Claude Code para Análise de Dados: Passo a Passo Completo

Veja como usar claude code para análise de dados com um passo a passo real, da limpeza da base até um dashboard automatizado em HTML.

Introdução

Usar claude code para análise de dados vai muito além de jogar uma planilha para a inteligência artificial e pedir “faz um dashboard para mim”. Se você fizer isso, até pode sair alguma coisa bonitinha na tela, mas você corre o risco de ter números errados, uma análise que só funciona uma vez e um resultado que não é bem aquilo que você precisava.

Nesta aula eu vou te mostrar um passo a passo completo, usando um case real de uma empresa de e-commerce, para você garantir três coisas ao usar IA em projetos de dados: que a análise esteja correta, que ela seja replicável sempre que a base atualizar e que você consiga extrair o máximo de resultado da inteligência artificial que estiver usando.

No final desse processo a gente vai ter construído um dashboard interativo em HTML, com filtros de estado e período, e ainda vai deixar tudo pronto para ser atualizado automaticamente sempre que a base de vendas mudar.

Para fazer o download do(s) arquivo(s) utilizados na aula, preencha com o seu e-mail:

Não vamos te encaminhar nenhum tipo de SPAM! A Hashtag Treinamentos é uma empresa preocupada com a proteção de seus dados e realiza o tratamento de acordo com a Lei Geral de Proteção de Dados (Lei n. 13.709/18). Qualquer dúvida, nos contate.

Por que não basta pedir pro Claude Code fazer tudo sozinho

Imagina que você pega uma base de dados de vendas e simplesmente escreve para o Claude Code: "faz um dashboard de vendas para mim". É bem provável que ele consiga entregar alguma coisa. O problema é que essa entrega vai falhar em pelo menos um desses três pontos.

Primeiro, os números podem estar errados. Bases de dados do mercado de trabalho quase sempre têm problemas de padronização, valores estranhos e informações faltando, e se você não orientar a IA, ela vai tomar decisões sozinha sobre isso, tipo excluir linhas que na verdade deveriam ser tratadas de outra forma.

Segundo, a análise não vai ser replicável. Se amanhã a base atualizar e você quiser um relatório novo, você vai ter que pedir para o Claude Code refazer tudo do zero, sem garantia nenhuma de que ele vai repetir exatamente as mesmas decisões que tomou da primeira vez.

Terceiro, o resultado pode simplesmente não responder o que você realmente precisa, e aí você entra num vai e vem de ajustes que consome muito mais tempo do que se você tivesse orientado o processo desde o início.

O case que vamos usar nesta aula

O desafio aqui era de uma empresa de e-commerce que precisava entender como estavam as vendas, quais eram os principais canais e quais eram os produtos que mais vendiam, para conseguir otimizar o que estava indo mal e intensificar o que estava indo bem. Para isso, o dashboard precisava mostrar receita, margem, distribuição de receita ao longo do tempo e resultado por categoria, canal e produto.

A base bruta vinha em CSV, com cerca de 8 mil linhas e 16 colunas, entre elas ID do pedido, data, cliente, estado, cidade, categoria, produto, quantidade, preço unitário, desconto, custo unitário, canal, forma de pagamento, status e avaliação. E, como qualquer base real, ela vinha cheia de inconsistências.

Passo 1: diagnóstico da base de dados antes de qualquer análise

O primeiro passo de qualquer projeto de análise de dados com IA é pedir um diagnóstico completo antes de sair pedindo qualquer tratamento ou dashboard. Isso é o que garante que você vai antecipar os problemas e orientar a inteligência artificial em vez de deixar ela tomar decisões sozinha.

Como pedir o diagnóstico inicial pro Claude Code

O prompt usado foi mais ou menos assim: analisar o arquivo de vendas em CSV, mostrar o número de linhas e colunas, o tipo de informação de cada coluna, uma amostra das cinco primeiras linhas, uma estatística descritiva das colunas numéricas e um resumo dos problemas de qualidade encontrados, como valores faltantes, duplicados, formatos incorretos de data e número, e categorias despadronizadas. E o mais importante: pedir explicitamente para não alterar o arquivo original.

Vale reforçar esse ponto porque é ele que garante a replicabilidade do processo. Por trás dos panos, sempre que você usa Claude Code para análise de dados, ele vai recorrer ao Python, já que essa é a linguagem mais usada nesse tipo de trabalho, incluindo bibliotecas como o pandas para manipular as tabelas.

Os problemas que apareceram nesta base

Depois de rodar essa análise exploratória de dados, apareceu uma lista grande de inconsistências. Alguns exemplos: preços com vírgula e ponto misturados como separador decimal, estados escritos de formas diferentes, categorias duplicadas por causa de acento e caixa, quantidades negativas, datas em formatos diferentes, linhas duplicadas e até um preço de notebook registrado em mais de cinco milhões de reais.

Comunidade
Impressionadora

Aprenda, em um só lugar, as habilidades mais importantes do mercado — do básico ao avançado. Desenvolva projetos práticos e se torne um profissional pronto para se destacar.

