Una sessione è una macchina reale. L'agente installa ciò che serve, esegue la query, lavora in uno script leggibile e lo salva. Ottieni la risposta e il codice che l'ha prodotta.
La maggior parte della coda non riguarda la modellazione. È la quarta versione di una domanda già posta, una pipeline che si è interrotta durante la notte e tre team che non concordano sul significato di "attivo".
Qualcuno chiede cosa sia successo alla conversione nella settimana 27. L'agente scrive la query, la esegue, verifica il risultato con una seconda analisi e risponde con il numero e il codice SQL. Chi lo chiederà dopo non avrà bisogno di te.
Legge l'errore, riproduce la trasformazione sulla propria macchina con un campione, trova la struttura della riga che l'ha causato e apre una change request con la correzione e un test che avrebbe rilevato il problema.
Valori null dove non dovrebbero esserci, distribuzioni cambiate, join che hanno iniziato a moltiplicarsi, una dimensione cresciuta del 40% durante la notte. Indica cosa è cambiato e cosa ritiene lo abbia causato, dichiarando quando non lo sa.
Trova ogni punto in cui viene calcolata una metrica, confronta le definizioni e segnala dove non coincidono. È un lavoro poco appariscente, davvero difficile da programmare, e il motivo per cui due dashboard mostrano ricavi diversi.
Profilare il dataset, tracciare le distribuzioni, verificare leakage e sbilanciamenti e scrivere il primo paragrafo onesto sui dati. Parti da una situazione preparata, non da una cella vuota.
Il raggruppamento settimanale per coorte, la curva mensile di retention, l'aggiornamento trimestrale dei segmenti. Stesso codice, nuovo periodo, avviato da un trigger e consegnato come change request con il grafico rigenerato.
Una risposta in chat non può essere verificata o ripetuta. Perciò la sessione salva il lavoro: query, script, grafico e nota su ciò che ha verificato.
-- 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;
L'agente ha una shell e un filesystem. Può installare un pacchetto, scaricare un campione, eseguirlo, esaminare l'output e riprovare: il ciclo di lavoro reale di un analista, non un'unica esecuzione su strumenti fissi.
La risposta e ciò che l'ha prodotta arrivano insieme nella stessa change request. Rieseguirla il mese prossimo significa ripetere l'esecuzione, non ricostruirla.
Filtri, limiti temporali, righe eliminate e motivi. Un'analisi con esclusioni non documentate non è un'analisi; un commento nella query è il modo più semplice per conservarle.
Non elencheremo loghi di warehouse che non abbiamo verificato. Ecco come una sessione di analisi raggiunge davvero i dati, inclusa la parte eseguita sulla propria macchina.
Easy connect copre oltre 3.000 app tramite le rispettive schermate OAuth ed è il percorso giusto per le sorgenti SaaS ai margini dello stack dati. Per il warehouse, i connettori diretti sono di solito la risposta più corretta: la maggior parte dei warehouse si raggiunge tramite driver o API, non tramite un catalogo OAuth.
Tre modi per avviare la stessa sessione. Isolamento e percorso di revisione non cambiano con il trigger.
Qualcuno scrive in un canale. La menzione avvia una sessione, che svolge il lavoro sulla propria macchina; la risposta torna nello stesso thread con la query allegata.
Imposta su Allow le azioni di lettura e su Ask tutto ciò che scrive nel warehouse o sovrascrive una tabella. L'esecuzione si ferma sulla chiamata, mostrandoti l'istruzione, e riprende esattamente da lì quando approvi.
Un trigger cron riesegue l'analisi ricorrente per il nuovo periodo e apre una change request con l'output rigenerato. Un secondo trigger esegue il controllo qualità e segnala qualcosa solo quando un controllo fallisce.
Un agente di analisi legge soprattutto, finché non smette di farlo. Entrambe le possibilità, dichiarate con precisione.
Un progetto, un insieme di connettori, una memoria che si arricchisce. Ogni team scrive le competenze per il proprio lavoro; nessuno crea un secondo sistema.