logo
  • Entornos
  • Empresa
  • Precios
BusinessMay 29, 2026

Convierte datos de ventas Excel en informe con Kimi

EigentEigent
Kimi K2.5 — Análisis de rendimiento de ventas en Excel + informe HTML
Automate Everything with
AI Workforce on Desktop
Download Eigent

De datos brutos de Excel a un informe de analítica listo para el comité directivo

Las revisiones de rendimiento de ventas siempre empiezan igual: descargar los datos, abrir Excel, escribir fórmulas, dar formato a una tabla, copiarla en un informe y añadir algunas conclusiones. Lleva horas. Este flujo de trabajo — Eigent impulsado por Kimi K2.5 — hace todo eso desde un único prompt y un archivo adjunto de hoja de cálculo, y produce un informe de analítica HTML completo con un resumen ejecutivo, una tabla comparativa y recomendaciones estratégicas.

1Configura Kimi K2.5 como tu modelo

Kimi K2.5 (de Moonshot AI) es un modelo de alta capacidad muy adecuado para tareas intensivas en datos. Para usarlo en Eigent, ve a Ajustes → Modelos → Modelos personalizados y añade Kimi con esta configuración:

  • API Host: https://api.moonshot.ai/v1
  • Modelo: kimi-k2.5

Valida y establécelo como predeterminado. Eigent confirma la compatibilidad con function-calling antes de guardar.

2Adjunta el archivo de Excel y escribe el prompt

Adjunta directamente tu archivo Sales Order.xlsx al prompt:

Estamos realizando una evaluación del rendimiento de ventas. Analiza los datos de ventas en este sistema y compara a todos los vendedores en métricas clave, incluyendo número de pedidos, ingresos totales, valor medio/mediano/máximo de pedido, GMV por persona y mes, y tasa de conversión de pedidos. Genera un informe de analítica HTML estructurado con un resumen, una tabla comparativa y conclusiones, y guárdalo en la carpeta especificada.

Sin preprocesamiento. Sin tablas dinámicas. Solo el archivo y la solicitud.

3Tres agentes, tres tareas

Eigent divide el trabajo en tres tareas secuenciales:

Tarea 1 — Agente de documentos: Lee todas las filas y columnas de Sales Order.xlsx y devuelve el conjunto de datos completo como JSON estructurado, con cada hoja como una clave y las filas como objetos indexados por el encabezado de columna.

Tarea 2 — Agente desarrollador: Toma el conjunto de datos JSON y calcula, por vendedor:

  • Número total de pedidos
  • Ingresos totales
  • Valor medio, mediano y máximo del pedido
  • GMV por persona y mes
  • Tasa de conversión de pedidos

Los resultados se devuelven como un array JSON.

Tarea 3 — Agente desarrollador: Toma el JSON de métricas y genera un informe HTML completo:

  • Párrafo de resumen ejecutivo
  • Tabla comparativa con todos los vendedores y todas las métricas lado a lado
  • Ideas clave y conclusiones estratégicas
  • Guardado como sales_performance_report.html

4Lo que revela el informe

El informe generado saca a la luz ideas que pueden tardar horas en descubrirse manualmente. En este conjunto de datos de ejemplo, el análisis encontró:

  • Mejor rendimiento: Mitchell Admin — responsable del 89% de los ingresos totales del equipo, con un valor medio de pedido de $15,095
  • Concentración de ingresos: Mitchell genera 9× más ingresos que el segundo mejor rendimiento
  • Tasas de conversión del 100% en los tres representantes de ventas: todos los pedidos realizados se completaron
  • División entre volumen y valor: Marc Demo lidera en número de pedidos (35 pedidos), pero tiene un valor medio de pedido más bajo
  • Oportunidad de crecimiento: OdooBot muestra un valor medio razonable con un número reducido de pedidos, lo que indica potencial sin explotar

Cada idea incluye una recomendación estratégica correspondiente — diseño de un programa de mentoría, análisis de redistribución de territorios, intercambio de metodologías — lista para usar en una revisión de desempeño.

5Por qué esto importa

Los flujos de trabajo de Excel a informe son uno de los cuellos de botella más comunes en las operaciones de ventas. La combinación de extracción de datos, cálculo de métricas y generación narrativa es exactamente el tipo de trabajo analítico multinivel que Eigent maneja de forma nativa, sin requerir que el usuario escriba Python, configure una herramienta de BI ni dé formato manualmente a ninguna tabla.

Kimi K2.5 aporta un sólido razonamiento cuantitativo a este flujo de trabajo, haciéndolo fiable en distintas estructuras de hojas de cálculo y volúmenes de datos.

6Qué probar después

Ejecuta el mismo análisis sobre el archivo de Excel del trimestre pasado y compáralo con este: muéstrame qué representantes mejoraron.

Genera el informe como PDF y envíalo por correo al equipo de ventas.

Añade un gráfico que muestre los ingresos por representante como gráfico de barras en el informe HTML.

Marca a cualquier representante cuya tasa de conversión haya caído más de un 10% en comparación con el mes pasado.

7Consejos para mejores resultados

  • Limpia los encabezados de columna. El Agente de documentos asigna las filas por nombre de encabezado de columna. Encabezados coherentes y descriptivos (como "Order Value" en lugar de "Col_D") hacen que los cálculos de métricas sean más precisos y las etiquetas del informe más legibles.

