Как работает Pro режим аналитики: SQL запросы к данным через ИИ

Стандартный анализ данных в Excel хорош для простых вопросов: “Какова выручка за месяц?” или “Топ-5 товаров”. Но что если вам нужен сложный анализ: “Какие регионы растут быстрее всех в последний квартал, исключая выбросы?” Здесь нужен SQL, но не каждый умеет его писать. Pro режим аналитики решает эту проблему: вы задаёте вопрос на русском, ИИ пишет SQL, и вы получаете точный ответ. Разберёмся, как это работает.

Традиционный анализ vs Pro режим

Традиционный подход (статистический анализ)

Excel файл (продажи):
Дата | Товар | Регион | Сумма
01.01 | A | Москва | 10000
01.01 | B | СПб | 5000
...

Стандартный анализ (Excel):
- Сумма выручки: 1.5M (используется SUM)
- Средняя сумма заказа: 15000 (используется AVERAGE)
- Максимальный заказ: 100000 (используется MAX)
- Самый популярный товар: A (используется MODE или COUNTIF)

Результат: базовая статистика, но нет глубины

Pro режим (SQL агент)

Вопрос: "Какие регионы показали рост выручки 
> 20% в апреле по сравнению с марте? Исключи Москву."

SQL запрос (написан ИИ автоматически):
SELECT 
  march.region,
  SUM(march.amount) as march_total,
  SUM(april.amount) as april_total,
  ROUND(100.0 * (SUM(april.amount) - SUM(march.amount)) / 
        SUM(march.amount), 2) as growth_percent
FROM sales march
JOIN sales april
  ON march.region = april.region
WHERE march.month = 3 AND april.month = 4
  AND march.region != 'Москва'
GROUP BY march.region
HAVING growth_percent > 20
ORDER BY growth_percent DESC

Результат: точный анализ с выявлением растущих регионов

Архитектура Pro режима

Компоненты системы

Загрузчик данных (DuckDB):
- Загружает Excel в памяти в виде SQL таблиц
- DuckDB — это встроенная база данных, не нужен отдельный сервер
- Скорость: даже 100K строк обрабатываются за миллисекунды
SQL агент (Claude tool_use):
- Получает вопрос на русском языке
- Анализирует структуру данных (какие столбцы есть, типы)
- Пишет SQL запрос самостоятельно
- Может пересчитать и уточнить запрос, если нужно
Executor (безопасное выполнение):
- Запускает SQL запрос с ограничениями:
  - Только SELECT (не DELETE, UPDATE)
  - Блокированы опасные команды
  - Таймаут: запрос не может работать > 30 сек
- Возвращает результаты
Интерпретатор результатов:
- ИИ переводит результаты SQL в понятные выводы
- Генерирует графики
- Оформляет в отчёт

Процесс в диаграмме

┌──────────────┐
│  Excel файл  │
│ (200K строк) │
└──────┬───────┘
       │
       v
┌──────────────────────┐
│  Загрузка в DuckDB   │
│  (создаёт таблицы)   │
└──────┬───────────────┘
       │ Вопрос: "Топ регионы по выручке?"
       v
┌──────────────────────┐
│  SQL агент (Claude)  │
│  Анализирует схему   │
│  Пишет SQL запрос    │
└──────┬───────────────┘
       │ 
       v SELECT region, SUM(amount) ...
┌──────────────────────┐
│  DuckDB executor     │
│  Выполняет запрос    │
│  (< 1 сек для 200K)  │
└──────┬───────────────┘
       │ Результат: таблица 10x2 (10 регионов + суммы)
       v
┌──────────────────────┐
│ Интерпретатор        │
│ Пишет выводы         │
│ Создаёт графики      │
└──────┬───────────────┘
       │
       v
┌──────────────────────┐
│ Готовый отчёт        │
│ (таблица + график)   │
└──────────────────────┘

Как ИИ пишет SQL запросы

Шаг 1: Анализ схемы данных

Система показывает агенту структуру таблицы:

