade e confiança
- A camada semântica como fonte da verdade
- Cada resposta mostra o seu SQL
- Precisão das respostas, sob métricas
- Registo de consultas duvidosas para revisão
- Versionamento do dicionário e dos modelos
- Testes A/B da geração de SQL
ROI e velocidade
- −85% de tickets para a equipa de BI
- As decisões tomam-se no próprio dia, não numa semana
- Orçamentos de consultas por departamento
- Cache de respostas: menos 50% na fatura do LLM
- Custos transparentes em rublos
- Licença por consultas ou por pacote
O que costumam perguntar antes do piloto do Analytic.
De certeza que o SQL gerado está correto?
Em perguntas típicas com uma camada semântica correta, 92–96% de precisão. Cada resposta mostra o próprio SQL, que pode ser verificado e fixado. Para os casos duvidosos, modo de «duplo controlo»: o modelo mostra 2–3 variantes da consulta e o analista confirma.
E se tivermos 200 tabelas e ninguém souber onde está cada coisa?
Primeiro, autodocumentação: o modelo constrói por si próprio as descrições de tabelas e colunas a partir de nomes, tipos e amostras de dados. Depois, o data steward precisa os termos-chave. Após uma semana de trabalho, um dictionary completo e a precisão das respostas cresce de forma notória.
É possível construir forecast e outros modelos de ML?
Sim. Prophet e ARIMA para séries temporais, CatBoost/XGBoost para tarefas tabulares (churn, scoring, demand). Treinam-se com os seus dados, explicam os fatores (feature importance) e executam-se segundo calendário ou a pedido.
O que acontece com as permissões de acesso?
A row-level security é herdada da sua BD e do AD/1C. O diretor de vendas de Moscovo vê apenas Moscovo; o diretor-geral, tudo. Não é preciso configurar «permissões do Analytic» à parte: o modelo trabalha no contexto do utilizador concreto.
Quanto tempo demora o arranque?
Um piloto «consulta em texto → gráfico» sobre uma BD e 5–10 tabelas-chave: 1–2 semanas. A cobertura completa com camada semântica, modelos de ML e integrações em BI / 1C / CRM: 4–8 semanas.
É um produto independente ou parte da plataforma?
O AiST Analytic é um serviço da AiST Platform. Pode ser contratado separadamente (como Analytics-API) ou juntamente com o construtor de assistentes, o RAG sobre documentos, os papéis e a auditoria. Um único painel, uma única fatura.
Mostrar-lhe-emos como os seus dados respondem às perguntas, sem analista.
Marque uma demonstração: diga-nos quais são as suas fontes de dados e um gestor mostrar-lhe-á na própria reunião como o sistema responde às perguntas de negócio em tempo real.