Passer au contenu principal
L’Agent Analyste de Données, également appelé DANA (Data ANAlyst), est une version spécialisée de Devin, optimisée pour interroger des bases de données, analyser des données et créer des visualisations. Il est conçu pour être rapide, concis et spécialement adapté aux workflows d’analyse de données.

​
Quand utiliser l’agent Data Analyst

L’agent Data Analyst est idéal lorsque vous avez besoin de :
  • Interroger des bases de données : rédiger et exécuter des requêtes SQL sur vos sources de données connectées
  • Analyser des données : explorer des modèles, calculer des indicateurs et analyser les tendances dans vos données
  • Créer des visualisations : générer des graphiques professionnels avec seaborn
  • Répondre à des questions sur les données : obtenir rapidement des réponses précises aux questions concernant vos données
  • Générer des insights : découvrir des modèles, des anomalies et des informations exploitables

​
Accès à l’agent Data Analyst

​
Depuis l’application web

  1. Accédez à la page d’accueil de Devin
  2. Cliquez sur le menu déroulant de sélection d’agent
  3. Sélectionnez Data Analyst dans le menu déroulant
  4. Commencez votre session avec une question ou une tâche en lien avec les données

​
À partir de Slack

Vous pouvez démarrer une session de Data Analyst directement à partir de Slack en utilisant l’une des méthodes suivantes : En utilisant la commande / : 
/dana Quels étaient nos 10 principaux clients en termes de chiffre d'affaires le mois dernier ?
Utilisation d’une mention avec la macro !dana : 
@Devin !dana Quels ont été nos 10 meilleurs clients en termes de chiffre d'affaires le mois dernier ?
Les deux méthodes créeront une session de Data Analyst et répondront dans le fil de discussion avec les résultats.

​
Prérequis

Avant d’utiliser l’agent Data Analyst, vous devrez connecter au moins une source de données via MCP (Model Context Protocol). Les intégrations courantes incluent :
  • MCP de bases de données : Redshift, PostgreSQL, Snowflake, BigQuery et autres bases de données SQL
  • MCP d’analyse : Datadog, Metabase et autres plateformes d’observabilité
Sans source de données connectée, l’agent vous en informera et vous demandera d’en connecter une avant de continuer.

Configurer les intégrations MCP

Apprenez à connecter des bases de données et d’autres sources de données via MCP

​
Comment ça fonctionne

​
Connaissances sur la base de données

L’agent Data Analyst tient à jour une note Connaissances sur la base de données qui contient la documentation de schéma pour vos bases de données connectées. Ces connaissances sont automatiquement consultées avant l’exécution des requêtes, ce qui permet à l’agent d’identifier rapidement les bonnes tables et colonnes.

​
Exemples de prompts

Voici quelques façons efficaces d’utiliser le Data Analyst Agent pour différents types de requêtes :

​
Requêtes simples

  • « Combien d’utilisateurs actifs avons-nous eu la semaine dernière ? »
  • « Quelle est l’évolution de notre revenu quotidien sur le mois dernier ? »
  • « Quels clients ont le plus fort niveau d’utilisation ? »

​
Agrégations et métriques

  • “Quelle est la durée moyenne de session par niveau d’abonnement sur les 30 derniers jours ?”
  • “Affiche le chiffre d’affaires total, ventilé par région et par ligne de produits pour le T4”
  • “Calcule le temps de réponse au 95e centile pour chaque endpoint d’API cette semaine”

​
Jointures et analyses inter‑tables

  • « Réalise une jointure entre notre table users et la table orders, et affiche les 20 meilleurs clients par valeur sur la durée de vie »
  • « Mets en corrélation la source d’inscription avec la rétention à 30 jours — quels canaux d’acquisition ont les meilleurs taux de rétention ? »
  • « Combine les données de session avec les données de facturation pour trouver les comptes avec une utilisation élevée mais de faibles dépenses »

​
Filtrage et segmentation

  • « Montre-moi uniquement les clients Enterprise qui se sont inscrits après janvier 2025 et qui ont plus de 100 sessions »
  • « Filtre les journaux d’erreurs pour ne garder que les erreurs 5xx du service de paiement au cours des 48 dernières heures »
  • « Décompose la consommation entre clients Enterprise et clients en libre-service, en excluant les comptes d’essai »

