Pedidos vagos de stakeholders transformados em um plano de análise delimitado
"Você pode puxar uns números sobre churn?" é onde o tempo do analista vai morrer — um pedido ambíguo que se transforma em três rodadas de retrabalho porque a pergunta real nunca foi definida. A IA é boa em transformar um pedido vago em um plano delimitado: as perguntas de esclarecimento a devolver, as definições de métricas a confirmar, os dados necessários, e uma lista honesta do que a análise pode e não pode responder.
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.
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
- Cole o pedido exatamente como chegou, mais os dados que você pode realmente usar
- Envie as perguntas de esclarecimento para quem pediu antes de construir qualquer coisa
- Consiga a confirmação por escrito das definições de métricas para que o resultado não seja contestado depois
- 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
Consultas SQL escritas e depuradas a partir de um schema descrito
análiseScripts de limpeza e perfilamento de dados em Python que você pode auditar
comunicaçãoResumos executivos que transformam um gráfico em decisão
redaçãoDicionários de dados e documentação de consultas redigidos a partir do próprio SQL
criativoO gráfico certo para a mensagem, não só para os dados
← Todos os 6 casos de uso: como os analistas de dados usam a IA