Inteligência de negócios com ChatGPT: guia de BI

Inteligência de negócios com ChatGPT é o uso do assistente para explorar dados empresariais, revisar métricas, criar análises, explicar variações e preparar dashboards ou relatórios que apoiem uma decisão. Você pode começar enviando uma planilha e evoluir para integrações com bancos de dados e ferramentas de BI, desde que preserve as definições, permissões e revisões da empresa.

O ChatGPT não transforma automaticamente uma base desorganizada em uma resposta confiável. A qualidade depende da fonte, do período, dos filtros, da granularidade, da definição de cada indicador e da conferência dos cálculos. Uma explicação convincente pode estar errada quando parte de dados incompletos ou de uma métrica mal definida.

ChatGPT acelera a exploração e a comunicação; a empresa fornece dados governados, definições, permissões e revisão.

Recursos e políticas verificados em 11 de outubro de 2026. A disponibilidade pode variar conforme plano, região, conta, workspace, plugin, aplicativo conectado e permissões da fonte.

O que significa usar ChatGPT em Business Intelligence?

Business Intelligence, ou BI, é o processo de coletar, organizar, analisar e apresentar dados para apoiar decisões. O ChatGPT pode atuar como uma interface de linguagem natural sobre partes desse processo, mas não substitui a origem dos dados, o modelo que define as métricas nem a responsabilidade de quem decide.

Na prática, existem quatro níveis diferentes:

Nível	Como funciona	Uso indicado	Limite principal
Arquivo enviado	Você anexa CSV, XLSX ou outro arquivo compatível	Análise pontual, exploração e protótipo	O arquivo representa uma fotografia, não uma fonte atualizada automaticamente
Excel ou Google Sheets	O ChatGPT trabalha dentro da planilha	Fórmulas, limpeza, cenários, atualização e explicação	A planilha ainda precisa de controle de versão e revisão das células
Dados e BI conectados	Apps ou plugins autorizados acessam warehouse, dashboards ou modelos semânticos	Análises recorrentes e governadas	Depende de plano, configuração, permissões e qualidade do modelo
Integração própria	Uma aplicação usa a OpenAI API com regras, autenticação e fontes internas	Produto, automação ou interface analítica personalizada	Exige desenvolvimento, segurança, logs, controle de custo e manutenção

Esses níveis não são equivalentes. Enviar uma planilha para uma conversa não cria um data warehouse, enquanto conectar uma ferramenta de BI não corrige automaticamente métricas mal definidas.

O que o ChatGPT pode e não pode fazer em BI?

Pode ajudar	Não sabe automaticamente
Descrever colunas, tipos e valores ausentes	Qual coluna é a fonte oficial
Identificar tendências e valores atípicos	Se o dado está completo ou atualizado
Criar cálculos, tabelas e gráficos	Qual fórmula representa a regra do negócio
Comparar períodos, regiões ou segmentos	Se os grupos são realmente comparáveis
Gerar e explicar SQL ou DAX	O esquema e os relacionamentos não fornecidos
Preparar uma investigação de anomalia	A causa real da anomalia
Criar um resumo executivo	Qual decisão a liderança deve tomar
Sugerir uma estrutura de dashboard	Qual visual atende melhor ao usuário sem teste
Montar cenários	Qual cenário acontecerá
Propor próximos passos	Quem possui autoridade, orçamento ou responsabilidade

O ChatGPT também não acessa automaticamente seu ERP, CRM, banco de dados, Power BI ou planilha. O acesso requer um arquivo enviado ou uma conexão autorizada disponível para a conta.

Comece pela pergunta de negócio, não pelo gráfico

“Analise estes dados” é um pedido amplo demais. Uma análise útil começa pela decisão que precisa ser apoiada.

Compare:

Analise minha planilha de vendas.

com:

Identifique quais categorias explicam a queda da margem bruta no terceiro trimestre em comparação com o segundo, separando efeito de preço, custo, volume, descontos e devoluções.

O segundo pedido define uma métrica, um período, uma comparação e fatores a investigar. Ainda será necessário informar como a empresa calcula margem bruta e quais colunas representam cada componente.

Elementos de uma boa pergunta de BI

Decisão: qual ação poderá mudar após a análise?
Métrica: qual indicador será avaliado?
Período: quais datas entram na comparação?
População: quais clientes, produtos ou operações entram?
Dimensão: por qual categoria o indicador será dividido?
Filtro: o que deve ser incluído ou excluído?
Granularidade: o que cada linha da base representa?
Fonte: qual sistema é considerado oficial?
Critério: o que caracteriza uma mudança relevante?