​
Analyse de séries temporelles

  • “Trace l’évolution du nombre d’utilisateurs actifs hebdomadaires sur les 6 derniers mois — mets en évidence toutes les semaines avec plus de 10 % de variation”
  • “Montre-moi une comparaison d’un mois sur l’autre des taux d’inscription pour 2025 par rapport à 2024”
  • “Quelle est la tendance quotidienne des appels API sur les 90 derniers jours ? Superpose une moyenne mobile sur 7 jours”

​
Enquêtes et détection d’anomalies

  • « Pourquoi les inscriptions ont-elles chuté mardi dernier ? Vérifie s’il y a eu des incidents ou des déploiements liés »
  • « Y a-t-il des anomalies dans nos taux d’erreur cette semaine ? »
  • « Compare les indicateurs de ce mois-ci à la même période l’année dernière et signale les écarts significatifs »

​
Analyse en plusieurs étapes

  • « Analyser la rétention des utilisateurs par cohorte pour le T4, puis identifier les cohortes ayant la plus forte baisse et suggérer des causes possibles »
  • « Trouver les 10 utilisateurs ayant le plus de sessions, afficher leur activité au fil du temps et signaler ceux qui présentent un risque de désengagement »

​
Sources de données prises en charge

L’agent Data Analyst se connecte à vos données via des intégrations MCP (Model Context Protocol). Vous pouvez connecter plusieurs sources de données et effectuer des requêtes sur l’ensemble de celles-ci. Voici quelques-unes des sources de données les plus courantes disponibles dans le MCP Marketplace — cette liste n’est pas exhaustive.

​
Bases de données SQL

Source de donnéesNom du MCPConfiguration
Amazon RedshiftRedshiftChaîne de connexion + identifiants
PostgreSQLPostgreSQLChaîne de connexion
SnowflakeSnowflakeCompte + identifiants
Google BigQueryBigQueryOAuth ou compte de service
MySQLMySQLChaîne de connexion
SQL ServerSQL ServerChaîne de connexion
NeonNeonOAuth
SupabaseSupabaseJeton d’accès personnel
Cloud SQL (PostgreSQL, MySQL, SQL Server)Cloud SQLOAuth

​
Plateformes d’analyse et d’observabilité

Source de donnéesNom MCPConfiguration
DatadogDatadogAPI key + clé d’application
MetabaseMetabaseOAuth
GrafanaGrafanaURL + jeton de compte de service
SentrySentryOAuth

​
Connexion d’une source de données

  1. Accédez à Settings > MCP Marketplace
  2. Trouvez votre source de données et cliquez sur Enable
  3. Fournissez les informations d’identification requises (chaînes de connexion, API keys ou OAuth)
  4. Démarrez une session Data Analyst — l’agent détectera automatiquement vos sources de données connectées
Vous avez besoin d’une source de données qui ne figure pas dans le Marketplace ? Utilisez Add Your Own pour connecter n’importe quel serveur MCP en fournissant directement sa configuration.

Configurer les intégrations MCP

Instructions de configuration complètes pour chaque source de données
Vous pouvez connecter plusieurs sources de données simultanément. Le Data Analyst Agent utilisera les outils MCP appropriés en fonction du contexte de votre requête.

​
Bonnes pratiques

​
Soyez précis concernant les métriques

Au lieu de poser des questions vagues, définissez exactement ce que vous voulez mesurer : 
"Quel est notre nombre d'utilisateurs actifs sur 7 jours, défini comme les utilisateurs qui ont démarré au moins une session ?"

