Pregunte por las cifras con palabras y reciba respuesta, gráfico y pronóstico.
AiST Analytic convierte sus BD, 1С, archivos y DWH en un chat con un analista: pregunta en lenguaje natural → SQL → datos → gráfico → insights y pronóstico. El nivel de un analista junior, al alcance de cada gestor, sin equipo de BI ni tickets de una semana.
- ⏛ Text-to-SQL según su esquema
- ◴ Autovisualización del gráfico
- ↗ Forecast · ML sobre datos tabulares
- ⚠ Detección de anomalías y tendencias
- ⛨ 152-ФЗ · row-level security · on-prem
Datos hay de sobra en todas partes. Solo 3 personas saben utilizarlos.
Hay almacén, hay BI, hay cifras, y aun así el jefe de ventas asigna la tarea a un analista y espera una semana. Marketing pide en el chat «envíamelo urgente». El negocio funciona a ciegas porque la analítica es el cuello de botella.
El equipo de BI no da abasto con las solicitudes
Para 3 analistas, 60 tickets del negocio. Una solicitud simple, «haz un desglose por regiones», pasa una semana en cola. Para cuando el informe está listo, la decisión ya se tomó a ojo.
Los dashboards quedaron obsoletos el día de su lanzamiento
El equipo de BI creó 200 dashboards en Superset. La mitad no se usa y la otra mitad está desactualizada. Cualquier pregunta nueva es «dibújenme otro dashboard» y, de nuevo, la cola.
El forecast lo hace una sola persona en Excel
El pronóstico de ventas, la fuga de clientes, la demanda del almacén: todo vive en el modelo de Excel de un único analista. Cinco años acumulándose y nadie más lo entiende. Si se va, la empresa se queda a ciegas.
De la pregunta en lenguaje natural a la cifra con explicación y gráfico.
El pipeline entiende la pregunta en lenguaje humano, la convierte en SQL según su esquema, la ejecuta en su BD, verifica la calidad del resultado, dibuja el gráfico adecuado y extrae los insights clave.
-
01
Conecta la BD y describe el esquema ClickHouse, PostgresPro, Tantor, Greenplum, MS SQL, 1С vía OData. Las descripciones de tablas y columnas (automáticas o manuales) se convierten en contexto para el modelo.
-
02
El diccionario de negocio: la clave de la precisión Usted carga «ingresos = sum(amount donde status=paid)», «cliente activo: el que ha hecho un pedido en 90 días». El modelo usa sus términos, no unos «ingresos» genéricos.
-
03
La consulta se verifica y se ejecuta en su BD Row-level security: el usuario solo ve su región/departamento. Las consultas complejas pasan por explain y timeout. Sin DROP TABLE ni operaciones peligrosas.
-
04
La respuesta: cifra, gráfico y explicación El modelo elige por sí mismo el tipo de gráfico (evolución, desglose, cohortes), da un pronóstico y resalta las anomalías. Se puede descargar en Excel, enviar a Slack o fijar como «widget vivo» en DataLens.
No es «ChatGPT sobre una BD». Es analytics-Ai industrial.
Text-to-SQL es solo la entrada. Después vienen row-level security, modelos de forecast, anomalías, cohortes, drill-down, exportación a BI y 1С y control de calidad de las respuestas. No «correcto en el 90% de los casos», sino «apto para mostrárselo al CFO».
Text-to-SQL
Pregunta en lenguaje natural → SQL para su dialecto. ClickHouse, Postgres, Greenplum, MS SQL, Oracle.
Autovisualización
El modelo elige por sí mismo el tipo de gráfico: evolución — línea, desglose — bar, retention — cohort.
Forecast
Prophet, CatBoost, ARIMA sobre datos tabulares. Pronóstico de ventas, demanda y fuga con intervalos.
Anomalías
Detección de picos, caídas y desplazamientos estacionales en tiempo real. Alerta en Slack/Teams/Telegram.
Cohort & retention
RFM, tablas de retention, LTV, fuga por cohortes, con un solo comando. Sin Looker ni Tableau.
