Análise de Dados com IA: ChatGPT e Claude Aplicados a Planilhas [2026]

Na Marfin, a primeira coisa que fazemos com um relatório exportado do Meta Ads, do GA4 ou do CRM é soltar o arquivo no Claude ou no ChatGPT, descrever o que cada coluna significa e perguntar o que queremos saber. Em 2026, análise de dados com IA virou rotina de time de marketing, e o resultado aparece em minutos: tabela cruzada, gráfico, fórmula pronta e uma explicação em português do que os números estão dizendo.

Isso funciona porque os dois assistentes escrevem código, executam em um ambiente isolado e mostram o resultado junto com o script. O ChatGPT roda Python. O Claude roda JavaScript na ferramenta de análise e, dentro do Excel, entra direto na planilha por um add-in. A distância entre um número que veio de código e um número que o modelo inventou é o que separa uma análise útil de um erro caro, e boa parte deste guia trata disso.

O que segue é o nosso fluxo real: como usamos ChatGPT e Claude em planilhas no dia a dia, os prompts que funcionam, os limites que já nos morderam, o que Gemini e Copilot fazem dentro do Sheets e do Excel, quanto custa cada plano e as dicas que evitam retrabalho.

Link para esta seçãoO que muda na análise de dados com IA

Durante anos, analisar uma planilha significava dominar PROCV, tabela dinâmica e meia dúzia de fórmulas aninhadas. A análise de dados com IA inverte a ordem do trabalho: primeiro vem a pergunta em português, depois a máquina decide qual fórmula, qual agrupamento e qual gráfico respondem a ela. Quem sabe o que quer descobrir passa a produzir análise sem depender de quem sabe operar a ferramenta.

Na prática, os assistentes atuais fazem quatro coisas bem. Leem arquivos CSV e XLSX com dezenas de milhares de linhas e descrevem a estrutura sozinhos. Limpam dados: padronizam datas, separam colunas coladas, removem duplicatas e apontam valores fora do padrão. Cruzam bases, como uma exportação de anúncios com a lista de leads do CRM, usando uma coluna em comum. E geram gráficos e tabelas resumo que nós pediríamos para um analista júnior e esperaríamos um dia para receber.

Dentro de uma estratégia de IA no marketing, esse é o ponto em que a IA vira o braço analítico do time, além de gerar texto e imagem. O relatório semanal que exigia duas horas de copiar e colar passa a ser uma conversa de dez minutos com o mesmo arquivo. Se você ainda está montando a base conceitual, o nosso guia completo de inteligência artificial explica o que são esses modelos e por que eles acertam mais quando executam código.

Link para esta seçãoOnde a IA ajuda de verdade

O ganho maior aparece na análise exploratória, aquela fase em que ninguém sabe ainda qual é a pergunta certa. Subimos a base e pedimos: "descreva esse arquivo, aponte colunas com valores faltando e liste três coisas estranhas nesses dados". Em geral, a resposta já traz a pista da análise que vale aprofundar. Um relatório de campanhas com CPL dobrando em uma semana específica, uma coluna de UTM com vinte grafias diferentes para a mesma origem, um mês inteiro sem registros por falha de integração: tudo isso aparece antes de qualquer fórmula.

Também ajuda muito em fórmulas complexas. Em vez de lembrar a sintaxe de SOMASES com três critérios e uma data relativa, descrevemos a regra e recebemos a fórmula pronta, com explicação de cada argumento. E quando herdamos uma planilha de outro time, com trinta abas e fórmulas encadeadas, pedimos para o modelo mapear as dependências e explicar o que cada aba calcula. Isso economiza uma tarde inteira e evita quebrar uma referência que ninguém lembrava que existia.

Link para esta seçãoOnde ainda dá trabalho

Arquivos grandes continuam sendo o principal limite. Um CSV de 300 MB estoura o que o chat processa em tempo razoável, e planilhas com células mescladas, cabeçalho em duas linhas e abas que se referenciam confundem a leitura. Dados sensíveis são outro ponto: CPF, e-mail, telefone e dados de saúde pedem anonimização antes de sair do seu ambiente, por LGPD e por bom senso. E existe o risco de o modelo responder um número de cabeça em vez de calcular, assunto que ganha uma seção própria mais adiante.

Link para esta seçãoChatGPT para análise de dados: como funciona na prática

O recurso de análise de dados do ChatGPT, o antigo Advanced Data Analysis, hoje é ativado sozinho quando você anexa um arquivo. Ele roda Python em um ambiente isolado. Você sobe um CSV, XLSX, JSON ou até um PDF com tabelas, e o modelo escreve o código com pandas e matplotlib, executa e mostra o resultado. Dá para expandir o código de cada etapa, o que faz toda a diferença na hora de conferir.

