Pedidos prontos de IA para analistas de dados: 10 exemplos para copiar e testar

Introdução

Se você trabalha com análise de dados e quer potencializar seu trabalho usando inteligência artificial, o Felipe IA Studio oferece recursos incríveis para facilitar sua rotina. Aqui, você encontra uma lista de pedidos prontos de IA, com exemplos de comandos que podem ser copiados, testados na prévia e revisados, ajudando a gerar relatórios, explicações de resultados e consultas complexas de forma rápida e eficiente.

A plataforma, criada por Felipe Carvalho em Belo Horizonte, tem recursos como chat, modo Work com múltiplos agentes, projetos, pesquisa na web, voz em português, envio de projetos ao GitHub e uma API REST completa. Os planos variam de acordo com suas necessidades, com opções acessíveis e testes gratuitos de 7 dias.

Vamos ao que interessa: uma lista de pedidos prontos para você usar na sua rotina de análise de dados!

---

Lista de pedidos prontos de IA para analistas de dados

1. Gerar uma consulta SQL otimizada para análise de vendas

Pedido: "Crie uma consulta SQL otimizada para extrair o total de vendas por mês, considerando a tabela vendas com colunas data, valor e produto."

Resultado esperado: Código SQL que agrupa vendas por mês, somando o valor total, pronto para uso em relatórios.

Exemplo de código:

SELECT 
  DATE_FORMAT(data, '%Y-%m') AS mes,
  SUM(valor) AS total_vendas
FROM vendas
GROUP BY mes
ORDER BY mes;

2. Explicar um gráfico de tendência de vendas

Pedido: "Explique de forma simples o que indica uma tendência de aumento nas vendas ao longo do último trimestre, com base neste gráfico."

Resultado esperado: Uma explicação clara, destacando o crescimento e possíveis causas, adequada para relatórios executivos.

3. Criar uma análise de sentimento de comentários de clientes

Pedido: "Analise o sentimento dos comentários dos clientes na tabela comentarios e classifique-os como positivo, negativo ou neutro."

Resultado esperado: Código ou procedimento para análise de sentimento usando IA, com classificação automática.

Exemplo de comando: "Use o modelo GPT-OSS 120B para classificar os comentários na coluna texto da tabela comentarios em positivo, negativo ou neutro."

4. Gerar um relatório resumido de desempenho de campanha de marketing

Pedido: "Crie um relatório resumido do desempenho da campanha de marketing do último mês, incluindo alcance, cliques e conversões."

Resultado esperado: Texto estruturado com os principais KPIs, pronto para inserir em apresentações ou relatórios.

5. Revisar e otimizar um código Python de análise de dados

Pedido: "Revise e otimize este código Python para análise de dados de vendas, melhorando a eficiência e legibilidade."

Resultado esperado: Código revisado, com comentários explicativos e melhorias de performance.

6. Criar uma consulta para identificar clientes inativos

Pedido: "Crie uma consulta SQL para identificar clientes que não fizeram compras nos últimos 6 meses."

Resultado esperado: Código SQL que retorna clientes inativos, facilitando ações de retenção.

Exemplo de código:

SELECT cliente_id, nome, ultima_compra
FROM clientes
WHERE ultima_compra < DATE_SUB(CURDATE(), INTERVAL 6 MONTH);

7. Explicar os principais insights de um relatório de vendas

Pedido: "Resuma os principais insights do relatório de vendas do último trimestre, destacando pontos importantes."

Resultado esperado: Resumo objetivo, destacando tendências, picos e oportunidades de melhoria.

8. Criar um script para automatizar a geração de gráficos

Pedido: "Escreva um script em Python para gerar um gráfico de barras com os dados de vendas por produto."

Resultado esperado: Código completo usando biblioteca de visualização, pronto para execução.

Exemplo de código:

import matplotlib.pyplot as plt

produtos = ['Produto A', 'Produto B', 'Produto C']
vendas = [1500, 2300, 1800]

plt.bar(produtos, vendas)
plt.xlabel('Produtos')
plt.ylabel('Vendas')
plt.title('Vendas por Produto')
plt.show()

9. Criar uma consulta para calcular a média de tempo de atendimento ao cliente

Pedido: "Crie uma consulta SQL para calcular a média de tempo (em horas) entre o ticket aberto e fechado na tabela atendimentos."

Resultado esperado: Código SQL que calcula a média de duração dos atendimentos.

Exemplo de código:

SELECT AVG(TIMESTAMPDIFF(HOUR, aberto_em, fechado_em)) AS media_horas
FROM atendimentos
WHERE fechado_em IS NOT NULL;

10. Gerar um texto explicativo para um resultado de análise de dados

Pedido: "Explique de forma clara o que significa um aumento de 20% na taxa de conversão após a implementação de uma nova estratégia."

Resultado esperado: Texto explicativo simples, destacando o impacto e possíveis motivos.

---