Segmentación
«Muéstrame clientes similares al top 5%». Clustering, look-alike, segmentos RFM, listos para usar.
Auto-insights
El modelo encuentra por sí mismo las «rarezas»: dónde cayó, quién se fue, qué creció. No busca usted las anomalías: ellas le encuentran a usted.
Drill-down & pivot
«Desglósalo por regiones», «solo Moscú», «por meses», sin una nueva consulta.
Row-level security
El jefe de ventas ve su región; el director, todas. Los permisos se heredan de AD y 1С, sin configuración aparte.
Diccionario de negocio
«Ingresos», «cliente activo», «margen»: sus definiciones, no abstractas. La fuente de la verdad.
Analítica en streaming
ClickHouse, Kafka, S3 sobre Iceberg se conectan a flujos en vivo. Alertas de anomalías, en tiempo real.
Exportación a cualquier destino
Excel, Yandex DataLens, Apache Superset, Visiology, Slack/Teams, 1С, widget en el CRM.
30+ fuentes: BD, 1С, BI, archivos, streams, almacenes corporativos.
No hace falta «migrar antes todo a un DWH unificado». Nos conectamos a lo que ya tiene: PostgresPro, ClickHouse, Tantor, 1С, Excel, repositorios de archivos, Kafka. Puede conectar 15 BD a la vez: el modelo entiende por sí mismo dónde está cada cosa.
// bd rusas & dwh
// BD clásicas
// 1с & contabilidad
// sistemas de bi
// archivos & formularios
// streams & lake
La analítica ya no es un ticket de una semana, sino una pregunta en el chat.
El gestor escribe en lenguaje natural y recibe la cifra, el gráfico y la explicación en segundos. El jefe de ventas construye su embudo sin analista. El CFO calcula el modelo financiero en el chat en lugar de esperar al final del trimestre. El equipo de BI se libera para las tareas complejas para las que antes no había tiempo.
«Muéstrame el ARPU del mes por tarifas»: respuesta con gráfico en el chat. Sin entrar en el BI.
En la ficha del cliente, un bloque vivo con la «evolución de pedidos» y el «pronóstico de fuga». Sin salir a otro sistema.
«La conversión cayó un 18% durante la noche»: alerta en Slack/Teams con el gráfico y la posible causa.
Un solo motor para el CFO, ventas, marketing y operaciones.
Analytic es infraestructura de decisiones. Cada área encuentra su caso: finanzas, ventas, marketing, RR. HH., producción, retail. Un solo motor, distintos presets y diccionarios.
Plan/real y pronóstico, sin analista
«Compara el real con el plan por partidas, muestra las desviaciones y pronostica el beneficio neto del trimestre»: respuesta con gráfico, explicación y factores en 30 segundos en lugar de una semana.
Pipeline forecast y scoring de operaciones
Pronóstico de cierre del pipeline del trimestre, scoring de probabilidad de cada operación, detección de las estancadas, recomendaciones sobre el siguiente paso. Directamente en la ficha de amoCRM.
Attribution, RFM, pronóstico de CAC/LTV
Atribución de conversiones por canales, segmentos RFM para las comunicaciones, pronóstico de LTV por cohortes. El especialista de marketing calcula la unit economics en el chat, no con un ticket.
Pronóstico de bajas y rotación
El modelo detecta a los empleados en riesgo por factores de comportamiento (retrasos, horas extra, patrones de 1С:ЗУП). El HRD recibe la alerta antes de que la persona clave presente su renuncia.
Pronóstico de demanda y fijación de precios
Forecast de demanda por cada SKU y cada tienda con 30 días de antelación. Precios dinámicos según el entorno competitivo y las existencias. Un 30% menos de stock sin salida.
Alertas de anomalías en tiempo real
«La conversión del checkout cayó un 30% en la última hora»: alerta al responsable del proceso antes de que aparezca en el dashboard. Con la posible causa y el enlace a la fuente.
No hace falta construir «su propio Looker». Todo está ya montado.