Granularidade é o nível de detalhe do dado. Uma linha pode representar um pedido, um item do pedido, um cliente por mês ou uma loja por dia. Misturar níveis diferentes é uma causa comum de dupla contagem.

Crie um dicionário de métricas antes de analisar

Um KPI, ou indicador-chave de desempenho, só é útil quando possui definição reproduzível. “Receita”, por exemplo, pode significar valor bruto vendido, receita líquida de impostos e devoluções, valor reconhecido contabilmente ou dinheiro recebido.

Registre cada indicador em uma tabela:

Campo	O que documentar
Nome	Nome oficial e sinônimos usados pela equipe
Definição	O que a métrica representa
Fórmula	Cálculo completo
Numerador e denominador	Componentes de taxas e proporções
Unidade	Reais, pedidos, clientes, porcentagem ou outra
Granularidade	Pedido, item, cliente, dia, mês ou outra
Inclusões	Status e operações que entram
Exclusões	Cancelamentos, testes ou exceções
Fonte	Sistema, tabela e campos oficiais
Atualização	Frequência e atraso esperado
Responsável	Pessoa ou equipe que aprova a definição
Validade	Data a partir da qual a regra se aplica

Uma camada semântica reúne métricas, relações e nomes de negócio em uma estrutura governada. A documentação da Microsoft descreve o modelo semântico do Power BI como uma camada amigável ao negócio com relações e métricas reutilizáveis.

Sem essa camada ou um dicionário equivalente, duas áreas podem perguntar sobre “clientes ativos” e receber respostas diferentes, embora ambas pareçam corretas.

Ajude-me a criar um dicionário de métricas.

Contexto do negócio:
[contexto]

Métricas:
[lista]

Fontes:
[tabelas, arquivos ou sistemas]

Para cada métrica, organize:
- nome oficial;
- sinônimos;
- definição;
- fórmula;
- numerador;
- denominador;
- unidade;
- granularidade;
- inclusões;
- exclusões;
- filtros;
- fonte;
- frequência de atualização;
- responsável;
- dúvidas pendentes.

Regras:
- não invente definição;
- não complete uma fórmula ausente;
- marque [CONFIRMAR] quando houver ambiguidade;
- identifique métricas com nomes iguais e fórmulas diferentes;
- não recomende unificação sem aprovação do responsável.

Prepare a planilha ou arquivo para o ChatGPT

A documentação de análise de dados com o ChatGPT recomenda cabeçalhos descritivos, uma linha por registro e nomes de colunas em linguagem clara.

Antes de enviar o arquivo:

defina o que cada linha representa;
mantenha os cabeçalhos na primeira linha;
use uma coluna por variável;
padronize datas e horários;
informe moeda e unidade;
diferencie zero de valor ausente;
remova linhas de subtotal;
identifique cancelamentos e devoluções;
verifique duplicatas;
mantenha identificadores estáveis;
separe tabelas sem relação em abas distintas;
não coloque valores essenciais apenas em imagens.

Se a base contém vários níveis, como pedidos e itens, explique as chaves e os relacionamentos. Somar a receita do pedido depois de juntá-la a cada item pode multiplicar o total.

Prompt para auditar a base antes da análise

Audite este arquivo antes de analisar o negócio.

Objetivo futuro da análise:
[objetivo]

Definição de cada linha:
[granularidade]

Chave esperada:
[chave]

Período:
[período]

Verifique:
- nomes e tipos das colunas;
- intervalo das datas;
- número de linhas;
- valores ausentes;
- duplicatas;
- categorias inconsistentes;
- moedas e unidades;
- valores negativos;
- outliers;
- status;
- cancelamentos;
- devoluções;
- linhas de teste;
- possíveis mudanças de definição;
- colunas que parecem derivadas;
- riscos de dupla contagem.

Entregue:
1. inventário da base;
2. problemas encontrados;
3. impacto provável de cada problema;
4. correções sugeridas;
5. itens que exigem confirmação humana.

Não altere o arquivo.
Não exclua registros.
Não conclua nada sobre o desempenho do negócio nesta etapa.