Os arquivos também podem vir direto do Google Drive, OneDrive, SharePoint e Dropbox pelos conectores, sem download manual. O ChatGPT devolve tabelas interativas, que você ordena e filtra na tela, e gráficos que podem ser editados em cor e tipo antes de baixar como PNG. Quando pedimos, ele gera um XLSX novo com a análise pronta para download, com abas separadas e fórmulas quando faz sentido.

O fluxo que usamos para um relatório de Meta Ads é simples. Exportamos o relatório por campanha e por dia, com gasto, impressões, cliques, leads e custo por lead. Anexamos e mandamos um prompt assim:

Esse arquivo é a exportação diária de campanhas do Meta Ads de julho de 2026.
Colunas: campanha, data, gasto (BRL), impressoes, cliques, leads, cpl.
Quero: 1) CPL médio por campanha por semana, 2) as três campanhas com maior
piora de CPL entre a primeira e a última semana, 3) um gráfico de linha do
CPL semanal das cinco campanhas com mais gasto. Use código Python para tudo
e mostre o gasto total do período para bater com o painel.

O pedido do gasto total no fim é proposital: é o número que conferimos no gerenciador de anúncios antes de confiar no resto. Se bater, o agrupamento está certo. Se der diferença, geralmente a data foi lida em formato americano ou a coluna de gasto veio como texto com "R$" na frente, e o modelo corrige assim que apontamos.

Para campanhas de marketing, o ChatGPT tem uma vantagem prática: nós já usamos os mesmos prompts da rotina de conteúdo. O nosso post com 50 prompts de ChatGPT para marketing traz vários que começam com uma planilha anexada, de análise de comentários a segmentação de base de e-mail.

Link para esta seçãoClaude para planilhas: análise, fórmulas e o add-in do Excel

O Claude ataca o mesmo problema por outro caminho. No claude.ai, a ferramenta de análise executa JavaScript e lê arquivos CSV linha a linha, o que dá cálculo determinístico para somas, médias, agrupamentos e cruzamentos. O modelo padrão é o Sonnet 4.5, que resolve a maioria das análises de marketing. Para bases mais confusas ou raciocínio mais longo, nós trocamos para o Opus 4.8, lançado em maio de 2026, com o controle de esforço no máximo.

O diferencial que mais usamos é a combinação de Projects com Artifacts. Criamos um projeto para cada cliente, subimos o dicionário de dados (uma descrição de cada coluna, de cada nome de campanha e das metas do trimestre) e, a partir daí, toda análise já nasce com esse contexto. O resultado vira um Artifact: um dashboard em React que roda no próprio chat, com filtro por período e por canal, e que pode ser publicado com um link para o cliente abrir. Quando o relatório vira reunião, o mesmo material alimenta o deck, como mostramos no guia de apresentações com IA.

Em outubro de 2025 a Anthropic lançou o Claude for Excel, um add-in que abre o Claude na barra lateral do Excel com acesso à planilha aberta. Ele lê a estrutura das abas, explica fórmulas existentes, corrige erros de referência e cria ou altera células com a fórmula real, mostrando o que mudou. Está disponível para os planos Max, Team e Enterprise. O que mais gostamos é que ele trabalha com fórmula viva, e a planilha continua funcionando depois que o Claude sai de cena.

Também existem as Skills, pastas de instruções e scripts que o Claude carrega quando a tarefa pede. A skill de xlsx faz o modelo gerar planilhas com fórmulas de verdade, formatação condicional e várias abas, em vez de valores fixos colados. Para quem precisa entregar um arquivo para o financeiro ou para a diretoria, isso muda tudo, porque o destinatário consegue auditar de onde cada número saiu.

Um prompt que funciona bem no Claude com CSV anexado:

Anexei a exportação de leads do CRM de janeiro a agosto de 2026. Colunas: id,
data_criacao, origem, campanha, etapa_funil, valor_estimado, data_fechamento.
Calcule a taxa de conversão de lead para cliente por origem e por mês usando
a ferramenta de análise. Depois monte um Artifact com um gráfico de barras
empilhadas por origem e uma tabela com os totais. Liste as premissas que você
assumiu sobre o que conta como "fechado" e quantas linhas foram processadas.

A última frase do prompt é a que mais evita erro. O modelo vai dizer, por exemplo, que considerou fechado só as linhas com data_fechamento preenchida, e você confirma ou corrige antes de olhar o gráfico.

Link para esta seçãoClaude Code para bases grandes

Quando o arquivo passa de algumas centenas de milhares de linhas, ou quando a mesma análise precisa rodar toda semana, saímos do chat. Claude Code é a ferramenta de programação com IA que mais usamos na Marfin, e ele resolve análise de dados como resolve qualquer tarefa de engenharia: lê a pasta com os CSVs, escreve um script em Python com pandas ou DuckDB, executa no terminal, vê o erro, corrige e entrega o resultado em arquivo. Um CSV com dois milhões de linhas de eventos do GA4, que travaria qualquer chat, vira uma tabela agregada em poucos minutos, e o script fica salvo para a próxima semana.

