Data to AI™ / Gemini/AFAS
Los ingenieros de datos que cargan AFAS por lotes comprueban desde la terminal que cada rango de Skip llegó una sola vez, y luego entregan extracciones limpias a los analistas financieros.
Mejores respuestas, menos tokens.
Gemini CLI
¿Qué grupos de artículos tuvieron más artículos modificados la semana pasada y cuál es su precio de venta medio?
El ArtGroup 100 fue el que más cambió, con 86 artículos por ModifiedDate y un SalesPrice medio de 42,10 €. Los tres grupos mostrados se editaron durante la actualización de precios de la semana pasada.
| ArtGroup | Artículos por ModifiedDate | SalesPrice medio |
|---|---|---|
| 100 Profit_Article | 86 | 42,10 € |
| 200 Profit_Article | 54 | 118,40 € |
| 300 Profit_Article | 21 | 9,75 € |
AFAS no tiene rango de fechas, así que cada ejecución extrae los artículos actuales hasta el Limit; la semana se cuenta por ModifiedDate y los artículos Blocked quedan fuera de la media.
AFAS Profit es un software empresarial neerlandés para finanzas, RR. HH., nóminas y CRM. Dataddo extrae cualquier GetConnector que usted haya configurado en AFAS, con los campos que elija, incluidos los personalizados. Los GetConnectors suministrados que se muestran aquí, como Profit_Article y Profit_Employee_Leaves, son ejemplos de la documentación de AFAS.
Con el servidor dataddo, cuenta las filas de AFAS por fuente en el flujo unido y comprueba que los rangos de Skip 0, 50.000 y 100.000 devolvieron cada uno un lote completo.
Tras cargar un GetConnector grande por lotes, un ingeniero de datos confirma desde la terminal que no se saltó ningún rango antes de pasar a incrementos diarios.
Busca valores de dataddo_hash que aparezcan más de una vez en el flujo de AFAS y falla con un resumen breve si hay alguno.
La comprobación se ejecuta en Gemini CLI antes de desplegar el pipeline de informes, así que los lotes duplicados nunca llegan a los dashboards financieros.
Consulta los registros de AFAS con last modified on de ayer y escríbelos en data/afas/changes-yesterday.csv con ID, created on y last modified on.
Un analytics engineer que trabaja en Gemini Code Assist añade el archivo al repositorio, donde el notebook de los analistas lo recoge a la mañana siguiente.
Data to AI™ se cobra por asiento, como los asistentes de IA que tu equipo ya utiliza, con un ~25% de descuento en la facturación anual. ¿Necesitas contratos a medida o precios por volumen? Habla con nosotros sobre Enterprise.
Entrega datos de negocio gobernados a Claude, ChatGPT y otras herramientas de IA mediante MCP.
$10.49/mes
por asiento
Mínimo 3 asientos
Implemente Dataddo de manera flexible en cualquier entorno híbrido o de nube.
A medida
Tenemos un modelo de pago que funciona para ti
| Sin Dataddo |
Con Dataddo
|
Resultado para ti | |
|---|---|---|---|
| Comprobar que los lotes están completos | El ingeniero exporta cada lote, cuenta filas en una hoja de cálculo y confía en no haber escrito mal ningún valor de Skip. | Gemini CLI consulta el flujo directamente y compara el número de filas con el Limit y el Skip que usó en cada fuente. | Huecos detectados antes del lanzamiento |
| Duplicados por lotes solapados | Los rangos de Skip solapados duplican algunos registros y nadie lo nota hasta que los totales no cuadran. | dataddo_hash funciona como clave natural, así que Gemini enumera los hashes repetidos, y el upsert en el almacén de datos los evita desde el principio. | Totales fiables |
| Trabajar donde está el código | Cada comprobación obliga a salir del editor, abrir AFAS, exportar y copiar el resultado de vuelta. | Gemini CLI y Gemini Code Assist llaman a Dataddo desde la terminal o VS Code, y usted confirma cada llamada a herramientas. | Las comprobaciones se quedan en el repo |
| Consumo de tokens | Gemini gasta tokens explorando columnas sin procesar de AFAS, muestreando filas y reintentando hasta entender los datos. | Las definiciones de campos y las relaciones se entregan de antemano, así que el modelo se salta la exploración y va directo a la respuesta. | Menos tokens por respuesta |
| Calidad de las respuestas | Propenso a uniones incorrectas, campos inventados y cifras difíciles de comprobar. | Respuestas basadas en campos definidos. En el benchmark de Dataddo se respondió correctamente el 78,5 % de las preguntas, frente al 65,5 % con archivos CSV simples. | Mejores respuestas |
Los datasets de AFAS que más usan los equipos de finanzas y RevOps, con sus nombres de campo reales. Gemini los consulta por su nombre a través de la capa semántica de Dataddo.
