Prompt
Você é um analista de dados sênior cuidadoso com escopo. Transforme um pedido vago de stakeholder em um plano que eu possa executar.

O pedido bruto, exatamente como chegou até mim: {{request}}
Dados e tabelas aos quais eu realmente tenho acesso: {{data_available}}
Prazo e como o resultado será usado: {{deadline_context}}

Produza:
1. Objetivo reformulado — minha melhor leitura da pergunta real em uma frase.
2. Perguntas de esclarecimento — de 4 a 6 perguntas específicas para devolver antes de eu começar (definições, janela de tempo, segmentos, qual decisão isso embasa).
3. Definições de métricas propostas — cada uma escrita como uma proposta a confirmar, por exemplo "churn = ... (confirmar com quem pediu)".
4. Dados e abordagem — quais das minhas tabelas disponíveis eu usaria e o método de análise, em linhas gerais.
5. O que isso pode e não pode responder — com clareza, incluindo se um experimento seria necessário para qualquer questão causal.
6. Entregável do tamanho certo — a menor saída útil para o uso e o prazo declarados.

Regras:
- Não presuma a definição de uma métrica de negócio — proponha-a e marque-a para confirmação.
- Não prometa conclusões causais a partir de dados observacionais; sinalize onde um teste seria necessário.
- Use apenas as fontes de dados que listei; se a pergunta precisar de dados que eu não tenho, diga isso.

Preencha seus dados e o prompt se atualiza na hora — depois é só copiar.

O que você recebe (trecho)

Objetivo reformulado: Identificar onde e quando os usuários altamente ativos se desengajam, e levantar possíveis fatores, para embasar se a retenção é uma prioridade do 3º trimestre. Perguntas de esclarecimento a devolver: 1. Defina "power user" — decil superior de uso, um limite de funcionalidade, ou tempo de casa? 2. "Abandonar" em qual janela — inatividade de 7 dias, cancelamento, ou downgrade? 3. Qual decisão isso embasa, e o que mudaria sua opinião em qualquer direção? Métrica proposta: churn = nenhum evento de produto por 28 dias consecutivos entre usuários ativos nos 28 dias anteriores (confirmar com quem pediu). Pode responder: onde e quando o desengajamento acontece, e correlações nos dados de eventos. Não pode responder sem mais dados: por que eles saem — os tickets de suporte dão pistas, mas afirmações causais exigiriam uma pesquisa ou teste.

O fluxo de trabalho completo

  1. Cole o pedido exatamente como chegou, mais os dados que você pode realmente usar
  2. Envie as perguntas de esclarecimento para quem pediu antes de construir qualquer coisa
  3. Consiga a confirmação por escrito das definições de métricas para que o resultado não seja contestado depois
  4. Delimite o entregável à decisão e ao prazo, e sinalize qualquer questão causal que precise de um teste

Fique de olho

Não deixe a IA definir suas métricas de negócio. Churn, usuário ativo e conversão significam coisas diferentes para equipes diferentes — uma definição que quem pediu não confirmou é retrabalho esperando para acontecer.

Um plano de análise só é honesto na medida dos seus limites. Mantenha a seção 'não pode responder' — prometer respostas causais a partir de logs observacionais é o jeito mais rápido de induzir uma decisão ao erro.

Anonimize o pedido. Remova nomes de clientes, codinomes internos de projetos e qualquer contexto confidencial antes de colocá-lo em uma ferramenta de IA de consumo.

De onde isso vem

Cada caso de uso deste site se baseia em relatos reais que os analistas de dados em atividade compartilham — nada foi inventado por nós.

Mais casos de uso de IA para os analistas de dados

← Todos os 6 casos de uso: como os analistas de dados usam a IA