حمزة احساين
تواصل

Insight Generator

محلل بالذكاء الاصطناعي لجداول بيانات الفرق المالية

تطبيق الويب Insight Generator يحول ملفات Excel و CSV التي تقضي الفرق المالية يومها فيها إلى بيانات نظيفة وجداول محورية على طريقة Excel ورسوم بيانية وتحليل مكتوب. يرفع المحللون مصنفًا، فينظفونه ويعيدون تشكيله، ويبنون جداول محورية، ويطرحون أسئلتهم على مساعد باللغة الطبيعية. وكل رقم في الإجابة مصدره استعلام نُفِّذ فعلًا على بياناتهم.

السياق
بنك Natixis، مجموعة BPCE. باريس، 2026
الدور
عالِم بيانات في الذكاء الاصطناعي التوليدي
المستخدمون
الفرق المالية وفرق إعداد التقارير
الواجهة
الفرنسية والإنجليزية
التقنيات
Python 3.13، FastAPI، pandas، DuckDB، ChromaDB، SQLAlchemy، vanilla JavaScript

تشرح هذه الصفحة طريقة عمل Insight Generator. لا تتضمّن أي بيانات عملاء ولا أسماء أنظمة داخلية ولا أرقامًا تجارية، والمثال التطبيقي مبني على بيانات اصطناعية.

لماذا بُني

ما زال الإقفال الشهري في الفرق المالية يعتمد على جداول البيانات. تصل الملفات من أنظمة مختلفة بتنسيقات أرقام فرنسية وإنجليزية، وفترات مكتوبة بخمس طرق مختلفة، وأخطاء Excel، وصفوف مجاميع مختلطة بالبيانات. ينظفها المحللون يدويًّا، ويعيدون بناء الجداول المحورية نفسها كل شهر، ثم يعيدون كتابة التعليق في Word أو PowerPoint أو في رسالة بريد إلكتروني.

روبوت محادثة عام لا يحل هذه المشكلة، لأنه لا يؤتمن على الأرقام. أما Insight Generator فيسند إلى النموذج اللغوي مهمة التخطيط والشرح، ويترك كل عملية حسابية لمحرك قاعدة بيانات.

برجا Tours Duo الزجاجيان المائلان في باريس، ويحمل الأطول منهما لافتة Groupe BPCE، فوق خطوط السكك الحديدية.
برجا Tours Duo في الدائرة 13 بباريس، مقر Natixis ومجموعة BPCE.

كيف يعمل

يُقرأ كل ملف وتُوحَّد قيمه ويُفحص وتُحفظ إصداراته قبل أي تحليل. تتبّع ملفًا واحدًا من البداية إلى النهاية.

مصنف واحد، من الرفع إلى جدول نظيف
المصنف ‎.xlsx, .xls, .csv… فحص المحتوى لا الامتداد رسالة واضحة محمي بكلمة مرور قراءة الورقة تخطي مقدمات التقارير توحيد القيم مبالغ، فترات، رموز تقرير الجودة أخطاء، مجاميع، تكرارات الإصدار 1 لكل تعديل إصدار المصنف ‎.xlsx, .xls, .csv… فحص المحتوى لا الامتداد رسالة واضحة محمي بكلمة مرور قراءة الورقة تخطي مقدمات التقارير توحيد القيم مبالغ، فترات، رموز تقرير الجودة أخطاء، مجاميع، تكرارات الإصدار 1 لكل تعديل إصدار
  • إدخال أو إخراج
  • شيفرة
  • مخزن بيانات
  • فحص أو بوابة
  1. المصنف ملف مستخرج عند الإقفال الشهري، محفوظ بامتداد ‎.xls لكنه في الحقيقة جدول HTML.
  2. فحص المحتوى البايتات هي التي تحدد القارئ: ملف Excel حقيقي، أو جدول HTML، أو SpreadsheetML 2003، أو CSV، أو JSON.
  3. قراءة الورقة يختار الورقة، ويتخطى مقدمة التقرير التي تسبق صف العناوين، وينبه إلى الأوراق المخفية وأوراق المخططات.
  4. توحيد القيم «‎1 234,56 €‎» تصبح 1234.56، و«T1 2025» تصبح ‎2025-Q1، ورمز الحساب «0100» يبقى نصًّا.
  5. تقرير الجودة ينبه إلى ‎#N/A و ‎#REF!‎، وإلى العملات المختلطة والصفوف التي تبدو مجاميع، ويقارن صف Total الموجود في الملف نفسه بالمجموع المعاد حسابه.
  6. الإصدار 1 يُحفَظ بوصفه الإصدار 1. وكل تصفية أو إعادة تسمية أو عمود محسوب بعد ذلك إصدار جديد يمكن التراجع عنه وتدقيقه.