| Dataset | Métricas y atributos |
Pregunte a Gemini
|
|---|---|---|
| Profit_Article (example GetConnector) |
|
¿Qué valores de ItemCode comparten la misma Description, lo que apunta a artículos duplicados? |
| Profit_Employee_Leaves (example GetConnector) |
|
¿Cómo se compara el número de registros de ausencia por Year en los últimos tres años? |
| ProfitGetConnectoren (example GetConnector) |
|
¿En qué Omschrijving de GetConnector se mencionan deudores o facturas? |
| Date and key fields |
|
¿Hay huecos en la secuencia de ID de los registros que cargamos en lotes históricos? |
Planteamos 43 preguntas registradas de antemano sobre tres conjuntos de datos reales - Google Search Console, deals de HubSpot y Google Ads - y entregamos las mismas filas al mismo modelo de cuatro formas. Solo cambió la capa de datos.
de las preguntas respondidas correctamente - el mejor de los cuatro métodos de entrega probados
menos respuestas erróneas presentadas como seguras - 14,0 % de las ejecuciones frente a 24,0 % y 26,3 %
más respuestas correctas con datos de CRM desordenados - mejor en 8 preguntas, peor en ninguna
El mismo modelo, las mismas instrucciones y las mismas filas en todas las condiciones; 759 ejecuciones evaluadas, con las respuestas de referencia fijadas antes de cualquier ejecución. Solo en Google Search Console, los archivos CSV documentados rindieron igual que Data to AI™: la ventaja viene de datos más complejos, como los deals de HubSpot.
Leer el informe →Cree una fuente de AFAS en Dataddo y vincúlela a un destino de Google Gemini o a un AI Model. Añada Dataddo a ~/.gemini/settings.json en mcpServers con httpUrl https://headless.dataddo.com/mcp-data, reinicie Gemini CLI y ejecute /mcp auth dataddo para iniciar sesión. Gemini Code Assist en VS Code lee el mismo archivo.
No. Dataddo extrae cualquier GetConnector que tenga configurado en AFAS, y Profit_Article y los demás nombres de esta página son ejemplos. Gemini consulta el flujo de su GetConnector como cualquier otra entidad.
Añada una entrada dataddo en mcpServers de settings.json con la clave httpUrl, no url, y sin bloque headers ni oauth. Reinicie Gemini CLI, ejecute /mcp auth dataddo, inicie sesión y compruébelo con /mcp.
Sí. Agent mode en VS Code lee el mismo settings.json que Gemini CLI. En IntelliJ, añada el servidor al mcp.json de Gemini Code Assist.
A todos los flujos o Contexts vinculados a un destino de IA o AI Model en su cuenta de Dataddo, no solo a los de Google Gemini. Vincule únicamente los flujos de AFAS que quiera que Gemini consulte.
No. Gemini CLI le pide confirmar cada llamada a herramientas de Dataddo, y puede elegir Always allow para herramientas concretas en las que confíe, como una consulta de solo lectura.
No. Gemini lee los datos extraídos de AFAS a través de la capa semántica por nombre de entidad y de campo. Dataddo nunca acepta SQL del modelo y no se escribe nada de vuelta en AFAS.
Las credenciales se guardan en ~/.gemini/mcp-oauth-tokens.json y se renuevan automáticamente. Si la sesión caduca o se revoca, ejecute /mcp auth dataddo de nuevo e inicie sesión.
