Cardamon convient aux individus et aux équipes pour vérifier et mettre en œuvre rapidement.

Cardamone

Paramètres et statistiques de base

Cardamon se concentre sur « l'utilisation du langage naturel pour conduire l'analyse des données » et vise à abaisser le seuil de conversion des données brutes en rapports d'analyse. Dans le processus traditionnel d'analyse de données, les utilisateurs doivent maîtriser SQL, Python ou au moins être familiers avec la logique de fonctionnement des outils de BI (tels que Tableau, Power BI) pour compléter le lien entre la requête de données et la visualisation. Cardamon tente d'utiliser l'IA pour remplacer les liens techniques intermédiaires : les utilisateurs décrivent les besoins d'analyse dans un langage courant, le système effectue automatiquement la requête de données, les calculs statistiques et la génération de graphiques, et produit des rapports d'analyse qui peuvent être directement utilisés comme référence pour la prise de décision.

Projet	Spécifications
Nom du produit	Cardamome
Catégorie	agents ai
Formulaire de livraison	Web/SaaS
Plateforme d'assistance	Internet
Langues prises en charge	zh-CN, en-US
Utilisateurs cibles	Analystes de données, opérateurs, gestionnaires
Échelle utilisateur	Non divulgué
Modèle de tarification	Freemium / Abonnement

Indicateurs de capacités de base : les types de sources de données pris en charge incluent MySQL, PostgreSQL, Snowflake, BigQuery, CSV/Excel et Google Sheets. Les types de graphiques incluent des graphiques linéaires, des graphiques à colonnes, des diagrammes circulaires, des graphiques à nuages ​​de points, des cartes thermiques, des graphiques Sankey, etc. Plus de 20 types. Les formats d'exportation de rapports sont les liens en ligne PDF, PPT et HTML. Un seul tableau peut contenir jusqu'à 2 millions de lignes (version standard). Concept du produit : accent mis sur la « dialoguabilité de l'analyse » : les utilisateurs n'ont pas besoin de décrire tous leurs besoins en même temps, mais d'affiner progressivement l'orientation de l'analyse à travers plusieurs cycles de dialogue. Par exemple, demandez d'abord « la tendance des ventes du mois dernier », puis ajoutez « la diviser par ligne de produits ». L’IA peut comprendre le contexte de la conversation et continuer à approfondir les résultats d’analyse existants. Ce modèle d'interaction est plus proche du mode de collaboration entre analystes humains, transformant l'analyse des données de « vous devez être capable d'écrire du SQL » pour les utilisateurs amateurs à « vous pouvez vérifier si vous pouvez parler le langage humain ».

Reconnaissance des utilisateurs et du marché

Cardamon n'a pas encore divulgué de données vérifiables telles que les numéros d'utilisateurs ou les cas de coopération d'entreprise. De par sa forme de produit, il s'adresse aux utilisateurs individuels et aux petites et moyennes entreprises qui ont des exigences élevées en matière d'efficacité. Un jugement objectif doit être basé sur la page officielle en temps réel et sur les avis vérifiables des utilisateurs.

L'analyse des données en langage naturel (NL2SQL + NL2Visualization) est l'une des directions populaires des applications d'IA ces dernières années. Taille du marché : selon le rapport MarketsAndMarkets 2026, le marché de la BI AI-Native a un taux de croissance annuel composé de 28 % et devrait dépasser les 5 milliards de dollars américains d'ici 2028. Il existe déjà plusieurs produits concurrents sur le marché qui abordent sous différents angles - Ask Data de Tableau (requête NL intégrée, mais avec des fonctionnalités limitées), ThoughtSpot (axé sur l'analyse basée sur la recherche, le positionnement au niveau de l'entreprise) et diverses startups AI-Native BI. La principale différence de Cardamon réside dans la combinaison de « l'analyse conversationnelle » et de la « génération automatisée de rapports », qui non seulement répond aux questions immédiates des utilisateurs, mais organise également le processus d'analyse en documents de rapport structurés. Différences entre les produits concurrents : par rapport à ThoughtSpot (adapté au déploiement à grande échelle au niveau de l'entreprise, mais à un prix plus élevé), le modèle d'abonnement individuel/d'équipe de Cardamon est plus adapté aux petites et moyennes équipes ; par rapport à Tableau Ask Data (uniquement dans l'écosystème Tableau), Cardamon prend en charge davantage de types de sources de données. Lors de l'évaluation, il est conseillé aux utilisateurs de se concentrer sur la prise en charge des requêtes complexes (associations multi-tables, calculs d'agrégation, séries temporelles, fonctions de fenêtre) et sur la flexibilité du format de génération de rapports. Divulgation des risques : la précision de NL2SQL est le principal goulot d'étranglement du produit : pour les requêtes commerciales complexes, la précision est généralement comprise entre 75 et 90 %, et un mécanisme de confirmation des requêtes doit être établi pour éviter des résultats d'analyse trompeurs dus à des erreurs SQL.

