Eine Sitzung ist eine echte Maschine. Der Agent installiert, was er benötigt, führt die Abfrage aus, erledigt die Arbeit in einem lesbaren Skript und committet sie. Sie erhalten die Antwort und den zugrunde liegenden Code.
Der größte Teil der Warteschlange ist keine Modellierung. Es ist die vierte Version einer bereits gestellten Frage, eine über Nacht ausgefallene Pipeline und drei Teams, die sich nicht einig sind, was „aktiv“ bedeutet.
Jemand fragt, was mit der Conversion in Woche 27 passiert ist. Der Agent schreibt die Abfrage, führt sie aus, prüft das Ergebnis anhand einer zweiten Auswertung und antwortet mit Zahl und SQL. Die nächste Person mit derselben Frage braucht Sie ebenfalls nicht.
Der Agent liest den Fehler, reproduziert die Transformation auf seiner eigenen Maschine anhand eines Beispiels, findet die fehlerhafte Zeilenstruktur und erstellt eine Änderungsanfrage mit Fix und einem Test, der den Fehler erkannt hätte.
Nullwerte, wo keine sein sollten, verschobene Verteilungen, Joins mit unerwarteter Vervielfachung, eine Dimension, die über Nacht um 40 % gewachsen ist. Der Agent meldet, was sich verändert hat und wodurch – und sagt, wenn er es nicht weiß.
Der Agent findet jede Stelle, an der eine Metrik berechnet wird, vergleicht die Definitionen und meldet Abweichungen. Unscheinbar, tatsächlich schwer zu planen – und der Grund, warum zwei Dashboards unterschiedlichen Umsatz zeigen.
Profilieren Sie den Datensatz, visualisieren Sie die Verteilungen, prüfen Sie auf Leakage und Ungleichgewicht und schreiben Sie den ersten ehrlichen Absatz darüber, was in den Daten steckt. Sie starten mit einer fundierten Ausgangslage statt mit einer leeren Zelle.
Der wöchentliche Cohort-Schnitt, die monatliche Retention-Kurve, die vierteljährliche Segmentaktualisierung. Derselbe Code, neuer Zeitraum, durch einen Trigger ausgeführt und als Änderungsanfrage mit neu erstelltem Diagramm abgelegt.
Eine Chat-Antwort lässt sich weder prüfen noch wiederholen. Deshalb committet die Sitzung ihre Arbeit: Abfrage, Skript, Diagramm und eine Notiz darüber, was verifiziert wurde.
-- Week 27 conversion, split by first-touch surface.-- Excludes internal domains: they run the smoke suite hourly and-- accounted for 4.1% of week-27 signups before this filter.with first_touch as (select account_id,min(occurred_at) as first_seen,argmin(surface, occurred_at) as surfacefrom eventswhere occurred_at >= date "2026-06-29"and email not like "%@acme-internal.example"group by account_id)select surface,count(*) as accounts,countif(converted_at is not null) as converted,round(countif(converted_at is not null)/ count(*), 4) as ratefrom first_touch join accounts using (account_id)group by surfaceorder by accounts desc;
Der Agent verfügt über Shell und Dateisystem. Er kann ein Paket installieren, ein Beispiel herunterladen, es ausführen, die Ausgabe prüfen und es erneut versuchen – der tatsächliche Arbeitszyklus eines Analysten statt eines einzigen Laufs mit festen Tools.
Antwort und Erzeuger der Antwort kommen gemeinsam in derselben Änderungsanfrage an. Die erneute Ausführung im nächsten Monat ist ein erneuter Lauf, keine Rekonstruktion.
Filter, Datumsgrenzen, verworfene Zeilen und die Gründe dafür. Eine Analyse mit undokumentierten Ausschlüssen ist keine Analyse, und ein Kommentar in der Abfrage ist der einfachste Ort, sie festzuhalten.
Wir führen keine Warehouse-Logos auf, die wir nicht verifiziert haben. Hier erfahren Sie, wie eine Analysesitzung tatsächlich Daten erreicht – einschließlich des Teils, den sie auf ihrer eigenen Maschine erledigt.
Easy Connect deckt über die OAuth-Bildschirme der Anbieter mehr als 3.000 Apps ab und ist der richtige Weg für SaaS-Quellen am Rand eines Datenstacks. Für das Warehouse selbst sind direkte Konnektortypen meist die ehrlichere Antwort – die meisten Warehouses werden über einen Treiber oder eine API erreicht, nicht über einen OAuth-Katalogeintrag.
Drei Wege, dieselbe Sitzung zu starten. Isolation und Prüfpfad ändern sich nicht mit dem Trigger.
Jemand fragt in einem Kanal. Die Erwähnung startet eine Sitzung, die Sitzung erledigt die Arbeit auf ihrer eigenen Maschine und die Antwort landet mit angehängter Abfrage im selben Thread.
Setzen Sie Leseaktionen auf Allow und alles, was in ein Warehouse schreibt oder eine Tabelle überschreibt, auf Ask. Der Lauf pausiert beim Aufruf mit sichtbarer Anweisung und wird nach Ihrer Freigabe exakt an diesem Punkt fortgesetzt.
Ein Cron-Trigger führt die wiederkehrende Analyse für den neuen Zeitraum erneut aus und erstellt eine Änderungsanfrage mit der neu generierten Ausgabe. Ein zweiter Trigger startet die Qualitätsprüfung und meldet sich nur, wenn eine Prüfung fehlschlägt.
Ein Analyse-Agent liest überwiegend – bis er es nicht mehr tut. Beide Seiten, exakt beschrieben.
Ein Projekt, ein Satz Konnektoren, ein Speicher, der sich laufend erweitert. Jedes Team schreibt die Skills für seine eigene Arbeit; niemand setzt ein zweites System auf.
Beginne mit einer Aufgabe und wachse von dort aus.