Data to AI™ / Claude/AFAS
Controllers que usam o AFAS Profit perguntam ao Claude o que mudou nos dados financeiros e como este mês se compara, lendo os GetConnectors definidos pelo próprio ambiente.
Respostas melhores, menos tokens.
Claude
Quais grupos de artigos tiveram mais artigos alterados na semana passada e qual é o preço de venda médio deles?
O ArtGroup 100 foi o que mais mudou, com 86 artigos por ModifiedDate e SalesPrice médio de € 42,10. Os três grupos mostrados foram editados na atualização de preços da semana passada.
| ArtGroup | Artigos por ModifiedDate | SalesPrice médio |
|---|---|---|
| 100 Profit_Article | 86 | € 42,10 |
| 200 Profit_Article | 54 | € 118,40 |
| 300 Profit_Article | 21 | € 9,75 |
O AFAS não tem intervalo de datas, então cada execução extrai os artigos atuais até o Limit; a semana é contada por ModifiedDate e os artigos Blocked ficam fora da média.
AFAS Profit é um software empresarial holandês para finanças, RH, folha de pagamento e CRM. A Dataddo extrai qualquer GetConnector que você tenha configurado no AFAS, com os campos que escolher, incluindo os personalizados. Os GetConnectors fornecidos mostrados aqui, como Profit_Article e Profit_Employee_Leaves, são exemplos da documentação do AFAS.
No fluxo de faturas do AFAS, liste os registros com last modified on desde o dia 1º deste mês que tenham created on em um mês anterior.
Durante o fechamento, o controller pergunta ao Claude quais lançamentos antigos foram mexidos depois do início do período e revisa a lista antes de travar a contabilidade.
Some a coluna de valor do nosso GetConnector financeiro do AFAS por mês para este ano e o anterior, usando a coluna de data, e mostre a diferença.
Antes do relatório gerencial, o líder de finanças recebe a comparação mensal em uma única resposta e investiga os meses com maior variação.
Use o servidor dataddo para buscar os registros do AFAS deste mês por created on e compare a contagem e o total com ledger/export.csv deste repositório.
Um engenheiro financeiro roda o Claude Code ao lado dos scripts de conciliação e faz commit do resultado junto com a consulta usada.
O Data to AI™ é cobrado por assento, como os assistentes de IA que sua equipe já usa, com ~25% de desconto no faturamento anual. Precisa de contratos personalizados ou preços por volume? Fale conosco sobre o Enterprise.
Entregue dados de negócio governados ao Claude, ChatGPT e outras ferramentas de IA via MCP.
$10.49/mês
por assento
Mínimo de 3 assentos
Implante o Dataddo com flexibilidade em qualquer ambiente de nuvem ou híbrido.
Personalizado
Temos um modelo de pagamento que funciona para você
| Sem Dataddo |
Com Dataddo
|
Resultado para você | |
|---|---|---|---|
| Levar os dados do AFAS ao Claude | Alguém abre um GetConnector no AFAS, exporta para uma planilha e anexa o arquivo a um chat do Claude, uma exportação por vez. | O Claude lê cada fluxo do AFAS pelo Dataddo Data Access, com os campos do GetConnector que você escolheu, incluindo os personalizados. | Fim das exportações manuais |
| GetConnectors grandes | Uma exportação para no que cabe na tela ou no arquivo, e ninguém sabe se registros antigos ficaram de fora. | O histórico é carregado em lotes de até 50.000 registros com Limit e Skip, e o modo upsert mantém o data warehouse sem duplicatas. | Histórico completo para consultar |
| Saber o que mudou | Comparar duas exportações à mão é a única forma de ver quais lançamentos mudaram desde a última verificação. | Quando o GetConnector tem created on e last modified on, o Claude filtra por eles, e o dataddo_extraction_timestamp mostra quando cada linha foi lida. | Alterações encontradas em uma pergunta |
| Acesso para a equipe de finanças | Cada controller guarda a própria exportação, então duas pessoas que fazem a mesma pergunta recebem dois números diferentes. | Um Owner do Claude Team ou Enterprise adiciona o conector uma vez, e cada membro entra com a própria conta Dataddo. | Uma única versão dos números |
| Consumo de tokens | O Claude gasta tokens explorando colunas brutas de AFAS, amostrando linhas e tentando de novo até entender os dados. | Definições de campos e relações chegam prontas, então o modelo pula a exploração e vai direto à resposta. | Menos tokens por resposta |
| Qualidade das respostas | Sujeito a joins errados, campos inventados e números difíceis de conferir. | Respostas baseadas em campos definidos. No benchmark da Dataddo, 78,5% das perguntas foram respondidas corretamente, contra 65,5% com arquivos CSV simples. | Respostas melhores |
Os datasets de AFAS que equipes de finanças e RevOps mais usam, com os nomes reais dos campos. O Claude consulta cada um pelo nome por meio da camada semântica da Dataddo.
