使用说明

📱 DataPocket MCP

Sube tu data. Claude te arma el reporte. En cualquier viz tool.

¿Qué es DataPocket MCP?

Un agente de BI universal. Sube cualquier archivo de datos y Claude genera el paquete completo de conexión, transformación y analítica para la viz tool que uses — Power BI, Tableau, Looker o QuickSight.

Tú:     "Aquí están mis ventas del trimestre" [pegas CSV]
Claude: Analiza → Limpia → Carga en PostgreSQL → Genera paquete para tu viz tool
Tú:     Abres el reporte en tu herramienta favorita → Listo

Sin código. Sin licencias adicionales. Sin setup complejo.

Viz Tools soportadas

Ecosistema	Viz Tool	Qué genera DataPocket	Estado
Microsoft	Power BI Desktop	Código M (Power Query) + medidas DAX	✅ Activo
Salesforce	Tableau Desktop / Public	Archivo `.tds` + LOD expressions + Custom SQL	✅ Activo
Google	Looker (Enterprise)	LookML completo (view + explore + model)	✅ Activo
Amazon	QuickSight	Manifest JSON + dataset config + calculated fields + IAM policy	✅ Activo

Cada tool genera un paquete completo: conexión + semántica/cálculos + instrucciones paso a paso + comparativa de costos.

Formatos de entrada soportados

Formato	Extensión	Detección
CSV	`.csv`	Automática
TSV	`.tsv`	Automática
JSON Array	`.json`	Automática
JSON Lines	`.jsonl`	Automática
Excel	`.xlsx`	Por path o base64
SQL Results	—	Pega desde psql/DBeaver

Tools MCP incluidos

Tool	Qué hace	Output
`datapocket_ingest_data`	Perfila data, infiere tipos, genera SQL para PostgreSQL	Reporte + CREATE TABLE + INSERT
`datapocket_transform`	Filtra, agrega, ordena, pivota datos	Data transformada + código Python
`datapocket_generate_dashboard`	Dashboard HTML mobile-first con Chart.js	Archivo `index.html`
`datapocket_query_to_dashboard`	Resultados SQL → dashboard automático	Archivo `index.html`
`datapocket_powerbi_setup`	Conexión Power BI a PostgreSQL	Código M + medidas DAX starter
`datapocket_tableau_setup`	Conexión Tableau a PostgreSQL	`.tds` XML + 6 LOD expressions
`datapocket_looker_setup`	Modelo LookML para Looker	view + explore + model `.lkml` + PDT
`datapocket_quicksight_setup`	Conexión QuickSight (S3/RDS/Athena)	Manifest JSON + dataset config + IAM policy
`datapocket_export`	Exporta datos a CSV, JSON, JSONL, SQL, Markdown	Archivo en formato elegido

Estructura del repositorio

datapocket-mcp/
├── src/
│   └── datapocket_mcp.py          ← MCP Server — todos los tools
│
├── viz-tools/                     ← Paquetes por ecosistema
│   ├── power-bi/                  ← Microsoft
│   │   ├── README.md              ← Guía Power BI + ejemplos de output
│   │   └── examples/              ← Outputs generados de muestra
│   ├── tableau/                   ← Salesforce
│   │   ├── README.md              ← Guía Tableau + ejemplos de output
│   │   └── examples/
│   ├── looker/                    ← Google
│   │   ├── README.md              ← Guía Looker + ejemplos LookML
│   │   └── examples/
│   └── quicksight/                ← Amazon
│       ├── README.md              ← Guía QuickSight + ejemplos JSON
│       └── examples/
│
├── examples/                      ← Datos de prueba compartidos
│   ├── ventas_ejemplo.csv
│   ├── finanzas_ejemplo.csv
│   ├── ejemplo.json
│   ├── ejemplo.jsonl
│   └── ejemplo.tsv
│
├── assets/
│   └── hero-mockup.svg
├── tests/
│   └── test_datapocket.py
├── CLAUDE.md                      ← Reglas de comportamiento del agente
├── pyproject.toml
└── requirements.txt

Cómo funciona

Paso 1 — Tú subes tu data

Tú: Analiza estos datos y crea el reporte para Power BI

nombre,ventas,mes,region
Producto A,12400,Enero,Norte
Producto B,9800,Enero,Sur

Paso 2 — Claude perfila y confirma

Archivo: ventas.csv
Columnas: nombre (VARCHAR), ventas (BIGINT), mes (VARCHAR), region (VARCHAR)
Registros: 6 | Nulls: 0%
Insights: Producto A supera a B en todas las regiones. Norte lidera.

