> ## Documentation Index
> Fetch the complete documentation index at: https://docs.devinenterprise.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Agente analista de datos

> Utilice el agente analista de datos para consultas rápidas a bases de datos, análisis de datos y visualizaciones

El **agente analista de datos**, también conocido como **DANA** (Data ANAlyst), es una versión especializada de Devin, optimizada para hacer consultas a bases de datos, analizar datos y crear visualizaciones. Está diseñado para ser rápido, conciso y estar orientado específicamente a flujos de trabajo de analítica de datos.

<div id="when-to-use-the-data-analyst-agent">
  ## Cuándo usar el Data Analyst Agent
</div>

El Data Analyst Agent es ideal cuando necesitas:

* **Consultar bases de datos**: Escribir y ejecutar consultas SQL sobre tus fuentes de datos conectadas
* **Analizar datos**: Explorar patrones, calcular métricas e investigar tendencias en tus datos
* **Crear visualizaciones**: Generar gráficos y diagramas profesionales con seaborn
* **Responder preguntas sobre datos**: Obtener respuestas rápidas y precisas a preguntas sobre tus datos
* **Generar conclusiones**: Descubrir patrones, anomalías y hallazgos accionables

<div id="accessing-the-data-analyst-agent">
  ## Acceso al agente Data Analyst
</div>

<div id="from-the-web-app">
  ### Desde la aplicación web
</div>

1. Ve a la página principal de Devin
2. Haz clic en el desplegable del selector de agentes
3. Selecciona **Data Analyst** en el menú desplegable
4. Comienza tu sesión con una pregunta o tarea relacionada con datos

<div id="from-slack">
  ### Desde Slack
</div>

Puedes iniciar una sesión de Data Analyst directamente desde Slack utilizando cualquiera de estos métodos:

**Mediante el comando slash:**

```
/dana ¿Cuáles fueron nuestros 10 principales clientes por ingresos el mes pasado?
```

**Uso de una mención con la macro `!dana`:**

```
@Devin !dana ¿Cuáles fueron nuestros 10 principales clientes por ingresos el mes pasado?
```

Ambos métodos crearán una sesión de Data Analyst y responderán en el hilo con los resultados.

<div id="prerequisites">
  ## Requisitos previos
</div>

Antes de usar el Data Analyst Agent, debes conectar al menos una fuente de datos mediante MCP (Model Context Protocol). Algunas integraciones comunes incluyen:

* **MCP de bases de datos**: Redshift, PostgreSQL, Snowflake, BigQuery y otras bases de datos SQL
* **MCP de analítica**: Datadog, Metabase y otras plataformas de observabilidad

Si no hay ninguna fuente de datos conectada, el agente te avisará y te pedirá que conectes una antes de continuar.

<Card title="Configurar integraciones MCP" icon="plug" href="/es/work-with-devin/mcp">
  Obtén información sobre cómo conectar bases de datos y otras fuentes de datos mediante MCP
</Card>

<div id="how-it-works">
  ## Cómo funciona
</div>

<div id="database-knowledge">
  ### Database Knowledge
</div>

El Data Analyst Agent mantiene una nota de **Database Knowledge** que contiene documentación de los esquemas de tus bases de datos conectadas. Esta Knowledge se consulta automáticamente antes de ejecutar consultas, lo que permite al agente identificar rápidamente las tablas y columnas correctas.

<div id="example-prompts">
  ## Ejemplos de prompts
</div>

Aquí tienes algunas formas efectivas de usar el Data Analyst Agent en diferentes tipos de consultas:

<div id="simple-lookups">
  ### Consultas simples
</div>

* "¿Cuántos usuarios activos tuvimos la semana pasada?"
* "¿Cuál es la tendencia de los ingresos diarios en el último mes?"
* "¿Qué clientes tienen el mayor nivel de uso?"

