Data to AI™ / Gemini/HubSpot
Dê a engenheiros de RevOps e analistas financeiros dados de deals, etapas e proprietários do HubSpot no terminal, para que configs, verificações e CSVs venham de registros do CRM já extraídos.
Respostas melhores, menos tokens.
Gemini CLI
Quanto tempo os negócios que ganhamos em setembro passaram em cada etapa?
Os 23 negócios ganhos em setembro levaram em média 31 dias da qualificação ao contrato. Decision maker bought-in foi a etapa mais lenta, com 12 dias, ou 39% do ciclo.
| Stage Label | Deals | Média de dias na etapa | Parcela do ciclo |
|---|---|---|---|
| Qualified to buy Properties History | 23 | 6 | 19% |
| Presentation scheduled Properties History | 23 | 9 | 29% |
| Decision maker bought-in Properties History | 23 | 12 | 39% |
| Contract sent Properties History | 23 | 4 | 13% |
Os dias são medidos entre os Timestamps das mudanças de dealstage em Properties History, com os Stage IDs mapeados para Stage Label via Deal Pipelines.
O HubSpot é uma plataforma de marketing, vendas e atendimento. A Dataddo extrai seus registros de CRM, como negócios, itens de linha, cotações e responsáveis, com campos personalizados em todos os objetos, além das etapas do funil e do histórico de alterações das propriedades.
Leia Deal Pipelines pelo servidor dataddo e grave config/hubspot-stages.json com Pipeline ID, Stage ID, Stage Label e Stage Probability de cada etapa.
Um engenheiro de receita mantém no controle de versão o mapa de etapas do qual o serviço de faturamento depende. O Gemini CLI o regenera quando sales ops renomeia uma etapa, e o diff mostra exatamente qual Stage Label ou probabilidade mudou.
Compare hubspot_owner_id dos Deals abertos com Owner ID em Owners e liste qualquer deal cujo proprietário esteja ausente ou não esteja Is Active.
Antes de publicar uma mudança no roteamento de leads, um desenvolvedor roda a verificação no modo agente do Gemini Code Assist no VS Code e corrige antes no HubSpot as atribuições órfãs, para que nenhum deal fique com um proprietário que já saiu.
Liste os Line Items com hs_lastmodifieddate depois de 2026-10-01 e salve hs_object_id e hs_lastmodifieddate em reports/line-items-changed.csv.
Um engenheiro de dados de finanças compara o CSV com a tabela de faturamento toda semana, para que line items editados depois do fechamento de um deal sejam refaturados ou creditados em vez de aparecerem na auditoria trimestral.
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 | |
|---|---|---|---|
| IDs de etapa no código | Um mapa de Stage ID para nome de etapa escrito à mão fica no repositório e se desatualiza em silêncio quando alguém edita o pipeline no HubSpot. | O Gemini CLI lê Deal Pipelines da última extração e reescreve o arquivo de mapeamento, então a mudança aparece em um code review normal. | Config alinhada ao HubSpot |
| Segredos nos notebooks dos desenvolvedores | Cada script carrega seu próprio token de API do HubSpot em um arquivo .env que é copiado entre máquinas e projetos. | O settings.json guarda apenas o httpUrl. O HubSpot é autorizado uma vez na Dataddo, e o login da Dataddo fica em ~/.gemini/mcp-oauth-tokens.json e é renovado automaticamente. | Nenhum token do HubSpot no repositório |
| Aprovar o que é executado | Um script avulso chama a API do HubSpot com o escopo que o token tiver, e ninguém revisa cada requisição. | O Gemini CLI pede que você confirme cada chamada de ferramenta da Dataddo, e você pode marcar uma ferramenta como describe_entity como Always allow enquanto query continua pedindo confirmação. | Cada chamada visível |
| Consumo de tokens | O Gemini gasta tokens explorando colunas brutas de HubSpot, 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 HubSpot que equipes de finanças e RevOps mais usam, com os nomes reais dos campos. O Gemini consulta cada um pelo nome por meio da camada semântica da Dataddo.
| Dataset | Métricas e atributos |
Pergunte ao Gemini
|
|---|---|---|
| Deals |
|
Liste hs_object_id e dealname de cada deal criado desde segunda-feira, para comparar com a nossa importação de staging. |
| Deal Pipelines |
|
Gere um JSON com cada ID de pipeline, seus IDs de etapa e a probabilidade de cada etapa para a configuração do nosso serviço de receita. |
| Properties History |
|
Qual propriedade dos deals mudou com mais frequência neste mês, contando objetos distintos? |
| Owners |
|
Retorne cada ID de proprietário com o indicador de atividade, para que um script valide o proprietário de cada deal antes de um deploy. |
| Line Items |
|
Quais line items foram modificados depois da última execução da nossa sincronização de faturamento? |
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 →Adicione uma fonte HubSpot na Dataddo com Deals, Deal Pipelines e Owners e associe-a a um destino Google Gemini ou a um AI Model. Em ~/.gemini/settings.json, inclua um servidor dataddo com httpUrl https://headless.dataddo.com/mcp-data, reinicie o Gemini CLI e execute /mcp auth dataddo para fazer login. O Gemini Code Assist no VS Code lê o mesmo arquivo.
Com a chave url, o Gemini CLI volta para SSE, que a Dataddo não suporta. Use httpUrl e deixe de fora headers e qualquer bloco oauth; o login acontece com /mcp auth dataddo.
Em parte. O Gemini Code Assist no VS Code lê o mesmo settings.json do Gemini CLI. No IntelliJ, o Gemini Code Assist usa o próprio mcp.json, então adicione o servidor da Dataddo lá também.
Não. Depois do login, o Gemini acessa todos os fluxos ou Contexts associados a um destino de IA ou AI Model naquela conta da Dataddo, não só os do Google Gemini. Se isso importar, mantenha fluxos não relacionados fora dos destinos de IA.
Tanto quanto a última execução. Deals e Line Items extraem todos os registros atuais a cada execução, enquanto Properties History lê uma janela relativa. O histórico do HubSpot não pode ser carregado retroativamente, então acrescente as execuções com o timestamp de extração se precisar de tendências.
Não. O Gemini pede entidades e campos pelo nome à camada semântica. A Dataddo nunca aceita SQL do modelo, e nada é gravado de volta no HubSpot.
Execute /mcp auth dataddo de novo e faça login com seu e-mail e senha da Dataddo, com MFA se for solicitado. O Gemini CLI abre a página de login em um navegador na mesma máquina.