​
Préciser les périodes de temps

Précisez toujours l’intervalle de temps qui vous intéresse. L’agent utilise par défaut le fuseau horaire UTC lorsqu’il interprète des dates relatives. 
"Show me daily revenue for the past 30 days"

​
Demander des formats de sortie spécifiques

Indiquez à l’agent comment vous voulez voir les résultats — sous forme de tableau, de graphique ou de synthèse : 
"Trace un graphique linéaire des inscriptions hebdomadaires du dernier trimestre, avec un tableau des valeurs brutes en dessous"

​
Définissez la logique métier en amont

Si vos métriques ont des définitions précises, explicitez-les dans votre prompt afin d’éviter toute ambiguïté : 
"Afficher le taux de churn mensuel, en définissant le churn comme les comptes n’ayant eu aucune session au cours des 30 derniers jours mais au moins une session durant les 30 jours précédents"

​
Demander des comparaisons et du contexte

L’ajout de périodes de comparaison ou de repères rend les résultats plus faciles à exploiter : 
"Show this week's daily active users compared to the same week last month, and highlight any days with more than 15% deviation"

​
Itérer sur les résultats

Vous pouvez poser des questions de suivi dans la même session pour approfondir l’analyse :
  1. Commencez par une vue d’ensemble : « Quels sont nos 10 principaux clients par chiffre d’affaires ce trimestre ? »
  2. Approfondissez : « Pour les 3 premiers, montrez-moi l’évolution mensuelle de leur chiffre d’affaires sur l’année écoulée »
  3. Analysez : « Le client X a eu un pic de chiffre d’affaires en mars — qu’est-ce qui l’a provoqué ? »

​
Validez la requête SQL

L’agent inclut toujours la requête SQL qu’il a utilisée. Examinez-la pour vous assurer que la logique correspond bien à vos attentes, en particulier pour les analyses complexes impliquant des jointures, des filtres ou des agrégations.

​
Formats de sortie

Le Data Analyst Agent retourne les résultats dans plusieurs formats selon le type d’analyse :

​
Tables

Pour les recherches et les agrégations de données, les résultats sont retournés sous forme de tableaux formatés : 
| 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       |

​
Graphiques et visualisations

Lorsque vous demandez une analyse visuelle ou que les données sont plus faciles à comprendre sous forme graphique, l’agent génère des graphiques avec seaborn. Les types de graphiques courants incluent :
  • Graphiques en courbes — tendances de séries temporelles, comparaisons dans le temps
  • Graphiques à barres — comparaisons catégorielles, classements
  • Cartes de chaleur — matrices de corrélation, schémas d’activité
  • Diagrammes de dispersion — analyse de la relation entre deux métriques
Demandez un type de graphique spécifique si vous avez une préférence, ou laissez l’agent choisir la visualisation la plus adaptée à vos données.

​
Synthèses et insights

Pour les prompts de type investigation, l’agent fournit une réponse structurée qui inclut :
  • Synthèse de l’analyse — une réponse en langage clair à votre question
  • Requête SQL — la requête exacte utilisée, afin que vous puissiez en vérifier la logique
  • Chiffres clés — les métriques les plus importantes mises en avant
  • Insights sur les données — des tendances, des anomalies ou des éléments marquants
  • Lien Metabase — si votre organisation utilise Metabase via MCP, l’agent peut inclure un lien vers un tableau de bord interactif pour une exploration plus approfondie

​
Gestion de Knowledge

Le Data Analyst Agent peut conserver les informations apprises d’une session à l’autre en utilisant le système Knowledge. Lorsqu’il découvre :
  • De nouvelles informations de schéma ou des relations entre tables
  • De la logique métier ou des définitions de métriques
  • Des schémas récurrents ou des mises en garde concernant la qualité des données
il les enregistre dans des notes Knowledge afin que les sessions futures tirent parti de ce qui a été appris.

En savoir plus sur Knowledge

Découvrez le fonctionnement du système Knowledge de Devin

​
Différences par rapport à Devin standard

CapacitéData Analyst AgentDevin standard
Exécution de requêtes SQLOptimiséePrise en charge
Visualisations de donnéesPrise en charge Seaborn intégréeConfiguration manuelle
Connaissance du schéma de base de donnéesConnaissance préchargéeExploration à la demande
Style de réponseConcis, axé sur les métriquesExplications détaillées
Modifications de codePas l’objectif principalPrise en charge complète
Intégrations MCPRequisesFacultatives
Le Data Analyst Agent est conçu spécifiquement pour le travail sur les données. Pour les tâches impliquant des modifications de code, des déploiements ou de l’ingénierie logicielle générale, utilisez plutôt Devin standard.