Workflow completo de inteligência de negócios com ChatGPT

Defina a decisão. Esclareça o que poderá mudar após a análise.
Confirme as métricas. Registre fórmulas, filtros e fontes.
Escolha a fonte. Use o sistema ou conjunto de dados oficial.
Prepare os dados. Corrija estrutura, tipos, duplicatas e lacunas.
Audite a base. Não comece pela interpretação.
Aprove o plano de análise. Defina comparações e métodos antes dos cálculos.
Execute a análise. Revise código, fórmulas, filtros e exclusões.
Rastreie a evidência. Relacione cada conclusão aos dados que a sustentam.
Visualize. Escolha o gráfico de acordo com a pergunta.
Interprete com cautela. Separe fato, hipótese e recomendação.
Defina a ação. Registre responsável, prazo e indicador de acompanhamento.
Monitore o efeito. Verifique se a ação alterou o resultado esperado.

Prompt mestre para uma análise de BI

Atue como assistente de análise de negócios.

Pergunta de negócio:
[pergunta]

Decisão que a análise apoiará:
[decisão]

Fonte:
[arquivo, tabela, relatório ou sistema]

Período:
[período]

Granularidade:
[o que cada linha representa]

Métricas e fórmulas aprovadas:
[métricas]

Dimensões:
[região, canal, produto, segmento ou outras]

Filtros:
[inclusões e exclusões]

Comparação:
[período anterior, meta, orçamento ou grupo]

Restrições:
[restrições]

Antes de calcular:
1. liste as colunas e os tipos;
2. confirme a granularidade;
3. verifique duplicatas, valores ausentes e inconsistências;
4. apresente o plano de análise;
5. faça perguntas sobre informações ausentes.

Na análise:
- use somente os dados fornecidos ou conectados;
- não invente números;
- mostre fórmulas e filtros;
- diferencie fato, hipótese e recomendação;
- não transforme correlação em causalidade;
- identifique limitações;
- indique como reproduzir cada resultado.

Entregue:
- resumo dos dados;
- KPIs;
- tendências;
- segmentos;
- anomalias;
- hipóteses;
- análises adicionais;
- gráficos adequados;
- resumo executivo;
- checklist de validação.

Análise manual de CSV e Excel no ChatGPT

O ChatGPT pode analisar arquivos XLS, XLSX, CSV, JSON e outros formatos compatíveis, criar tabelas, executar cálculos com Python e produzir gráficos. O recurso é útil para análises pontuais, protótipos e investigação inicial.

Quando usa Python, o ChatGPT pode mostrar o código e os resultados. Revise ambos. A documentação oficial alerta que o método, o gráfico ou a interpretação escolhidos inicialmente podem não corresponder à intenção.

A ferramenta também pode não analisar o arquivo completo quando ele é muito grande, complexo, visual ou mal estruturado. Nesse caso, peça a inspeção de abas e intervalos específicos ou divida a base.

O ambiente Python usado nessa análise não realiza chamadas externas de API. Para combinar o arquivo com dados externos, forneça outra base ou use uma fonte conectada disponível para a conta.

Prompt para analisar KPIs e segmentos

Analise os KPIs desta base.

Métricas aprovadas:
[métricas e fórmulas]

Período:
[período]

Comparação:
[comparação]

Dimensões:
[dimensões]

Filtros:
[filtros]

Entregue:
- valor de cada KPI;
- variação absoluta;
- variação percentual;
- contribuição de cada segmento para a mudança;
- segmentos acima e abaixo do esperado;
- anomalias;
- dados ausentes;
- limitações;
- perguntas para investigação.

Para cada resultado, mostre:
- fórmula;
- filtros;
- número de registros;
- período;
- tabela de apoio.

Não atribua causa.
Não crie meta.
Não escolha ação final.

Prompt para investigar uma anomalia

Investigue esta anomalia sem assumir a causa.

Anomalia observada:
[anomalia]

Métrica:
[definição]

Período:
[período]

Fonte:
[fonte]

Analise possíveis contribuições de:
- volume;
- preço;
- mix;
- custo;
- desconto;
- cancelamento;
- devolução;
- canal;
- região;
- produto;
- segmento;
- sazonalidade;
- mudança de cadastro;
- mudança de definição;
- falha de coleta.

Separe:
1. fatos observados;
2. hipóteses sustentadas parcialmente;
3. hipóteses sem evidência;
4. dados adicionais necessários;
5. testes que podem confirmar ou refutar cada hipótese.

Não use a palavra “causa” sem um desenho de análise que a sustente.

