Automatização de fluxos com Make em Ciência de Dados

🎲Resumo

Low-Code vem quebrando barreiras técnicas na área de tecnologia permitindo que profissionais de diferentes setores e formações se aventurem na criação de soluções tecnológicas sem escrever códigos. As ferramentas que utilizam essa abordagem são aplicáveis desde o desenvolvimento de aplicações até a criação de soluções inteligentes. Nesse sentido, esse artigo busca exemplificar uma automação de fluxos, aplicado à etapa de coleta de dados para análises e extração de insights com uma ferramenta forte em Low-Code, a Make.

🎲Introdução

Já foi a era em que a tecnologia era um assunto complicado e um campo para apenas profissionais da área. Essa barreira vem sendo quebrada e busca-se cada vez mais simplificar e democratizar a utilização a todos, permitindo que profissionais de diferentes áreas se aventurem e criem suas próprias soluções. O resultado? Novas perspectivas, criatividade e inovação!

E a abordagem de Low-Code entra aí. É uma metodologia que almeja simplificar a criação de software e aplicações, reduzindo ao máximo a necessidade de codificação. Ao invés de prompts ou editor de código, as ferramentas Low-Code utilizam interfaces visuais e módulos pré-configurados para “arrastar e soltar”, tudo para flexibilizar a utilização sem exigir conhecimentos de programação.

As vantagens dessa metodologia, além da inclusão, habilitam ainda a criação de aplicações na velocidade que soluções digitais vem exigindo. Com a utilização de ferramentas Low-Code é possível, por exemplo, a criação de fluxos e pipelines para a automação de processos, rápida prototipação e acelerando a entrega de soluções. O que faz do uso de tais ferramentas, mais que um facilitador, mas um ponto estratégico, mesmo para os profissionais mais experientes, pois a agilidade e eficiência são ideias centrais na criação de soluções! Por exemplo, o desenvolvimento de protótipos, de forma simples e disponibilizados rapidamente, com o objetivo de colher feedbacks o mais cedo possível e assim continuamente melhorar as soluções permite "testar rápido e falhar rápido", um princípio da metodologia Design Thinking para a criação e validação de soluções inovadoras.

Nesse contexto, pode-se citar as ferramentas Lovable, Make e LangFlow, as quais ilustram o potencial da abordagem Low-Code, tanto na área de desenvolvimento de software quanto na área de Ciência de Dados, uma área multidisciplinar que vem cada vez mais vem atraindo profissionais de diferentes setores. Nesse sentido, o Low-Code ajuda a reduzir barreiras técnicas e facilita a extração de insights a partir de dados, beneficiando diferentes setores.

🎲Como Lovable, Make e LangFlow se conectam à Ciência de Dados?

Lovable, Make e LangFlow podem ser aplicadas de forma complementar na área de dados, atuando em diferentes pontos do ciclo de desenvolvimento de soluções baseadas em dados e IA. A partir de sua utilização, processos podem ser simplificados e automatizados e o desenvolvimento de aplicações inteligentes deixam de requerer extensos conhecimentos em programação, democratizando o acesso e permitindo a entrega de valor de forma rápida: protótipos, entregas (colocar em produção) e insights.

📌Funcionalidade das ferramentas Low-Code e suas aplicações em Ciência de Dados

Make (Automação/Integração): Conecta diferentes serviços, como APIs, bancos de dados, planilhas, CRMs, etc. Em ciência de dados, Make pode ser utilizado para a coleta, preparação de dados e disponibilização de modelos preditivos via API.
LangFlow (IA generativa e LLM Orchestration): Interface visual para orquestrar fluxos de IA generativa e LLMs (similar ao LangChain). Útil em ciência de dados na integração com IA generativa, para criar agentes de dados, chatbots que consultam bases estruturadas, ou workflows de análise de linguagem natural.
Lovable (Low-Code para apps): Permite transformar protótipos em aplicações web funcionais. Na ciência de dados, pode ser usado para criar dashboards, interfaces para modelos preditivos ou aplicativos que consomem APIs de IA sem precisar desenvolver um front-end do zero.

Resumindo, a Ciência de Dados gera os modelos e insights → Make automatiza pipelines e integrações → LangFlow conecta e enriquece com IA generativa → Lovable entrega isso em forma de aplicação prática.

Para exemplificar as vantagens do uso dessas ferramentas em Ciência de Dados, apresentamos um pequeno tutorial na etapa inicial: a coleta de dados.

📌Exemplo prático de Automatização de Fluxos com Make

Cenário: Uma pequena empresa tem uma loja online, desenvolvida em WordPress e o plugin WooCommerce. Os administradores gostariam de responder algumas perguntas gerenciais sobre os resultados das vendas mais facilmente, pois têm planos para a expansão do negócio e buscam realizar um planejamento com base em dados. Inicialmente, gostariam de disponibilizar os dados de vendas em um dashboard simples a partir da coleta dos registros de vendas do site.

Objetivo: Automação do processo de coleta de dados com uma ferramenta Low-Code.

Como irá funcionar?