Começar agora

Passo 2: tratamento e limpeza dos dados com um script Python

Com o diagnóstico em mãos, o próximo passo é pedir que os problemas sejam corrigidos, mas de uma forma bem específica. Em vez de pedir "corrige minha base", o pedido certo é "cria um arquivo de limpeza que faz esse tratamento".

Por que pedir um arquivo de limpeza em vez de uma edição direta

O prompt usado pediu a criação de um arquivo chamado limpeza.py, que lê o CSV bruto e gera um novo arquivo chamado vendas_tratadas.csv, sem nunca sobrescrever o original. Esse script cuidou da conversão de datas, da padronização de preço e custo unitário, da normalização de estado e categoria, da remoção de duplicatas, do tratamento de quantidades negativas como devoluções e da limpeza de espaços em nomes de clientes.

Essa é a grande sacada de todo esse processo de limpeza de dados no Python. Se a base atualizar amanhã, você não precisa pedir para a IA refazer a limpeza do zero, você só roda o mesmo script de novo, ou pede para o próprio Claude Code executar aquele arquivo que já existe.

def parse_numero(s):
    """Converte string numerica em float, lidando com formatos PT/US:
       '315,27' -> 315.27 | '2001.22' -> 2001.22 | '1.040,17' -> 1040.17"""
    if pd.isna(s):
        return np.nan
    s = str(s).strip()
    if s == "":
        return np.nan
    tem_v = "," in s
    tem_p = "." in s
    if tem_v and tem_p:
        if s.rfind(",") > s.rfind("."):
            s = s.replace(".", "").replace(",", ".")
        else:
            s = s.replace(",", "")
    elif tem_v:
        s = s.replace(",", ".")
    try:
        return float(s)
    except ValueError:
        return np.nan

Decisões de negócio que você não pode terceirizar

Repare que várias dessas correções não são simplesmente técnicas, elas envolvem decisão de negócio. Quantidades negativas, por exemplo, poderiam ser simplesmente excluídas por uma IA sem orientação, mas nesse contexto de e-commerce elas provavelmente representam devoluções. Por isso o pedido foi separar essas linhas em um arquivo próprio de devoluções, em vez de jogar tudo fora.

O mesmo vale para as datas vazias. Em vez de excluir essas linhas da base, elas foram mantidas dentro da receita total, mas ficam de fora sempre que algum filtro de período for aplicado, já que não dá para saber exatamente quando aquela venda aconteceu. Esse tipo de decisão só existe porque houve uma etapa de diagnóstico antes, avisando exatamente onde estavam esses casos.

Como tratar outliers de preço corretamente

Para os outliers de preço, a regra definida foi considerar como valor fora do padrão qualquer preço oito vezes maior do que a mediana do mesmo produto, e substituir esse valor pela própria mediana. Foi assim que o notebook registrado a R$ 5.270.000 virou R$ 4.771, um valor muito mais coerente com o restante da categoria.

Esse cuidado é essencial porque uma mediana global, calculada em cima de todos os produtos, misturaria o preço de um notebook com o de uma garrafa térmica, por exemplo, e o resultado sairia igualmente sem sentido. Usar a mediana do mesmo tipo de produto é o que garante uma correção realista.

Passo 3: análise exploratória antes de partir pro dashboard

Com a base tratada em mãos, o passo seguinte não foi construir o dashboard direto. Antes disso, vale pedir uma análise inicial em Excel, com abas separadas para top 10 produtos, receita e margem por categoria, receita e margem por canal, ticket médio por estado, evolução mensal e um resumo com os principais KPIs.

Esse arquivo intermediário serve para você bater o olho e confirmar se a base tratada faz sentido antes de partir para uma visualização mais elaborada. No case usado aqui, o resultado apontou receita líquida total de aproximadamente R$ 11,7 milhões, margem total em torno de R$ 4,46 milhões, o que representa uma margem de cerca de 38%, ticket médio próximo de R$ 1.814 e a categoria Eletrônicos como a maior geradora de receita.

De novo, o pedido para o Claude Code foi que ele criasse um arquivo Python chamado analise.py, responsável por gerar esse Excel, em vez de simplesmente entregar os números soltos. Assim, essa etapa inteira também vira parte do pipeline que pode ser reexecutado sempre que quiser.

Passo 4: construção do dashboard em HTML com Claude Code

Depois de validar a análise inicial, chega a hora de construir o dashboard com IA propriamente dito. Aqui existem basicamente três caminhos possíveis, e a escolha entre eles muda bastante o resultado final.

Por que HTML dá mais liberdade do que montar tudo no Excel

• Construir o dashboard dentro do próprio Excel, o que costuma limitar bastante o visual e a interatividade
• Pedir para o Claude Code gerar um HTML já pronto com os dados fixos dentro dele, o que funciona, mas exige recriar o arquivo inteiro toda vez que a base mudar
• Pedir a criação de um arquivo Python que gera o HTML, opção usada neste case, que permite atualizar o dashboard só rodando o script de novo

O prompt usado foi pedir a criação de um arquivo chamado build_dashboard.py, que lê a base tratada e gera um dashboard interativo, autocontido, sem depender de internet, com CSS e JavaScript puro embutidos no próprio HTML. O resultado foi um painel com KPIs no topo, gráfico de linha da receita mensal, gráficos de barra por categoria e canal, ranking de produtos, filtro por estado e por período, e opção de tema claro ou escuro.

O ponto chave aqui, de novo, é que o Claude Code não gerou o HTML direto, ele gerou um script Python que constrói esse HTML. Isso significa que, quando a base de vendas atualizar, basta rodar o mesmo script de novo para ter um dashboard interativo em HTML atualizado, sem precisar recorrer à IA outra vez.

Passo 5: automatizando toda a análise com um comando

Depois que a limpeza, a análise e o dashboard já estão salvos em arquivos Python separados, sobra uma última etapa muito importante, que é transformar esse pipeline inteiro em algo executável de forma automática, sem precisar descrever tudo de novo em cada conversa.

Existem duas formas simples de fazer isso. A primeira é pedir para o Claude Code registrar todo o passo a passo dentro de um arquivo claude.md, que serve como uma espécie de manual para as próximas execuções. A segunda, mais direta, é pedir a criação de um comando personalizado dentro da pasta .claude/commands, algo como "relatório mensal", que roda a limpeza, atualiza o Excel e o dashboard, e ainda escreve um resumo com os principais destaques do mês.

Depois de criado, esse comando pode ser executado sempre que a base de vendas atualizar, com ou sem filtro de data, e o processo de automação com Claude Code passa a rodar sozinho, sem depender de você reescrever o pedido inteiro toda vez.

Boas práticas para usar Claude Code em análise de dados

Resumindo tudo que passamos aqui, existem algumas regras que valem para praticamente qualquer projeto de curso básico de Claude no code ou de análise de dados com IA que você for fazer daqui para frente.

• Nunca deixe a IA editar a base de dados original, sempre peça um arquivo tratado à parte
• Peça sempre um diagnóstico completo antes de qualquer tratamento ou dashboard
• Toda edição, limpeza ou construção deve virar um arquivo de código, nunca uma ação direta e isolada
• Explique as regras de negócio, como o que fazer com valores negativos ou outliers, em vez de deixar a IA decidir sozinha
• Peça um relatório do que foi alterado, para conseguir concordar ou ajustar cada decisão tomada
• No final, transforme o processo inteiro em um comando ou rotina automatizada

Conclusão

Usar claude code para análise de dados de forma correta não é sobre delegar tudo de uma vez e torcer para que dê certo. É sobre orientar a IA em cada etapa, do diagnóstico da base até a construção do dashboard, garantindo que o trabalho difícil fique com ela enquanto as decisões de negócio ficam com você. Seguindo esse passo a passo, você chega num resultado correto, replicável e que realmente aproveita o potencial da inteligência artificial dentro dos seus projetos.

Se você quer ir além dessa aula e aprender a usar ferramentas no code, automações e inteligência artificial de forma completa dentro dos seus projetos, conheça o Curso Completo de Claude da Hashtag Treinamentos.

Caso prefira esse conteúdo no formato de videoaula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!

FAQ - Perguntas Frequentes sobre Claude Code para Análise de Dados

Hashtag Treinamentos

Para acessar outras publicações de No Code, clique aqui!

Posts mais recentes de No Code

• 
  Dots do ChatGPT: o que é e como usar esse agente de IA5 de outubro de 2026
  Descubra o que é o Dots do ChatGPT, como configurar, integrar com Slack e agenda e se vale a pena usar esse novo agente de IA da OpenAI.
• 
  GPT-6 Astra: 7 usos reais do novo modelo da OpenAI5 de outubro de 2026
  Veja 7 usos reais do GPT-6 Astra, o novo modelo da OpenAI que executa tarefas sozinho no computador. Entenda como ele funciona e onde ainda erra.
• 
  Jev IA: o que é e como usar essa IA que não escreve5 de outubro de 2026
  Entenda o que é o Jev IA, a inteligência artificial classificadora mais rápida e barata do mercado, e veja 5 usos práticos para seus fluxos.

Posts mais recentes da Hashtag Treinamentos

• 
  Planilha de Controle de Notas Fiscais no Excel [Grátis]2 de outubro de 2026
  Baixe a planilha de controle de notas fiscais no Excel grátis: calcule ISS e retenções, veja o que está em aberto e gere a cobrança de cada nota de serviço.
• 
  Qual IA usar na empresa: ChatGPT, Claude ou Perplexity?2 de outubro de 2026
  Qual IA usar na empresa: veja as diferenças entre ChatGPT, Claude e Perplexity e quando cada um rende mais em cada área da sua equipe.
• 
  Apostilas Gratuitas em PDF: Excel, Power BI, Python e IA30 de setembro de 2026
  Baixe apostilas gratuitas em PDF de Excel, Power BI, Python, Claude e agentes de IA, com exercícios e gabarito. Escolha a sua e comece hoje.