Vai al contenuto principale
Il Data Analyst Agent, noto anche come DANA (Data ANAlyst), è una versione specializzata di Devin ottimizzata per interrogare i database, analizzare i dati e creare visualizzazioni. È progettato per essere rapido, conciso e ottimizzato specificamente per i flussi di lavoro di analisi dei dati.

​
Quando utilizzare il Data Analyst Agent

Il Data Analyst Agent è ideale quando devi:
  • Interrogare i database: scrivere ed eseguire query SQL sulle sorgenti dati collegate
  • Analizzare i dati: esplorare pattern, calcolare metriche e analizzare le tendenze nei tuoi dati
  • Creare visualizzazioni: generare grafici professionali utilizzando seaborn
  • Rispondere a domande sui dati: ottenere risposte rapide e accurate alle domande sui tuoi dati
  • Generare insight: individuare pattern, anomalie e indicazioni operative

​
Accesso all’agente Data Analyst

​
Dall’app web

  1. Vai alla home page di Devin
  2. Fai clic sul selettore di agenti
  3. Seleziona Data Analyst dal menu a discesa
  4. Avvia la tua sessione con una domanda o un’attività sui dati

​
Da Slack

Puoi avviare una sessione Data Analyst direttamente da Slack in uno dei seguenti modi: Usando il comando slash: 
/dana Quali sono stati i nostri 10 principali clienti per fatturato il mese scorso?
Uso di una menzione con la macro !dana: 
@Devin !dana Quali sono stati i nostri top 10 clienti per fatturato il mese scorso?
Entrambi i metodi creeranno una sessione di Data Analyst e risponderanno all’interno del thread con i risultati.

​
Prerequisiti

Prima di usare il Data Analyst Agent, devi connettere almeno un’origine dati tramite MCP (Model Context Protocol). Le integrazioni più comuni includono:
  • Database MCP: Redshift, PostgreSQL, Snowflake, BigQuery e altri database SQL
  • Analytics MCP: Datadog, Metabase e altre piattaforme di osservabilità
Senza un’origine dati connessa, l’agente ti avviserà e ti chiederà di connetterne una prima di procedere.

Configura le integrazioni MCP

Scopri come connettere database e altre origini dati tramite MCP

​
Come funziona

​
Conoscenza del database

Il Data Analyst Agent mantiene una nota di Conoscenza del database che contiene la documentazione degli schemi per i database collegati. Questa knowledge viene richiamata automaticamente prima di eseguire le query, consentendo all’agente di identificare rapidamente le tabelle e le colonne corrette.

​
Esempi di prompt

Ecco alcuni modi efficaci per usare il Data Analyst Agent con diversi tipi di query:

​
Ricerche semplici

  • “Quanti utenti attivi abbiamo avuto la settimana scorsa?”
  • “Qual è l’andamento giornaliero dei ricavi nell’ultimo mese?”
  • “Quali clienti hanno l’utilizzo più elevato?”

​
Aggregazioni e metriche

  • “Qual è la durata media di sessione per livello di piano negli ultimi 30 giorni?”
  • “Mostrami i ricavi totali raggruppati per regione e linea di prodotto per il quarto trimestre”
  • “Calcola il 95° percentile del tempo di risposta per ogni endpoint API per questa settimana”

​
Join e analisi tra tabelle

  • “Esegui un join tra la nostra tabella utenti e la tabella ordini e mostra i 20 clienti principali per valore di vita complessivo (lifetime value)”
  • “Correla l’origine dell’iscrizione con la retention a 30 giorni — quali canali di acquisizione hanno i migliori tassi di retention?”
  • “Combina i dati di sessione con i dati di fatturazione per trovare gli account con utilizzo elevato ma spesa ridotta”

​
Filtraggio e segmentazione

  • “Mostrami solo i clienti Enterprise che si sono iscritti dopo gennaio 2025 e che hanno più di 100 sessioni”
  • “Filtra i log di errore per mostrare solo gli errori 5xx dal servizio pagamenti nelle ultime 48 ore”
  • “Scomponi l’utilizzo tra clienti Enterprise e self-serve, escludendo gli account di prova”