| Dataset | Métricas e atributos |
Pergunte ao Claude
|
|---|---|---|
| Profit_Article (example GetConnector) |
|
Quais artigos têm ModifiedDate neste mês e qual é o SalesPrice deles por ArtGroup? |
| Profit_Employee_Leaves (example GetConnector) |
|
Quantos registros de ausência têm StartDate em cada mês deste Year? |
| ProfitGetConnectoren (example GetConnector) |
|
Quais GetConnectors o nosso ambiente AFAS oferece, por Naam e Omschrijving? |
| Date and key fields |
|
Quantos registros foram criados em cada dia deste mês, segundo created on, no GetConnector que extraímos? |
Fizemos 43 perguntas pré-registradas sobre três conjuntos de dados reais - Google Search Console, negócios do HubSpot e Google Ads - e entregamos as mesmas linhas ao mesmo modelo de quatro formas. Só a camada de dados mudou.
das perguntas respondidas corretamente - o melhor dos quatro métodos de entrega testados
menos respostas erradas dadas com confiança - 14,0% das execuções contra 24,0% e 26,3%
mais respostas corretas em dados de CRM bagunçados - melhor em 8 perguntas, pior em nenhuma
Mesmo modelo, mesmos prompts e mesmas linhas em todas as condições; 759 execuções avaliadas, com o gabarito definido antes de qualquer execução. Só no Google Search Console, os arquivos CSV documentados tiveram o mesmo desempenho do Data to AI™ - a vantagem vem de dados mais complexos, como os negócios do HubSpot.
Ler o benchmark →Autorize o AFAS na Dataddo com o seu Environment Type, o seu Environment ID e um token do AFAS gerado em um App Connector, e crie uma fonte por GetConnector com os campos de que precisa. Vincule os fluxos a um destino Claude ou AI Model e conecte o Dataddo Data Access pelo diretório de conectores do Claude.
Um token do AFAS, obtido ao criar um App Connector no AFAS, além do seu Environment ID e do Environment Type (Profit, Accept ou Test). O Claude nunca vê o token; ele só lê o que a Dataddo extrai.
Os GetConnectors que você extrai. Ao criar uma fonte, você escolhe um GetConnector do seu ambiente e os campos a incluir, e campos personalizados também podem aparecer nessa lista.
Cada execução extrai registros até o Limit definido nas configurações avançadas da fonte. Carregue o histórico em lotes de até 50.000 aumentando o Skip, de preferência em um data warehouse com upsert, e o Claude poderá consultar tudo.
Sim. Conectado com a sua conta Claude, o Claude Code carrega o conector da Dataddo, e você consulta os fluxos do AFAS pelo terminal enquanto trabalha em um repositório.
Não. O Claude consulta os dados extraídos pela camada semântica, por nome de entidade e de campo. A Dataddo nunca aceita SQL do modelo e nada é gravado de volta no AFAS.
Sim. O Claude mostra as permissões das ferramentas do conector e, para cada uma, você decide se o Claude pode usá-la livremente ou precisa perguntar antes.
