Analisando dados com o ChatGPT
Explore, analise e transforme dados em insights e ações claras.
O ChatGPT pode ajudá-lo a transformar dados brutos em insights úteis com configuração mínima. Você pode carregar um arquivo CSV ou Excel, colar em uma tabela ou conectar uma fonte de dados (se compatível com seu espaço de trabalho) e, em seguida, começar a fazer perguntas em linguagem natural.
Em vez de criar fórmulas, tabelas dinâmicas ou painéis para cada pergunta, você pode explorar rapidamente os dados, limpar tabelas, gerar visualizações simples e extrair as principais conclusões em um formato fácil de compartilhar.
É especialmente útil no início do processo — quando você ainda está descobrindo o que há nos dados, identificando anomalias e decidindo onde investigar mais a fundo. Isso também ajuda a traduzir as descobertas em resumos que outros podem analisar e usar como base para ações.
- Comece pela decisão que você está tentando apoiar. Uma estrutura simples seria: “Estou tentando decidir ___, com base em ___.” Isso indica ao ChatGPT o que significa "concluído" e mantém a análise focada.
- Forneça seus dados juntamente com qualquer contexto crítico — definições, período de tempo e o que as colunas principais representam. Você pode fornecer dados por meio do envio de arquivos ou usando um aplicativo conectado.
- Peça uma proposta, não apenas uma resposta. Por exemplo, solicite um resumo de análise exploratória de dados (EDA) seguido de hipóteses a serem testadas. Isso leva a resultados mais estruturados e confiáveis do que tirar conclusões precipitadas.
- Se recursos visuais forem úteis, solicite-os explicitamente — o que plotar, como segmentar e quaisquer itens indispensáveis, como rótulos dos eixos ou unidades.
- Solicite resultados que possam ser reutilizados, como uma tabela final bem elaborada ou um breve resumo executivo que traduza as conclusões em ações concretas.
Tarefa | Contexto | Resultado esperado |
Analise esses dados e resuma as principais conclusões. | Utilize o conjunto de dados de amostra da nossa loja Shopify (últimos 30 dias). | Apresente um resumo estruturado das principais informações, incluindo o que se destaca em todos os canais e produtos, a identificação de áreas com baixo desempenho (por exemplo, canais com baixa conversão) e padrões relevantes. Inclui de 4 a 6 observações priorizadas e 5 análises ou questões específicas de acompanhamento a serem investigadas em seguida. |
Analise e revise os dados do nosso funil de vendas. | Utilize os dados de [Nome da campanha] do [aplicativo de análise conectado]. | Produza um conjunto de seções claramente separadas: (1) principais padrões observados no funil, (2) hipóteses que explicam esses padrões (por exemplo, integração como principal fator) e (3) experimentos ou testes recomendados. As informações são classificadas por impacto nos negócios, com ênfase nos gargalos de conversão e nos pontos de alavancagem. |
Identificar problemas ou ineficiências em um processo usando dados | Analise o documento anexo referente ao processo atual, bem como o arquivo CSV com os dados dos tickets da equipe de suporte. | Gere uma lista priorizada de problemas operacionais e gargalos (por exemplo, atrasos na escalação, fatores que levam à recorrência de chamados), cada um deles respaldado por sinais de dados. Inclui justificativas claras sobre a importância de cada questão, além de áreas recomendadas para melhoria ou investigação imediata, agrupadas em soluções rápidas versus soluções mais complexas. |
- Ajude o ChatGPT a te ajudar compartilhando antecipadamente o que significa "bom" para você, incluindo qual métrica de sucesso é importante, o período que você está considerando e quais grupos ou segmentos você deseja comparar.
- Se os números forem realmente importantes, você também pode pedir que mostre como chegou a eles, incluindo as suposições que fez, quaisquer fórmulas que usou para calcular as métricas e verificações rápidas de dados ausentes ou picos incomuns.
- Também é útil estabelecer algumas regras básicas simples para que a análise permaneça confiável. Por exemplo, você pode instruí-lo a não tratar correlações como causas, a apontar quaisquer limitações nos dados e a sinalizar qualquer coisa que pareça fora do comum. E antes de compartilhar os resultados ou tomar uma decisão, faça uma rápida verificação da realidade — escolha alguns números-chave e verifique-os pontualmente para garantir que tudo esteja correto.