المساعد يحسب ولا يخمّن

المساعد وكيل ذكاء اصطناعي يعمل على جميع جداول الجلسة. لا يجيب من الذاكرة، بل يكتب استعلامات SQL وينفذها على DuckDB، ويبني جداول محورية ويرسم مخططات، منها المخططات الشلالية (مخططات الجسر)، ثم يشرح ما تظهره النتائج.

دوال ماكرو SQL خاصة بالمالية (fiscal_year و fiscal_quarter و fiscal_period، مع بداية سنة مالية قابلة للضبط) تجعل المقارنات منذ بداية السنة ومع السنة السابقة سطرًا واحدًا من SQL. وتتكيف الأسئلة المقترحة مع البيانات: الميزانية مقابل الفعلي، والفوارق، والمخططات الشلالية.

سؤال واحد، من المحلل إلى الإجابة
المحلل يطرح سؤالًا قاعدة معرفية قوالب وأمثلة الوكيل يخطط ثم يشرح الأدوات جداول محورية، رسوم، SQL الإجابة أرقام، مخطط، تصدير جداول بإصدارات في DuckDB، هذه الجلسة المحلل يطرح سؤالًا قاعدة معرفية قوالب وأمثلة الوكيل يخطط ثم يشرح الأدوات جداول محورية، رسوم، SQL الإجابة أرقام، مخطط، تصدير جداول بإصدارات في DuckDB، هذه الجلسة
  • إدخال أو إخراج
  • استدعاء LLM
  • شيفرة
  • مخزن بيانات
  1. المحلل «كيف كانت إيرادات الربع الأول من 2025 مقارنة بالميزانية، بحسب المنطقة؟»
  2. الوكيل يقرر أن الأرقام يجب أن تأتي من استعلام لا من الذاكرة، ويكتب استعلام SQL مستعينًا بدالتي الماكرو fiscal_year()‎ و fiscal_quarter()‎.
  3. الأدوات تنفذ الأداة run_sql الاستعلام على جداول الجلسة في DuckDB: أربعة صفوف، الفعلي مقابل الميزانية، بحسب المنطقة.
  4. الوكيل يقرأ النتيجة ويطلب مخططًا شلاليًّا.
  5. الأدوات ترسم الأداة waterfall_chart الميزانية وفوارق المناطق الأربع والفعلي، من الصفوف نفسها.
  6. الوكيل يكتب التعليق اعتمادًا على الأرقام التي تسلمها، ولا شيء غيرها.
  7. الإجابة 13.34 مليون يورو مقابل ميزانية قدرها 13.75 مليون يورو، أي بنقص 411 ألف يورو (3.0%)؛ والجنوب والغرب يفسران معظم الفجوة. وبنقرة واحدة يمكن تصدير الإجابة إلى Excel أو Word أو PowerPoint.

السؤال نفسه كما يظهر في سجلّ الوكيل، مع استعلام SQL الذي كتبه والمخطط الذي رسمه:

  1. السؤال

    كيف كانت إيرادات الربع الأول من 2025 مقارنة بالميزانية، بحسب المنطقة؟

  2. استدعاء أداة run_sql

    SELECT region,
       SUM(revenue)               AS actual,
       SUM(budget)                AS budget,
       SUM(revenue) - SUM(budget) AS variance
FROM   sales
WHERE  fiscal_year(order_date) = 2025
  AND  fiscal_quarter(order_date) = 1
GROUP  BY region
ORDER  BY variance;

