Назад
В этом видео демонстрируем практический кейс AI-аналитики: ИИ-агент Codex через MCP помогает настраивать ETL-процессы в DVT, объединять данные 1С:ERP и Service Desk (Zammad) и создавать аналитическую отчётность в Yandex DataLens.
Экстрактор 1С обеспечивает выгрузку корпоративных данных в ClickHouse, DVT выполняет их преобразование, а DataLens показывает плановые и фактические часы, отгрузку услуг и отклонения по клиентам, заказам и инженерам.
Практическая демонстрация возможностей ИИ-агентов, MCP и экосистемы «Денвик Аналитика».
AI-аналитика данных 1С через MCP: от бизнес-задачи до BI-отчета
Можно ли поручить ИИ-агенту не только анализировать данные, но и помогать создавать сами процессы аналитики — от объединения корпоративных источников до готового отчета в BI-системе?
В этом видео команда «Денвик Аналитика» демонстрирует практический сценарий применения ИИ-агента Codex и протокола MCP (Model Context Protocol) для настройки ETL-процессов, объединения данных 1С и Service Desk и построения аналитики в Yandex DataLens.
Задача: создать единый аналитический отчет для контроля трудозатрат инженеров, сопоставив плановые и фактические часы, клиентские заказы, отгрузку услуг и отклонения.
Как работает решение
В демонстрации используется связка технологий:
1С → Экстрактор 1С → ClickHouse → DVT → ClickHouse → Yandex DataLens
Дополнительным источником фактических трудозатрат выступает Service Desk (Zammad).
ИИ-агент через MCP взаимодействует с доступными инструментами для настройки и проверки аналитических процессов.
Экстрактор 1С обеспечивает получение необходимых корпоративных данных из 1С и их передачу в ClickHouse.
DVT (Denvic Visual Transformer) выполняет ETL-преобразования: объединяет источники, сопоставляет идентификаторы, рассчитывает показатели, распределяет часы и формирует итоговую аналитическую витрину.
ClickHouse используется для хранения исходных данных и подготовленной витрины.
Yandex DataLens предоставляет интерфейс для анализа плановых и фактических показателей по клиентам, заказам, заявкам, подразделениям и исполнителям.
Что показывает ИИ-агент в действии
Демонстрация начинается с бизнес-задачи: объединить данные о заказах и запланированных услугах из 1С с фактическими трудозатратами из Service Desk.
С помощью Codex и MCP настраивается обработка в DVT. ИИ помогает сопоставлять записи разных источников, определять связи между заказами и исполнителями, распределять часы и предотвращать задвоение показателей.
Первый результат проверяется в DataLens. После этого требования уточняются: в аналитике необходимы дополнительные сведения о заказанных услугах, количестве, отгрузке и структуре заказов.
Недостающие данные добавляются через Экстрактор 1С. Затем граф обработки в DVT дорабатывается, а результаты проверяются на уровне аналитической витрины.
На заключительном этапе в DataLens уточняются отчеты, фильтры, иерархии и переходы к исходным заявкам.
Это последовательная практическая работа: от первоначальных требований до проверки готового результата, включая исправления и изменения логики по ходу решения задачи.
Какие бизнес-задачи помогает решать такая архитектура
-
Сопоставление плановых и фактических трудозатрат инженеров.
-
Анализ часов по клиентам, заказам и заявкам.
-
Контроль отгруженных услуг и связанных показателей.
-
Выявление отклонений между планом и фактом.
-
Консолидация информации из 1С и внешних корпоративных систем.
-
Подготовка аналитических витрин для BI без переноса сложной логики непосредственно в отчеты.
-
Ускорение разработки и доработки ETL-процессов с помощью ИИ-агентов.
Почему здесь важен MCP
MCP - это протокол взаимодействия ИИ-агента с внешними инструментами и системами.
В показанном сценарии MCP позволяет использовать возможности DVT и других доступных инструментов при работе с ИИ-агентом: изменять графы обработки, проверять настройки и результаты.
При этом сами корпоративные данные обрабатываются соответствующими системами: Экстрактором 1С, DVT и ClickHouse.
Таким образом, ИИ помогает управлять аналитическим процессом, а специализированные продукты выполняют операции извлечения, преобразования, хранения и представления данных.
Итог демонстрации
В результате показаны настроенный ETL-процесс в DVT и аналитический отчёт в Yandex DataLens, объединяющий сведения из 1С и Service Desk.
Кейс демонстрирует возможности использования ИИ-агентов при разработке корпоративной аналитики: от постановки бизнес-задачи на естественном языке до создания, уточнения и проверки аналитических процессов.
Экосистема продуктов компании позволяет выстраивать управляемые процессы работы с данными 1С и внешних систем, а интеграция с ИИ-агентами через MCP открывает дополнительные возможности автоматизации разработки и сопровождения аналитических решений.
Подробнее о продуктах:
https://bi.denvic.ru
Документация:
https://docs.denvic.tech
DVT с открытым исходным кодом:
https://github.com/Denvic-Tech/dvt