Toda vez que uma nova venda acontecer no WooCommerce, os dados do pedido serão automaticamente enviados para uma planilha no Google Sheets. Dessa forma, buscamos automatizar a atualização dos dados de vendas diariamente e futuramente poderá ser evoluída para a inclusão de um banco de dados.

A ferramenta Make é adequada para esse objetivo. É essencialmente uma plataforma de integração e forte em Low-Code (similar ao Zapier, porém mais flexível) onde o usuário constrói fluxos de automação ligando blocos, sem precisar escrever código.

Passo-a-passo no Make

[1] Crie uma conta no Make ou faça seu login: LINK AQUI.
[2] Crie um novo cenário no Make, clicando em “Create a new scenario”.

[3] Clique no botão “+” e adicione o módulo do WooCommerce. Escolha o trigger "Watch Orders" (responsável por monitorar novos pedidos).

[4] Gere as chaves da API REST no painel WordPress do site, clicando em WooCommerce → Configurações → Avançado → REST API. A permissão de leitura (Read) já é suficiente para o Make puxar dados.

[5] Conecte sua loja WooCommerce inserindo a URL do site e as chaves da API REST e clique em “Save”. Se o site da loja já usa HTTPS com certificado válido (emitido por Let’s Encrypt, Cloudflare, ou outra autoridade certificadora) então não precisa marcar nada sobre Self-signed certificate. O Make reconhece automaticamente. Porém se o site da loja usa um certificado SSL autoassinado (self-signed), então é necessário informar ao Make, porque por padrão esse tipo de certificado não é reconhecido como confiável.

[6] Em seguida, irá abrir o popup para a configuração do módulo “Watch Orders”, ou seja, esse passo serve para definir filtros de quais pedidos o Make vai “vigiar”. Deixe o campo Customer ID em branco para puxar os pedidos de todos os clientes. No campo Status deixe selecionada apenas completed (vendas confirmadas) e no campo Sort by deixe selecionada a opção date e no campo Limit deixe 10 (o Make rodará em ciclos de atualização). Defina o período quando o módulo deverá iniciar o processo de coleta.

[7] Ao clicar em “Run once” já é possível testar a conexão.

[8] Antes do próximo passo crie a planilha onde será salvo os dados na conta Google que será utilizada e na primeira linha como cabeçalho adicione em cada coluna, os títulos Data, Cliente, E-mail, Produto e Total.

[9] O próximo passo é integrar o módulo de Google Sheets, onde os dados serão salvos. Clique em “Add another module”, clique Google Sheets (ação) e selecione a opção "Add a Row".

[10] Siga o passo-a-passo, conectando à conta Google que será utilizada e dê as permissões solicitadas. Selecione a planilha criada e faça a associação dos campos como mostrado abaixo. Por fim clique em “Save”.

[11] Clique em “Run once” e teste a conexão, em seguida ative o cenário para rodar à cada 15 minutos.

[12] Por fim, adicione um pedido e teste a integração. Pronto! Você já pode iniciar sua análise de dados.

O fluxo atual pode ser expandido para além do registro de pedidos: é possível configurar o Make para atualizar automaticamente os status dos pedidos já existentes na planilha (evitando duplicações), integrar o cadastro de clientes em uma aba separada para análises de perfil e comportamento de compra, e também sincronizar o catálogo de produtos para acompanhar estoque, preços e categorias. Esses ajustes possibilitam a ampliação do potencial analítico, criando uma base integrada de dados de e-commerce que pode servir de insumo para estudos de demanda, segmentação de clientes e estratégias de precificação.

📌E onde entram as ferramentas Lovable e LangFlow?

Próximos passos: Utilizar a ferramenta Lovable para desenvolver um app simples capaz de mostrar, por exemplo, um gráfico com histórico de vendas, previsão para os próximos dias. E em seguida, pode-se integrar um chat (via LangFlow) para interagir com os dados e responder às perguntas sobre os dados em linguagem natura!

🎲Conclusão

A simplificação na utilização e democratização de acessibilidade à ferramentas, corroboram para a criatividade e inovação! Segue bem o princípio da metodologia Design Thinking para a criação de soluções inovadoras: começar simples, testar, validar e escalar! Nesse contexto, as ferramentas Lovable, LangFlow e principalmente Make, que foi utilizada no exemplo prático, ilustram bem o potencial da abordagem Low-Code. A automação de fluxos com Make aplicado à coleta de dados mostrou que o processo pode ser configurado de forma visual e sem escrever códigos, habilitando a análise dos dados que é o ponto de interesse principal. Sendo assim, a Ciência de Dados têm muito a ganhar com a utilização de ferramentas Low-Code. Que iniciem-se as jornadas em dados!

🎲Referências

[1] INOVAÇÃO USP: O que significa Design Thinking?

[2] MAKE: Integração com WooCommerce

[3] MAKE: Imagens da plataforma

[4] IMAGEM DA CAPA: Foto de Timur Saglambilek: https://www.pexels.com/pt-br/foto/texto-analitico-185576/