  3. النتيجة، بآلاف اليورو

    region actual budget variance
    الجنوب 3,128 3,396 −268
    الغرب 2,890 3,011 −121
    الشرق 3,102 3,180 −78
    الشمال 4,216 4,160 +56
    المجموع 13,336 13,747 −411

  4. استدعاء أداة waterfall_chart

    إيرادات الربع الأول من عام 2025، من الميزانية إلى الفعلي حسب المنطقة (بيانات اصطناعية) مخطط شلالي من ميزانية قدرها 13,747 إلى قيمة فعلية قدرها 13,336 ألف يورو: الجنوب −268، الغرب −121، الشرق −78، الشمال +56. 13,747 الميزانية −268 الجنوب −121 الغرب −78 الشرق +56 الشمال 13,336 الفعلي بآلاف اليورو، يبدأ المحور من 13,200

    اختر عمودًا لقراءة سطره.

    إيرادات الربع الأول من عام 2025، من الميزانية إلى الفعلي حسب المنطقة (بيانات اصطناعية) مخطط شلالي من ميزانية قدرها 13,747 إلى قيمة فعلية قدرها 13,336 ألف يورو: الجنوب −268، الغرب −121، الشرق −78، الشمال +56. 13,747 الميزانية −268 الجنوب −121 الغرب −78 الشرق +56 الشمال 13,336 الفعلي بآلاف اليورو، يبدأ المحور من 13,200

    اختر عمودًا لقراءة سطره.

  5. الإجابة

    بلغت إيرادات الربع الأول من 2025 ما قيمته 13.34 مليون يورو مقابل ميزانية قدرها 13.75 مليون يورو، أي بنقص 411 ألف يورو (3.0%). يفسر الجنوب (بنقص 268 ألف يورو) والغرب (بنقص 121 ألف يورو) معظم الفجوة؛ أما الشرق فأقل من الميزانية بمبلغ 78 ألف يورو، في حين تجاوزها الشمال بمبلغ 56 ألف يورو.

تشغيل توضيحي على بيانات اصطناعية: سؤال واحد، واستدعاءان للأدوات، ومخطط واحد، وإجابة كل أرقامها من نتيجة الاستعلام.

سياق مستمدّ من الوثائق

يستطيع المستخدمون إضافة وثائق إلى قاعدة معرفية خاصة: ملفات Word و PowerPoint و PDF (مع الحفاظ على تخطيط الصفحات)، وجداول بيانات، وصفحات HTML، ورسائل بريد إلكتروني (‎.eml و ‎.msg الخاصة بـ Outlook). تُفهرَس في ChromaDB، ويسترجعها المساعد وتبويب التحليل، وهذا هو التوليد المعزَّز بالاسترجاع (RAG). كل وثيقة ملك لصاحبها. ويمكن أيضًا تصنيف الوثيقة ضمن أحد ثلاثة أنواع:

قالب
قواعد وعناصر نائبة لتقرير. اطلب «fais le rapport selon le modèle» (أي: اكتب التقرير وفق القالب) فيلتزم به المساعد. تأخذ ملفات Word و PowerPoint المصدرة مظهر القالب، أما قوالب تقارير Excel فتُعبَّأ خلية خلية.
مثال
رسالة بريد إلكتروني سابقة، أو ملف PDF أو Word سبق تسليمه، ليحاكيه المساعد. تُحجَب الأرقام الواردة في الأمثلة قبل أن يقرأها الوكيل، وأي رقم قديم يتسرب إلى إجابة يُنبَّه إليه.
مرجع
جدول مرجعي مثل دليل الحسابات أو أسعار الصرف، يستطيع الوكيل ربطه بالبيانات عبر JOIN في SQL.

خيارات هندسية

  • المحتوى يحدد قارئ الملف

    يفحص التطبيق محتوى الملف ولا يثق بامتداده، فتفتح الملفات المستخرجة من الأنظمة الحقيقية بدل أن يفشل تحميلها.

  • الأرقام مصدرها الاستعلامات

    النموذج يخطط ويشرح، والحساب على DuckDB و pandas. ويمكن دائمًا رد أي رقم في الإجابة إلى استعلام.

  • مجاميع فرعية دقيقة

    يعاد حساب المجاميع الفرعية من الصفوف الخام، ولا تُجمَع أبدًا من الصفوف التابعة لها، فتبقى المقاييس غير الجمعية صحيحة.