​
Analisi delle serie temporali

  • “Rappresenta graficamente il numero di utenti attivi settimanali negli ultimi 6 mesi — evidenzia tutte le settimane con una variazione superiore al 10%”
  • “Mostrami un confronto mese su mese dei tassi di registrazione tra il 2025 e il 2024”
  • “Qual è l’andamento giornaliero delle chiamate API negli ultimi 90 giorni? Sovrapponi una media mobile a 7 giorni”

​
Indagini e rilevamento di anomalie

  • “Perché le iscrizioni sono diminuite martedì scorso? Verifica se ci sono stati incidenti o deployment correlati”
  • “Ci sono anomalie nei nostri tassi di errore questa settimana?”
  • “Confronta le metriche di questo mese con lo stesso periodo dell’anno scorso e segnala deviazioni significative”

​
Analisi in più passaggi

  • “Analizza la retention degli utenti per coorte nel quarto trimestre, poi identifica quali coorti hanno il calo più marcato e suggerisci possibili cause”
  • “Trova i 10 utenti con il maggior numero di sessioni, mostra la loro attività nel tempo e segnala quelli che sembrano potenziali casi di abbandono”

​
Origini dati supportate

Il Data Analyst Agent si connette ai tuoi dati tramite integrazioni MCP (Model Context Protocol). Puoi collegare più origini dati ed eseguire query trasversali su di esse. Di seguito sono riportate alcune delle origini dati più comuni disponibili nel MCP Marketplace — questo non è un elenco completo.

​
Database SQL

Data sourceMCP nameSetup
Amazon RedshiftRedshiftStringa di connessione + credenziali
PostgreSQLPostgreSQLStringa di connessione
SnowflakeSnowflakeAccount + credenziali
Google BigQueryBigQueryOAuth o account di servizio
MySQLMySQLStringa di connessione
SQL ServerSQL ServerStringa di connessione
NeonNeonOAuth
SupabaseSupabaseToken di accesso personale
Cloud SQL (PostgreSQL, MySQL, SQL Server)Cloud SQLOAuth

​
Piattaforme di analisi e osservabilità

Origine datiNome MCPConfigurazione
DatadogDatadogAPI key + app key
MetabaseMetabaseOAuth
GrafanaGrafanaURL + token dell’account di servizio
SentrySentryOAuth

​
Collegare un’origine dati

  1. Vai a Settings > MCP Marketplace
  2. Trova la tua origine dati e fai clic su Enable
  3. Fornisci tutte le credenziali richieste (stringhe di connessione, API key o OAuth)
  4. Avvia una sessione di Data Analyst: l’agente rileverà automaticamente le origini dati collegate
Hai bisogno di un’origine dati che non è disponibile nel Marketplace? Usa Add Your Own per collegare qualsiasi server MCP fornendone direttamente la configurazione.

Configura le integrazioni MCP

Istruzioni di configurazione complete per ogni origine dati
Puoi collegare più origini dati contemporaneamente. Il Data Analyst Agent utilizzerà gli strumenti MCP appropriati in base al contesto della tua query.

​
Buone pratiche

​
Sii specifico riguardo alle metriche

Invece di fare domande vaghe, definisci esattamente cosa vuoi misurare: 
"Qual è il nostro numero di utenti attivi negli ultimi 7 giorni, definito come utenti che hanno avviato almeno una sessione?"

​
Specifica i periodi di tempo

Includi sempre l’intervallo di tempo che ti interessa. L’agente usa UTC come fuso orario predefinito quando interpreta le date relative. 
"Mostrami il fatturato giornaliero degli ultimi 30 giorni"

​
Richiedi formati di output specifici

Indica all’agente come vuoi visualizzare i risultati — come tabella, grafico o riepilogo: 
"Crea un grafico lineare delle iscrizioni settimanali dell'ultimo trimestre, con una tabella dei numeri grezzi sotto"

​
Definisci in anticipo la logica di business

Se le tue metriche hanno definizioni specifiche, esplicitele nel prompt per evitare ambiguità: 
"Mostra il tasso di churn mensile, dove per churn si intendono gli account con zero sessioni negli ultimi 30 giorni che hanno avuto almeno una sessione nei 30 giorni precedenti"