Таблица "sales" содержит:
- id (INTEGER) - уникальный ID
- date (DATE) - дата продажи
- product_name (TEXT) - название товара
- category (TEXT) - категория товара
- region (TEXT) - регион
- quantity (INTEGER) - количество
- unit_price (NUMERIC) - цена за единицу
- total_amount (NUMERIC) - сумма
- manager_id (INTEGER) - ID менеджера
- is_returned (BOOLEAN) - возвращён ли товар

Пример строк:
1, 2026-04-01, Товар A, Электроника, Москва, 5, 1000, 5000, 101, false
2, 2026-04-01, Товар B, Мебель, СПб, 2, 50000, 100000, 102, false

Шаг 2: Интерпретация вопроса

Вопрос: “Какие товары в категории ‘Электроника’ наиболее популярны в Москве?”

Агент понимает:

WHERE clause: category = ‘Электроника’ AND region = ‘Москва’
SELECT: product_name и какой-то метрика популярности (COUNT или SUM quantity)
ORDER BY: по убыванию популярности
LIMIT: топ-N

Шаг 3: Формирование SQL

SELECT 
  product_name,
  COUNT(*) as order_count,
  SUM(quantity) as total_quantity,
  SUM(total_amount) as total_revenue
FROM sales
WHERE category = 'Электроника' 
  AND region = 'Москва'
  AND is_returned = false
GROUP BY product_name
ORDER BY total_quantity DESC
LIMIT 10

Шаг 4: Выполнение и интерпретация

Результат SQL:

product_name | order_count | total_quantity | total_revenue
Товар A      | 25          | 125            | 125000
Товар B      | 18          | 90             | 90000
Товар C      | 12          | 60             | 60000

Агент пишет вывод: “В категории Электроника в Москве самый популярный Товар A (125 единиц, 125K выручки). За ним следует Товар B (90 ед, 90K). На эти два товара приходится 71% всех продаж категории в регионе.”

Примеры сложных вопросов, которые решает Pro режим

Пример 1: Анализ с условиями

Вопрос: “Какой регион показал самый быстрый рост выручки за последние 3 месяца?”

SQL (написан ИИ):

WITH monthly_revenue AS (
  SELECT 
    region,
    DATE_TRUNC('month', date) as month,
    SUM(total_amount) as monthly_total
  FROM sales
  WHERE date >= NOW() - INTERVAL '3 months'
  GROUP BY region, DATE_TRUNC('month', date)
),
growth AS (
  SELECT 
    region,
    LAG(monthly_total) OVER (PARTITION BY region ORDER BY month) as prev_month,
    monthly_total as curr_month,
    ROUND(100 * (monthly_total - LAG(monthly_total) 
           OVER (PARTITION BY region ORDER BY month)) / 
           LAG(monthly_total) OVER (PARTITION BY region ORDER BY month), 2) as growth_percent
  FROM monthly_revenue
)
SELECT region, AVG(growth_percent) as avg_growth
FROM growth
GROUP BY region
ORDER BY avg_growth DESC
LIMIT 1

Результат: “Регион X показал среднегодовой рост 25% в последние 3 месяца”

Пример 2: Выявление аномалий

Вопрос: “Найди товары, которые продаются странно: их выручка выше обычного более чем на 50% в этом месяце”

SQL (написан ИИ):

WITH monthly_average AS (
  SELECT 
    product_name,
    AVG(SUM(total_amount)) as avg_monthly_revenue
  FROM sales
  WHERE date < DATE('2026-04-01')
  GROUP BY product_name, DATE_TRUNC('month', date)
),
current_month AS (
  SELECT 
    product_name,
    SUM(total_amount) as current_revenue
  FROM sales
  WHERE DATE_TRUNC('month', date) = DATE('2026-04-01')
  GROUP BY product_name
)
SELECT 
  c.product_name,
  m.avg_monthly_revenue,
  c.current_revenue,
  ROUND(100 * (c.current_revenue - m.avg_monthly_revenue) / m.avg_monthly_revenue, 2) as anomaly_percent
FROM current_month c
JOIN monthly_average m ON c.product_name = m.product_name
WHERE c.current_revenue > m.avg_monthly_revenue * 1.5
ORDER BY anomaly_percent DESC

Результат: “Товар Y — аномально высокие продажи (+75%), возможно скопились заказы или ошибка в данных”

Пример 3: Анализ поведения клиентов

Вопрос: “Какие менеджеры работают с самыми дорогими товарами и как долго они удерживают клиентов?”

