> ## 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.

# Data Analyst Agent

> Usa il Data Analyst Agent per eseguire query rapide sui database, analisi dei dati e visualizzazioni

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.

<div id="when-to-use-the-data-analyst-agent">
  ## Quando utilizzare il Data Analyst Agent
</div>

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

<div id="accessing-the-data-analyst-agent">
  ## Accesso all'agente Data Analyst
</div>

<div id="from-the-web-app">
  ### Dall'app web
</div>

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

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

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.

<div id="prerequisites">
  ## Prerequisiti
</div>

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.

<Card title="Configura le integrazioni MCP" icon="plug" href="/it/work-with-devin/mcp">
  Scopri come connettere database e altre origini dati tramite MCP
</Card>

<div id="how-it-works">
  ## Come funziona
</div>

<div id="database-knowledge">
  ### Conoscenza del database
</div>

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.

<div id="example-prompts">
  ## Esempi di prompt
</div>

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

<div id="simple-lookups">
  ### Ricerche semplici
</div>

* "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?"

<div id="aggregations-and-metrics">
  ### Aggregazioni e metriche
</div>

* "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"

<div id="joins-and-cross-table-analysis">
  ### Join e analisi tra tabelle
</div>

* "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"

<div id="filtering-and-segmentation">
  ### Filtraggio e segmentazione
</div>

* "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"

<div id="time-series-analysis">
  ### Analisi delle serie temporali
</div>

* "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"

<div id="investigations-and-anomaly-detection">
  ### Indagini e rilevamento di anomalie
</div>

* "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"

<div id="multi-step-analysis">
  ### Analisi in più passaggi
</div>

* "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"

<div id="supported-data-sources">
  ## Origini dati supportate
</div>

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](https://app.devin.ai/settings/connections?tab=mcps) — questo non è un elenco completo.

<div id="sql-databases">
  ### Database SQL
</div>

| Data source                               | MCP name   | Setup                                |
| ----------------------------------------- | ---------- | ------------------------------------ |
| Amazon Redshift                           | Redshift   | Stringa di connessione + credenziali |
| PostgreSQL                                | PostgreSQL | Stringa di connessione               |
| Snowflake                                 | Snowflake  | Account + credenziali                |
| Google BigQuery                           | BigQuery   | OAuth o account di servizio          |
| MySQL                                     | MySQL      | Stringa di connessione               |
| SQL Server                                | SQL Server | Stringa di connessione               |
| Neon                                      | Neon       | OAuth                                |
| Supabase                                  | Supabase   | Token di accesso personale           |
| Cloud SQL (PostgreSQL, MySQL, SQL Server) | Cloud SQL  | OAuth                                |

<div id="analytics-and-observability-platforms">
  ### Piattaforme di analisi e osservabilità
</div>

| Origine dati | Nome MCP | Configurazione                       |
| ------------ | -------- | ------------------------------------ |
| Datadog      | Datadog  | API key + app key                    |
| Metabase     | Metabase | OAuth                                |
| Grafana      | Grafana  | URL + token dell'account di servizio |
| Sentry       | Sentry   | OAuth                                |

<div id="connecting-a-data-source">
  ### Collegare un'origine dati
</div>

1. Vai a [Settings > Connessioni > server MCP](https://app.devin.ai/settings/connections?tab=mcps)
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 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.

<Card title="Configura le integrazioni MCP" icon="plug" href="/it/work-with-devin/mcp">
  Istruzioni di configurazione complete per ogni origine dati
</Card>

<Note>
  Puoi collegare più origini dati contemporaneamente. Il Data Analyst Agent utilizzerà gli strumenti MCP appropriati in base al contesto della tua query.
</Note>

<div id="best-practices">
  ## Buone pratiche
</div>

<div id="be-specific-about-metrics">
  ### Sii specifico riguardo alle metriche
</div>

Invece di fare domande vaghe, definisci esattamente cosa vuoi misurare:

<CodeGroup>
  ```text Good theme={null}
  "Qual è il nostro numero di utenti attivi negli ultimi 7 giorni, definito come utenti che hanno avviato almeno una sessione?"
  ```

  ```text Less effective theme={null}
  "Come stanno andando i nostri utenti?"
  ```
</CodeGroup>

<div id="specify-time-periods">
  ### Specifica i periodi di tempo
</div>

Includi sempre l'intervallo di tempo che ti interessa. L'agente usa UTC come fuso orario predefinito quando interpreta le date relative.

<CodeGroup>
  ```text Buono theme={null}
  "Mostrami il fatturato giornaliero degli ultimi 30 giorni"
  ```

  ```text Meno efficace theme={null}
  "Mostrami il fatturato"
  ```
</CodeGroup>

<div id="request-specific-output-formats">
  ### Richiedi formati di output specifici
</div>

Indica all'agente come vuoi visualizzare i risultati — come tabella, grafico o riepilogo:

<CodeGroup>
  ```text Good theme={null}
  "Crea un grafico lineare delle iscrizioni settimanali dell'ultimo trimestre, con una tabella dei numeri grezzi sotto"
  ```

  ```text Less effective theme={null}
  "Ottieni i numeri delle iscrizioni"
  ```
</CodeGroup>

<div id="define-business-logic-upfront">
  ### Definisci in anticipo la logica di business
</div>

Se le tue metriche hanno definizioni specifiche, esplicitele nel prompt per evitare ambiguità:

<CodeGroup>
  ```text Good theme={null}
  "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"
  ```

  ```text Less effective theme={null}
  "Qual è il nostro tasso di churn?"
  ```
</CodeGroup>

<div id="ask-for-comparisons-and-context">
  ### Richiedi confronti e contesto
</div>

Aggiungere periodi di confronto o benchmark rende i risultati più azionabili:

<CodeGroup>
  ```text Buono theme={null}
  "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%"
  ```

  ```text Meno efficace theme={null}
  "Mostra gli utenti attivi giornalieri"
  ```
</CodeGroup>

<div id="iterate-on-results">
  ### Iterare sui risultati
</div>

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?"*

<div id="validate-the-sql">
  ### Convalida la query SQL
</div>

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.

<div id="output-formats">
  ## Formati di output
</div>

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

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

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       |
```

<div id="charts-and-visualizations">
  ### Grafici e visualizzazioni
</div>

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

<Tip>
  Richiedi un tipo specifico di grafico se hai una preferenza, oppure lascia che l'agente scelga la visualizzazione più appropriata per i tuoi dati.
</Tip>

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

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

<div id="knowledge-management">
  ## Gestione di Knowledge
</div>

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.

<Card title="Scopri di più su Knowledge" icon="brain" href="/it/product-guides/knowledge">
  Scopri come funziona il sistema di Knowledge di Devin
</Card>

<div id="differences-from-standard-devin">
  ## Differenze rispetto a Devin standard
</div>

| Capability                | Data Analyst Agent                     | Devin standard              |
| ------------------------- | -------------------------------------- | --------------------------- |
| SQL query execution       | Esecuzione query ottimizzata           | Esecuzione query supportata |
| Data visualizations       | Supporto seaborn integrato             | Configurazione manuale      |
| Database schema awareness | Conoscenza dello schema precaricata    | Esplorazione su richiesta   |
| Response style            | Stile conciso, orientato alle metriche | Spiegazioni dettagliate     |
| Code changes              | Non l'obiettivo principale             | Supporto completo           |
| MCP integrations          | Obbligatorie                           | Facoltative                 |

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.