Avantage de coût

Cardamon est fourni sous forme de service en ligne et le site officiel ouvre une entrée d'essai gratuite.

Dimension du coût	Descriptif
Version gratuite	Nombre de sources de données de base (1-2) + nombre limité de requêtes
Version personnelle	Plusieurs sources de données + graphiques avancés + exportation de rapports
Édition d'équipe	Espace de collaboration + sources de données partagées + rapports planifiés
Édition Entreprise	Déploiement privé + autorisations au niveau des lignes + modèles personnalisés

Dans le modèle traditionnel, les besoins d'analyse des données d'un service commercial doivent généralement attendre l'assistance de l'équipe de données, et le cycle moyen entre la demande et la réponse est de 2 à 5 jours. Cardamon permet au personnel de l'entreprise de répondre lui-même aux besoins d'analyse les plus courants (environ 70 à 80 %), réduisant ainsi directement le coût de la collaboration en matière d'analyse des données au sein de l'organisation. Comparaison quantitative : les petites et moyennes entreprises peuvent utiliser Cardamon pour obtenir des capacités régulières d'analyse des données sans un analyste de données à temps plein, et les frais mensuels sont bien inférieurs au salaire annuel d'un analyste de données junior (environ 100 000 à 200 000). Les entreprises clientes paient sur la base d'un abonnement afin que le coût soit lié à l'utilisation, évitant ainsi l'investissement initial (généralement plus de 100 000) et les frais de maintenance liés à la création d'une plateforme BI auto-construite. Chaîne causale : La version gratuite vérifie l'exactitude de NL2SQL → Utilisation approfondie de la version personnelle → La version équipe partage des sources de données et des modèles de rapports → La version entreprise répond à la conformité des données et à la gestion des autorisations. Divulgation des risques : le goulot d'étranglement de NL2SQL dans l'exactitude des requêtes complexes peut conduire à un manque de confiance parmi le personnel de l'entreprise, qui en fin de compte s'appuie toujours sur l'équipe chargée des données. Il est recommandé d'effectuer des tests d'exactitude sur les types de requêtes courants avant la promotion réelle et d'établir un mécanisme de confirmation manuelle des résultats des requêtes.

Fonctions principales

• Requête et analyse en langage naturel - Les utilisateurs saisissent des questions d'analyse dans le langage courant, l'IA analyse automatiquement l'intention et la mappe au modèle de données, génère des requêtes SQL ou Python et les affiche dans des graphiques ou des tableaux après l'exécution. Prend en charge le questionnement (approfondir la base précédente), la comparaison (analyse comparative multidimensionnelle) et l'exploration (explorer du résumé aux détails). Tâches applicables : un processus d'analyse typique peut compléter l'exploration des données du macro au micro en 3 à 5 cycles de conversations. Pour les requêtes ambiguës (telles que « les ventes de cette année » font référence à l'année naturelle ou à l'exercice fiscal), le système demandera de manière proactive une confirmation au lieu de deviner afin de réduire les erreurs.
• Génération automatisée de rapports - Organisez automatiquement le processus d'analyse dans un document de rapport structuré, comprenant un aperçu de l'analyse, des indicateurs clés (cartes KPI), un affichage de graphiques et des conclusions préliminaires. Les rapports peuvent être exportés au format PDF, PPT ou générer des liens pour le partage en ligne. La structure narrative du rapport est automatiquement organisée par l'IA - résumant d'abord les conclusions, puis affichant les données à l'appui et enfin donnant des recommandations, ce qui est conforme aux habitudes de lecture des rapports d'analyse professionnels. Valeur d'usage : Une analyse ne se termine plus par "voir le graphique", mais par "l'obtention d'un rapport livrable", réduisant ainsi le travail supplémentaire entre l'analyse et le reporting.
• Intelligent Insight Recommendation - Le système analyse automatiquement les caractéristiques des données après l'accès aux données, identifie les fluctuations anormales (telles qu'une baisse soudaine de 30 % du trafic un certain jour), les changements de tendance (tendances continues à la croissance/à la baisse) et les caractéristiques de distribution (distribution longue traîne, règle 80/20) et propose de manière proactive des points d'information qui peuvent mériter l'attention des utilisateurs. Capacités avancées : prend en charge la définition de tâches de reporting périodiques. Le système exécute automatiquement des analyses et génère des rapports en fonction du temps défini, et les envoie aux destinataires désignés via des plates-formes de courrier électronique ou de collaboration, réalisant ainsi la transformation de « personnes recherchant des données » en « données recherchant des personnes ».

