Pular para o conteúdo principal

Análise Profunda (Iara)

Iara é o motor de análise avançada que executa análises abrangentes de dados usando técnicas como clusterização, previsão, detecção de anomalias e mais — tudo a partir de uma pergunta em linguagem natural.

Captura de tela da página de Análise Profunda mostrando a área de prompt principal com chips de perguntas de exemplo

Como Funciona​

  1. Pergunte — Descreva o que você quer analisar em linguagem simples
  2. Planeje — A IA cria um plano de análise com múltiplas técnicas
  3. Execute — As análises são executadas em paralelo em segundo plano
  4. Resultados — Visualize descobertas abrangentes com gráficos, tabelas e explicações

Iniciando uma Análise​

Navegue até Análise Profunda na barra lateral.

Captura de tela mostrando a área de entrada da pergunta com prompts de exemplo listados abaixo

Exemplos de Prompts​

PromptO Que Executa
"Segmente os clientes por comportamento de compra"Clusterização + Segmentação RFM
"Produtos frequentemente comprados juntos"Análise de Cesta
"Preveja a receita do próximo trimestre"Previsão de Séries Temporais
"O que mais impulsiona minhas vendas?"Análise de Causalidade / Drivers
"Encontre padrões incomuns nos meus dados"Detecção de Anomalias

Plano de Análise​

Após enviar sua pergunta, a IA gera um plano mostrando quais tipos de análise serão executados:

Captura de tela do plano de análise mostrando checkboxes para cada tipo de análise com descrições

Você pode ativar ou desativar análises específicas antes de iniciar a execução.

Tipos de Análise​

1. Clusterização de Clientes​

Agrupa seus clientes em segmentos baseados em padrões comportamentais.

Captura de tela mostrando resultados de clusterização com visualização de segmentos e descrições

Os resultados incluem:

  • Número de clusters identificados
  • Descrições dos clusters (ex.: "Compradores frequentes de alto valor", "Caçadores de promoções ocasionais")
  • Pontos de dados por cluster
  • Método de clusterização utilizado (K-Means, DBSCAN, etc.)

2. Análise de Cesta​

Descobre produtos frequentemente comprados juntos (regras de associação).

Captura de tela mostrando resultados da análise de cesta com as principais regras de associação

Os resultados incluem:

  • Número de regras encontradas
  • Principais regras com:
    • Suporte — Com que frequência os itens aparecem juntos (%)
    • Confiança — Qual a probabilidade de B ser comprado quando A é comprado (%)
    • Lift — Quanto mais provável em comparação com o acaso

3. Previsão de Séries Temporais​

Prevê valores futuros de uma métrica baseado em tendências históricas.

Captura de tela mostrando um gráfico de linha com dados históricos e projeção de previsão

Os resultados incluem:

  • Linha de tendência histórica
  • Projeção de previsão com intervalo de confiança
  • Método de previsão (ARIMA, Prophet, etc.)
  • Horizonte de previsão (configurável)

4. Análise de Causalidade / Drivers​

Identifica quais fatores mais influenciam uma métrica-alvo.

Captura de tela mostrando análise de drivers com barras de coeficientes e resultados do teste de Granger

Os resultados incluem:

  • Coeficientes Lasso — Quais variáveis têm o maior impacto
  • Testes de causalidade de Granger — Se uma série temporal prevê outra
  • Rankings de drivers por tamanho do impacto

5. Detecção de Anomalias​

Encontra padrões incomuns e outliers nos seus dados.

Captura de tela mostrando anomalias detectadas destacadas em um gráfico de série temporal

Os resultados incluem:

  • Total de anomalias detectadas
  • Método de detecção utilizado
  • Tabela de pontos de dados anômalos com datas e valores
  • Score de severidade

6. Análise de Sobrevivência​

Estima o tempo de vida do cliente e probabilidades de retenção.

Captura de tela mostrando uma curva de sobrevivência de Kaplan-Meier

Os resultados incluem:

  • Tempo mediano de sobrevivência
  • Curva de probabilidade de sobrevivência (Kaplan-Meier)
  • Taxas de retenção em intervalos-chave (30, 60, 90 dias)

7. Segmentação RFM​

Classifica clientes por Recência, Frequência e Valor Monetário.

Captura de tela mostrando treemap RFM, heatmap e rótulos de segmento acionáveis

Os resultados incluem:

  • Distribuição de segmentos — Treemap mostrando o tamanho dos segmentos
  • Heatmap R × F — Matriz de Recência vs Frequência
  • Melhores/Piores clientes — Com IDs anonimizados
  • Rótulos acionáveis: Recompensar, Upsell, Engajar, Reconquistar, Em Risco, etc.

Interpretando os Resultados​

Alertas de Qualidade de Dados​

A IA pode mostrar alertas quando a qualidade dos dados afeta a análise:

AlertaSignificadoO Que Fazer
Poucas linhasPontos de dados insuficientes para significância estatísticaFaça upload de mais dados históricos
Sem variânciaTodos os valores são iguais — nada a analisarVerifique os dados em busca de erros
Período curtoSérie temporal muito curta para previsão confiávelAguarde mais dados serem acumulados

Alternativas Sugeridas​

Quando um tipo de análise produz resultados de baixa qualidade, a IA sugere abordagens alternativas:

"Os resultados de clusterização têm baixa confiança com seus dados atuais. Considere executar uma Segmentação RFM, que funciona bem com dados transacionais."

Histórico de Análises​

Visualize análises anteriores na barra lateral de Histórico (lado direito da página):

Captura de tela da barra lateral de histórico mostrando análises anteriores agrupadas por lote com chips de status

  • Análises agrupadas por lote (cada prompt cria um lote)
  • Chips de status (Concluída, Em Execução, Falha)
  • Clique para visualizar resultados de qualquer análise anterior

Exportando Resultados​

Clique em Exportar PDF para baixar um relatório formatado de qualquer análise concluída, incluindo gráficos e texto resumido.

info

Dica: Análises profundas são mais poderosas quando combinadas. Por exemplo:

  1. Execute Clusterização para segmentar clientes
  2. Execute Análise de Cesta por segmento para encontrar afinidades de produtos específicas por segmento
  3. Execute Previsão na receita por segmento para prever crescimento