<div id="aggregations-and-metrics">
  ### Agregaciones y métricas
</div>

* "¿Cuál es la duración media de sesión por nivel de plan en los últimos 30 días?"
* "Muéstrame los ingresos totales agrupados por región y línea de producto para el cuarto trimestre"
* "Calcula el tiempo de respuesta en el percentil 95 para cada endpoint de la API esta semana"

<div id="joins-and-cross-table-analysis">
  ### Joins y análisis entre tablas
</div>

* "Haz un join entre nuestra tabla users y la tabla orders y muestra a los 20 clientes principales por valor de ciclo de vida"
* "Correlaciona el origen de signup con la retención a 30 días: ¿qué canales de adquisición tienen las mejores tasas de retención?"
* "Combina los datos de sesión con los registros de facturación para encontrar cuentas con alto uso pero bajo gasto"

<div id="filtering-and-segmentation">
  ### Filtrado y segmentación
</div>

* "Muéstrame solo los clientes Enterprise que se registraron después de enero de 2025 y tienen más de 100 sesiones"
* "Filtra los registros de errores para mostrar solo errores 5xx del servicio de pagos en las últimas 48 horas"
* "Desglosa el consumo entre clientes Enterprise y de autoservicio, excluyendo las cuentas de prueba"

<div id="time-series-analysis">
  ### Análisis de series temporales
</div>

* "Grafica los usuarios activos semanales de los últimos 6 meses y resalta cualquier semana con un cambio superior al 10 %"
* "Muéstrame una comparación mes a mes de las tasas de registro de 2025 frente a 2024"
* "¿Cuál es la tendencia diaria de las llamadas a la API durante los últimos 90 días? Superpón una media móvil de 7 días"

<div id="investigations-and-anomaly-detection">
  ### Investigaciones y detección de anomalías
</div>

* "¿Por qué cayeron los registros el martes pasado? Comprueba si hubo algún incidente o despliegue relacionado"
* "¿Hay alguna anomalía en nuestras tasas de error esta semana?"
* "Compara las métricas de este mes con el mismo período del año pasado e identifica las desviaciones significativas"

<div id="multi-step-analysis">
  ### Análisis de múltiples pasos
</div>

* "Analiza la retención de usuarios por cohorte para el 4.º trimestre, luego identifica qué cohortes tienen la caída más pronunciada y sugiere posibles causas"
* "Encuentra los 10 usuarios principales por número de sesiones, muestra su actividad a lo largo del tiempo y marca a cualquiera que parezca estar en riesgo de baja"

<div id="supported-data-sources">
  ## Fuentes de datos compatibles
</div>

El Data Analyst Agent se conecta a tus datos a través de integraciones de MCP (Model Context Protocol). Puedes conectar varias fuentes de datos y ejecutar consultas a través de todas ellas. A continuación, se muestran algunas de las fuentes de datos más comunes disponibles en el [MCP Marketplace](https://app.devin.ai/settings/connections?tab=mcps); esta no es una lista exhaustiva.

<div id="sql-databases">
  ### Bases de datos SQL
</div>

| Fuente de datos                           | Nombre MCP | Configuración                     |
| ----------------------------------------- | ---------- | --------------------------------- |
| Amazon Redshift                           | Redshift   | Cadena de conexión + credenciales |
| PostgreSQL                                | PostgreSQL | Cadena de conexión                |
| Snowflake                                 | Snowflake  | Cuenta + credenciales             |
| Google BigQuery                           | BigQuery   | OAuth o cuenta de servicio        |
| MySQL                                     | MySQL      | Cadena de conexión                |
| SQL Server                                | SQL Server | Cadena de conexión                |
| Neon                                      | Neon       | OAuth                             |
| Supabase                                  | Supabase   | Token de acceso personal          |
| Cloud SQL (PostgreSQL, MySQL, SQL Server) | Cloud SQL  | OAuth                             |

