Data-warehouses worden vooral gebruikt door technical users die SQL kennen. Met natural-language-to-SQL kunnen managers en analisten zelf vragen stellen. De realiteit van wat productie-klaar is.

Schema-context voor AI

Een LLM die SQL genereert moet het schema kennen: tabellen, kolommen, foreign keys, betekenis. We voeden de model met DDL plus business-glossary. Voor goed-gedocumenteerde data-warehouses werkt dat goed; voor slecht-gedocumenteerde minder.

Multi-step queries

"Wat was de marge per regio in Q1 vergeleken met Q1 vorig jaar" is geen one-shot SQL. AI breekt de vraag op in stappen, genereert multi-CTE-query, valideert. Voor complex BI-vragen sterker dan single-pass-generation.

Validatie en uitvoering

Een gegenereerde query op productie-data zonder review is een risico. Wij voeren in een sandboxed read-replica met query-limits. Lange queries automatisch killed. Kosten per query getrackt.

Tools: Vanna, Snowflake Cortex, BigQuery DataPlex

Vanna voor open-source-aanpak, Snowflake Cortex voor Snowflake-customers, BigQuery DataPlex voor GCP. Per warehouse een eigen native optie, plus generieke open-source alternatieven. Wij kiezen op uw stack.

Hoe wij dit voor u realiseren

Wij richten in dat medewerkers in gewone taal vragen kunnen stellen die automatisch naar SQL worden vertaald en uitgevoerd op uw data, met een controleerbaar resultaat. Zo krijgen mensen antwoorden zonder telkens bij het data-team aan te kloppen.

Aan de slag

We beginnen afgebakend en tonen resultaat voordat we opschalen. We werken met een vast dagtarief of een projectprijs. Neem contact op voor een kort gesprek over uw situatie.

Verwant: Freelance AI consultant, Power BI Copilot.