​
Richiedi confronti e contesto

Aggiungere periodi di confronto o benchmark rende i risultati più azionabili: 
"Mostra gli utenti attivi giornalieri di questa settimana rispetto alla stessa settimana del mese scorso ed evidenzia i giorni con una deviazione superiore al 15%"

​
Iterare sui risultati

Puoi fare domande di follow-up nella stessa sessione per approfondire:
  1. Parti da una vista generale: “Chi sono i nostri 10 principali clienti per fatturato in questo trimestre?”
  2. Vai più in profondità: “Per i primi 3, mostrami l’andamento mensile del loro fatturato nell’ultimo anno”
  3. Indaga: “Il cliente X ha avuto un picco di fatturato a marzo — da cosa è dipeso?”

​
Convalida la query SQL

L’agente include sempre la query SQL che utilizza. Verificala per assicurarti che la logica sia in linea con le tue aspettative, soprattutto per analisi complesse con join, filtri o aggregazioni.

​
Formati di output

L’agente Data Analyst fornisce i risultati in diversi formati a seconda del tipo di analisi:

​
Tabelle

Per query e aggregazioni sui dati, i risultati vengono restituiti sotto forma di tabelle formattate: 
| Customer       | Revenue   | Sessions | Avg Duration |
|----------------|-----------|----------|--------------|
| Acme Corp      | $125,400  | 1,247    | 34 min       |
| Globex Inc     | $98,200   | 983      | 28 min       |
| Initech        | $87,600   | 876      | 41 min       |

​
Grafici e visualizzazioni

Quando richiedi un’analisi visiva o quando i dati si prestano meglio a una rappresentazione grafica, l’agente genera grafici usando seaborn. I tipi di grafici più comuni includono:
  • Grafici a linee — andamenti nelle serie temporali, confronti nel tempo
  • Grafici a barre — confronti tra categorie, classifiche
  • Mappe di calore — matrici di correlazione, schemi di attività
  • Grafici a dispersione — analisi delle relazioni tra due metriche
Richiedi un tipo specifico di grafico se hai una preferenza, oppure lascia che l’agente scelga la visualizzazione più appropriata per i tuoi dati.

​
Riepiloghi e approfondimenti

Per i prompt di tipo investigativo, l’agente fornisce una risposta strutturata che include:
  • Riepilogo dell’analisi — una risposta in linguaggio semplice alla tua domanda
  • Query SQL — esattamente la query utilizzata, così puoi verificarne la logica
  • Numeri chiave — le metriche più importanti messe in evidenza
  • Approfondimenti sui dati — pattern, anomalie o risultati rilevanti
  • Link a Metabase — se la tua organizzazione ha Metabase collegato tramite MCP, l’agente può includere un link a una dashboard interattiva per ulteriori analisi

​
Gestione di Knowledge

Il Data Analyst Agent può conservare le conoscenze acquisite tra una sessione e l’altra utilizzando il sistema di Knowledge. Quando scopre:
  • Nuove informazioni di schema o relazioni tra tabelle
  • Logica di business o definizioni di metriche
  • Pattern o avvertenze sulla qualità dei dati
Salverà questi elementi in note di Knowledge, in modo che le sessioni future possano beneficiare di quanto è stato appreso.

Scopri di più su Knowledge

Scopri come funziona il sistema di Knowledge di Devin

​
Differenze rispetto a Devin standard

CapabilityData Analyst AgentDevin standard
SQL query executionEsecuzione query ottimizzataEsecuzione query supportata
Data visualizationsSupporto seaborn integratoConfigurazione manuale
Database schema awarenessConoscenza dello schema precaricataEsplorazione su richiesta
Response styleStile conciso, orientato alle metricheSpiegazioni dettagliate
Code changesNon l’obiettivo principaleSupporto completo
MCP integrationsObbligatorieFacoltative
Il Data Analyst Agent è progettato specificamente per il lavoro sui dati. Per attività che coinvolgono modifiche al codice, deployment o ingegneria del software in generale, usa invece Devin standard.