Data to AI™ / ChatGPT/AFAS
Prüfen Sie, ob Ihre AFAS-Zahlen aktuell und vollständig sind, bevor Sie ihnen vertrauen, und stellen Sie ChatGPT dann die Finanzfrage, jede Abfrage von Ihnen freigegeben.
Bessere Antworten, weniger Tokens.
ChatGPT
In welchen Artikelgruppen wurden letzte Woche die meisten Artikel geändert, und wie hoch ist ihr durchschnittlicher Verkaufspreis?
ArtGroup 100 hat sich am stärksten verändert, mit 86 Artikeln nach ModifiedDate und einem durchschnittlichen SalesPrice von 42,10 €. Alle drei gezeigten Gruppen wurden bei der Preisaktualisierung letzte Woche bearbeitet.
| ArtGroup | Artikel nach ModifiedDate | Durchschnittlicher SalesPrice |
|---|---|---|
| 100 Profit_Article | 86 | 42,10 € |
| 200 Profit_Article | 54 | 118,40 € |
| 300 Profit_Article | 21 | 9,75 € |
AFAS hat keinen Datumsbereich, daher holt jeder Lauf die aktuellen Artikel bis zum Limit; die Woche wird nach ModifiedDate gezählt, und Artikel mit Blocked fließen nicht in den Durchschnitt ein.
AFAS Profit ist niederländische Unternehmenssoftware für Finanzen, HR, Lohnabrechnung und CRM. Dataddo extrahiert jeden GetConnector, den Sie in AFAS eingerichtet haben, mit den Feldern Ihrer Wahl, einschließlich benutzerdefinierter Felder. Die hier gezeigten mitgelieferten GetConnectors wie Profit_Article und Profit_Employee_Leaves sind Beispiele aus der AFAS-Dokumentation.
Führe data_status auf dem AFAS-Flow aus und nenne mir den neuesten dataddo_extraction_timestamp. Hat der geplante Lauf gestern stattgefunden?
Bevor Zahlen an den Vorstand gehen, bestätigt der Controller jeden Tool-Aufruf und sieht, ob die AFAS-Daten von heute Morgen oder von letzter Woche stammen.
Wie viele Zeilen hat die letzte AFAS-Extraktion geliefert? Wenn die Zahl dem Limit der Quelle entspricht, warne mich, dass Datensätze fehlen könnten.
Ein Finanzanalyst bemerkt einen Lauf, der stillschweigend am Limit gestoppt hat, und bittet den Dataddo-Admin, es zu erhöhen, bevor die Zahlen verwendet werden.
Welche Werte der Code-Spalte, die wir im AFAS-Flow ausgewählt haben, kommen dieses Jahr am häufigsten vor? Zeige die Top Ten mit Anzahl der Datensätze.
Der Controller entdeckt Codes, die deutlich häufiger vorkommen als geplant, und spricht das im Monatsreview mit den Abteilungsleitern an.
Data to AI™ wird pro Nutzerplatz abgerechnet, wie die KI-Assistenten, die Ihr Team bereits nutzt, mit ~25 % Rabatt bei jährlicher Abrechnung. Sie brauchen individuelle Verträge oder Mengenpreise? Sprechen Sie mit uns über Enterprise.
Stellen Sie Claude, ChatGPT und anderen KI-Tools governte Geschäftsdaten über MCP bereit.
