AIO APEX
GPT-5, Claude Opus 4.1, Gemini 2.5 Pro — best with strong long-context reasoning modelsYou have a weekly leadership review in 30 minutes and only a rough CSV export from your product, marketing, or operations dashboard.Data Analysis

Transforme dados brutos em um briefing executivo com este prompt de IA reutilizável

Compartilhar:
Transforme dados brutos em um briefing executivo com este prompt de IA reutilizável

Why this prompt matters

Raw tables rarely persuade anyone on their own. A structured briefing helps teams spot the real signal faster, avoid talking past each other, and make decisions before a meeting turns into manual spreadsheet narration.

What we use it for

You have a weekly leadership review in 30 minutes and only a rough CSV export from your product, marketing, or operations dashboard.

Prompt

Role:
Act as a senior analytics strategist and chief of staff who turns messy operational data into clear executive briefings.

Context:
I will give you [RAW DATA OR CSV], [METRIC DEFINITIONS], [BUSINESS CONTEXT], [TIME WINDOW], and [TARGET AUDIENCE]. The data may be incomplete, inconsistently formatted, or missing useful labels. Your job is to identify the signal, not just restate the table.

Task:
Analyze the input and produce a decision-ready executive briefing that explains what changed, what matters, what is uncertain, and what action should be considered next.

Constraints:
- Use only the information provided. If something important is missing, say so explicitly.
- Distinguish observed facts from hypotheses or interpretations.
- Quantify changes wherever possible (absolute and percentage change when relevant).
- Highlight only the most material trends, anomalies, risks, and opportunities.
- Do not flood the reader with every metric.
- If the data quality is weak, include a short "data confidence" note.
- If useful, ask up to [NUMBER OF FOLLOW-UP QUESTIONS] clarifying questions first, but still provide a provisional briefing.
- Keep the tone concise, executive, and specific.

Output Format:
1. Executive Summary (5-7 bullet points)
2. Key Trends Table
   - Metric
   - What changed
   - Why it likely matters
3. Anomalies and Red Flags
4. Likely Drivers and Caveats
5. Recommended Actions for [TARGET AUDIENCE]
6. Data Confidence Note

Input:
- Raw data / CSV: [PASTE DATA HERE]
- Metric definitions: [DEFINE THE METRICS]
- Business context: [DESCRIBE THE PRODUCT / TEAM / BUSINESS]
- Time window: [E.G. LAST 7 DAYS VS PRIOR 7 DAYS]
- Target audience: [E.G. CEO, COO, VP GROWTH]
- Decision needed: [WHAT DECISION THIS SHOULD SUPPORT]
- Follow-up question limit: [E.G. 3]

Result

Executive Summary

- New trial signups fell 14 percent week over week, but the larger issue is lower activation after signup, not just top-of-funnel volume.

- Activation dropped from 42 percent to 34 percent, which means the business lost conversion efficiency at the point where value should become visible to a new user.

- Paid acquisition spend increased 11 percent while cost per activated user rose 32 percent, suggesting recent campaign mix is sending weaker traffic or landing-page intent is mismatched.

- Expansion revenue grew 9 percent and churn stayed mostly flat, so this does not look like a broad product failure. The pressure is concentrated in new-user onboarding.

- Support tickets mentioning import errors increased 38 percent in the same period. That is the strongest operational clue in the dataset.

- Immediate focus should shift from buying more traffic to verifying whether onboarding friction is suppressing activation.

Key Trends Table

Trial signups: 8,420 → 7,241 (-14.0%). This matters because top-of-funnel volume is softening, but the decline is not severe enough by itself to explain the full revenue risk.

Activation rate: 42% → 34% (-8 points / -19.0%). This is the most material movement in the dataset because it directly affects pipeline quality for paid conversion.

Paid media spend: $118,000 → $131,000 (+11.0%). Spend rose while activation quality fell, reducing efficiency.

Cost per activated user: $33.40 → $44.10 (+32.0%). This indicates deteriorating unit economics in acquisition.

Support tickets tagged “import error”: 211 → 291 (+37.9%). This likely points to onboarding friction that deserves immediate product and support review.

Anomalies and Red Flags

The support-ticket jump is too closely timed with the activation decline to ignore. The most plausible explanation is that a product, integration, or UX issue is interrupting account setup. A secondary possibility is traffic quality degradation from a new paid campaign, but current data supports the onboarding-friction hypothesis more strongly.

Likely Drivers and Caveats

The dataset does not include landing-page breakdowns, device segmentation, or release notes, so the root cause is not confirmed. However, the numbers are directionally consistent with a setup bottleneck rather than pure demand weakness.

Recommended Actions

1. Audit onboarding flows and import logs from the last 7 days.
2. Pull campaign-level activation quality before increasing paid budget.
3. Ask support to classify the import-error spike by integration, browser, and account type.
4. Prepare a follow-up readout within 24 hours with segmented activation data.

