#Agent AI · Viz: Przewodnik konfiguracji scenariusza CRM

Na przykładzie CRM dowiedz się, jak sprawić, by Twój analityk AI naprawdę zrozumiał(a) Twój biznes i wykorzystał(a) swój pełny potencjał.

#1. Wprowadzenie: Jak sprawić, by Viz przeszedł(przeszła) od „widzenia danych” do „rozumienia biznesu”

W systemie NocoBase Viz to wbudowany analityk AI ds. spostrzeżeń. Potrafi rozpoznawać kontekst strony (np. Leady, Szanse Sprzedaży, Konta), generować wykresy trendów, wykresy lejka sprzedażowego oraz karty KPI. Domyślnie jednak dysponuje on(ona) jedynie najbardziej podstawowymi możliwościami zapytań:

Te narzędzia pozwalają Viz jedynie „rozpoznawać strukturę”, ale nie umożliwiają mu(jej) prawdziwego „rozumienia treści”. Aby mógł(mogła) generować spostrzeżenia, wykrywać anomalie i analizować trendy, muszą Państwo rozszerzyć go(ją) o bardziej odpowiednie narzędzia analityczne.

W oficjalnym demo CRM zastosowaliśmy dwie metody:

• Overall Analytics (Ogólny silnik analityczny): Szablonowe, bezpieczne i wielokrotnego użytku rozwiązanie;
• SQL Execution (Wyspecjalizowany silnik analityczny): Oferuje większą elastyczność, ale wiąże się z większym ryzykiem.

Te dwie opcje nie są jedynymi; stanowią one raczej paradygmat projektowy:

Mogą Państwo, kierując się jego(jej) zasadami, stworzyć implementację lepiej dopasowaną do Państwa własnego biznesu.

#2. Struktura Viz: Stabilna osobowość + Elastyczne zadania

Aby zrozumieć, jak rozszerzyć Viz, należy najpierw poznać jego(jej) warstwową konstrukcję wewnętrzną:

Taka warstwowa konstrukcja pozwala Viz zachować stabilną osobowość (spójną logikę analizy), jednocześnie szybko adaptując się do różnych scenariuszy biznesowych (CRM, zarządzanie szpitalem, analiza kanałów, operacje produkcyjne…).

#3. Wzorzec pierwszy: Szablonowy silnik analityczny (zalecany)

#3.1 Przegląd zasad

Overall Analytics to podstawowy silnik analityczny w demo CRM. Zarządza on(ona) wszystkimi zapytaniami SQL za pośrednictwem kolekcji szablonów analizy danych (data_analysis). Viz nie pisze bezpośrednio zapytań SQL, lecz wywołuje predefiniowane szablony w celu generowania wyników.

Przepływ wykonania jest następujący:

flowchart TD
    A[Viz otrzymuje zadanie] --> B[Wywołuje przepływ pracy Overall Analytics]
    B --> C[Dopasowuje szablon na podstawie bieżącej strony/zadania]
    C --> D[Wykonuje szablon SQL (tylko do odczytu)]
    D --> E[Zwraca wynik danych]
    E --> F[Viz generuje wykres + krótką interpretację]

W ten sposób Viz może w ciągu kilku sekund generować bezpieczne i ustandaryzowane wyniki analiz, a administratorzy mogą centralnie zarządzać i przeglądać wszystkie szablony SQL.

#3.2 Struktura kolekcji szablonów (data_analysis)

#Przykłady szablonów w demo CRM

#3.3 Zalety tego wzorca

📘 Ta kolekcja data_analysis nie musi mieć tej nazwy. Kluczowe jest: szablonowe przechowywanie logiki analizy i jej jednolite wywoływanie przez przepływ pracy.

#3.4 Jak sprawić, by Viz tego(jej) używał(a)

W definicji zadania mogą Państwo wyraźnie powiedzieć Viz:

Witaj Viz,

Proszę o analizę danych bieżącego modułu.

**Priorytet:** Użyj narzędzia Overall Analytics, aby uzyskać wyniki analizy z kolekcji szablonów.
**Jeśli nie znaleziono pasującego szablonu:** Poinformuj o braku szablonu i zasugeruj administratorowi jego dodanie.

Wymagania dotyczące danych wyjściowych:
- Dla każdego wyniku wygeneruj osobny wykres;
- Pod wykresem dołącz krótki opis składający się z 2–3 zdań;
- Nie fabrykuj danych ani nie twórz założeń.

W ten sposób Viz automatycznie wywoła przepływ pracy, dopasuje najbardziej odpowiednie zapytanie SQL z kolekcji szablonów i wygeneruje wykres.

#4. Wzorzec drugi: Wyspecjalizowany wykonawca SQL (używać ostrożnie)

#4.1 Scenariusze zastosowania

Gdy potrzebują Państwo analizy eksploracyjnej, zapytań ad hoc lub agregacji JOIN wielu kolekcji, mogą Państwo zlecić Viz wywołanie narzędzia SQL Execution.

Cechy tego narzędzia to:

• Viz może bezpośrednio generować zapytania SELECT;
• System wykonuje je i zwraca wynik;
• Viz odpowiada za analizę i wizualizację.

Przykładowe zadanie:

"Proszę o analizę trendu wskaźników konwersji leadów według regionów w ciągu ostatnich 90 dni."

W takim przypadku Viz może wygenerować:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

#4.2 Ryzyka i zalecenia dotyczące ochrony

Ogólne zalecenia:

• Zwykli użytkownicy powinni mieć włączoną tylko analizę szablonową (Overall Analytics);
• Tylko administratorzy lub zaawansowani analitycy powinni mieć możliwość korzystania z SQL Execution.

#5. Jeśli chcą Państwo stworzyć własny „Overall Analytics”

Poniżej przedstawiono proste, ogólne podejście, które mogą Państwo powielić w dowolnym systemie (niezależnie od NocoBase):

#Krok 1: Zaprojektuj kolekcję szablonów

Nazwa kolekcji może być dowolna (np. analysis_templates). Wystarczy, że będzie zawierać pola: name, sql, collection i description.

#Krok 2: Napisz usługę lub przepływ pracy „Pobierz szablon → Wykonaj”

Logika:

1. Odbierz zadanie lub kontekst strony (np. bieżącą kolekcję);
2. Dopasuj szablon;
3. Wykonaj szablon SQL (tylko do odczytu);
4. Zwróć ustandaryzowaną strukturę danych (wiersze + pola).

#Krok 3: Spraw, by AI wywołała ten interfejs

Podpowiedź zadania można napisać w następujący sposób:

Najpierw wywołaj narzędzie do analizy szablonów. Jeśli w szablonach nie znaleziono pasującej analizy, użyj wykonawcy SQL.
Upewnij się, że wszystkie zapytania są tylko do odczytu i generują wykresy do wyświetlania wyników.

W ten sposób Państwa system agenta AI będzie posiadał(a) możliwości analityczne podobne do demo CRM, ale będzie całkowicie niezależny(a) i konfigurowalny(a).

#6. Najlepsze praktyki i zalecenia projektowe