<div id="analytics-and-observability-platforms">
  ### Plataformas de análisis y observabilidad
</div>

| Fuente de datos | Nombre MCP | Configuración                     |
| --------------- | ---------- | --------------------------------- |
| Datadog         | Datadog    | API key + app key                 |
| Metabase        | Metabase   | OAuth                             |
| Grafana         | Grafana    | URL + token de cuenta de servicio |
| Sentry          | Sentry     | OAuth                             |

<div id="connecting-a-data-source">
  ### Conectar una fuente de datos
</div>

1. Ve a [Settings > Connections > servidores MCP](https://app.devin.ai/settings/connections?tab=mcps)
2. Busca tu fuente de datos y haz clic en **Enable**
3. Proporciona las credenciales necesarias (cadenas de conexión, API keys u OAuth)
4. Inicia una sesión de Data Analyst: el agente detectará automáticamente las fuentes de datos que tengas conectadas

¿Necesitas una fuente de datos que no está en el Marketplace? Usa **Add Your Own** para conectar cualquier servidor MCP proporcionando su configuración directamente.

<Card title="Configura las integraciones de MCP" icon="plug" href="/es/work-with-devin/mcp">
  Instrucciones completas de configuración para cada fuente de datos
</Card>

<Note>
  Puedes conectar múltiples fuentes de datos simultáneamente. El Data Analyst Agent usará las herramientas MCP adecuadas en función del contexto de tu consulta.
</Note>

<div id="best-practices">
  ## Mejores prácticas
</div>

<div id="be-specific-about-metrics">
  ### Sé específico con las métricas
</div>

En lugar de hacer preguntas vagas, define exactamente qué quieres medir:

<CodeGroup>
  ```text Good theme={null}
  "¿Cuál es nuestro número de usuarios activos en 7 días, definido como usuarios que iniciaron al menos una sesión?"
  ```

  ```text Less effective theme={null}
  "¿Cómo les está yendo a nuestros usuarios?"
  ```
</CodeGroup>

<div id="specify-time-periods">
  ### Especifica períodos de tiempo
</div>

Indica siempre el intervalo de tiempo que te interesa. El agente usa UTC de forma predeterminada al interpretar fechas relativas.

<CodeGroup>
  ```text Good theme={null}
  "Show me daily revenue for the past 30 days"
  ```

  ```text Less effective theme={null}
  "Show me revenue"
  ```
</CodeGroup>

<div id="request-specific-output-formats">
  ### Solicita formatos de salida específicos
</div>

Indica al agente cómo quieres ver los resultados — como una tabla, un gráfico o un resumen:

<CodeGroup>
  ```text Bueno theme={null}
  "Crea un gráfico de líneas con los registros semanales del último trimestre, con una tabla con los datos en bruto debajo"
  ```

  ```text Menos eficaz theme={null}
  "Obtén las cifras de registros"
  ```
</CodeGroup>

<div id="define-business-logic-upfront">
  ### Define la lógica de negocio de antemano
</div>

Si tus métricas tienen definiciones específicas, inclúyelas en tu prompt para evitar ambigüedades:

<CodeGroup>
  ```text Good theme={null}
  "Muestra la tasa mensual de churn (abandono), donde 'churn' se define como las cuentas con cero sesiones en los últimos 30 días que tuvieron al menos una sesión en los 30 días anteriores"
  ```

  ```text Less effective theme={null}
  "¿Cuál es nuestra tasa de churn?"
  ```
</CodeGroup>

<div id="ask-for-comparisons-and-context">
  ### Pide comparaciones y contexto
</div>

Incluir períodos de comparación o puntos de referencia hace que los resultados sean más útiles y accionables:

<CodeGroup>
  ```text Good theme={null}
  "Muestra los usuarios activos diarios de esta semana comparados con la misma semana del mes pasado y resalta cualquier día con más de un 15 % de desviación"
  ```

  ```text Less effective theme={null}
  "Muestra los usuarios activos diarios"
  ```
</CodeGroup>

<div id="iterate-on-results">
  ### Iterar sobre los resultados
</div>

Puedes hacer preguntas de seguimiento en la misma sesión para profundizar:

