Observabilité en temps réel et détection d'anomalies

Il explore les sources de données connectées à votre espace de travail, bases de données, entrepôts et outils SaaS synchronisés compris, et peut les croiser dans une même analyse. Il passe par vos modèles et vos skills, donc il utilise vos définitions de métriques au lieu de les deviner. Sur Basedash cloud, il peut aussi chercher sur le web un contexte extérieur, comme un jour férié derrière une baisse. Les admins l'orientent avec le contexte IA dans Paramètres → Insights : vos objectifs, vos priorités et les métriques à suivre.

Il n'y a pas de modèle statistique figé par métrique. À chaque exécution, l'agent explore vos données comme le ferait un analyste, compare les périodes récentes aux précédentes et cherche un changement qui mérite un post : un pic, une chute, une rupture de tendance ou un jalon. Quand il en trouve un, il creuse les segments ou les événements qui l'expliquent et rédige ce qui a changé et pourquoi, avec un graphique. Il valide le SQL avant de tracer et vérifie que la période décrite correspond aux données dont il dispose réellement.

Les admins choisissent la fréquence dans Paramètres → Insights : chaque jour, chaque jour ouvré, chaque semaine le jour de votre choix ou chaque mois le jour de votre choix. Chaque exécution planifiée produit un post, donc la fréquence détermine combien vous en recevez. Vous pouvez aussi générer un insight à la main à tout moment, utile juste après avoir modifié le contexte IA. Choisissez Jamais pour arrêter les exécutions planifiées et ne générer des insights qu'à la demande.

Chaque insight arrive dans le flux Insights de Basedash, où vous pouvez ouvrir son graphique et poursuivre l'exploration. Dans Paramètres → Insights → Notifications, vous pouvez aussi l'envoyer à des destinataires par e-mail et dans un canal Slack, où le graphique est publié en image. Pour un canal Slack privé, invitez d'abord l'app avec /invite @Basedash. Si vous intégrez Basedash dans votre propre produit, le composant BasedashInsights du SDK React y affiche le même flux.

Les insights sont conçus pour rester discrets : chaque exécution écrit un seul post, et l'agent lit d'abord les insights récents pour ne pas répéter ce que vous avez déjà vu. Si les posts manquent encore leur cible, resserrez le contexte IA sur les objectifs et métriques qui comptent, ou passez d'un rythme quotidien à hebdomadaire. Pour une alerte sur une condition précise, comme un paiement échoué au-delà d'un montant donné, utilisez une automatisation avec un déclencheur sur changement de données. Elle ne s'exécute que lorsque votre requête SQL renvoie de nouvelles lignes.

Oui. L'agent s'exécute comme un membre de votre espace de travail, avec les accès aux sources et les permissions de ce membre : il ne peut rien interroger que ce membre ne puisse pas voir. Les schémas, tables ou colonnes masqués à l'IA restent hors de son contexte, et il utilise les mêmes modèles gouvernés que le reste de Basedash. Sur Enterprise, ses accès aux données apparaissent dans les journaux d'audit comme n'importe quelle requête. Les données clients ne servent jamais à entraîner des modèles d'IA.

Insights est inclus dans les offres Startup et Enterprise, avec les automatisations : aucun module supplémentaire à acheter. Le travail de l'agent compte dans l'usage IA de votre offre, comme toute autre analyse. Vous pouvez démarrer un essai gratuit, connecter une source, rédiger votre contexte IA et générer votre premier insight à la main avant de décider.