Introdução
Uma das vantagens de utilizar IA para analisar dados de maneira automatizada é a velocidade com que se chega em resultados palpáveis. Enquanto que um ser humano poderia levar horas até entender uma tabela de dados nova e construir uma análise, um modelo de IA pode aplicar todo o processo de análise de dados em questão de segundos de maneira customizável e reprodutível.
No entanto, para analisar dados utilizando IA é necessário um bom conhecimento de engenharia de prompt. Afinal, ainda precisamos dizer para o modelo de IA o que ele deve fazer (e esperar alguns segundos para ele entregar o resultado). Uma outra desvantagem é a limitação do tipo de resposta que estes modelos retornam dada uma instrução. Até o momento, não há modelos de IA que entreguem um arquivo PDF com, por exemplo, um relatório de análise de dados pronto.
Entretanto, ainda assim, podemos usar IA para facilitar nosso trabalho em gerar conteúdo analisando os dados da tabela que temos em mãos. O Google Gemini é um modelo de IA que entende e processa instruções textuais, retornando também respostas textuais. Sendo assim, podemos utilizar o Gemini através do Python para que o mesmo analise os dados de uma tabela.
Abaixo, mostramos os passos para gerar o conteúdo da análise.
Passo 01: bibliotecas de Python
Para começar a utilizar o modelo de IA para analisar dados, precisaremos das seguintes bibliotecas de Python:
pandas para armazenar e tratar dados tabulares. google-generativeai para analisar dados com o modelo de IA do Google (Gemini). IPython para formatar as respostas textuais do modelo de IA no relatório.
Passo 02: dados de exemplo
Para exemplificar uma análise de dados reais, utilizaremos o tema atividade econômica no Brasil. Coletamos e tratamos um importante indicador desse tema, com dados provenientes do BCB. A tabela abaixo exibe uma parte da tabela que será analisada pelo modelo de IA:
| 0 |
2003-01-01 |
100.46 |
NaN |
NaN |
NaN |
| 1 |
2003-02-01 |
102.10 |
1.632491 |
NaN |
NaN |
| 2 |
2003-03-01 |
101.71 |
-0.381978 |
NaN |
NaN |
| 3 |
2003-04-01 |
101.09 |
-0.609576 |
NaN |
NaN |
| 4 |
2003-05-01 |
99.98 |
-1.098031 |
NaN |
NaN |
| ... |
... |
... |
... |
... |
... |
| 258 |
2024-07-01 |
152.36 |
-0.340136 |
5.788529 |
2.417017 |
| 259 |
2024-08-01 |
152.78 |
0.275663 |
3.607228 |
2.605999 |
| 260 |
2024-09-01 |
153.89 |
0.726535 |
5.227679 |
2.992990 |
| 261 |
2024-10-01 |
154.03 |
0.090974 |
7.227839 |
3.445917 |
| 262 |
2024-11-01 |
154.18 |
0.097384 |
4.109968 |
3.577849 |
263 rows × 5 columns
Passo 03: modelo de inteligência artificial (IA)
Para utilizar o modelo de inteligência artificial Gemini, é necessário obter uma chave de token na plataforma Google AI Studio (veja mais informações aqui).
Com a chave de token em mãos, defina em um novo bloco de código Python o modelo a ser utilizado, suas configurações e informe a chave para a autenticação funcionar.
Passo 04: sumário de análise de dados por IA
A primeira automatização de análise de dados utilizando IA que colocamos é um sumário sobre os dados do IBC-br. Para tal, filtramos os dados que queremos que o modelo analise e damos uma instrução “para elaborar uma breve análise de conjuntura sobre atividade econômica brasileira”, pedindo para que a resposta seja retornada no formato de bullet points em markdown para ficar bem formatado.
Em novembro de 2024, o IBC-Br apresentou crescimento mensal de 0,097%, indicando um ritmo de expansão da atividade econômica bastante moderado.
A variação acumulada em 12 meses do IBC-Br em novembro de 2024 foi de 3,58%, sugerindo um crescimento anual da atividade econômica, porém abaixo do observado no ano anterior.
A variação interanual do IBC-Br em novembro de 2024 foi de 4,11%, indicando uma desaceleração em relação ao mesmo mês do ano anterior, sinalizando um possível arrefecimento do crescimento econômico.
Passo 05: visualização de dados por IA
Por fim, vamos pedir para o modelo de IA gerar um código de visualização de dados para observar a evolução temporal do IBC-br no Brasil. Pegamos o código Python gerado pelo modelo e executamos ele no próprio relatório para gerar um gráfico abaixo da análise textual acima.
Considerações
A ideia aqui é sugerir que temos diversas possibilidades de criação com a IA para tornar nosso trabalho mais eficiente e rápido, não somente para a análise de dados, e para o indicador IBC-br, mas também para outras etapas do processo (como coleta, tratamento, etc), mas também para diversos outros indicadores econômicos (inflação, desemprego, etc).