Solo usaré estos datos. ¿Procedo?

Paso 3 — Claude genera el paquete completo

Para Power BI:

Código M listo para Advanced Editor
3 medidas DAX de arranque (Total, MoM Growth, Running Total)
Guía de conexión PostgreSQL → Power BI Desktop

Para Tableau:

Archivo .tds XML listo para abrir en Tableau Desktop
6 calculated fields LOD para análisis inmediato (% total, running sum, rank, window avg, YoY, FIXED)
Custom SQL optimizado

Para Looker:

view.lkml con dimensions y measures inferidos de los datos
explore.lkml y model.lkml completos
PDT para agregaciones pre-calculadas

Para QuickSight:

Manifest JSON para importar desde S3
Dataset configuration JSON para la API
IAM policy mínima + comandos CLI aws quicksight

Setup en 3 minutos

1. Instala dependencias

pip install mcp pydantic httpx openpyxl chardet

2. Configura Claude Desktop

Agrega a claude_desktop_config.json:

{
  "mcpServers": {
    "datapocket": {
      "command": "python",
      "args": ["src/datapocket_mcp.py"],
      "env": {
        "DATAPOCKET_PG_HOST": "localhost",
        "DATAPOCKET_PG_PORT": "5432",
        "DATAPOCKET_PG_DB": "datapocket",
        "DATAPOCKET_PG_USER": "postgres",
        "DATAPOCKET_PG_PASSWORD": "tu_password"
      }
    }
  }
}

3. Habla con Claude

"Aquí están mis datos de ventas [CSV].
 Crea el reporte para Tableau / Power BI / Looker / QuickSight."

Comparativa de costos por ecosistema

Ecosistema	Tool	Costo mínimo	Mejor para
Microsoft	Power BI Desktop	$0 (Desktop gratis)	Entornos Microsoft 365
Salesforce	Tableau Public	$0 (datos públicos)	Viz interactiva avanzada
Salesforce	Tableau Creator	$75/usuario/mes	Dashboards empresariales
Google	Looker Studio	$0	Dashboards rápidos con BigQuery
Google	Looker Enterprise	$3,000+/mes	Data governance enterprise
Amazon	QuickSight Reader	$0.30/sesión	Muchos viewers, pocos autores
Amazon	QuickSight Author	$18/usuario/mes	Stack AWS nativo

DataPocket MCP: $0 — solo necesitas la herramienta que ya tienes.

Stack técnico (todo gratis)

┌──────────────┐     ┌────────────────┐     ┌─────────────────────────────┐
│  Tu data     │────▶│  Claude +      │────▶│  Power BI  │ Tableau        │
│  CSV / JSON  │     │  DataPocket    │     │  Looker    │ QuickSight      │
│  SQL Results │     │  MCP v3        │     └─────────────────────────────┘
└──────────────┘     └───────┬────────┘
                             │
                    ┌────────┴────────┐
                    │                 │
              ┌─────▼─────┐   ┌──────▼──────┐
              │ PostgreSQL │   │  Dashboard  │
              │ (gratuito) │   │  HTML       │
              └────────────┘   └─────────────┘

Roadmap

Versión	Tool	Estado
v2.0	Core MCP (ingest, transform, dashboard, Power BI, export)	✅ Lanzado
v3.1	`datapocket_tableau_setup`	✅ Lanzado
v3.2	`datapocket_looker_setup`	✅ Lanzado
v3.3	`datapocket_quicksight_setup`	✅ Lanzado
v3.4	`datapocket_metabase_setup` (open source)	💡 Considerado
v3.5	`datapocket_superset_setup` (Apache, open source)	💡 Considerado

FAQ

¿Necesito saber programar? No. Tú hablas con Claude en español. Claude hace todo.

¿Necesito instalar PostgreSQL? Solo si quieres guardar los datos permanentemente. Para dashboards rápidos, solo pega tu CSV.

¿Puedo usar esto en el trabajo con Tableau o QuickSight? Sí. El código generado (.tds, LookML, manifest JSON) es compatible con las versiones comerciales de cada tool.

¿Funciona con datos sensibles? DataPocket corre 100% local. Tus datos nunca salen de tu máquina salvo cuando los cargas tú mismo en la viz tool.

¿Puedo contribuir? Sí. Ver viz-tools/ — cada carpeta documenta qué genera el tool correspondiente.

Hecho por DailyDuty — Instituto para el Desarrollo Diario

De datos crudos a decisiones inteligentes. En tu viz tool favorita. Gratis.