SQL (написан ИИ):

WITH manager_stats AS (
  SELECT 
    manager_id,
    AVG(total_amount) as avg_deal_value,
    COUNT(DISTINCT customer_id) as customer_count,
    MAX(date) - MIN(date) as tenure_days
  FROM sales
  GROUP BY manager_id
)
SELECT 
  manager_id,
  ROUND(avg_deal_value, 2) as avg_deal,
  customer_count,
  tenure_days,
  ROUND(customer_count / (tenure_days + 1) * 365, 2) as customers_per_year
FROM manager_stats
ORDER BY avg_deal DESC

Результат: “Менеджер 101 работает с самыми дорогими сделками (средний чек 25K), при этом удерживает среднего клиента 180 дней”

Безопасность и ограничения

Что может делать Pro режим

✓ SELECT с любыми условиями
✓ JOIN таблицы (если есть связь)
✓ Агрегирующие функции (SUM, COUNT, AVG и т.д.)
✓ Сортировка, группировка, фильтрация
✓ Подзапросы и CTE (WITH … AS)
✓ Временные функции (DATE_TRUNC, NOW и т.д.)
✓ Строковые функции (UPPER, LOWER, SUBSTRING и т.д.)

Что нельзя делать (ограничено)

✗ DELETE, UPDATE, INSERT (только SELECT)
✗ DROP TABLE (удалить таблицу)
✗ EXEC, EVAL (исполнить код)
✗ Большие JOINS на миллион строк (будет заблокирован таймаутом)
✗ Обращение к системным переменным
✗ Запросы дольше 30 сек

Уровни доступа

В реальных системах Pro режим может работать с разными уровнями доступа:

Уровень	Доступ	Примеры
Public	Только агрегированные данные	”Всего выручка за месяц”
Team	Данные своего отдела	Менеджер видит только свои сделки
Admin	Все данные	Финансовый директор видит всё

Когда Pro режим экономит больше всего времени

Сценарий 1: Аналитик без SQL знаний

Без Pro режима:

“Покажи выручку по товарам за последний месяц” → просит SQL-специалиста → ждёт → получает результат → час потеряно

С Pro режимом:

Загружает Excel, задаёт вопрос на русском → система напрямую генерирует отчёт → 5 минут

Экономия: 55 минут на запрос

Сценарий 2: Быстрые ad-hoc запросы

Без Pro режима:

Руководитель просит “Кто мой топ-5 клиентов за последний квартал?” → нужно создавать отчёт → 2-3 часа

С Pro режимом:

Аналитик вводит вопрос → 3 минуты → готов отчёт

Экономия: 2 часа 55 минут на запрос

Сценарий 3: Исследовательский анализ

Без Pro режима:

“Давайте посмотрим, как меняется поведение клиентов” → нужно написать 5-10 разных запросов → день работы

С Pro режимом:

Задаёт несколько вопросов через интерфейс → каждый ответ за 5 минут → день исследования ≈ несколько часов

Экономия: 6+ часов на день исследования

Настройка Pro режима для вашего датасета

Шаг 1: Подготовка данных

Хорошие данные для Pro режима:
- ✓ Чистые названия столбцов (region, не "Рег" или "Р")
- ✓ Правильные типы данных (дата — DATE, не TEXT)
- ✓ Нет пропусков в ключевых столбцах
- ✓ Уникальные ID для сущностей

Шаг 2: Описание контекста

Система лучше работает если вы объясняете данные:

Таблица продаж содержит:
- Заказы наших клиентов
- Включает только завершённые транзакции (не возвраты)
- Менеджер ID связан с таблицей employees
- Дата в формате YYYY-MM-DD

Шаг 3: Примеры хороших вопросов

“Какая категория товаров приносит больше всего выручки?”
“Какие менеджеры показывают лучший результат по среднему чеку?”
“Какой регион растёт быстрее всех?”
“Найди товары с самым высоким retention клиентов”

Ограничения Pro режима

Когда он работает плохо:

Очень большие файлы (> 1GB): DuckDB загрузит, но запросы будут медленными
Сложные вопросы требующие контекста: “Какие клиенты уходят?” нужно определить, что значит “уход”
Когда ИИ галлюцинирует: может ошибиться в интерпретации вопроса
Нестандартные данные: если столбцы непонятны (col_1, col_2 вместо normal names)

Как справиться:

Дайте системе контекст и примеры
Задавайте конкретные вопросы вместо расплывчатых
Проверяйте результаты (сравнивайте с ручным подсчётом первый раз)
Если система ошибается, переформулируйте вопрос точнее

Практический пример: используем Pro режим в AI Reports

Допустим, вы загружаете файл с продажами на AI Reports и включаете Pro режим:

1. Система загружает Excel в DuckDB
2. Вы видите интерфейс с вопросами
3. Задаёте: "Какие товары в категории 'Электроника' 
             наиболее популярны в Москве последний месяц?"
4. Система за 2-3 сек:
   - Пишет SQL (SELECT ... WHERE category='Электроника' ...)
   - Выполняет запрос
   - Получает результат (таблица 5x3)
   - Генерирует столбчатую диаграмму
   - Пишет вывод: "Товар A лидирует (150 ед, 150K выручки)..."
5. Вы получаете готовый отчёт в Word/PDF

Всё это за 5 минут вместо часа ручного анализа.

Заключение

Pro режим аналитики — это революция для тех, кто работает с данными но не владеет SQL:

Сложные вопросы теперь можно задавать на русском
Точный анализ без статистических приближений
Скорость — от часов к минутам
Доступность — не нужен SQL-специалист

Это особенно полезно для:

Аналитиков без технической подготовки
Быстрых ad-hoc запросов и исследований
Исследовательского анализа данных
Работы с большими датасетами где ручной подсчёт невозможен

Минусы:

Может работать неправильно на очень нестандартных данных
Требует чистого датасета с нормальными названиями столбцов
Всё ещё нужно проверять результаты (ИИ может ошибиться)

Но в целом, это инструмент, который экономит часы работы каждый день для аналитиков и бизнес-пользователей, не требуя от них навыков программирования.

Pro режимSQLаналитикаИИ

Как работает Pro режим аналитики: SQL запросы к данным через ИИ

Традиционный анализ vs Pro режим

Традиционный подход (статистический анализ)

Pro режим (SQL агент)

Архитектура Pro режима

Компоненты системы

Процесс в диаграмме

Как ИИ пишет SQL запросы

Шаг 1: Анализ схемы данных

Шаг 2: Интерпретация вопроса

Шаг 3: Формирование SQL

Шаг 4: Выполнение и интерпретация

Примеры сложных вопросов, которые решает Pro режим

Пример 1: Анализ с условиями

Пример 2: Выявление аномалий

Пример 3: Анализ поведения клиентов

Безопасность и ограничения

Что может делать Pro режим

Что нельзя делать (ограничено)

Уровни доступа

Когда Pro режим экономит больше всего времени

Сценарий 1: Аналитик без SQL знаний

Сценарий 2: Быстрые ad-hoc запросы

Сценарий 3: Исследовательский анализ

Настройка Pro режима для вашего датасета

Шаг 1: Подготовка данных

Шаг 2: Описание контекста

Шаг 3: Примеры хороших вопросов

Ограничения Pro режима

Практический пример: используем Pro режим в AI Reports

Заключение

Похожие статьи