Mora rzuca wyzwanie tradycyjnemu BI. System, który tłumaczy język naturalny na SQL z przejrzystym kodem

Analityka danych przestaje być domeną ludzi zakopanych w dokumentacji baz danych. Mora wychodzi z cienia jako publiczny rebranding projektu Index, obiecując koniec z domysłami przy interpretacji raportów. To ważne teraz, bo rynek przesycił się rozwiązaniami typu black-box, które dają szybkie odpowiedzi, ale nie oferują żadnej ścieżki audytu. W świecie, gdzie błąd w jednej formule może kosztować miliony, Mora stawia na pełną weryfikowalność zapytania.

Rynek Business Intelligence przechodzi fundamentalną zmianę, a platforma Mora staje w samym centrum tej transformacji. Zamiast zmuszać użytkowników do mozolnego budowania dashboardów w narzędziach typu Looker czy Tableau, system pozwala zadawać pytania bezpośrednio w języku naturalnym. Kluczową innowacją nie jest jednak samo rozumienie tekstu, ale całkowita przejrzystość procesu. Jak deklarują twórcy, system „mapuje intencje użytkownika na warstwę semantyczną i uruchamia zweryfikowany SQL”. Każde zapytanie o przychody czy retencję jest natychmiast tłumaczone na kod, który użytkownik widzi w bocznym panelu.

Technologia w służbie precyzji

Fundamentem platformy jest silnik analityczny oparty na DuckDB. Dzięki niemu system zachowuje wysoką wydajność, niezależnie od tego, czy pracuje na tysiącu, czy na dziesięciu milionach rekordów. Mora nie ogranicza się do jednego źródła informacji; potrafi w ramach jednego zapytania łączyć dane z BigQuery, Snowflake’a, Stripe’a oraz systemów CRM. Zaawansowana warstwa semantyczna mapuje pytania użytkownika na rzeczywisty schemat bazy, co jest krytyczne, biorąc pod uwagę, że według danych Microsoft ISE klasyczne implementacje NL2SQL osiągają zaledwie około 75% trafności. Mora chce zamknąć tę lukę, pozwalając użytkownikowi „sprawdzić i edytować zapytanie w dowolnym momencie”.

Automatyzacja bez utraty kontroli

Dla analityków, którzy często stają się wąskim gardłem w organizacjach, takie narzędzie to konkretna ulga. System automatycznie dobiera odpowiedni typ wykresu i buduje gotowe pulpity nawigacyjne na podstawie interakcji z botem. Co istotne, platforma jest dostępna tam, gdzie toczy się praca: od dedykowanego interfejsu, przez Slacka, aż po integracje z narzędziami takimi jak Claude czy Cursor za pośrednictwem protokołu MCP. To rozwiązanie celuje w dwa segmenty: dojrzałe działy data science w firmach B2B SaaS oraz dynamiczne zespoły liczące od 30 do 200 osób, które potrzebują twardych danych „na wczoraj”.

Dziedzictwo i nowa wizja

Założyciele, Xavier Pladevall i Eduardo Portet, wspierani przez Gradient Ventures oraz Y Combinator, wyciągnęli wnioski z obsługi ponad tysiąca klientów swojej poprzedniej platformy. Ich diagnoza jest jasna: czas kopiowania danych do ogólnych modeli AI w nadziei na poprawny wynik dobiegł końca. Przyszłość analityki to rygorystyczny SQL wspierany przez naturalną komunikację, gdzie każda liczba ma swoje udokumentowane źródło, a bariera wejścia dla nietechnicznych liderów zostaje ostatecznie przełamana.