SQL tabele - tworzenie SEO-dashboardów i AI-analiza

Krótki opis zadania: są tabele SQL (dalej Baza Danych), konieczne jest podłączenie AI do nich. Jako rezultat:

1. Jego (AI) opinia o danych w całości, jego opinia o danych dotyczących "minusów", jego rekomendacje oraz jego opinia na temat konkretnych zapytań punktowych, na przykład, "dlaczego mało sprzedaje się towar 123?", "jakie działania zaleca się podjąć, aby zwiększyć sprzedaż towaru 123?".

2. Budowa dashboardu (Google Sheets lub inny system według Twojego wyboru) z konkretnymi wskaźnikami (około 100 wskaźników) na podstawie okresowej (uruchamianie ręczne lub według harmonogramu)

Ważne: wyniki pracy AI muszą być wolne od halucynacji - sprawdzenie poprawności odbywa się na zmniejszonej liczbie wierszy w Baza Danych.

Szczegółowy opis zadania:

1. Główne zadania:

- CEO Dashboards: Tworzenie raportów na wysokim poziomie dla kierownictwa. Główne metryki: P&L, Cash Flow, analiza sprzedaży (LFL, plan-fakt), analiza zapasów oraz efektywność marketingu.

- AI Data Agent: Opracowanie bota AI (na bazie LLM), który rozumie strukturę naszej Bazy Danych i wydaje analityczne odpowiedzi na zapytania w naturalnym języku (na przykład: "Jaka marżowość po marce X w zeszłym tygodniu w podziale na kanały?")

- Integracja danych: Ustawienie automatycznego zbierania i oczyszczania danych z tabel SQL. Preferowane z kilku źródeł.

2. Stos technologiczny i źródła: SQL (MS SQL Server): Praca z dużą bazą danych (>50 tabel, miliony rekordów).

3. Specyfika naszej bazy danych:

- Nasza Baza Danych obejmuje ponad 60 tabel z kilku źródeł zbierania informacji - CRM, strona, BAS itp.

- Kluczowe bloki danych:

Sprzedaż i zamówienia: oddzielne tabele dla sprzedaży

Finanse: tabele z ruchami i saldami gotówki

Klienci i program lojalnościowy: tabele z klientami i ruchami bonusów

Magazyny i asortyment: tabele z zapasami i ruchami towarów

4. Wymagania wobec kandydata:

- Ekspert SQL: pisanie zapytań do Bazy Danych przez AI. W perspektywie optymalizacja zapytań do Bazy Danych poprzez skrócenie liczby użytych tokenów

- Umiejętności pracy z AI: doświadczenie w tworzeniu agentów AI, którzy potrafią pracować z bazami danych (RAG, Text-to-SQL).

- Zrozumienie metryk biznesowych: metryki EBITDA, ROMI, Churn rate, ARPU

5. Agent AI powinien nie tylko zwracać suche liczby z SQL, ale działać jako Asystent Wykonawczy, co obejmuje:

- formowanie "Własnej opinii" (Data-Driven Insights):

- zdolność do interpretacji wyników. Na przykład: "Sprzedaż w kategorii X wzrosła o 10%, ale zysk spadł z powodu wzrostu ręcznych kosztów w tabeli items_manual_cost_of_goods_sold. To wskazuje na nieefektywność zakupów".

- krytyczna analiza (Identification of Risks/Downsides):

- AI powinno samodzielnie znajdować anomalie i "słabe punkty". Na przykład: "Minus obecnej strategii — wysoki odsetek zwrotów (refund) w porównaniu do poprzedniego okresu, co niweluje korzyści z wolumenu sprzedaży".

- propozycje na podstawie korelacji. Na przykład: "Na podstawie danych Site_promo_code i sales, zalecam zakończenie akcji X, ponieważ przyciąga klientów z niskim LTV, i przeszeregowanie budżetu na program lojalnościowy (cleints_pl)".

Pracujemy z FOP