ChatGPT dentro do Excel e do Google Sheets

O ChatGPT para Excel e Google Sheets funciona em uma barra lateral dentro da planilha. A documentação atual descreve recursos para criar, atualizar e explicar planilhas, incluindo fórmulas, abas, referências, cenários e gráficos.

Esse fluxo é indicado para:

entender uma pasta de trabalho desconhecida;
corrigir fórmulas quebradas;
padronizar rótulos e formatação;
remover duplicatas sob orientação;
criar uma aba de cenário;
atualizar premissas;
explicar variações;
preparar relatórios de KPIs.

Para alterações grandes, peça um plano antes da edição e duplique o arquivo. Revise fórmulas, células alteradas, referências e gráficos antes de salvar ou compartilhar.

Antes de editar esta planilha, apresente um plano.

Objetivo:
[objetivo]

Abas autorizadas:
[abas]

Intervalos autorizados:
[intervalos]

Elementos que devem ser preservados:
[fórmulas, formatação, nomes ou outros]

Mudanças desejadas:
[mudanças]

Entregue:
- abas que serão lidas;
- células que serão alteradas;
- fórmulas que serão criadas ou modificadas;
- validações necessárias;
- riscos;
- forma de reverter.

Não faça alterações até eu aprovar o plano.
Não modifique abas ou intervalos fora do escopo.

A experiência de planilha é separada do histórico principal do ChatGPT e possui limitações próprias. Recursos como VBA e macros podem não ser totalmente compatíveis.

Como usar ChatGPT para gerar SQL com segurança

O ChatGPT pode produzir um rascunho de SQL, explicar uma consulta existente e apontar riscos em joins e filtros. Para confiar no resultado, forneça o dialeto e o esquema relevante.

Inclua:

dialeto, como BigQuery, PostgreSQL, Snowflake ou SQL Server;
tabelas e campos;
chaves primárias;
relacionamentos;
granularidade de cada tabela;
filtros de negócio;
tratamento de valores nulos;
timezone;
moeda;
resultado esperado;
casos de teste.

Escreva um rascunho de SQL.

Dialeto:
[dialeto]

Pergunta de negócio:
[pergunta]

Tabelas:
[esquema]

Granularidade:
[granularidade por tabela]

Chaves:
[chaves]

Métricas:
[fórmulas]

Filtros:
[filtros]

Período e timezone:
[período]

Antes do SQL:
- explique quais tabelas usará;
- explique cada join;
- identifique risco de relação muitos-para-muitos;
- informe como evitar duplicidade;
- indique como tratar null;
- indique testes de contagem.

Depois do SQL:
- explique cada CTE;
- mostre os filtros;
- proponha consultas de validação;
- compare a contagem antes e depois dos joins;
- liste premissas.

Não invente tabela ou coluna.
Use [CAMPO NECESSÁRIO] quando faltar informação.

O plugin do BigQuery, quando disponível e autorizado, pode explorar datasets, gerar e revisar SQL e resumir resultados. Ainda assim, joins, filtros, custos e lógica de negócio precisam ser conferidos.

DAX e Power Query com ChatGPT

DAX é a linguagem de expressões usada para medidas e cálculos em modelos tabulares, incluindo Power BI. Power Query é usado na preparação e transformação dos dados.

Antes de pedir uma medida DAX, informe:

modelo de tabelas;
relacionamentos e direção dos filtros;
tabela calendário;
medidas existentes;
contexto de filtro esperado;
resultado de exemplo.

Ajude-me a criar uma medida DAX.

Objetivo:
[objetivo]

Modelo:
[tabelas e relacionamentos]

Medidas existentes:
[medidas]

Filtros esperados:
[filtros]

Resultado de teste:
[exemplo]

Entregue:
- medida;
- explicação do contexto de filtro;
- dependências;
- riscos;
- casos de teste;
- alternativa mais simples, quando existir.

Não invente coluna.
Não crie uma tabela calendário sem conhecer as regras fiscais e de data.
Não use ALL ou REMOVEFILTERS sem explicar o efeito.

Teste a medida em diferentes filtros e compare-a com um cálculo manual conhecido. Uma fórmula sintaticamente válida pode produzir um indicador errado.

Como criar um dashboard útil com ChatGPT

Um dashboard não é uma coleção de gráficos. Ele deve responder a perguntas e permitir que o usuário identifique quando precisa agir.

