Data to AI™ / Copilot/AFAS
Geben Sie der Finanzabteilung einen Agenten in Teams, der aus aktuellen AFAS-GetConnectors antwortet, damit Routinefragen nicht mehr im Postfach des Controllers landen.
Bessere Antworten, weniger Tokens.
Microsoft 365 Copilot
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.
@Finance Desk Wie viele Datensätze wurden laut created on im AFAS-Rechnungs-Flow in jeder Woche dieses Quartals angelegt, und liegt diese Woche über dem Durchschnitt?
Budgetverantwortliche fragen den Agenten im Finanzkanal in Teams, statt dem Controller zu schreiben, der seine Zeit für die Ausnahmen behält.
@Finance Desk Summiere die float-Betragsspalte des AFAS-Flows pro Monat für die letzten sechs Monate, gruppiert nach der date-Spalte.
Vor der Sitzung des Managementteams fragt eine Abteilungsleiterin Microsoft 365 Copilot und bringt den Sechsmonatstrend in das Meeting mit.
Beschreibe mit den dataddo-Tools die AFAS-Entität und erzeuge einen TypeScript-Typ mit einer Property pro Feld, gemappt auf boolean, integer, float, date und string.
Ein Entwickler nutzt GitHub Copilot im Agent mode, um den internen Reporting-Service mit den Feldern abzugleichen, die die AFAS-Quelle tatsächlich extrahiert.
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 | |
|---|---|---|---|
| Routinefragen an Finance | Abteilungsleiter bitten den Controller per E-Mail um eine Zahl, er zieht einen AFAS-Export und antwortet Stunden später. | Der Teams-Agent liest die AFAS-Flows aus der letzten geplanten Extraktion und antwortet direkt im Kanal. | Weniger Anfragen an Finance |
| Welche Fragen bei AFAS landen | Ein allgemeiner Assistent rät bei Finanzfragen, ohne zu wissen, welches System die Zahlen enthält. | Die Serverbeschreibung in Copilot Studio sagt, dass der Agent AFAS-Finanz-GetConnectors kennt, daher lösen diese Fragen eine Dataddo-Abfrage aus. | Fragen gehen an die Daten |
| Spaltentypen im Code | Entwickler sehen sich Beispielexporte an und raten, ob eine Spalte Zahl, Datum oder Text ist. | Dataddo typisiert jede Spalte anhand der GetConnector-Metadaten als boolean, integer, float, date oder string, und Copilot liest dieses Schema. | Schema direkt aus der Quelle |
| Token-Verbrauch | Copilot 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. Copilot fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Copilot
|
|---|---|---|
| Profit_Article (example GetConnector) |
|
Wie hoch ist der durchschnittliche SalesPrice pro ArtGroup für Artikel, die nicht Blocked sind? |
| Profit_Employee_Leaves (example GetConnector) |
|
Wie viele Abwesenheitsdatensätze haben ein StartDate in der nächsten Woche? |
| ProfitGetConnectoren (example GetConnector) |
|
Welche mitgelieferten GetConnectors mit einem Naam, der mit Profit_ beginnt, könnten wir als Nächstes in Dataddo aufnehmen? |
| Date and key fields |
|
Welche Datensätze haben ein created on von vor über einem Jahr, aber ein aktuelles last modified on? |
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 dem benötigten GetConnector an und verbinden Sie sie mit einem Copilot-Ziel oder AI Model. Fügen Sie in Copilot Studio ein Model Context Protocol Tool für https://headless.dataddo.com/mcp-data mit OAuth 2.0 Dynamic discovery hinzu und veröffentlichen Sie den Agenten in Teams.
Nein. Dataddo extrahiert jeden GetConnector, den Sie in AFAS eingerichtet haben. Profit_Article und Profit_Employee_Leaves sind Beispiele aus der AFAS-Dokumentation; beschreiben Sie dem Agenten stattdessen Ihre eigenen GetConnectors.
Über einen Copilot Studio-Agenten. Fügen Sie Dataddo Data Access als Model Context Protocol Tool mit OAuth 2.0 Dynamic discovery hinzu und veröffentlichen Sie den Agenten über Channels in Teams und Microsoft Copilot.
Aus der Serverbeschreibung, die Sie in Copilot Studio eingeben. Beschreiben Sie die AFAS-GetConnectors, die Sie extrahieren, damit Finanzfragen dazu einen Dataddo-Aufruf auslösen.
Die Personen, für die Sie ihn veröffentlichen. In Teams und Microsoft 365 Copilot tippen sie @ und wählen den Agenten, der aus den in Dataddo verbundenen AFAS-Flows antwortet.
Ja. Beim Autorisieren von AFAS in Dataddo wählen Sie den Environment Type, Profit, Accept oder Test, sodass Sie einen Agenten vor der Produktion mit Testdaten ausprobieren können.
Ja. Tragen Sie den Dataddo-Server in .vscode/mcp.json ein, starten Sie ihn, melden Sie sich an und nutzen Sie Copilot Chat im Agent mode. Bei Business und Enterprise muss ein Admin zuerst MCP-Server in der Copilot-Richtlinie aktivieren.
