# Daten und Berichte

Verwandeln Sie Business-Datensätze und Quelldateien in nützliche Antworten, mit einem klaren Weg zurück zu den Beweisen.

Source: https://docs.opser.com/de/capabilities/data/

## Arbeiten mit strukturierten Informationen
Bitten Sie den Agenten, Daten in den Apps zu finden, zu vergleichen, zusammenzufassen oder zu aktualisieren, auf die Sie zugreifen können. Identifizieren Sie die App und nützliche Filter wie Datumsbereich, Eigentümer, Kunde oder Status.

> Im Vertrieb, zusammenfassen bestätigt Bestellungen fällig nächsten Monat nach Kunden und Währung. Mit Bestelllinks und Fahnenbestellungen ohne Liefertermin.

Für Daten außerhalb einer installierten App kann die Datenkapazität der Plattform mit strukturierten Entitäten und Datensätzen arbeiten. Wenn Sie eine wiederverwendbare Benutzeroberfläche um diese Informationen benötigen, betrachten Sie eine [interne App](https://docs.opser.com/de/capabilities/internal-apps/).

## App-Datensätze und benutzerverwaltete Datenbestände

Apps besitzen ihre Tabellen und Geschäftsregeln. Verwenden Sie ihre unterstützten Werkzeuge oder exponierten Operationen für diese Aufzeichnungen. Das Plattformdatentool verwaltet benutzereigene Geschäftsdatensätze separat: Entitäten, Felder, Beziehungen, Datensätze und deren Zugriffseinstellungen.

Der Agent kann einen vorhandenen Datensatz inspizieren, eine Struktur definieren, Datensätze importieren und zur Analyse abfragen. Unterstützte SQL Berichterstattung ist schreibgeschützt und gilt für die zulässigen Geschäftsdaten. Es ist keine uneingeschränkte Abfrageschnittstelle in private App- oder Plattformtabellen.

## Einen Bericht erstellen
Geben Sie Publikum, Datumsbereich, Gruppierung und Ausgabeformat an. Fragen Sie nach Quellenreferenzen oder aufnehmen Sie Links, damit Sie das Ergebnis überprüfen können. Halten Sie Währungen und Einheiten explizit.

1. Bestätigen Sie, welche Datensätze enthalten und ausgeschlossen sind.
2. Überprüfen Sie die Regeln für Gruppierung und Berechnung.
3. Inspizieren Sie eine Stichprobe der zugrunde liegenden Datensätze.
4. Wählen Sie eine nützliche Ausgabe: eine Konversation Zusammenfassung, Tabellenkalkulation, Präsentation oder Dashboard.

Fehlende Daten sollten im Ergebnis sichtbar sein. Bitten Sie den Agenten, Ungewissheit zu markieren, anstatt Lücken mit Annahmen zu füllen.

## Änderungen sorgfältig vornehmen
Sondierungsanalyse von Massenaktualisierungen trennen. Bitten Sie um eine Vorschau, die die betroffenen Datensätze identifiziert, dann überprüfen Sie es, bevor die Änderung genehmigt. Es gelten weiterhin Genehmigungen und werkzeugspezifische Genehmigungsvorschriften.

> Zeigen Sie mir die Kontakte mit fehlenden Firmennamen. Schlagen Sie Spiele mit ihren E-Mail-Domänen, aber warten Sie auf meine Überprüfung vor dem Speichern von Änderungen.

## Wiederholbare Berichterstellung
Verwenden Sie eine [Geschicklichkeit](https://docs.opser.com/de/agents/skills/) ein Berichtformat konsistent zu halten, und [Zeitplan](https://docs.opser.com/de/agents/automations/) es regelmäßig laufen zu lassen. Für eine ständig nützliche Workspace-Ansicht siehe [Dashboards](https://docs.opser.com/de/capabilities/dashboards/).


## Tabellen und Spalten ohne abgeschnittene Ergebnisse finden

Die Agentenaktion `data.describe_schema` liefert das Tabellenverzeichnis in Seiten mit 25 Einträgen (höchstens 50). Grenze Tabellennamen mit `search` ein und folge `next_input`, bis es null ist. Gib `entityId` an, um die genauen Spaltennamen einer Tabelle zu sehen; auch deren Felder werden seitenweise ausgegeben. So vermeidest du Vermutungen wie `sort_order`, wenn die tatsächliche Spalte `position` heißt. Die bestehenden App- und Datenzugriffsprüfungen für Person und Agent bleiben erhalten.

Dashboards Aktion `list_data` bietet denselben Ablauf mit `limit`, `offset`, `search` und `next_input`. Genaue Zeilenzahlen erfordern `include_record_count: true` (`includeRecordCount` beim Datentool); die normale Suche berechnet sie nicht. Dies sind Werkzeugoptionen, keine Änderungen an Einstellungen → Daten.

## Grenzen von SQL-Berichten

`raw_sql` akzeptiert genau eine schreibgeschützte SELECT- oder WITH-Abfrage, einschließlich literaler Beschriftungen, UNION/UNION ALL, DISTINCT, Aggregationen und freigegebener Typumwandlungen. Ergebnisse sind auf 500 Zeilen begrenzt; für die Abfrage gilt ein Zeitlimit von 15 Sekunden. Zulässig sind nur Geschäftstabellen, die Person und anfragender Agent lesen dürfen. Berichte ändern keine App-Datensätze und gewähren keinen Zugriff auf private oder Plattformtabellen.

Textprojektionen unterstützen `strpos`, `position`, `regexp_matches`, `regexp_replace`, `lower`, `substring` und `split_part`. Zur JSON-Auswertung gehören `jsonb_object_keys`, `json_object_keys`, JSON-Extraktion und JSON-Arraylängen. Verwende Funktionen zur Schlüsselerweiterung in SELECT; Funktionsquellen in FROM und schemaqualifizierte Aufrufe bleiben nicht unterstützt. Fehlermeldungen zu nicht unterstützten Funktionen nennen die erlaubten Funktionen. Beliebige Funktionen und unsichere Typumwandlungen bleiben verboten.

Für genaue Personenrecherchen eignen sich parametrisierte Regex-Ausdrücke mit Wortgrenzen besser als breite Teilstringsuchen: etwa `regexp_matches(note, ?, 'i')` mit `params: ["\\mPier\\M"]`. Prüfe zuerst das Schema, wähle nur benötigte Spalten und ein kleines Limit. Ein Teilstring wie `mark` kann auch in `marketing` vorkommen; SQL entscheidet nicht automatisch, ob eine Erwähnung die gesuchte Person bezeichnet.