Un text-to-SQL «a pelo» es el 25% de la tarea. Después se necesitan: capa semántica, row-level security, modelos ML de forecast, autovisualización, diccionario de negocio, exportación a BI y CRM y monitorización de la calidad de las respuestas. Nosotros ya lo tenemos todo integrado.
Se activa; no lo construye un equipo de BI durante un año.
AiST Analytic es un servicio de AiST Platform. No hace falta buscar ingenieros de ML, montar MLOps, desarrollar un chat con gráficos ni integraciones con 1С. Conecte la BD y describa el diccionario de negocio: en una hora los gestores preguntan por las cifras con palabras.
«Un equipo de BI de 5 personas cerraba 60 tickets al mes. Ahora son 12, y son tareas complejas. Las preguntas sencillas las hacen los propios gestores»
Qué más hay en AiST Platform→Los datos son el negocio. Por eso la Ai accede a ellos bajo llave.
Quién ve el margen, quién los salarios, quién los clientes: todo eso ya está configurado en su BD. AiST Analytic respeta la row-level security, no permite eludir los roles, registra cada consulta y explica cómo obtuvo la respuesta.
Perímetro cerrado
- On-prem o AiST BOX en su CPD
- Las consultas se ejecutan en SU BD
- Row-level security desde AD y 1С
- Conectores read-only por defecto
- Protección contra inyecciones SQL vía prompt
- Auditoría de cada consulta, en el SIEM
Calidad y confianza
- La capa semántica como fuente de la verdad
- Cada respuesta muestra su SQL
- Precisión de las respuestas, bajo métricas
- Registro de consultas dudosas para revisión
- Versionado del diccionario y de los modelos
- Tests A/B de la generación de SQL
ROI y velocidad
- −85% de tickets al equipo de BI
- Las decisiones se toman el mismo día, no en una semana
- Presupuestos de consultas por departamento
- Caché de respuestas: un 50% menos en la factura del LLM
- Gastos transparentes en rublos
- Licencia por consultas o por paquete
Lo que suelen preguntar antes del piloto de Analytic.
¿Seguro que el SQL generado es correcto?
En preguntas típicas con una capa semántica correcta, un 92–96% de precisión. Cada respuesta muestra el propio SQL, que puede verificarse y fijarse. Para los casos dudosos, modo de «doble control»: el modelo muestra 2–3 variantes de la consulta y el analista confirma.
¿Y si tenemos 200 tablas y nadie sabe dónde está cada cosa?
Primero, autodocumentación: el modelo construye por sí mismo las descripciones de tablas y columnas a partir de nombres, tipos y muestras de datos. Después, el data steward precisa los términos clave. Tras una semana de trabajo, un dictionary completo y la precisión de las respuestas crece de forma notable.
¿Se pueden construir forecast y otros modelos de ML?
Sí. Prophet y ARIMA para series temporales, CatBoost/XGBoost para tareas tabulares (churn, scoring, demand). Se entrenan con sus datos, explican los factores (feature importance) y se ejecutan según calendario o bajo demanda.
¿Qué ocurre con los permisos de acceso?
La row-level security se hereda de su BD y de AD/1С. El jefe de ventas de Moscú solo ve Moscú; el director, todo. No hace falta configurar «permisos de Analytic» aparte: el modelo trabaja en el contexto del usuario concreto.
¿Cuánto tarda el lanzamiento?
Un piloto «consulta en texto → gráfico» sobre una BD y 5–10 tablas clave: 1–2 semanas. La cobertura completa con capa semántica, modelos de ML e integraciones en BI / 1С / CRM: 4–8 semanas.
¿Es un producto independiente o parte de la plataforma?
AiST Analytic es un servicio de AiST Platform. Puede contratarse por separado (como Analytics-API) o junto con el constructor de asistentes, el RAG sobre documentos, los roles y la auditoría. Un solo panel, una sola factura.
Le mostraremos cómo sus datos responden a las preguntas, sin analista.
Reserve una demo: cuéntenos cuáles son sus fuentes de datos y un gestor le mostrará en la propia reunión cómo el sistema responde a las preguntas de negocio en tiempo real.