Data Confidence Note

Confidence is moderate. The trend is clear, but root-cause certainty is limited because the export lacks segmentation and product release context.

A maioria dos times não tem dificuldade em coletar dados. O desafio é transformar uma exportação crua em algo que a liderança consiga usar rapidamente. É essa lacuna que este prompt foi feito para preencher. Em vez de pedir para um modelo de IA simplesmente “analisar este CSV”, ele dá ao modelo um papel claro, contexto de negócio, objetivo de decisão e estrutura de saída — o resultado parece um briefing executivo, não uma enxurrada de observações.

A tese central é simples: prompts de análise ficam melhores quando você para de tratar o modelo como uma calculadora e começa a tratá-lo como um analista escrevendo para um público específico. Executivos não precisam que cada número seja repetido. Eles precisam do sinal: o que mudou, o que importa, o que é incerto e qual decisão está agora na mesa.

O que este prompt foi projetado para fazer

Este prompt funciona melhor quando você tem uma tabela bruta, exportação de planilha, cópia de dashboard ou snapshot de KPI e precisa preparar um briefing para um gerente, fundador, cliente ou líder de operações. Ele força o modelo a organizar as informações em cinco camadas úteis: um resumo executivo curto, as tendências mais importantes, anomalias que merecem investigação, as implicações de negócio prováveis e uma lista prática de ações.

Essa estrutura é importante porque a maioria dos prompts com dados crus falha de duas maneiras. Ou produzem um monte de estatísticas descritivas sem valor de decisão, ou pulam rápido demais para recomendações sem deixar claro quais números são fatos e quais afirmações são interpretação. Este prompt obriga o modelo a separar evidência de inferência. Isso torna a saída mais fácil de confiar e mais fácil de contestar.

Por que o prompt usa Papel, Contexto, Tarefa, Restrições e Formato de Saída

A seção de Papel diz ao modelo para se comportar como um estrategista sênior de analytics e chefe de gabinete, não um chatbot genérico. Isso muda o tom e as prioridades. Você quer que o modelo pense em trade-offs, sensibilidade ao público e utilidade para a decisão.

A seção de Contexto dá as condições de operação: a empresa, o modelo de negócio, o público, a janela de relatório e as definições por trás dos números. Sem isso, mesmo um modelo capaz pode interpretar mal uma queda na conversão, reagir exageradamente à sazonalidade ou perder a diferença entre uma campanha pontual e uma mudança estrutural.

A seção de Tarefa define o trabalho real. Não é “resuma os dados”. É “produza um briefing executivo pronto para decisão”. Essa redação importa. Diz ao modelo para otimizar clareza e acionabilidade, em vez de exaustividade.

A seção de Restrições é onde o salto de qualidade acontece. Ela diz explicitamente ao modelo para quantificar mudanças, apontar informações ausentes, distinguir fatos observados de hipóteses e evitar inventar certeza. Em fluxos de relatório reais, essa é a diferença entre algo que você pode encaminhar e algo que precisa reescrever do zero.

Por fim, o Formato de Saída dá ao leitor um template reutilizável. Um bom prompt não cria apenas uma resposta forte; ele cria um padrão de relatório consistente que seu time pode usar toda semana.

Onde este prompt é especialmente útil

Este prompt é ideal para revisões semanais de negócio, resumos de time de growth, sumários de tendências de suporte ao cliente, reportes de operações de marketplace, snapshots financeiros ou check-ins de KPI de produto. Também é útil quando os dados estão incompletos. O prompt instrui o modelo a sinalizar pontos cegos e ainda assim produzir uma leitura provisória — que é exatamente o que os times precisam antes de uma reunião.

É menos útil quando você precisa de testes estatísticos formais, controles financeiros ou interpretação regulatória de domínio específico. Nesses casos, o prompt ainda é valioso como uma camada de briefing inicial, mas não deve substituir um analista, contador ou operador que seja dono dos números.

Como obter melhores resultados com ele

Três edições melhoram a saída imediatamente. Primeiro, defina o público com precisão: “COO”, “VP de Growth” ou “diretor de serviços ao cliente” é melhor que “liderança”. Segundo, inclua definições de métricas quando os nomes forem ambíguos. Terceiro, diga ao modelo qual decisão está pendente. Se o leitor está escolhendo entre realocação de orçamento, pausa de campanha ou rollback de produto, as recomendações ficam muito mais afiadas.

A melhor parte deste prompt é que ele escala para baixo e para cima. Um fundador pode colar uma tabela simples e receber um memorando claro. Um time maior pode conectar a mesma estrutura em fluxos de relatório recorrentes. Em ambos os casos, o valor é o mesmo: menos tempo transformando exportações em prosa, e maiores chances de que a pessoa certa perceba o sinal certo antes da próxima reunião começar.

ai-promptdata analysisexecutive-briefingcsv-analysiskpi-reporting
Compartilhar: