ADA convierte hojas de cálculo en BI auditables

ADA transforma un archivo CSV o un libro de Excel en un panel interactivo de inteligencia empresarial sin requerir una plataforma BI configurada —y su capa de IA opcional nunca recibe las filas subidas ni los valores de las celdas.

El proyecto de código abierto acepta archivos CSV, XLSX y XLSM, los limpia y perfila, infiere un esquema de negocio y genera un panel con Plotly. También identifica periodos anómalos, crea una previsión base conservadora, explica cambios relevantes y recomienda la siguiente investigación.

Análisis determinista e IA opcional

ADA mantiene visibles sus fronteras de confianza en cuatro capas:

• Cálculo: Detecta tendencias, factores impulsores, anomalías, concentración, relaciones, excepciones y problemas de calidad de datos con lógica determinista y trazable.
• Conversación: Convierte preguntas en inglés sencillo en planes de consulta tipados de pandas que se ejecutan localmente. Cada respuesta expone su cálculo.
• Interpretación: Transforma resultados calculados en investigaciones priorizadas, separando claramente las observaciones de las afirmaciones causales.
• IA opcional: Utiliza llamadas a modelos para planificar consultas que las reglas no pueden parsear y para producir una lectura estratégica de la evidencia calculada.

El motor determinista sigue siendo el autoritativo incluso cuando se configura un modelo. El planificador de consultas de la IA recibe únicamente nombres de columna, tipos, roles y la pregunta del usuario. La función de lectura estratégica recibe el esquema calculado, resúmenes, tarjetas de evidencia, recomendaciones y el contexto proporcionado por el usuario. Las filas subidas y los valores de las celdas no se incluyen en ninguno de los prompts.

Recomendado

La ingeniería del arnés pone el repositorio a trabajar

Las respuestas deben ajustarse a esquemas tipados de Pydantic, el almacenamiento está desactivado para la petición, y un identificador de sesión anónimo hasheado soporta los controles de seguridad. Las llamadas se activan mediante botones y se almacenan en caché por carga de evidencia. El modelo por defecto es gpt-5.6-luna con razonamiento bajo; gpt-5.6-terra con razonamiento medio está disponible para decisiones ambiguas.

De hoja de cálculo a decisión empresarial

ADA busca automáticamente:

• Un resultado principal como ingresos, ventas, beneficio, coste, importe o unidades
• Un campo temporal para análisis de movimiento, detección de anomalías y previsiones
• Un segmento útil como producto, categoría, canal, región, cliente o estado
• Identificadores, valores faltantes, valores atípicos, concentración y relaciones numéricas

Los usuarios pueden anular la métrica, la fecha y el segmento detectados cuando el esquema de origen es inusual. También pueden centrar el análisis en un segmento y reagruparlo por la siguiente dimensión útil.

Las capacidades principales incluyen un selector de hoja para libros con varias hojas, limpieza conservadora y eliminación de duplicados, una auditoría de limpieza visible, un titular ejecutivo, cuatro KPI empresariales, un informe en Markdown descargable y una exportación CSV limpia. Su radar de anomalías marca periodos fuera de una banda de tendencia robusta en el gráfico, el libro de evidencia y las acciones recomendadas. La previsión incluye estacionalidad por mes del año, una banda de incertidumbre y su error de backtest junto al gráfico.

Un waterfall de movimientos reconcilia el último cambio por segmento, mientras que un mapa de calor por segmento y periodo muestra la intensidad. La interfaz responsive de Streamlit también incluye una demo sintética, límites de archivo y filas para un rendimiento hospedado predecible, y consultas Ask ADA en inglés sencillo que cubren totales, clasificaciones, desglose, tendencias, crecimiento, recuentos y filtros por tiempo o segmento.

Instalación local y privacidad

ADA se ejecuta sin clave de API. Para iniciarlo localmente:

''bash git clone https://github.com/saineshnakra/automated-data-analyst.git cd automated-data-analyst python -m venv .venv source .venv/bin/activate # Windows: .venv\\Scripts\\activate python -m pip install -r requirements.txt streamlit run app.py ''

Los usuarios pueden introducir una clave de API en el campo de la barra lateral que sólo existe para la sesión. Las implementaciones privadas pueden establecer OPENAI_API_KEY mediante la variable de entorno o .streamlit/secrets.toml, que nunca debe ser comprometido en el repositorio. El proyecto advierte sobre usar una clave financiada por el propietario en una implementación pública sin autenticación y controles de gasto.

La base de código separa la orquestación de Streamlit del motor de análisis, usando funciones puras e inyección de dependencias en el límite del modelo. Las pruebas cubren comportamiento unitario, contratos de privacidad, la canalización, la lógica de negocio y el renderizado. GitHub Actions ejecuta linting, la suite completa de pruebas y la compilación a bytecode en cada push y pull request.

ADA puede autoalojarse en cualquier host con capacidad para Python que ejecute Streamlit y se publica bajo la licencia MIT. Se buscan contribuciones para métricas deterministas, formas de preguntas en lenguaje natural, fixtures de detección de esquemas, accesibilidad de gráficos, formatos de archivo adicionales y conjuntos de datos de prueba adversariales.