  • Especifica la ruta de salida. Incluir "guárdalo en la carpeta especificada" en tu prompt, o indicar una ruta absoluta, garantiza que el informe llegue exactamente donde lo necesitas, en lugar de quedarse en el directorio de trabajo del agente.

  • Pide datos listos para gráficos. Añadir "exporta también las métricas como CSV junto al informe HTML" te da un conjunto de datos estructurado que puedes llevar a cualquier herramienta de BI para una visualización adicional.

Other use cases

Declaración de IVA automatizada a partir de recibos y facturas

Declaración de IVA automatizada a partir de recibos y facturas

Procesa todos los recibos y facturas de la carpeta "VAT", incluidas fotos, PDFs escaneados y facturas digitales. El resultado final debe incluir solo dos archivos: (1) vat_return.xlsx — el archivo de Excel debe incluir una fila por recibo o factura, listar todos los campos extraídos, mostrar si cada elemento es elegible para la recuperación del IVA, mostrar el importe de IVA recuperable de cada elemento elegible, incluir el motivo de exclusión para los elementos no recuperables, señalar claramente los elementos que requieren revisión manual e incluir una hoja de resumen con el importe total de IVA recuperable. (2) vat_return.html — crea un archivo HTML autocontenido que pueda abrirse directamente y compartirse con el equipo de contabilidad. El archivo HTML debe mostrar todos los elementos de recuperación de IVA, el importe de IVA recuperable de cada elemento, los elementos excluidos y los motivos de exclusión, los elementos que requieren revisión manual y el importe total de IVA recuperable. No adivines ninguna información incierta.

Tarea de largo alcance: GLM-5.1 vs GLM-5.2 en Eigent

Tarea de largo alcance: GLM-5.1 vs GLM-5.2 en Eigent

Realiza una investigación en profundidad de 26 empresas del ecosistema de infraestructura de IA, el hilo principal más claro de toda la cadena de valor de la IA. Cubre estos 6 subsectores (elige empresas representativas en cada uno, desde líderes de gran capitalización hasta actores más pequeños): Centro de datos de IA (infraestructura de cómputo / despliegue); GPU / chips de IA (silicio para entrenamiento e inferencia, ASICs, IP); Servidores, redes y módulos ópticos (switches, NIC, interconexión óptica); Energía, refrigeración líquida y almacenamiento de energía (fuente de alimentación, térmica, gestión energética); Nube de IA / plataforma de cómputo (hiperescaladores, nubes de GPU, plataformas de alquiler de cómputo); Ecosistema de apoyo (HBM / empaquetado avanzado, foundry, conectores y otros componentes críticos). Para cada empresa, investiga: nombre de la empresa, subsector, sede / país; productos principales y su función específica en la cadena de IA; pública o privada (ticker + bolsa si cotiza; si es privada, indica la valoración / ronda de financiación más reciente); capitalización bursátil o tamaño de valoración (usado para el ranking); posicionamiento y ventaja competitiva en el ecosistema (1–2 frases); clientes / competidores clave. Orden: dentro de cada subsector, clasifica de mayor a menor (por capitalización bursátil / valoración). Estructura todo de forma descendente: desde el panorama completo del ecosistema de hardware hasta cada empresa individual. Requisitos de salida: primero, genera un archivo de datos estructurado ai_infra_data.json — que contenga las 26 empresas con los campos anteriores, las 6 clasificaciones de subsector, una bandera de pública/privada y una matriz de comparación entre empresas (subsector × dimensiones clave). Luego genera un informe HTML pulido a partir de ese JSON: incluye un panorama del ecosistema / diagrama por capas, secciones por sector, tarjetas de empresa, un indicador visual claro para pública vs. privada (etiquetas o codificación por color), un gráfico de ranking por capitalización bursátil y una tabla de comparación ordenable/filtrable. Haz que el diseño sea profesional, denso en información e interactivo. Verifica primero la exactitud de los datos de investigación (estado de cotización, tickers, valoraciones — usa las cifras más recientes y cita las fuentes), y luego genera el informe. Envía la tarea en modo single-agent.

Crea 10 juegos HTML5 de Año Nuevo Chino con Eigent

Crea 10 juegos HTML5 de Año Nuevo Chino con Eigent

Crea 10 juegos distintos y COMPLETOS con temas relacionados con el Año Nuevo Chino 2026 (Caballo) en HTML, CSS y JS (sin librerías). Los juegos deben ser divertidos, originales, pulidos y aptos para móviles. Incluye puntuación, dificultad escalable, botones de reinicio y visuales fluidos. Cubre: arcade, puzzle, endless runner, reacción, estrategia, memoria, 2 jugadores local, idle, retro pixel y 1 juego experimental.

Automate everything with AI workforce on desktop
Download Eigent

Prueba Eigent hoy

Descarga la aplicación de escritorio de código abierto y empieza a automatizar con una fuerza laboral de IA en tu equipo.

Descargar Eigent
Eigent

Recibe las últimas actualizaciones y tutoriales sobre automatización de la fuerza laboral con IA.

ProductoEigentEntornosPreciosEmpresarial
ExplorarSolucionesCasos de usoHabilidadesPluginsBlog
DesarrolladoresDocumentaciónGitHubCAMEL-AIFondo Open SourceSocio
DescargarPara código abierto
EmpresaSobre nosotrosMarcaEmpleosTérminos de usoPolítica de privacidadSeguridad y confianzaPolítica de cookiesPolítica de reembolso y prueba

Todos los derechos reservados © 2026 EIGENT UK LTD

¡Nueva versión de Eigent 1.0 lanzada!download