Agente SQL con IA + Consultor Automático Power BI (DAX)

Agente conversacional avanzado que permite consultar y analizar datos de un e-commerce real utilizando lenguaje natural en español, abstrayendo por completo la complejidad técnica.

El sistema ejecuta un flujo dual en menos de 1 segundo: genera y ejecuta la query SQL automáticamente sobre una base de datos de más de 100.000 registros, limpia los datos, renderiza visualizaciones interactivas y, en paralelo, deduce y escribe las fórmulas DAX nativas y la maquetación visual necesarias para replicar el informe de manera inmediata en Power BI.

---

🖥️ Demo

---

⚙️ ¿Cómo funciona el flujo unificado?

Usuario escribe consulta analítica en español
                    ↓
       LLM (LLaMA 3.3 70B via Groq API)
                    ↓
     ┌──────────────┴──────────────┐
     ▼                             ▼
[Pipeline SQL & Python]   [Pipeline Business Intelligence]
Genera query SQL          Abstrae la lógica de negocio
       ↓                             ↓
SQLite ejecuta            Traduce a medidas DAX exactas
en >100k filas                       ↓
       ↓                  Recomienda visual nativa Power BI
Pandas limpia                        ↓
tipos y nulos             Expone bloque listo para copiar
       ↓                             ↓
     └──────────────┬──────────────┘
                    ↓
     Dashboard unificado en Streamlit
     + CSV listo para Power BI

---

🛠️ Tecnologías y Arquitectura

Herramienta	Capa	Uso
Python	Core	Lenguaje base del ecosistema analítico
Groq API + LLaMA 3.3 70B	Inteligencia	Generador de queries SQL y motor de traducción a DAX
SQLite	Almacenamiento	Base de datos relacional local con datos indexados
Pandas	Procesamiento	Pipeline automático de data cleaning (tipos, nulos)
Plotly	Visualización	Gráficos interactivos dinámicos embebidos en el chat
Streamlit	Frontend	Interfaz web conversacional e interactiva
python-dotenv	Seguridad	Gestión de variables de entorno y credenciales API

---

📊 Dataset

Brazilian E-Commerce Public Dataset by Olist

Tabla	Registros	Descripción
orders	99.441	Estado de pedidos y timestamps
order_items	112.650	Precios, fletes y relaciones logísticas
order_payments	103.886	Métodos de pago y montos financieros
order_reviews	99.224	Puntuaciones y comentarios de clientes
customers	99.441	Ubicación geográfica de consumidores
products	32.951	Dimensiones, pesos y categorías
sellers	3.095	Datos operativos de vendedores
geolocation	1.000.163	Prefijos postales y coordenadas lat/long
category_names	71	Diccionario Portugués - Inglés

---

⚡ Benchmark de Velocidad

Tiempos de procesamiento empíricos sobre el dataset de Olist (+100k registros):

Consulta	LLM	SQL	Total
Top 5 productos más vendidos	0.35s	0.26s	0.61s
Estado con mayor densidad de clientes	0.15s	0.07s	0.22s
Ratio pedidos entregados vs cancelados	0.22s	0.02s	0.24s
Top 5 estados con más volumen	0.23s	0.77s	1.00s
Ticket medio por pedido	0.30s	0.09s	0.39s

---

🚀 Instalación

1. Clona el repositorio

git clone https://github.com/David-Simon-Soler/Agente-SQL-Analisis-IA.git
cd Agente-SQL-Analisis-IA

2. Instala las dependencias

pip install -r requirements.txt

3. Configura tus credenciales

Crea un archivo .env en la raíz del proyecto:

GROQ_API_KEY=tu_api_key_aqui

Consigue tu API key gratuita en console.groq.com

4. Descarga el dataset

Descarga los CSVs desde Kaggle y colócalos en Data/raw/

5. Carga la base de datos

python src/load_data.py

6. Ejecuta la app

streamlit run app.py

En Windows puedes hacer doble clic en iniciar.bat para lanzarla directamente.

---

💬 Ejemplos de consultas

• ¿Cuáles son las 5 categorías más vendidas?
• ¿Cuál es el estado con más clientes?
• ¿Cuántos pedidos fueron entregados vs cancelados?
• ¿Cuál es el ticket medio de los pedidos?
• ¿Qué métodos de pago se usan más?
• ¿Cuál es la puntuación media de las reseñas?
• ¿Cuáles son los 5 vendedores con más ventas?

---

📁 Estructura del Proyecto

Agente-SQL-Analisis-IA/
├── Data/
│   └── raw/                  # CSVs originales de Kaggle
├── assets/                   # Capturas de pantalla y demos
├── outputs/                  # CSVs limpios generados por el usuario
├── src/
│   ├── load_data.py          # ETL: carga CSVs a SQLite
│   ├── agente.py             # Agente conversacional CLI
│   ├── limpieza.py           # Pipeline de normalización con Pandas
│   ├── visualizar.py         # Generación de gráficos con Plotly
│   ├── consultor_bi.py       # Módulo IA: traducción a DAX nativo Power BI
│   └── benchmark.py          # Evaluador de latencia LLM vs SQL
├── app.py                    # Dashboard principal en Streamlit
├── iniciar.bat               # Lanzador con doble clic (Windows)
├── .env                      # Credenciales privadas (excluido del repo)
├── .gitignore
├── requirements.txt
└── README.md

---

👨‍💻 Autor

David José Simón Soler — Junior Data Analyst · Graduado en Sociología