Data to AI™ / Gemini/Gusto
Holen Sie Payroll- und Headcount-Zahlen aus Gusto im Terminal in Skripte, Notebooks und Prüfungen, mit Kennungen von Mitarbeitenden als Hash, bevor sie Gemini erreichen.
Bessere Antworten, weniger Tokens.
Gemini CLI
Was hat uns jeder Lohnlauf im September gekostet, inklusive Arbeitgebersteuern?
Die drei Lohnläufe im September ergaben 412.300 $ Gross Pay und 31.540 $ Employer Taxes. Der Sonderlauf am 19. September enthielt nur Boni.
| Check Date | Gross Pay | Employer Taxes | Net Pay |
|---|---|---|---|
| 15. Sep. 2026 Payrolls | 196.800 $ | 15.060 $ | 141.900 $ |
| 19. Sep. 2026 Payrolls | 18.700 $ | 1.430 $ | 12.600 $ |
| 30. Sep. 2026 Payrolls | 196.800 $ | 15.050 $ | 142.100 $ |
Payrolls liest verarbeitete und nicht verarbeitete Lohnläufe im Datumsfenster, deshalb prüft die Antwort Processed. Gross Pay und Employer Taxes wurden hier von Hash Sensitive Fields ausgenommen, damit sie summiert werden können.
Gusto übernimmt Lohnabrechnung, Benefits und HR für kleine und mittlere Unternehmen. Dataddo extrahiert Mitarbeitende, Stellen, Austritte, Lohnläufe, Zahlungen pro Mitarbeitendem, Abwesenheiten und Zahlungen an Freelancer für ein Gusto-Unternehmen, damit HR- und Payroll-Teams Fragen zu Headcount, Personalkosten und Urlaub in natürlicher Sprache stellen können.
Hole mit dataddo Payroll Employee Compensations pro Check Date für das letzte Quartal, zähle eindeutige Employee UUID und schreibe recon/gusto-paid-headcount.csv.
Ein Finance-Systems-Analyst vergleicht den bezahlten Headcount pro Lohnlauf mit dem Hauptbuch, in einem Skript neben dem Abgleich-Notebook.
Vergleiche die Zahl der Employees, die nicht Terminated sind, mit den eindeutigen Employee UUID der letzten Payroll Employee Compensations und gib jede Abweichung aus.
Vor dem Deploy einer Änderung an der internen HR-Synchronisierung führt eine Data Engineerin die Prüfung im Terminal aus, damit keine aktive Person aus der Lohnabrechnung fällt.
Fasse in Employee Jobs die Primary-Stellen nach Title und Payment Unit zusammen und speichere das als planning/fixtures/gusto-roles.json.
Ein Entwickler des Personalplanungstools aktualisiert Test-Fixtures mit echten Rollenzahlen, ohne personenbezogene Daten ins Repository zu kopieren.
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
Gusto-Datasets mit personenbezogenen Daten bieten die Option Hash Sensitive Fields. Dataddo ersetzt die Werte der ausgewählten Spalten durch einen Hash, bevor die Daten Dataddo verlassen. So kann Gemini Datensätze zählen und gruppieren, sieht die Originalwerte aber nie.
| Datensatz | Von Dataddo vorausgewählte sensible Felder |
|---|---|
| Companies |
|
| Contractors |
|
| Employees |
|
| Employee Terminations |
|
| Employee Work Addresses |
|
| Payrolls |
|
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| HR-Daten im Repository | Ein Engineer lädt einen Gusto-Export mit SSN, Email und Date of Birth auf seinen Laptop und entfernt Spalten von Hand, bevor er eine CSV speichert. | Hash Sensitive Fields hasht diese Spalten bei der Extraktion, sodass die von Gemini geschriebenen Dateien stabile Hashes enthalten, die sich weiter über Datensätze verknüpfen lassen. | Sichere Extrakte als Standard |
| Abgleich des bezahlten Headcounts | Aktive Mitarbeitende mit den in jedem Lohnlauf bezahlten Personen zu vergleichen, braucht zwei Exporte und einen SVERWEIS pro Abrechnungsperiode. | Gemini CLI fragt Employees und Payroll Employee Compensations in einer Sitzung ab und gibt die Abweichung nach Employee UUID aus. | Abgleich mit einem Befehl |
| Freigaben im Terminal | Ein Skript mit gespeichertem API-Schlüssel läuft unbeaufsichtigt, und niemand prüft, welche HR-Daten es liest. | Gemini CLI bittet Sie, jeden Dataddo-Tool-Aufruf zu bestätigen, und Always allow wählen Sie nur für Tools, denen Sie vertrauen. | Geprüfter Zugriff auf HR-Daten |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe Gusto-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 Gusto-Datensätze, die HR und Lohnabrechnung-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Gemini fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Gemini
|
|---|---|---|
| Employees |
|
Wie viele direkte Berichte hat jede Manager UUID unter den Mitarbeitenden, die nicht Terminated sind? |
| Employee Jobs |
|
Welche Mitarbeitenden haben mehr als eine Stelle, und welche davon ist Primary? |
| Employee Terminations |
|
Welches Department hat im letzten Quartal die meisten Personen verloren, gezählt nach Effective Date? |
| Payrolls |
|
Wie verhält sich Net Pay zu Gross Pay bei jedem Lohnlauf in diesem Jahr? |
| Payroll Employee Compensations |
|
Welche Employee UUID wurde in einem früheren Lohnlauf bezahlt, aber nicht am letzten Check Date? |
| Time Off Requests |
|
Wie viele Anträge pro Policy Type wurden im letzten Quartal gestellt, und wie viele Days umfassen sie? |
| Employee Time Off Activities |
|
Welcher Policy Name hatte im letzten Monat die größte negative Balance Change? |
| Contractor Payments |
|
Wie viele Zahlungen an Freelancer liefen über welche Payment Method, nach Payments Date? |
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 Gusto-Quelle mit Payroll Employee Compensations, Payrolls und Employees an und verbinden Sie sie mit einem Google-Gemini-Ziel oder AI Model. Tragen Sie dataddo mit httpUrl https://headless.dataddo.com/mcp-data unter mcpServers in ~/.gemini/settings.json ein, starten Sie Gemini CLI neu und melden Sie sich mit /mcp auth dataddo an.
Verwenden Sie den Schlüssel httpUrl unter mcpServers, ohne headers- oder oauth-Block. Der Schlüssel url fällt auf SSE zurück, das Dataddo nicht unterstützt.
Ja. Der Agent mode in VS Code liest dieselbe settings.json wie Gemini CLI. In IntelliJ tragen Sie den Server in die mcp.json von Gemini Code Assist ein.
Ja. Derselbe Wert ergibt immer denselben Hash, sodass Gemini Mitarbeitende weiter zählen und Datensätze verknüpfen kann. Gehasht werden nur die in Select Columns for Sensitive Computation gewählten Spalten; Employee UUID bleibt unverändert.
Alle Flows oder Contexts, die in diesem Dataddo-Konto mit einem KI-Ziel oder AI Model verbunden sind, nicht nur die für Google Gemini. Halten Sie HR-Flows in einem eigens dafür vorgesehenen Konto.
In ~/.gemini/mcp-oauth-tokens.json, automatisch erneuert. Läuft die Sitzung ab oder wird sie widerrufen, führen Sie /mcp auth dataddo erneut aus.
Nein. Gemini fragt extrahierte Daten über die semantische Schicht nach Entität und Feldname ab. Dataddo akzeptiert nie SQL vom Modell, und nichts wird in Gusto zurückgeschrieben.