O fluxo típico: abrimos o terminal na pasta dos dados, descrevemos as colunas e a pergunta, e pedimos que ele crie um script reprodutível com verificações básicas, como conferir se o total de linhas bate com o arquivo original. Como o Claude Code executa e lê a saída, ele mesmo percebe quando uma coluna veio vazia ou quando o encoding quebrou os acentos. Para análise recorrente, essa é a nossa escolha padrão.

Link para esta seçãoGemini no Sheets e Copilot no Excel: as alternativas nativas

Quem vive dentro do Google Sheets ou do Excel tem IA para planilhas sem precisar de upload. No Google Sheets, o Gemini aparece no painel lateral e responde perguntas sobre a planilha aberta, cria tabelas, sugere fórmulas e gera gráficos. A função AI() permite escrever um prompt dentro de uma célula, como classificar o sentimento de cada comentário de uma coluna ou extrair a cidade de um endereço, e arrastar para a coluna inteira. Para times que já pagam Google Workspace Business Standard ou superior, tudo isso está incluído.

No Excel, o Copilot faz algo parecido. Há o painel lateral para perguntas em linguagem natural, a função COPILOT() para prompts dentro de célula, o botão de limpeza de dados que padroniza formatos e o modo de análise avançada, que usa Python no Excel para responder perguntas mais pesadas. Precisa de licença de Microsoft 365 Copilot, cobrada à parte nas empresas.

Nos nossos testes, as duas ferramentas nativas ganham em conveniência e perdem em profundidade. Elas resolvem a pergunta rápida sobre a planilha que já está aberta e são ótimas para quem vai preencher uma coluna inteira com um prompt. Para análise exploratória, cruzamento de bases diferentes e dashboards, ChatGPT e Claude continuam à frente, principalmente porque mostram o código e permitem iterar em cima dele. Nós tratamos como complementares: Gemini ou Copilot dentro do arquivo para o dia a dia, Claude ou ChatGPT quando a pergunta exige raciocínio.

Link para esta seçãoNosso fluxo de análise de dados com IA para marketing

Depois de dois anos rodando isso em cliente, o fluxo ficou assim. Primeiro, exportamos do jeito mais cru possível: relatório por linha, sem totais, sem formatação, sem aba de resumo. Um CSV limpo com uma tabela por arquivo evita a maior parte dos problemas de leitura.

Segundo, arrumamos o cabeçalho. Nomes de coluna curtos, sem acento e sem espaço, como custo_brl e data_lead, ajudam o modelo a escrever código sem tropeçar. Datas em formato ISO, como 2026-07-14, eliminam a confusão entre dia e mês, que é a fonte de erro número um em planilha brasileira lida por ferramenta americana.

Terceiro, escrevemos o contexto antes da pergunta. O que é o arquivo, de que período, em que moeda, o que cada coluna significa, o que é considerado conversão. Esse parágrafo de contexto vale mais que qualquer técnica avançada de prompt, porque tira do modelo a necessidade de adivinhar.

Quarto, começamos com perguntas exploratórias e vamos afunilando. "Descreva os dados" vem antes de "calcule o ROAS por canal". Descobrimos os problemas da base nos primeiros minutos e evitamos construir uma análise inteira em cima de uma coluna quebrada.

Quinto, pedimos o código e validamos. Escolhemos dois ou três números fáceis de conferir, como gasto total e quantidade de leads, e checamos na fonte. Se bater, seguimos. Se der diferença, encontramos a causa antes de continuar.

Sexto, transformamos em entregável: gráfico, Artifact, XLSX novo ou slide. Sétimo, para relatórios recorrentes, tiramos a etapa manual do meio. Uma automação com Zapier, Make ou n8n puxa a exportação por API toda segunda, manda para o modelo com o mesmo prompt e devolve o resumo no Slack ou no e-mail. O nosso guia de automação de marketing com IA detalha como montar isso sem virar projeto de engenharia.

Link para esta seçãoAlucinação em números: como validar o que a IA entrega

Modelo de linguagem calcula mal quando calcula de cabeça. Se você cola dez linhas de números no chat e pede a média, existe chance real de a resposta vir com o segundo decimal errado, ou pior, com uma linha ignorada. Quando o modelo escreve um script e o executa, o cálculo passa a ser feito pelo Python ou pelo JavaScript, e o resultado é determinístico. Por isso a regra da casa é pedir explicitamente "use código para calcular" e conferir se o bloco de código apareceu na resposta.

