Como construir dashboards profissionais com IA

Fala, comunidade tech!

No segundo dia da Imersão em Dados com Claude Code e Excel, eu mostrei como transformar uma base processada em uma dashboard capaz de apoiar decisões reais.

O projeto começou no encontro anterior, com a organização da camada RAW, o dicionário de dados, os normalizadores, os campos calculados e a quarentena de inconsistências. Nesta live, usamos essa infraestrutura para definir perguntas de negócio, gerar uma identidade visual, construir a dashboard com inteligência artificial e publicar o resultado.

A ferramenta principal foi o Claude Code, mas o processo não depende dele. Também demonstrei caminhos com ChatGPT e expliquei como a mesma lógica pode ser aplicada com Codex, Gemini, Copilot e outros agentes.

Separei os principais aprendizados para você aplicar nos seus projetos de análise de dados.

Uma dashboard precisa apoiar uma decisão

Uma dashboard não é uma coleção de gráficos organizados em uma tela. Ela é um painel de controle que reúne indicadores e métricas para ajudar uma pessoa a entender uma situação e tomar uma decisão.

Essa diferença muda todo o processo. Se você começa escolhendo cores e inserindo gráficos, corre o risco de criar uma apresentação bonita que não responde nenhuma pergunta importante.

Na live, partimos de uma base fictícia de uma empresa de software por assinatura. Antes de desenhar qualquer visual, definimos o que precisava ser compreendido: a empresa estava perdendo clientes mais rápido do que conseguia conquistar novos? Qual plano concentrava mais receita? Em quais cidades ou segmentos existiam sinais de atenção?

Cada pergunta orientou a escolha dos indicadores, das dimensões e dos gráficos. A interface veio depois.

O público da dashboard determina o nível de detalhe

Os mesmos dados podem gerar visões diferentes. Um diretor precisa acompanhar tendências, riscos e indicadores de alto nível. Uma pessoa da operação precisa enxergar registros específicos e entender quais ações devem ser executadas.

Por isso, uma das primeiras definições do projeto foi o owner da visão, ou seja, quem vai utilizar aquela dashboard como ferramenta de trabalho.

Essa decisão influencia o período analisado, o nível de detalhamento, os filtros disponíveis e a prioridade visual de cada informação. Um indicador crítico para a liderança pode exigir grande destaque. Um dado operacional pode funcionar melhor em uma tabela ou em uma página complementar.

Antes de construir sua próxima dashboard, pergunte quem vai usar o painel, qual decisão essa pessoa precisa tomar e com que frequência ela precisa consultar a informação.

As perguntas de negócio já fazem parte da dashboard

Na demonstração, usamos o Dashboard Studio para transformar cada pergunta em uma especificação estruturada. Também seria possível fazer esse trabalho em um bloco de notas. O ponto central é registrar as decisões antes de pedir para a IA construir a interface.

Para cada pergunta, definimos:

O que precisa ser respondido
Qual decisão será apoiada
Como o indicador será calculado
Se ele representa resultado, volume, proporção, eficiência, qualidade ou direcionamento
Qual é a meta ou faixa de alerta
Quais dimensões precisam ser analisadas
Quem utiliza aquela visão
Qual é a prioridade da informação

Se um elemento não apoia nenhuma decisão, talvez ele não precise estar na dashboard. Em alguns casos, a necessidade pode ser atendida por um relatório, uma consulta SQL ou uma exportação em CSV.

Esse filtro evita telas cheias de gráficos que aumentam o volume de informação sem melhorar a análise.

A IA precisa receber uma fonte de verdade

A construção utilizou a base processada no primeiro dia, e não os arquivos brutos. Também mantivemos uma única fonte de verdade dentro do projeto.

Criar arquivos como “janeiro”, “janeiro final”, “janeiro versão 2” e “janeiro corrigido” pode confundir tanto a equipe quanto o agente de IA. A melhor referência para a dashboard precisa estar identificada, atualizada e acompanhada de metadados como a data da última atualização.

Os históricos podem ser preservados em uma estrutura separada de snapshots ou backups. Dentro do ambiente usado pelo agente, a fonte atual deve estar clara.

Essa organização faz parte do conceito de harness. A IA trabalha dentro de uma bancada que reúne dados processados, dicionário, scripts, regras e especificações. Quanto mais claro for esse ambiente, menor é a chance de o agente usar o arquivo errado ou tomar uma decisão sem contexto.

O modo de planejamento reduz decisões aleatórias

Ao solicitar a implementação para o Claude Code, mantivemos o agente no modo de planejamento. Também indicamos o caminho exato da base e do arquivo de perguntas que ele deveria ler.