Defina:

público;
decisão;
KPIs;
comparações;
dimensões;
filtros;
frequência de atualização;
fonte;
alertas;
próxima ação.

Pergunta	Visual possível	Cuidado
Como o KPI mudou no tempo?	Linha	Manter intervalo e frequência consistentes
Como os segmentos se comparam?	Barras	Ordenar e usar a mesma unidade
Quais fatores compõem o total?	Barras empilhadas ou waterfall	Evitar excesso de categorias
Existe relação entre duas variáveis?	Dispersão	Não interpretar correlação como causa
Onde ocorre a variação?	Mapa, quando localização é relevante	Normalizar por população ou volume quando necessário
Qual é o estado atual?	Cartão com contexto	Mostrar meta, período e definição

Crie a especificação de um dashboard.

Público:
[público]

Decisões:
[decisões]

KPIs aprovados:
[KPIs]

Dimensões:
[dimensões]

Período:
[período]

Filtros:
[filtros]

Fontes:
[fontes]

Para cada visual, informe:
- pergunta respondida;
- métrica;
- dimensão;
- tipo de visual;
- eixo;
- unidade;
- comparação;
- filtro;
- alerta;
- ação esperada.

Inclua:
- ordem de leitura;
- definições visíveis;
- data de atualização;
- fonte;
- limitações;
- alternativas de acessibilidade.

Não crie gráfico decorativo.
Não coloque um KPI sem contexto.
Não recomende mapa quando localização não altera a decisão.

Data plugin, ChatGPT Work e ferramentas de BI conectadas

Para equipes com dados governados, o nível seguinte é conectar o ChatGPT às fontes aprovadas da organização.

O Data plugin no ChatGPT Work e no Codex pode investigar perguntas empresariais, usar contexto interno, criar análises e gerar dashboards ou relatórios interativos. A disponibilidade depende da conta, do workspace e dos plugins necessários.

A documentação atual apresenta conexões com fontes como BigQuery, Snowflake, Redshift, Databricks, ClickHouse e MongoDB, além de documentos em Google Drive e SharePoint. Também descreve integração com ferramentas de BI como Power BI e Tableau.

O diferencial não é apenas acessar mais dados. O Data plugin pode usar definições internas, cálculos e relações provenientes de uma camada semântica ou de fontes confiáveis. Isso reduz a chance de interpretar “receita” ou “cliente ativo” de maneira diferente da adotada pela empresa.

Mesmo nesse cenário, verifique:

fonte consultada;
período;
filtros;
definição da métrica;
permissões;
nível de atualização;
linhas ou grupos excluídos;
diferenças em relação ao relatório oficial.

Power BI

O plugin do Microsoft Power BI pode explorar relatórios, criar elementos visuais e publicar painéis no navegador, de acordo com as ações permitidas pela conta conectada.

Na verificação atual, esse fluxo exige acesso local ao navegador pelo aplicativo desktop do ChatGPT ou pelo Codex para desktop. A página oficial informa que ele não funciona na web, em dispositivos móveis ou em tarefas executadas na nuvem.

Conectar Power BI não corrige um modelo ruim. Relações, medidas, funções de segurança e filtros continuam dependendo do modelo semântico da organização.

Tableau

O plugin do Tableau pode localizar sites, workbooks e fontes, consultar dados e, quando a autoria está habilitada, modificar e publicar workbooks. O acesso permanece limitado às permissões da conta autenticada.

BigQuery

O plugin do BigQuery pode ajudar a identificar datasets e tabelas, gerar SQL, revisar joins e resumir resultados. Ele não elimina a necessidade de controlar custo de consulta, permissões IAM, políticas por linha e qualidade da modelagem.

Permissões continuam sendo parte do BI

Um assistente conectado não deve ampliar o acesso do usuário. Os apps conectados no ChatGPT usam as contas e permissões existentes na fonte.

Dependendo do app e do workspace, as permissões podem exigir confirmação antes de ler dados ou executar uma alteração. A página sobre gerenciamento de permissões de apps descreve opções como perguntar sempre, permitir leitura e autorizar determinadas ações de menor risco.

Para BI, uma configuração segura começa com acesso de leitura. Edição, publicação ou atualização de dashboards deve exigir um processo de aprovação compatível com o impacto da mudança.