Existem outros pontos de atenção. O modelo pode assumir uma premissa da qual você discorda, como tratar linha em branco como zero. Pode ler uma coluna de valores com vírgula decimal como texto e somar zero. Pode confundir a coluna certa quando há duas com nomes parecidos. Todas essas falhas aparecem quando você pede o número de conferência, a lista de premissas e a contagem de linhas processadas. São três pedidos que cabem em uma frase no fim de qualquer prompt.

Sobre privacidade: nos planos gratuitos e individuais, confira nas configurações se as suas conversas estão sendo usadas para treinar o modelo e desligue se for o caso. Nos planos Team e Enterprise, tanto da OpenAI quanto da Anthropic, os dados do cliente ficam fora do treinamento por padrão. Mesmo assim, anonimizamos antes de subir: trocamos CPF e e-mail por um id numérico e removemos colunas que ficam de fora da análise. Dados de saúde, dados financeiros de pessoa física e qualquer base coberta pela LGPD com base legal específica seguem outro caminho: geramos o script com Claude Code a partir de uma amostra anonimizada e rodamos na base completa localmente, sem o arquivo inteiro passar pelo modelo.

Link para esta seçãoPreços e planos

Os valores abaixo são de junho de 2026, em dólar, com IOF por cima quando a assinatura é cobrada no exterior.

Para um time de marketing com cinco pessoas, a nossa recomendação é Claude Team ou ChatGPT Team, porque os US$ 125 a 150 por mês compram proteção de dados e um workspace com contexto compartilhado. Quem já paga Google Workspace tem o Gemini no Sheets sem custo extra e deve usar para as perguntas rápidas. Copilot no Excel só compensa quando a empresa já está no ecossistema Microsoft com licença negociada, porque US$ 30 por usuário pesa em time pequeno.

Link para esta seção8 dicas para análise de dados com IA em planilhas

1. Uma tabela por arquivo, sempre. Aba de resumo, célula mesclada e total no rodapé confundem a leitura e geram soma dobrada. Exporte a tabela crua e deixe o modelo montar o resumo.

2. Escreva o dicionário de dados uma vez e reaproveite. Um texto com o significado de cada coluna, as unidades e as regras de negócio vale para todas as análises daquele cliente. No Claude, ele mora no Projects. No ChatGPT, em um GPT personalizado ou na memória.

3. Peça código e peça o número de conferência. "Use código para calcular e mostre o total de X" tira o cálculo de cabeça do jogo e entrega o número que você vai bater com a fonte. Sem isso, a análise pode estar linda e errada.

4. Descreva antes de calcular. A primeira pergunta é sempre sobre a estrutura e os problemas dos dados. Coluna com 40% de vazio, data em dois formatos e UTM com grafias diferentes aparecem nessa etapa e mudam a análise inteira.

5. Datas em ISO e números sem símbolo. 2026-07-14 e 1234.56 são lidos certo em qualquer ferramenta. 14/07/2026 e "R$ 1.234,56" viram texto ou mês trocado com frequência, e o erro só aparece no gráfico final.

6. Valide a premissa, além do número. Pergunte o que o modelo considerou como conversão, como lead válido, como período. Uma premissa errada produz um número certo para a pergunta errada.

7. Anonimize antes de subir. Troque CPF, e-mail e telefone por um id, apague colunas que ficam fora da análise e confira as configurações de treinamento do plano. Dados sensíveis rodam em script local.

8. Automatize o que se repete. Se a mesma análise roda toda semana, monte o script uma vez com Claude Code ou ligue uma automação por API. A hora do time vale mais na interpretação do que na exportação.

Um ano atrás, análise de dados com IA ainda parecia truque para demo. Hoje é a forma como nosso time de marketing lê campanha, funil e base de leads, e a diferença entre quem usa bem e quem usa mal está em três hábitos: dados limpos, contexto no prompt e conferência do número antes de apresentar. Ferramenta boa existe de sobra, e a maioria custa menos que uma hora de analista por mês.

Se você vai começar hoje, escolha um relatório que você já monta na mão, exporte cru, escreva o dicionário de dados e faça a primeira pergunta exploratória no Claude ou no ChatGPT. Confira dois totais na fonte. Se bater, você acabou de ganhar as próximas duas horas de toda semana.

Leia também:

• IA no marketing: como usar para escalar sua estratégia de conteúdo
• IA no marketing: cases brasileiros
• Ferramentas de IA para marketing digital: as 15 melhores de 2026, testadas
• ChatGPT para marketing: 50 prompts prontos que funcionam
• Os 100 melhores prompts para ChatGPT em 2026, por categoria
• Automação de marketing com IA: ferramentas e estratégias
• IA generativa para negócios
• Apresentações com IA
• Escrever com IA sem parecer IA