Introdução

Analisar dados é, em essência, usá-los para orientar decisões. A análise tem um propósito prático. Ela deve produzir algo que ajude alguém a agir, como um gráfico para a liderança, um resumo dos resultados de um experimento para a equipe de produto, uma avaliação de modelo para pesquisadores ou um painel para orientar as operações do dia a dia.

O livro R for Data Science popularizou uma forma de organizar esse trabalho em ciclos. Primeiro, importe e organize os dados. Depois, alterne entre transformação, visualização e modelagem para entender melhor os dados antes de comunicar os resultados.

O ChatGPT Work se encaixa bem nesse fluxo de trabalho. Ele ajuda você a limpar dados, explorar hipóteses, fazer análises e produzir materiais que outros possam reproduzir. O objetivo vai além de criar um notebook para uso pontual. A análise deve permitir que outras pessoas revisem o trabalho, confiem nos resultados e executem as mesmas etapas novamente.

Defina seu caso de uso

Escolha uma pergunta concreta que você queira responder com os dados. Quanto mais específica for a pergunta, mais fácil será identificar quais dados usar, o que verificar e qual resultado buscar.

Exemplo ao longo da análise: valores de imóveis próximos à rodovia

Vamos explorar a seguinte pergunta:

Quanto a menos valem as casas próximas à rodovia em comparação com as que ficam mais longe?

Suponha que um conjunto de dados contenha os valores de avaliação dos imóveis ou os preços de venda e que outro contenha informações sobre a localização, os lotes ou a proximidade da rodovia. Executar um modelo é apenas uma parte do trabalho. Também é preciso garantir a confiabilidade dos dados de entrada, documentar as junções, testar a robustez do resultado e produzir algo que outra pessoa possa usar.

Você pode anexar arquivos CSV ou pastas de trabalho do Excel, indicar uma planilha aprovada do Google Planilhas com @google-drive ou usar o aplicativo para desktop quando os dados estiverem no seu computador.

ChatGPT Work

Importe os dados

Comece anexando os arquivos e peça ao ChatGPT que examine o conteúdo. Isso ajuda a responder a perguntas básicas, mas importantes:

• Em quais formatos estão os arquivos?
• O que cada conjunto de dados parece representar?
• Quais colunas podem conter variáveis-alvo, identificadores, datas, localizações ou medidas?
• Onde há problemas evidentes de qualidade?

Deixe as conclusões para depois. Primeiro, peça um inventário dos dados e uma explicação do que eles representam.

Organize e combine os dados de entrada

É aqui que boa parte do trabalho começa na prática. Você tem dois ou mais conjuntos de dados, a chave primária não está clara e uma junção feita sem verificar as chaves pode causar perda de dados ou gerar registros duplicados.

Antes de combinar os dados, peça ao ChatGPT que avalie a junção:

• Verifique se os valores de cada chave candidata são únicos.
• Calcule a proporção de valores nulos e avalie as diferenças de formatação.
• Corrija inconsistências evidentes no uso de maiúsculas e minúsculas, nos espaços em branco ou no formato dos endereços.
• Faça junções de teste e informe as taxas de correspondência.
• Recomende a estratégia de junção mais segura antes de gerar o arquivo final com os dados combinados.

Se for preciso derivar uma chave adequada, por exemplo, padronizando endereços, combinando algumas colunas para criar um identificador de lote ou cruzando os dados por localização, peça ao ChatGPT que explique as vantagens e desvantagens de cada opção e os casos que exigem atenção antes de aceitar a junção.

Explore os dados com gráficos

Use gráficos para entender os dados antes de escolher um modelo. No exemplo da rodovia, compare as casas próximas com as que ficam mais longe, examine os valores atípicos, procure padrões nos dados ausentes e verifique se o efeito aparente reflete a composição dos bairros, o tamanho das casas ou algum outro fator.

Cada gráfico deve ajudar a responder à pergunta original. Salve as comparações relevantes para que outra pessoa possa examinar a análise.

Use um modelo para investigar a pergunta

Nem toda análise exige um modelo complexo. Comece com um modelo de referência fácil de interpretar.

Para investigar a questão da rodovia, um bom ponto de partida é usar uma regressão ou outro modelo fácil de interpretar que estime a relação entre a proximidade da rodovia e o valor do imóvel, controlando fatores relevantes como tamanho, idade e localização.

Peça ao ChatGPT que explique com clareza:

• Qual é a variável-alvo e como cada variável preditora foi definida.
• Quais variáveis de controle incluir e por quê.
• Quais são os riscos de vazamento de dados e o que foi excluído da análise.
• Como escolheu a divisão dos dados, o método de avaliação ou a forma de estimar a incerteza.
• O que o resultado significa, em linguagem simples.

Mesmo que o primeiro modelo tenha desempenho fraco, o resultado é útil. Ele ajuda a identificar se o problema está no modelo, nas variáveis preditoras, na qualidade da junção ou na própria pergunta.

Comunique o resultado

A análise só é útil quando outra pessoa consegue usá-la. Peça ao ChatGPT que produza o material de que o público precisa:

• Uma nota em Markdown para os colaboradores da área técnica.
• Uma planilha ou um arquivo CSV para as etapas operacionais seguintes.
• Um documento formatado ou um PDF para quem toma as decisões.
• Um notebook, um painel ou um relatório estático para uma análise que possa ser reutilizada.

Peça também que indique as ressalvas. Se houver problemas na qualidade da junção, viés de amostragem ou pressupostos pouco sólidos no modelo, o material final deve dizer isso com clareza.

Opcional: configure um ambiente Python

Se o projeto precisar de scripts reutilizáveis ou de um notebook, peça ao ChatGPT que use o ambiente Python existente ou configure um ambiente enxuto e reproduzível. Mantenha os arquivos de origem intactos e salve a análise, os gráficos e o relatório final separadamente. Você pode analisar arquivos anexados no ChatGPT Work sem configurar o Python antes.

Sugestões de prompts

Carregue os conjuntos de dados e explique o que eles contêm

Verifique como combinar os dados antes de fazer a junção

Crie um primeiro modelo fácil de interpretar

Prepare os resultados para as partes interessadas