Análise descritiva, diagnóstica, preditiva e prescritiva

Tipo	Pergunta	Uso do ChatGPT	Cuidado
Descritiva	O que aconteceu?	KPIs, tendências, comparação e segmentação	Conferir fórmula, filtro e período
Diagnóstica	O que pode explicar?	Decomposição, correlações e hipóteses	Uma associação não prova causa
Preditiva	O que pode acontecer?	Forecast, classificação e probabilidade	Validar modelo, erro, estabilidade e dados futuros
Prescritiva	O que podemos fazer?	Cenários, restrições e comparação de alternativas	A recomendação depende de objetivos, risco e autoridade

Não pule da descrição para a recomendação. Se a conversão caiu ao mesmo tempo em que o preço aumentou, isso cria uma hipótese. Não demonstra que o preço causou a queda.

Forecast não é cenário, meta nem garantia

Uma previsão estima o futuro com base em um modelo e em dados históricos. Um cenário mostra o que aconteceria sob premissas escolhidas. Uma meta representa o resultado desejado.

Para avaliar uma previsão, peça:

método de referência simples;
período de treino;
período de teste;
horizonte;
sazonalidade;
variáveis externas;
erro fora da amostra;
intervalo de incerteza;
comparação com a previsão anterior;
condições que tornam o modelo inválido.

Crie um plano de forecast, mas não apresente uma previsão final ainda.

Métrica:
[métrica]

Frequência:
[diária, semanal ou mensal]

Histórico:
[período]

Horizonte:
[horizonte]

Variáveis conhecidas:
[variáveis]

Entregue:
- avaliação da quantidade de histórico;
- sazonalidades a investigar;
- baseline recomendado;
- divisão entre treino e teste;
- métricas de erro;
- riscos de vazamento de informação;
- eventos não recorrentes;
- dados externos necessários;
- critérios para rejeitar o modelo.

Não selecione o método apenas pelo melhor ajuste ao histórico.
Não trate cenário como previsão.
Não transforme a previsão em meta.

Exemplo fictício: receita cresce e margem cai

Considere uma empresa varejista omnicanal fictícia. A receita aumentou, mas a margem bruta caiu. A diretoria quer saber o que ocorreu e se deve alterar preço, mix ou política de desconto.

Não existe empresa, base ou resultado real neste exemplo.

Pergunta de negócio

Quais categorias, canais e componentes explicam a queda da margem bruta em relação ao período anterior?

Métricas necessárias

receita bruta;
descontos;
devoluções;
receita líquida;
custo do produto;
lucro bruto;
margem bruta;
quantidade vendida;
preço médio;
mix por categoria e canal.

Auditoria inicial

Antes de interpretar a margem, a equipe precisa confirmar:

se devoluções estão associadas ao período da venda ou ao período da devolução;
se o custo foi atualizado;
se pedidos cancelados foram excluídos;
se marketplace e loja própria usam a mesma definição de receita;
se frete, impostos e comissões entram no cálculo;
se houve mudança no cadastro de categorias.

Hipóteses que podem ser testadas

crescimento concentrado em categorias de menor margem;
aumento de descontos;
mudança para um canal com comissão maior;
aumento de custo sem reajuste de preço;
crescimento de devoluções;
erro ou atraso na carga de custo.

Essas opções são hipóteses, não conclusões. A análise precisa decompor a variação e mostrar a contribuição de cada componente.

Dashboard recomendado

cartões de receita líquida, lucro e margem;
tendência semanal ou mensal;
waterfall da variação de lucro;
margem por categoria e canal;
desconto e devolução por segmento;
tabela de produtos com maior contribuição negativa;
data de atualização e definição das métricas.

A decisão não deve ser “aumentar preços” apenas porque a margem caiu. A ação depende do componente confirmado, do posicionamento, da elasticidade, do estoque e do impacto no cliente.

Como criar um resumo executivo sem esconder as limitações

Transforme esta análise em um resumo executivo.

Público:
[público]

Decisão:
[decisão]

Resultados validados:
[resultados]

Hipóteses:
[hipóteses]

Limitações:
[limitações]

Próximas análises:
[análises]

Estruture em:
- resposta direta;
- três descobertas;
- evidência;
- impacto;
- limitações;
- recomendação;
- responsável;
- prazo;
- indicador de acompanhamento.

Regras:
- não omita incerteza;
- não transforme hipótese em fato;
- não use linguagem causal sem evidência;
- não recomende ação fora do escopo;
- mantenha os números exatamente como foram validados.