  • كل تعديل إصدار

    التراجع وسجلات التدقيق وإعادة التطبيق عند الإقفال الشهري، كلها تعتمد على سجل الإصدارات نفسه.

  • غير مرتبط بنموذج بعينه

    يعمل على منصّة الذكاء الاصطناعي التوليدي الداخلية للبنك أو على أي نقطة وصول متوافقة مع OpenAI، ومنها النماذج المحلية. ويمكن أيضًا إيقاف ميزات LLM كليًّا.

  • آمن افتراضيًّا

    تسجيل دخول موحد (OpenID Connect)، وأدوار للمستخدمين، وسجلات تدقيق، وإدارة للأوامر (prompts)، ووثائق خاصة بصاحبها. وترفض اختصارات التطوير في بيئة الإنتاج.

  • اختبارات بمستوى منتج حقيقي

    مجموعات اختبارات pytest للوحدات والتكامل والانحدار تعمل على بدائل وهمية لـ SDK الخاص بنموذج LLM ولتخزين الوثائق، مع قاعدة بيانات مؤقتة لكل اختبار. وتغطي اختبارات Node الترجمات والمخططات وتخطيط الجدول المحوري، ويرفق بالتطبيق مصنف نموذجي مع أسئلة اختبار وإجاباتها المتوقعة.

التقنيات

الواجهة الخلفية
Python 3.13، FastAPI، pandas، DuckDB، SQLAlchemy (SQLite)
الذكاء الاصطناعي
وكيل LLM مع استدعاء الأدوات، RAG على ChromaDB، تضمينات Hugging Face محلية اختيارية
الواجهة الأمامية
صفحات HTML و CSS ووحدات ES (vanilla) تقدمها الواجهة الخلفية، بلا مرحلة بناء، PivotTable.js
التصدير
XLSX، CSV، DOCX، PDF، PPTX، EML
الجودة
pytest، node:test، أسئلة مرجعية بإجابات متوقعة

أعمال GenAI أخرى في BPCE & Natixis

  • Steering ALM Metrics

    منصّة تؤتمت متابعة السيولة (LCR) وإعداد تقاريرها على مستوى مجموعة BPCE، بُنيت ونُشرت مع فرق الخزينة وإدارة الأصول والخصوم (ALM) وتقنية المعلومات لتحليل بيانات الميزانية العمومية الضخمة وتفسير كل تغيّر فيها. يجيب فيها وكيل ذكاء اصطناعي يعتمد على نموذج LLM عن أسئلة المحللين بلغة بسيطة، ويغوص في تفاصيل البيانات.

  • AAR (المراجعة التحليلية المحاسبية)

    تطبيق يبسط المراجعات المحاسبية الفصلية للحسابات النظامية والموحدة، ويغطي نحو 200 كيان تابع لـ Natixis. يكتب مسودات لتحليل التغيرات المهمة في الحسابات ولأقسام من تقرير لجنة التدقيق، يحررها المراجعون ثم يعتمدونها. تستخدمه فرق الرقابة الدائمة والتوحيد المحاسبي (Consolidation) لتقليل الجهد اليدوي وإرساء إجراء موحد تستند إليه قرارات الإدارة وعمليات التدقيق.

  • روبوت محادثة لسياسة السفر والضيافة (APAC)

    روبوت محادثة يعمل بالذكاء الاصطناعي التوليدي (LLM و RAG) لسياسة السفر والضيافة (T&E) في منطقة APAC. يؤتمت الإجابة عن أسئلة الموظفين استنادًا إلى التعليمات الرسمية مع روابط إلى المصادر. يضيف المشرفون الوثائق ويضعون قواعد مخصّصة ويراجعون ملاحظات المستخدمين من لوحة تحكم مخصّصة.

اطّلع على خبرتي كاملة

هل تبني شيئًا مشابهًا؟

يسعدني الحديث عن الوكلاء العاملين على جداول البيانات، و RAG للوثائق المالية، أو كيف نُبقي نموذج LLM أمينًا في التعامل مع الأرقام.

راسلني العودة إلى السيرة