Evolution du modèle et de la version

Version	Dates	Changements clés
v1.0 (dernière version)	Récent	Génération de rapports + Recommandation Insight + Push planifié
v0.9	Stade précoce	Visualisation des résultats + accès à plusieurs sources de données
v0.x	Début	Conversion du langage naturel vers SQL

La logique de développement du produit suit le chemin « peut vérifier → peut voir → peut dire ». La version actuelle (v1.0) est au stade « peut parler » – une boucle fermée des données aux rapports livrables. Les orientations futures de la planification comprennent : l'interprétation proactive des alarmes d'événements anormaux, l'analyse directe des tests d'hypothèses via le langage naturel et la génération automatique de rapports périodiques basés sur des calendriers de données. Inférence technique : le moteur NL2SQL principal de Cardamon peut être basé sur le modèle de la série CodeGen ou sur un modèle de génération SQL spécialement affiné. La capacité à traiter des requêtes complexes (JOIN multi-tables, sous-requête, fonction fenêtre) est un indicateur clé pour distinguer la maturité du produit. Divulgation des risques : le plafond de précision de la technologie NL2SQL est d'environ 85 à 90 % (la meilleure précision du modèle sur des ensembles de données de référence tels que Spider est d'environ 87 %), ce qui signifie qu'environ 10 à 15 % des requêtes peuvent contenir des erreurs - en particulier lorsque le modèle de données métier n'est pas familier (comme des noms de table ambigus, des noms de champs non standard), le taux d'erreur peut être plus élevé.

Avantages techniques

• Route technologique de base - mappage précis du langage naturel aux requêtes : le moteur NLP principal traduit avec précision les descriptions commerciales complexes en instructions de requête de base de données et prend en charge les modes d'analyse courants tels que les associations multi-tables (JOIN), les fonctions d'agrégation (SUM/AVG/COUNT), les fenêtres temporelles (année sur année/mois sur mois/MTD/YTD) et le filtrage conditionnel (WHERE/HAVING). Maintenance du contexte d'analyse interactif : le contexte d'analyse est maintenu au cours de plusieurs cycles de dialogue. Les questions suivantes font automatiquement référence aux résultats de la requête précédente et à la portée de l'analyse, sans qu'il soit nécessaire de décrire à plusieurs reprises les conditions de base - par exemple, « Regarder les ventes par région » → « Ajouter une marge bénéficiaire » → « Regarder la Chine orientale uniquement », réduisant progressivement la portée en trois étapes.
• Capacité d'ingénierie : le moteur d'orchestration de rapports automatisé organise plusieurs étapes d'analyse et graphiques dans une structure narrative logiquement cohérente : présentation d'abord, puis détails, premier noyau, puis comparaison. Mise en cache intelligente : met automatiquement en cache les résultats des requêtes répétées afin de réduire la charge de la base de données ; des estimations de coûts sont effectuées avant d'exécuter des requêtes complexes, et les utilisateurs sont invités à confirmer lorsque le seuil est dépassé. Sécurité des données : prend en charge le contrôle des autorisations au niveau de l'ensemble de données et les filtres de sécurité au niveau des lignes (restreint automatiquement la plage visible des données en fonction des attributs utilisateur).
• Sécurité et conformité : le système d'autorisation au niveau de la ligne garantit que les utilisateurs ne peuvent interroger que les données relevant de leur étendue d'autorisation. Il convient aux scénarios d'entreprise dans lesquels plusieurs départements partagent la même plateforme d'analyse. La solution de déploiement privatisée peut déployer le moteur de données et d'analyse dans le propre environnement du client pour répondre aux exigences de conformité des secteurs financier, médical et autres. Divulgation des risques : dans le modèle SaaS multi-tenant, il est nécessaire de confirmer si la solution d'isolation des données (isolation logique vs isolation physique) répond aux exigences de sécurité des données de l'entreprise.