Um resumo executivo deve reduzir o volume de informação, não a transparência. Inclua sempre período, fonte, filtro e limitações.

Audite a análise antes de apresentá-la

Audite esta análise antes da apresentação.

Pergunta:
[pergunta]

Dados:
[dados ou arquivos]

Definições:
[métricas]

Análise:
[resultado]

Para cada afirmação, crie uma tabela com:
- afirmação;
- métrica;
- fórmula;
- fonte;
- período;
- filtros;
- número de registros;
- evidência;
- status: CONFIRMADA, INCOMPLETA, SEM EVIDÊNCIA ou INCORRETA;
- correção necessária.

Verifique também:
- duplicidade;
- granularidade;
- joins;
- null;
- moeda;
- timezone;
- cancelamentos;
- devoluções;
- mudanças de definição;
- correlação apresentada como causa;
- recomendações sem responsável ou métrica.

Não reescreva o resumo até concluir a auditoria.

Privacidade, LGPD e dados empresariais

Não envie uma base completa quando uma tabela agregada responde à pergunta. Reduza as colunas, o período e a quantidade de registros ao mínimo necessário.

Evite incluir sem necessidade e autorização:

nome de clientes;
CPF ou documentos;
e-mail e telefone;
dados bancários;
dados de saúde;
salários individuais;
avaliações de funcionários;
contratos completos;
segredos comerciais;
credenciais, tokens ou chaves;
informações que não influenciam a análise.

A LGPD estabelece princípios como finalidade, necessidade, segurança, prevenção e responsabilização. Este artigo não substitui avaliação jurídica ou de segurança.

Para dados empresariais, a OpenAI informa que, por padrão, não usa inputs e outputs de ChatGPT Business, Enterprise, Edu e da API para treinar modelos. Consulte a página de privacidade de dados empresariais.

Isso não autoriza automaticamente o envio de qualquer base. A organização ainda precisa definir finalidade, conta aprovada, acesso, apps, retenção, fornecedores e revisão.

Excluir a conversa pode não excluir o arquivo

Quando a Biblioteca está disponível, arquivos podem ser salvos separadamente da conversa. A página de retenção de chats e arquivos informa que excluir o chat não remove um arquivo que continua salvo na Biblioteca.

Ao finalizar um projeto, revise:

chat;
Library;
Project;
apps conectados;
permissões;
cópias locais;
política de retenção do workspace.

ChatGPT substitui Power BI ou o analista de BI?

Não. ChatGPT pode ser uma interface de exploração, criação e explicação. Power BI, Tableau, Looker e outras plataformas continuam responsáveis por modelagem, atualização, distribuição, segurança e consumo governado conforme sua configuração.

O analista de BI continua necessário para:

traduzir a decisão em requisito analítico;
escolher a fonte correta;
modelar relações;
definir métricas;
controlar qualidade;
identificar vieses;
validar consultas;
explicar limitações;
entender a operação;
acompanhar o efeito da decisão.

A ferramenta reduz etapas mecânicas e amplia o acesso, mas uma resposta em linguagem natural não substitui governança analítica.

Como executar um piloto de BI com ChatGPT

Escolha uma pergunta recorrente e de baixo risco.
Use uma base pseudonimizada e já conhecida.
Registre a resposta oficial antes do teste.
Crie o dicionário das métricas.
Execute o workflow com ChatGPT.
Compare números, tempo, erros e explicações.
Documente os prompts e as correções.
Defina quais etapas exigem aprovação.
Repita com outra base semelhante.
Só então considere conexão ou automação.

Métricas do piloto

Objetivo	Métrica possível	Cuidado
Reduzir tempo de exploração	Tempo até a primeira análise revisável	Inclua preparação e revisão
Melhorar qualidade	Erros encontrados antes da apresentação	Defina o que conta como erro
Reduzir retrabalho	Consultas, gráficos ou relatórios refeitos	Compare tarefas semelhantes
Aumentar consistência	Análises que usam métricas aprovadas	Não conte apenas menções ao nome do KPI
Melhorar rastreabilidade	Afirmações ligadas a fonte, fórmula e filtro	Verifique a origem real
Apoiar decisões	Ações com responsável e acompanhamento	Não atribua o resultado apenas à ferramenta
Proteger dados	Incidentes, acessos excessivos e campos desnecessários	Ausência de incidente conhecido não prova segurança

Erros comuns

começar pelo dashboard em vez da pergunta;
não definir a métrica;
não informar a granularidade;
misturar pedidos e itens;
somar percentuais;
ignorar cancelamentos e devoluções;
comparar períodos de tamanhos diferentes;
misturar moedas ou fusos;
usar dados desatualizados;
aceitar SQL sem revisar joins;
aceitar DAX sem testar filtros;
transformar correlação em causa;
chamar cenário de forecast;
usar uma previsão sem backtest;
ocultar limitações do resumo executivo;
conectar apps com acesso maior do que o necessário;
enviar dados pessoais em uma base de teste;
apresentar um insight sem responsável e próximo passo.