1. Empieza de forma general: *"¿Cuáles son nuestros 10 principales clientes por ingresos este trimestre?"*
2. Profundiza: *"Para los 3 principales, muéstrame la evolución de sus ingresos mensuales en el último año"*
3. Investiga: *"El cliente X tuvo un pico de ingresos en marzo — ¿qué lo provocó?"*

<div id="validate-the-sql">
  ### Valida la consulta SQL
</div>

El agente siempre incluye la consulta SQL que utilizó. Revísala para asegurarte de que la lógica se ajuste a lo que esperas, especialmente en análisis complejos con joins, filtros o agregaciones.

<div id="output-formats">
  ## Formatos de salida
</div>

El agente Data Analyst devuelve los resultados en varios formatos, según el tipo de análisis:

<div id="tables">
  ### Tablas
</div>

Para búsquedas y agregaciones de datos, los resultados se devuelven como tablas formateadas:

```
| 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       |
```

<div id="charts-and-visualizations">
  ### Gráficos y visualizaciones
</div>

Cuando solicites análisis visual o cuando los datos se entiendan mejor de forma gráfica, el agente genera gráficos usando seaborn. Algunos tipos de gráficos comunes incluyen:

* **Gráficos de líneas** — tendencias de series temporales, comparaciones a lo largo del tiempo
* **Gráficos de barras** — comparaciones categóricas, clasificaciones
* **Mapas de calor** — matrices de correlación, patrones de actividad
* **Diagramas de dispersión** — análisis de la relación entre dos métricas

<Tip>
  Solicita un tipo específico de gráfico si tienes alguna preferencia, o deja que el agente elija la visualización más adecuada para tus datos.
</Tip>

<div id="summaries-and-insights">
  ### Resúmenes e insights
</div>

Para prompts de tipo investigación, el agente proporciona una respuesta estructurada que incluye:

* **Resumen del análisis** — una respuesta en lenguaje sencillo a tu pregunta
* **Consulta SQL** — la consulta exacta utilizada, para que puedas verificar la lógica
* **Números clave** — las métricas más importantes destacadas
* **Insights de datos** — patrones, anomalías o hallazgos notables
* **Enlace de Metabase** — si tu organización tiene Metabase conectado a través de MCP, el agente puede incluir un enlace a un panel de control interactivo para una exploración más profunda

<div id="knowledge-management">
  ## Gestión de Knowledge
</div>

El agente Data Analyst puede mantener conocimientos entre sesiones utilizando el sistema de Knowledge. Cuando descubre:

* Nueva información de esquemas o de relaciones entre tablas
* Lógica de negocio o definiciones de métricas
* Patrones de calidad de datos o limitaciones

Guardará esta información en notas de Knowledge para que las sesiones futuras se beneficien de lo que se aprendió.

<Card title="Más información sobre Knowledge" icon="brain" href="/es/product-guides/knowledge">
  Conoce cómo funciona el sistema de Knowledge de Devin
</Card>

<div id="differences-from-standard-devin">
  ## Diferencias con la versión estándar de Devin
</div>

| Capacidad                                    | Data Analyst Agent             | Standard Devin           |
| -------------------------------------------- | ------------------------------ | ------------------------ |
| Ejecución de consultas SQL                   | Optimizada                     | Admitida                 |
| Visualizaciones de datos                     | Soporte integrado para seaborn | Configuración manual     |
| Conocimiento del esquema de la base de datos | Conocimiento precargado        | Exploración bajo demanda |
| Estilo de respuesta                          | Conciso, centrado en métricas  | Explicaciones detalladas |
| Cambios de código                            | No es el enfoque principal     | Soporte completo         |
| Integraciones MCP                            | Obligatorias                   | Opcionales               |

El Agente de análisis de datos está diseñado específicamente para el trabajo con datos. Para tareas que impliquen cambios de código, despliegues o ingeniería de software en general, utiliza en su lugar la versión estándar de Devin.