$10.49/Monat
pro Nutzerplatz
Mindestens 3 Nutzerplätze
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Benutzerdefiniert
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Vertrauen in die Zahlen | Eine hochgeladene Tabelle verrät ChatGPT nicht, wann die AFAS-Daten exportiert wurden oder ob Zeilen abgeschnitten sind. | ChatGPT ruft data_status für die letzte Extraktion auf und liest dataddo_extraction_timestamp in jeder Zeile, sodass die Antwort das Alter der Daten nennt. | Datenalter in jeder Antwort |
| Personenbezogene Daten aus HR und Lohn | Ein vollständiger GetConnector-Export landet mit allen Spalten, die AFAS liefert, im Gespräch, Namen und Adressen inklusive. | Sie wählen die Felder beim Anlegen der Quelle in der Attribute-Auswahl, daher erreichen ausgelassene Spalten ChatGPT nie. | Nur gewählte Spalten geteilt |
| Kontrolle über jede Abfrage | Niemand kann sagen, welcher Teil einer angehängten Datei die Zusammenfassung von ChatGPT geprägt hat. | ChatGPT wartet vor jedem Dataddo-Tool-Aufruf auf Ihre Bestätigung, und einzelne Tools lassen sich in den App-Einstellungen abschalten. | Jede Abfrage freigegeben |
| Token-Verbrauch | ChatGPT verbraucht Tokens, um rohe AFAS-Spalten zu erkunden, Zeilen zu sichten und neu anzusetzen, bis die Daten verstanden sind. | Felddefinitionen und Beziehungen werden vorab geliefert, sodass das Modell die Erkundung überspringt und direkt antwortet. | Weniger Tokens pro Antwort |
| Antwortqualität | Anfällig für falsche Joins, erfundene Felder und schwer überprüfbare Zahlen. | Antworten auf Basis definierter Felder. Im Dataddo-Benchmark wurden 78,5 % der Fragen korrekt beantwortet, gegenüber 65,5 % mit einfachen CSV-Dateien. | Bessere Antworten |
Die AFAS-Datensätze, die Finance- und RevOps-Teams am häufigsten nutzen, mit ihren echten Feldnamen. ChatGPT fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie ChatGPT
|
|---|---|---|
| Profit_Article (example GetConnector) |
|
Welche ArtGroup enthält die meisten Artikel mit Blocked? |
| Profit_Employee_Leaves (example GetConnector) |
|
Welche EmployeeId hat in diesem Year die meisten Abwesenheitsdatensätze? |
| ProfitGetConnectoren (example GetConnector) |
|
Welche GetConnectors sind Geblokkeerd und lassen sich daher nicht für die Extraktion nutzen? |
| Date and key fields |
|
Welche Datensätze haben in unseren AFAS-Daten gestern als last modified on Datum? |
Wir haben 43 vorab registrierte Fragen zu drei echten Datensätzen gestellt - Google Search Console, HubSpot-Deals und Google Ads - und dieselben Zeilen auf vier Arten an dasselbe Modell geliefert. Nur die Datenschicht hat sich geändert.
der Fragen richtig beantwortet - der beste der vier getesteten Bereitstellungswege
weniger selbstsicher falsche Antworten - 14,0 % der Durchläufe gegenüber 24,0 % und 26,3 %
mehr richtige Antworten bei unübersichtlichen CRM-Daten - besser bei 8 Fragen, bei keiner schlechter
Dasselbe Modell, dieselben Prompts und dieselben Zeilen in jeder Bedingung; 759 bewertete Durchläufe, Referenzantworten vor dem ersten Durchlauf festgelegt. Allein bei Google Search Console schnitten dokumentierte CSV-Dateien genauso gut ab wie Data to AI™ - der Vorteil entsteht bei unübersichtlicheren Daten wie HubSpot-Deals.
Benchmark lesen →Legen Sie in Dataddo eine AFAS-Quelle mit Ihrem AFAS-Token, der Environment ID und einem GetConnector an und verbinden Sie den Flow mit einem ChatGPT-Ziel oder AI Model. Aktivieren Sie in ChatGPT im Web den Developer mode unter Settings > Security and login und erstellen Sie eine App Dataddo Data Access mit https://headless.dataddo.com/mcp-data und OAuth.
Die GetConnectors, die Sie in AFAS eingerichtet haben und in Dataddo extrahieren, einschließlich eigener Kopien und benutzerdefinierter Felder. Profit_Article und Profit_Employee_Leaves auf dieser Seite sind nur Beispiele für mitgelieferte GetConnectors.
Der Developer mode läuft in ChatGPT im Web mit Pro, Plus, Business, Enterprise und Education. Bei Business und Enterprise muss ihn eventuell zuerst ein Workspace-Admin erlauben.
Ja. ChatGPT bittet Sie, jeden Tool-Aufruf zu bestätigen, sodass Sie jede Abfrage Ihrer AFAS-Flows freigeben, bevor ein Ergebnis im Chat erscheint.
So aktuell wie der letzte Lauf. AFAS hat keinen Datumsbereich, daher holt jeder geplante Lauf die in diesem Moment verfügbaren Datensätze, und data_status zeigt ChatGPT, wann der Flow zuletzt lief.
Ja, mit einem JSON filter wie in der AFAS-Dokumentation beschrieben. Der Filter lässt sich nur beim Anlegen einer neuen Quelle setzen, richten Sie ihn also nach dem historischen Laden ein und löschen Sie die ursprüngliche Quelle.
Wählen Sie beim Anlegen der AFAS-Quelle in der Attribute-Liste nur die nötigen Felder. ChatGPT kann nichts abfragen, was nicht im Flow ankommt, und Dataddo schreibt nichts nach AFAS zurück.
ChatGPT kann known_gaps aufrufen, das auflistet, was die Daten nicht beantworten können. Hat der extrahierte GetConnector zum Beispiel kein Feld last modified on, sind Fragen zu jüngsten Änderungen nicht möglich.