Comment utiliser

Entrée	Comment utiliser
Côté Web	Visitez le site officiel avec un navigateur → S'inscrire → Ajouter une source de données → Poser des questions en langage naturel → Le système analyse et visualise automatiquement → Enregistrer/Exporter le rapport
API	Soumettez des requêtes analytiques via l'API REST et obtenez des résultats structurés

Processus d'utilisation typique : Connectez-vous à Cardamon → Ajoutez une source de données (connexion à la base de données ou fichier de téléchargement) → Le système analyse automatiquement la structure des données et la signification du champ → Saisissez une question d'analyse dans la fenêtre de dialogue (telle que « Tendance des coûts d'acquisition client de chaque canal au cours des trois derniers mois ») → L'IA génère des requêtes et des graphiques → Si vous avez besoin d'un questionnement approfondi (« Divisez-le par ville ») → Enregistrez les résultats de l'analyse dans un rapport → Exportez ou partagez. Bonne pratique : Il est recommandé de nettoyer et de normaliser le nom des champs dans la source de données avant la première utilisation. Des noms de champ clairs (tels que « order_amount » au lieu de « fld_001 ») peuvent améliorer considérablement la précision de la compréhension par l'IA des intentions de requête. Pour les besoins d’analyse complexes, construisez progressivement à travers des questions étape par étape au lieu de décrire toutes les conditions à la fois. Dans les scénarios d'équipe, il est recommandé d'établir un dictionnaire de données partagé et de saisir des termes commerciaux (tels que « utilisateurs actifs » définis comme « utilisateurs ayant des enregistrements de connexion au cours des 30 derniers jours ») dans le système pour aider l'IA à comprendre le contexte commercial.

Prix des produits

Forfait	Prix ​​	Contenu
Version gratuite	0 $	Nombre de sources de données de base (1-2) + nombre limité de requêtes
Version personnelle	—	Plusieurs sources de données + graphiques avancés + exportation de rapports
Édition d'équipe	—	Espace de collaboration + sources de données partagées + rapports planifiés
Édition Entreprise	—	Déploiement privé + autorisations au niveau des lignes + modèles personnalisés

Prix. Suggestions de prise de décision : les nouveaux utilisateurs commencent par les besoins d'analyse quotidiens les plus fréquents et utilisent le plan gratuit pour vérifier les performances du produit sur des données commerciales réelles. Il est recommandé de saisir un par un 20 à 30 problèmes d'analyse typiques rencontrés au cours du mois dernier dans Cardamon pour vérifier l'exactitude de la compréhension par l'IA des requêtes spécifiques à l'entreprise et les performances de traitement de l'ampleur des données (temps de réponse, taux de réussite des requêtes). Assurez-vous que le taux de précision NL2SQL atteint la norme avant de choisir un forfait payant.

Scénarios d'application

• Scénario 1 : Analyse des données opérationnelles - L'équipe opérationnelle interroge les indicateurs de base quotidiens/hebdomadaires via le langage naturel : tendance DAU/MAU, rétention le lendemain/7e/30e jour, inscription → activation → taux de conversion de paiement. Lien d'entrée : connexion à la source de données → question d'analyse d'entrée → L'IA exécute la requête → graphique de retour → interprétation manuelle. Comparaison d'efficacité : il faut en moyenne 10 à 30 secondes entre la pose d'une question et l'obtention d'un graphique, ce qui est bien inférieur aux 3 à 5 minutes de fonctionnement manuel des outils de BI. Méthode de vérification : sélectionnez 10 scénarios d'analyse au cours de la semaine dernière, utilisez-les respectivement avec Cardamon et les outils de BI traditionnels, et comparez la consommation de temps et la précision des résultats.
• Scénario 2 : Attribution de l'effet marketing - Après avoir accédé aux données marketing multicanaux, analysez le retour sur investissement, le coût d'acquisition client (CAC) et le chemin de conversion de chaque canal. Question typique : "Comparez le ROAS de chaque chaîne le mois dernier pour voir quelles sont les trois chaînes les plus performantes." Divulgation des risques : l'analyse d'attribution implique une association multi-tables et une vérification de la cohérence des données : si les calibres de données du CRM et de la plateforme publicitaire sont incohérents (par exemple, des fenêtres d'attribution différentes), l'IA peut ne pas être en mesure d'identifier automatiquement ces différences, et la cohérence entre les sources de données doit être confirmée manuellement avant l'analyse.
• Scénario 3 : Automatisation des rapports de gestion - Convertissez l'analyse des données qui doit être régulièrement rapportée des opérations manuelles aux processus automatisés. Après avoir établi des tâches planifiées, les managers reçoivent chaque lundi matin le rapport de fonctionnement de la semaine dernière généré par le système, comprenant l'évolution des indicateurs clés, les anomalies et les conclusions préliminaires de l'analyse. Méthode de vérification : après 2 à 4 semaines d'exécution du rapport automatisé, vérifiez manuellement l'exactitude des données clés du rapport (vérifiez au hasard 5 à 8 points de données) et élargissez progressivement la portée de la confiance après confirmation. Chaîne causale : Accès à la source de données → Analyse automatique par l'IA → Déclencheur de recommandation Insight → Confirmation manuelle de la valeur → Configurer des rapports programmés → Réduire progressivement les examens manuels → Former des habitudes de prise de décision basées sur les données.

