Malloy Analytics — CULTIVA IA

// ============================================================ // CULTIVA IA — Modelo Semántico de Datos // Conexión: DuckDB local con archivos Parquet del CRM (Huly) // ============================================================ // --- Conexión DuckDB --- connection: db is duckdb [ parquet_path: "./data/" ] // ============================================================ // FUENTE 1: clientes // ============================================================ source: clientes is db.table('clientes.parquet') extend { dimension: mes_alta is fecha_alta.month anio_alta is fecha_alta.year es_enterprise is plan = 'enterprise' tier_label is pick 'Starter' when plan = 'starter' 'Growth' when plan = 'growth' 'Enterprise' measure: cliente_count is count() nuevos_mes is count() { where: mes_alta = now.month } view: por_plan is { group_by: tier_label aggregate: cliente_count order_by: cliente_count desc } } // ============================================================ // FUENTE 2: proyectos — ingresos por servicio y cliente // ============================================================ source: proyectos is db.table('proyectos.parquet') extend { join_one: clientes on cliente_id = clientes.id dimension: mes_inicio is fecha_inicio.month anio_inicio is fecha_inicio.year duracion_dias is days(fecha_inicio to fecha_cierre) servicio_cat is pick 'Marketing IA' when servicio = 'marketing' 'Web & Diseño' when servicio = 'web' 'Automatización' when servicio = 'automatizacion' 'Contenido IA' when servicio = 'contenido' 'Datos & Analytics' when servicio = 'datos' 'Agentes IA' measure: proyecto_count is count() ingreso_total is sum(importe_eur) ingreso_medio is avg(importe_eur) proyectos_activos is count() { where: estado = 'activo' } tasa_cierre is count() { where: estado = 'cerrado' } / proyecto_count view: revenue_por_servicio is { group_by: servicio_cat aggregate: ingreso_total, proyecto_count, ingreso_medio order_by: ingreso_total desc } view: top_clientes is { group_by: clientes.nombre, clientes.sector, clientes.plan aggregate: ingreso_total, proyecto_count order_by: ingreso_total desc limit: 10 } view: evolucion_mensual is { group_by: mes_inicio aggregate: ingreso_total, proyecto_count, proyectos_activos order_by: mes_inicio } } // ============================================================ // FUENTE 3: horas — eficiencia y carga por consultor // ============================================================ source: horas is db.table('horas.parquet') extend { join_one: proyectos on proyecto_id = proyectos.id dimension: semana is fecha.week mes is fecha.month tipo_tarea is pick 'Estrategia' when tarea = 'estrategia' 'Ejecucion' when tarea = 'ejecucion' 'Revision' when tarea = 'revision' 'Reporting' measure: horas_total is sum(horas) horas_promedio is avg(horas) ingreso_hora is proyectos.ingreso_total / horas_total view: eficiencia_consultores is { group_by: consultor aggregate: horas_total, ingreso_hora order_by: ingreso_hora desc } view: carga_semanal is { group_by: consultor, semana aggregate: horas_total order_by: semana } }