Notre avis

Extrait des données financières validées de Datarails Finance OS vers un fichier Excel avec comptes de résultat, bilans, KPI et contrôles de cohérence.

Points forts

Validation intégrée avec recoupements entre P&L et KPI
Prise en charge des indicateurs clés comme ARR, Churn et LTV
Génération automatisée de classeurs Excel structurés
Gestion de la pagination et du rafraîchissement des tokens

Limites

Nécessite une authentification préalable via /dr-auth
Dépend de l'extension 'reports' du serveur MCP
Ne fonctionne qu'avec Datarails Finance OS et non d'autres sources

Quand l'utiliser

Utilisez cette compétence lorsque vous avez besoin d'extraire des données financières validées et structurées depuis Datarails pour les exporter dans Excel.

Quand l'éviter

Évitez de l'utiliser si vous souhaitez interroger des données en temps réel ou des tables arbitraires sans validation intégrée.

Exemples

Default extraction for current year

Extract financial data from Datarails and save to Excel.

Extraction with custom scenario and year

Extract financial data from Datarails for 2024 scenario Budget.

Extraction to custom file path

Extract financial data from Datarails and save to reports/financials.xlsx.

name: dr-extract description: Extract validated financial data from Datarails Finance OS to Excel. Creates workbooks with P&L, Balance Sheet, KPIs (including ARR), and validation checks. user-invocable: true allowed-tools:

mcp__datarails-finance-os__auth_status
mcp__datarails-finance-os__extract_financials
Read argument-hint: "[--output <file>] [--scenario <name>] [--year <YYYY>]"

Datarails Financial Data Extraction

Extract validated financial data from Finance OS to Excel workbooks with:

P&L Data: Revenue, COGS, Operating Expenses by month
KPI Data: ARR, Net New ARR, Churn, LTV, Revenue by quarter
Validation: Cross-checks between P&L and KPI tables

Arguments

| Argument | Description | Default | |----------|-------------|---------| | --output <file> | Output filename | tmp/Financial_Extract_YYYY.xlsx | | --scenario <name> | Primary scenario | Actuals | | --year <YYYY> | Calendar year to extract | Current year |

Workflow

Step 1: Verify Authentication

Use: auth_status
If not authenticated, guide to /dr-auth

Step 2: Run Extraction via MCP Tool

Call the extract_financials MCP tool with the parsed arguments:

Use: extract_financials
Arguments:
  year: <parsed year, default current year>
  scenario: <parsed scenario, default "Actuals">
  output_path: <parsed output, or omit for default>

The tool handles:

Loading the client profile for the environment
Pagination (500 rows per request) with auto token refresh
Client-side aggregation
Excel generation with openpyxl

Step 3: Report Results

Present the extraction summary to the user:

Output file path
Year and scenario extracted
Any errors or warnings

Expected Output

The tool generates an Excel workbook with:

Summary sheet: Key totals and metrics
P&L sheet: Monthly breakdown by account category
KPIs sheet: Quarterly KPI values
Validation sheet: Cross-checks and profile info

Output location: tmp/ folder (configurable via --output)

Troubleshooting

"profile_not_found" error

Run /dr-learn first to create a profile.

"missing_dependency" error

The MCP server needs the reports extra installed: pip install datarails-finance-os-mcp[reports]

Token expires during extraction

The script auto-refreshes tokens every 20K rows. If you still get 401 errors:

Run /dr-auth to get fresh credentials

Missing months in data

Check System_Year filter value - must be a string ("2025"), not integer.

Related Skills

/dr-auth - Authenticate first
/dr-learn - Create/update client profile
/dr-tables - Explore available tables
/dr-query - Investigate specific records

Extraction de données financières Datarails

Recommandé pour