Personnes concernées

• Utilisateurs individuels : les opérations commerciales et les analystes réduisent le coût d'apprentissage des outils SQL/BI grâce à l'interaction en langage naturel. Les managers intermédiaires peuvent obtenir eux-mêmes les résultats de l’analyse sans avoir recours aux équipes de données. Les analystes commerciaux indépendants peuvent améliorer l'efficacité de l'analyse de « heures » à « minutes ».
• Équipe PME : en l'absence d'une équipe de données dédiée, utilisez Cardamon pour obtenir rapidement des informations clés sur les données commerciales afin d'aider à la prise de décision commerciale. Les frais mensuels sont bien inférieurs au salaire d’un analyste de données junior.
• Grandes entreprises : les employés des départements non techniques (marketing, ventes, ressources humaines) répondent eux-mêmes à leurs besoins quotidiens en données grâce à l'analyse conversationnelle, réduisant ainsi les coûts de communication entre les départements. Les autorisations au niveau des lignes et l'audit de sécurité de la version entreprise répondent aux exigences de déploiement à grande échelle.
• Limite inadéquate : modélisation statistique complexe (analyse de régression, analyse de cluster), inférence causale stricte des tests A/B, scénarios d'analyse qui doivent être conformes aux normes d'audit des données - Les résultats de l'analyse de l'IA doivent être utilisés comme référence plutôt que comme seule base de prise de décision. L'IA est la plus efficace dans l'exploration des données et la génération régulière de rapports, mais des outils professionnels (R, SPSS) sont toujours nécessaires pour les tests d'hypothèses et la modélisation complexe.

Comparaison des produits concurrents

Comparaison des dimensions	Cardamome	Tableau Demander des données	Spot de Pensée	BI traditionnelle (manuelle)
Différences fondamentales	Analyse conversationnelle + Rapports automatisés	Requêtes NL Tableau Embedded	Analyse basée sur la recherche	Flexible mais inefficace
Prix ​​	—	Inclus avec la licence Tableau	À partir de 1 500$+/mois	Basé sur le coût de la main d'œuvre
Scénarios couverts	Analyse NL multi-sources de données	Sources de données Tableau uniquement	BI au niveau de l'entreprise	Scénarios complets
Avis des utilisateurs	En attente de vérification	G2 4.4/5	G2 4.3/5	N/A
Seuil technique	Faible (conversationnel)	Moyen (nécessite les bases de Tableau)	Moyen (nécessite une modélisation des données)	Élevé (nécessite des compétences SQL/BI)

Résumé et Outlook

Elle propose des solutions compétitives dans son domaine et sa valeur fondamentale réside dans l’abaissement du seuil d’utilisation de l’IA dans ce domaine.

Limites actuelles : Certaines fonctionnalités avancées nécessitent un abonnement payant et la version gratuite comporte des restrictions de fonction ou d'utilisation ; les détails techniques spécifiques et les critères de performance n’ont pas encore été entièrement divulgués.

Outils associés : crewai, langchain

Informations de version

• Version bêta publique ：Il s'agit actuellement d'une version accessible au public et des fonctions spécifiques seront mises à jour à un rythme spécifique. （2026-07-14）
• version antérieure ：Il s'agit d'une première version d'essai, dont l'orientation principale est cohérente avec la version actuelle. （2026-07-14）