Checklist antes de apresentar uma análise

A pergunta de negócio está clara?
A decisão que será apoiada foi definida?
A fonte é oficial?
A data da atualização está visível?
A granularidade foi confirmada?
A fórmula da métrica foi aprovada?
Os filtros estão documentados?
Duplicatas foram avaliadas?
Null, cancelamento e devolução foram tratados?
Os joins foram testados?
O código foi revisado?
Os números foram reconciliados com a fonte?
Fatos e hipóteses estão separados?
A linguagem causal é justificada?
A previsão possui validação fora da amostra?
As limitações estão visíveis?
Os dados sensíveis foram removidos?
As permissões são adequadas?
A ação possui responsável e indicador?

Perguntas frequentes

ChatGPT consegue analisar planilhas de Excel?

Sim. Você pode enviar arquivos compatíveis ou usar a experiência do ChatGPT dentro do Excel. A qualidade depende da estrutura da planilha e da revisão de fórmulas, filtros e células alteradas.

ChatGPT pode criar um dashboard?

Pode criar gráficos, especificar um dashboard e, em ambientes compatíveis, gerar painéis interativos ou trabalhar com ferramentas conectadas. O modelo de dados, as métricas e a publicação ainda precisam de governança.

ChatGPT pode acessar o Power BI?

Pode quando o plugin está disponível, instalado e autorizado. A conexão usa as permissões da conta. O fluxo atual do plugin oficial possui requisitos de aplicativo desktop e acesso local ao navegador.

Ele consegue gerar SQL?

Sim, mas precisa do dialeto, esquema, chaves, granularidade e regras. Execute consultas em ambiente seguro, revise joins e compare contagens antes de confiar nos resultados.

ChatGPT pode descobrir a causa de uma queda nas vendas?

Pode decompor a mudança e formular hipóteses. Uma causa exige evidência adicional, comparação adequada e, em alguns casos, experimento ou método causal.

Pode prever vendas?

Pode ajudar a criar e testar modelos de previsão. O resultado precisa ser comparado com um baseline, avaliado fora da amostra e acompanhado por medidas de erro e incerteza.

Qual é a diferença entre enviar um arquivo e conectar uma fonte?

O arquivo enviado representa uma cópia em determinado momento. Uma fonte conectada pode fornecer informações atuais conforme as permissões e capacidades da integração.

O que é o Data plugin?

É um recurso para ambientes compatíveis do ChatGPT Work e Codex que analisa dados empresariais conectados, utiliza contexto do negócio e pode criar análises, relatórios e dashboards interativos.

O plano Free é suficiente?

Pode ser suficiente para começar com arquivos pequenos e análises pontuais, dentro dos limites atuais. Integrações empresariais, maior capacidade e controles administrativos podem exigir outro plano ou workspace.

É seguro enviar dados empresariais?

Depende do tipo de dado, da conta, das configurações e da política da organização. Minimize e pseudonimize a base, use o workspace aprovado e não envie credenciais ou informações confidenciais sem autorização.

ChatGPT substitui o analista de BI?

Não. Ele acelera preparação, exploração, código e comunicação. Definição de métricas, modelagem, validação, contexto operacional, governança e responsabilidade continuam exigindo profissionais qualificados.

A melhor forma de começar

Escolha uma pergunta conhecida e uma base sem dados pessoais. Registre a resposta oficial antes do teste, prepare o dicionário das métricas e peça primeiro uma auditoria do arquivo.

Aprove o plano de análise, revise código e cálculos e compare os resultados com o relatório existente. Documente as diferenças e ajuste o prompt.

Quando o processo se tornar reproduzível, avalie o uso dentro de Excel ou Google Sheets, um Project, uma fonte conectada ou o Data plugin. A integração deve ser o resultado de um processo governado, não uma tentativa de corrigir dados e definições que ainda não estão claros.