#AI-agent · Viz: Konfigurationsguide för CRM-scenarier

Använd CRM-exemplet för att lära dig hur du får din AI-insiktsanalytiker att verkligen förstå din verksamhet och utnyttja dess fulla potential.

#1. Introduktion: Låt Viz gå från att "se data" till att "förstå verksamheten"

I NocoBase-systemet är Viz en förkonfigurerad AI-insiktsanalytiker. Den kan känna igen sidkontext (som Leads, Opportunities, Accounts) och generera trenddiagram, trattdiagram och KPI-kort. Men som standard har den bara de mest grundläggande frågefunktionerna:

Dessa verktyg låter Viz bara "känna igen struktur", men inte verkligen "förstå innehåll". För att den ska kunna generera insikter, upptäcka avvikelser och analysera trender behöver ni utöka den med mer lämpliga analysverktyg.

I den officiella CRM-demon använde vi två metoder:

• Overall Analytics (Allmän analysmotor): En mallbaserad, säker och återanvändbar lösning;
• SQL Execution (Specialiserad analysmotor): Erbjuder större flexibilitet men medför större risker.

Dessa två är inte de enda alternativen; de är snarare ett designparadigm:

Ni kan följa dess principer för att skapa en implementering som är bättre anpassad till er egen verksamhet.

#2. Viz struktur: Stabil personlighet + flexibla uppgifter

För att förstå hur ni utökar Viz måste ni först förstå dess interna lagerdesign:

Denna lagerdesign gör att Viz kan bibehålla en stabil personlighet (konsekvent analyslogik) samtidigt som den snabbt kan anpassas till olika affärsscenarier (CRM, sjukhushantering, kanalanalys, produktionsdrift...).

#3. Mönster ett: Mallbaserad analysmotor (rekommenderas)

#3.1 Principöversikt

Overall Analytics är den centrala analysmotorn i CRM-demon. Den hanterar alla SQL-frågor via en samling för dataanalysmallar (data_analysis). Viz skriver inte SQL direkt, utan anropar fördefinierade mallar för att generera resultat.

Arbetsflödet är följande:

flowchart TD
    A[Viz tar emot uppgift] --> B[Anropar arbetsflödet Overall Analytics]
    B --> C[Matchar mall baserat på aktuell sida/uppgift]
    C --> D[Exekverar mallens SQL (skrivskyddad)]
    D --> E[Returnerar dataresultat]
    E --> F[Viz genererar diagram + kort tolkning]

På så sätt kan Viz generera säkra och standardiserade analysresultat på några sekunder, och administratörer kan centralt hantera och granska alla SQL-mallar.

#3.2 Mallens samlingsstruktur (data_analysis)

#Mallexempel i CRM-demon

#3.3 Fördelar med detta mönster

📘 Denna data_analysis-samling behöver inte heta just så. Nyckeln är: att lagra analyslogiken på ett mallbaserat sätt, och att den anropas enhetligt av ett arbetsflöde.

#3.4 Hur ni får Viz att använda det

I uppgiftsdefinitionen kan ni tydligt instruera Viz:

Hej Viz,

Vänligen analysera data för den aktuella modulen.

**Prioritet:** Använd verktyget Overall Analytics för att hämta analysresultat från mallsamlingen.
**Om ingen matchande mall hittas:** Ange att en mall saknas och föreslå att administratören lägger till en.

Krav på utdata:
- Generera ett separat diagram för varje resultat;
- Inkludera en kort beskrivning på 2–3 meningar under diagrammet;
- Fabricera inte data eller gör antaganden.

På så sätt kommer Viz automatiskt att anropa arbetsflödet, matcha den mest lämpliga SQL-satsen från mallsamlingen och generera diagrammet.

#4. Mönster två: Specialiserad SQL-exekverare (använd med försiktighet)

#4.1 Tillämpliga scenarier

När ni behöver utforskande analyser, ad hoc-frågor eller JOIN-aggregeringar över flera samlingar, kan ni låta Viz anropa ett verktyg för SQL Execution.

Detta verktygs funktioner är:

• Viz kan direkt generera SELECT-frågor;
• Systemet exekverar dem och returnerar resultatet;
• Viz ansvarar för analys och visualisering.

Exempeluppgift:

"Vänligen analysera trenden för konverteringsfrekvenser för leads per region under de senaste 90 dagarna."

I detta fall kan Viz generera:

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 Risker och skyddsrekommendationer

Allmänna rekommendationer:

• Vanliga användare bör endast ha mallbaserad analys (Overall Analytics) aktiverad;
• Endast administratörer eller seniora analytiker bör tillåtas använda SQL Execution.

#5. Om ni vill bygga er egen "Overall Analytics"

Här är en enkel, generell metod som ni helt kan replikera i vilket system som helst (oberoende av NocoBase):

#Steg 1: Designa mallsamlingen

Samlingsnamnet kan vara vad som helst (t.ex. analysis_templates). Den behöver bara inkludera fälten: name, sql, collection och description.

#Steg 2: Skriv en tjänst eller ett arbetsflöde för "Hämta mall → Exekvera"

Logik:

1. Ta emot uppgiften eller sidkontexten (t.ex. den aktuella samlingen);
2. Matcha en mall;
3. Exekvera mallens SQL (skrivskyddad);
4. Returnera en standardiserad datastruktur (rader + fält).

#Steg 3: Låt AI:n anropa detta gränssnitt

Uppgiftsinstruktionen kan skrivas så här:

Försök först att anropa mallanalysverktyget. Om ingen matchande analys hittas i mallarna, använd då SQL-exekveraren.
Se till att alla frågor är skrivskyddade och generera diagram för att visa resultaten.

På så sätt kommer ert AI-agentsystem att ha analysfunktioner som liknar CRM-demon, men det kommer att vara helt oberoende och anpassningsbart.

#6. Bästa praxis och designrekommendationer

#7. Från CRM-demon till ert scenario

Oavsett om ni arbetar med sjukhus-CRM, tillverkning, lagerlogistik eller utbildningsrekrytering, så länge ni kan svara på följande tre frågor kan Viz tillföra värde till ert system:

När ni har definierat detta behöver ni bara:

• Skriva analyslogiken i mallsamlingen;
• Fästa uppgiftsinstruktionen på sidan;
• Viz kan då "ta över" er rapportanalys.

#8. Slutsats: Ta med er paradigmet

"Overall Analytics" och "SQL Execution" är bara två exempel på implementeringar. Viktigare är tanken bakom dem:

Få AI-agenten att förstå er affärslogik, inte bara att exekvera instruktioner.

Oavsett om ni använder NocoBase, ett privat system eller ert eget anpassade arbetsflöde, kan ni replikera denna struktur:

• Centraliserade mallar;
• Anrop via arbetsflöden;
• Skrivskyddad exekvering;
• AI-presentation.

På så sätt är Viz inte längre bara en "AI som kan generera diagram", utan en sann analytiker som förstår er data, era definitioner och er verksamhet.