Skip to content
Artwork for DataGen
DataGen · Wednesday · 18 min

#306 - Nao : Comment construire un agent analytics fiable ?

Claire Gouze est co-fondatrice de Nao, un agent analytics open source qui permet aux équipes Data de construire et de garder la main sur leur couche de contexte. Incubé par Y Combinator, Nao compte aujourd’hui 1 700 stars sur GitHub et est utilisé en production par plus de 200 entreprises. Grâce à son expérience, Claire a formalisé un playbook qui est déjà une référence pour les équipes Data. On aborde : 🔥 Pourquoi Nao est passé d’un IDE Data à un agent analytics open source ? 🔥 Comment lancer un premier agent fiable : bien choisir son périmètre, le tester et l’améliorer 🔥 Faut-il une semantic layer pour lancer son agent analytics ? 🔥 Les questions à se poser pour choisir ses outils d’agentic analytics 📚 RESSOURCES - Le LinkedIn de Claire - Son Agentic Analytics Playbook - Le livre Play Bigger 🎬 CHAPITRES 00:00 Le parcours de Claire 01:40 La genèse de Nao 03:54 Les 3 briques de Nao 05:22 Comment créer son premier agent analytics ? 09:31 Faut-il vraiment une semantic layer ? 12:28 Comment choisir ses outils data ? 14:49 Les prochaines étapes pour Nao 16:20 Ses recommandations de contenu 17:05 Ce qu’elle aime dans la data et l’IA 🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER #295 - Malt : Construire un agent AI Analytics fiable à 90% #281 - Gorgias : Créer sa couche de contexte pour l'agent AI Analytics #224 - Blef a passé 3 mois chez Y Combinator aux US : le futur des équipes Data, France vs US 👋 PLUS DE CONTENU DATA ? 1/ Suivez-moi sur LinkedIn ici 🤳 2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌 3/ Découvrez le podcast en format vidéo sur YouTube ici 📹 🎙 SOUTENEZ LE PODCAST GRATUITEMENT 1/ Abonnez-vous 🔔 2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰 Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

0:00-18:28

transcript

No transcript — this publisher did not publish one.

show notes

Claire Gouze est co-fondatrice de Nao, un agent analytics open source qui permet aux équipes Data de construire et de garder la main sur leur couche de contexte. Incubé par Y Combinator, Nao compte aujourd’hui 1 700 stars sur GitHub et est utilisé en production par plus de 200 entreprises.


Grâce à son expérience, Claire a formalisé un playbook qui est déjà une référence pour les équipes Data.


On aborde :


🔥 Pourquoi Nao est passé d’un IDE Data à un agent analytics open source ?

🔥 Comment lancer un premier agent fiable : bien choisir son périmètre, le tester et l’améliorer

🔥 Faut-il une semantic layer pour lancer son agent analytics ?

🔥 Les questions à se poser pour choisir ses outils d’agentic analytics


📚 RESSOURCES


- Le LinkedIn de Claire

- Son Agentic Analytics Playbook

- Le livre Play Bigger


🎬 CHAPITRES


00:00 Le parcours de Claire

01:40 La genèse de Nao

03:54 Les 3 briques de Nao

05:22 Comment créer son premier agent analytics ?

09:31 Faut-il vraiment une semantic layer ?

12:28 Comment choisir ses outils data ?

14:49 Les prochaines étapes pour Nao

16:20 Ses recommandations de contenu

17:05 Ce qu’elle aime dans la data et l’IA


🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER


#295 - Malt : Construire un agent AI Analytics fiable à 90%

#281 - Gorgias : Créer sa couche de contexte pour l'agent AI Analytics

#224 - Blef a passé 3 mois chez Y Combinator aux US : le futur des équipes Data, France vs US


👋 PLUS DE CONTENU DATA ?


1/ Suivez-moi sur LinkedIn ici 🤳

2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌

3/ Découvrez le podcast en format vidéo sur YouTube ici 📹


🎙 SOUTENEZ LE PODCAST GRATUITEMENT


1/ Abonnez-vous 🔔

2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰


Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

links11