AI-analytics-platform
Plataforma de análisis de IA auto-hospedada para PostgreSQL que convierte preguntas en lenguaje natural en consultas SQL ejecutables, con visualización de gráficos y análisis R en el navegador.
Ficha actualizada 23 sept 2026, 6:02 · upstream 23 sept 2026, 3:41 · release sin release detectada
Qué es AI-analytics-platform
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Esta plataforma permite a los usuarios interactuar con sus datos almacenados en una base de datos PostgreSQL mediante un sistema de chat basado en inteligencia artificial. A diferencia de las herramientas tradicionales que requieren acceso directo al código o consultas SQL complejas, aquí se puede formular preguntas en lenguaje natural como "¿Cuánto ha sido el total de ventas este mes?" y la plataforma genera automáticamente la consulta correspondiente para ejecutarla contra los datos almacenados.
La arquitectura está construida sobre Next.js 16 con React 19 y TypeScript, utilizando Prisma 7 para la gestión de esquemas y conexión a PostgreSQL. Un componente clave es WebR, que permite realizar análisis estadísticos en el navegador sin necesidad de instalar un entorno R local, simplemente inyectando los resultados como una tabla de datos (df) y ejecutando comandos dplyr o ggplot2 directamente.
El sistema soporta múltiples tipos de visualización: tablas, KPIs, líneas, barras, gráficos circulares, dispersión, histogramas, cajas y baches, matrices de correlación y más. Además, permite la edición de consultas SQL en un editor Monaco integrado, con historial de consultas guardado y capacidad de ejecutar consultas anteriores.
Para el análisis de datos, se pueden seleccionar explícitamente tablas mediante el uso del símbolo @ (por ejemplo, "@ventas" o "@clientes") para restringir el contexto al que aplica la IA. Sin embargo, por defecto, la plataforma escanea automáticamente las primeras seis tablas disponibles en la base de datos.
La seguridad se enfoca en limitaciones críticas: solo se permiten consultas SELECT simples con un límite de 5,000 filas, se ejecutan dentro de transacciones de lectura y se utiliza AES-256 para encriptar las credenciales de conexión. Esto previene que los usuarios puedan realizar consultas SQL complejas o acceder a datos sensibles.
El despliegue es sencillo: basta con ejecutar un comando npm run dev desde la raíz del proyecto, lo cual inicia el servidor Next.js en localhost:3000 y abre automáticamente una pestaña del navegador para visualizar la interfaz. Se recomienda usar Build.cmd para construir el proyecto antes de iniciarlo.
En resu
- Analizar tendencias temporales de ventas o KPIs sin necesidad de escribir consultas SQL complejas
- Realizar exploración de datos (data exploration) mediante preguntas naturales, ideal para usuarios no técnicos
- Generar visualizaciones interactivas en el navegador sin instalar R ni Python localmente
- Comparar métricas entre tablas específicas usando el selector @ para definir contexto explícito
- Repetir consultas SQL anteriores o consultar historial de análisis mediante la funcionalidad de historial
- Obtener resumen ejecutivo de datos con un solo clic, ideal para reportes rápidos y decisiones operativas
- WebR permite realizar análisis estadísticos completos (ggplot2, dplyr) directamente en el navegador sin necesidad de instalar R localmente
- Soporte nativo de múltiples tipos de visualización con un solo panel: tablas, KPIs, gráficos de series temporales, dispersión, barras, círculos, histogramas y matrices de correlación
- Edición de consultas SQL en tiempo real mediante el editor Monaco integrado, con historial guardado y ejecución inmediata
- Seguridad robusta con AES-256 para encriptar las credenciales de conexión a PostgreSQL y límite de 5,000 filas por consulta
- Capacidad de escaneo automático de tablas (hasta 6) sin necesidad de especificar explícitamente cada una mediante el símbolo @
- Soporte completo para Windows con un solo comando npm run dev que inicia servidor y navegador automáticamente
- La IA no puede acceder a datos sensibles o confidenciales almacenados en la base de datos, por lo que se recomienda usar tablas públicas o de lectura
- El límite de 5,000 filas por consulta puede ser un cuello de botella para consultas muy extensas con muchas columnas
- La capacidad de escaneo automático está limitada a las primeras seis tablas disponibles en la base de datos
- No se soporta conexión a bases de datos externas (MySQL, Oracle, SQL Server) ni a servicios cloud como AWS RDS o Azure SQL
- El análisis R requiere que el usuario tenga conocimientos básicos de programación y esté dispuesto a ejecutar código manualmente
- La IA no puede realizar consultas complejas con JOINs múltiples, subconsultas o condiciones lógicas avanzadas
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar la plataforma en producción se recomienda usar Docker Compose. Se crea un archivo docker-compose.yml que define el contenedor Next.js como servicio principal y PostgreSQL como base de datos. En la configuración del entorno (docker-compose.yml), se debe establecer una variable de entorno para la clave de encriptación AES-256, ya que esta es requerida por Prisma para proteger las credenciales de conexión. Se recomienda configurar un dominio HTTPS con certificado SSL para el despliegue en producción y utilizar un servidor reverse proxy como Nginx o Apache para gestionar el tráfico. Además, se debe implementar un sistema de monitoreo (como Prometheus + Grafana) para rastrear la latencia del servicio y los errores de la IA. En caso de que la base de datos PostgreSQL sea crítica, se recomienda configurar una política de lectura solo con permisos mínimos y activar autenticación e
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.