Esse cuidado evita que a ferramenta examine todo o projeto sem necessidade ou tente implementar várias dashboards ao mesmo tempo. Uma sessão nova, com contexto limpo e escopo definido, tende a consumir menos recursos e produzir um plano mais fácil de revisar.

O mesmo princípio vale para outras ferramentas. Você pode anexar a base processada, fornecer a especificação das perguntas e solicitar a criação em HTML. O modelo pode mudar, mas o resultado continua dependente da qualidade do contexto e das decisões registradas.

Um design system evita a aparência genérica

As primeiras versões geradas durante a live respondiam às perguntas de negócio, mas ainda tinham uma aparência genérica. Cores, tipografia, navegação e componentes foram escolhidos pela própria IA porque essas decisões não estavam especificadas.

Para corrigir isso, criamos um design system. Ele definiu estrutura de página, navegação, tipografia, profundidade visual, paleta de cores, padrões de botão, filtros, tabelas e tipos de gráfico.

Também selecionamos apenas os componentes necessários. Colocar tudo em uma única especificação aumenta o peso do projeto e amplia o espaço para escolhas incoerentes. Uma dashboard de vendas pode precisar de gráficos e filtros diferentes de uma dashboard de marketing ou operações.

O design system funciona como uma referência reutilizável. Novos painéis da mesma área podem seguir os mesmos padrões, e a equipe deixa de depender de uma nova interpretação visual a cada prompt.

Referências visuais melhoram a direção do projeto

Além da especificação técnica, você pode fornecer imagens de referência, cores da marca e exemplos de interfaces que representem o resultado esperado.

Durante a live, usamos uma referência visual para orientar a criação do kit de interface. A diferença ficou clara quando comparamos a dashboard inicial com a versão adaptada ao design system. A segunda tinha navegação, hierarquia, interações e componentes mais consistentes.

Referência não significa copiar uma aplicação. Ela ajuda a comunicar densidade, contraste, organização e comportamento visual. O agente recebe critérios mais concretos e passa a depender menos de escolhas genéricas.

Publicar faz parte da entrega

Uma dashboard que existe apenas na máquina de quem analisou os dados ainda não está pronta para uso. Na imersão, isolamos os arquivos do painel, criamos um repositório e publicamos a interface com GitHub Pages.

Em um projeto profissional, o ambiente de publicação depende das regras da empresa. Pode ser um servidor interno, uma nuvem autenticada ou outra infraestrutura com controle de acesso. Dados sensíveis não devem ser enviados para ferramentas públicas sem autorização.

Mesmo em um projeto de portfólio, a publicação tem valor. Ela permite que outra pessoa navegue pela solução, teste filtros e entenda como as perguntas de negócio foram transformadas em uma experiência interativa.

Documente a origem da base, remova informações sensíveis e explique as decisões tomadas. O resultado passa a comprovar competências em análise, visualização, inteligência artificial, versionamento e publicação.

Transforme prompts em processos reutilizáveis

Uma boa execução com IA não deve depender de repetir o mesmo pedido sempre que uma nova base chegar.

Depois que o agente aprende como tratar os dados, você pode pedir que ele gere um script em Python para reproduzir o processo. Quando o próximo arquivo chegar, o script executa as etapas conhecidas sem consumir novamente todo o contexto e todos os tokens da primeira análise.

Se o formato da fonte mudar, a IA pode voltar ao fluxo para revisar o script. O objetivo é usar o agente para construir uma rotina que possa ser executada, testada e mantida.

Essa lógica vale para o tratamento dos dados, para a geração da dashboard e para a publicação. O diferencial está na forma como você conecta as etapas.

A qualidade está na orquestração

Hoje, qualquer pessoa consegue abrir uma ferramenta de IA e pedir um gráfico. O resultado profissional aparece quando existe conhecimento de processo.

Você precisa validar os dados, entender a pergunta de negócio, escolher o indicador, definir o público, orientar o design, revisar os cálculos e decidir como a solução será publicada. A IA acelera cada uma dessas partes, mas a direção continua com você.

Foi isso que construímos na imersão: um fluxo que saiu da base processada, passou pela especificação das perguntas, ganhou uma identidade visual e chegou a uma dashboard publicada.

Continue construindo com o DIO PRO Vitalício

Se você quer aprofundar análise de dados com Excel, Python, SQL, inteligência artificial e dashboards, as últimas bolsas de estudo do DIO PRO Vitalício estão disponíveis para resgate hoje, até as 23h59.

Com a bolsa, você garante:

Acesso para sempre a matrículas ilimitadas em todos os bootcamps da DIO
Acesso para sempre a +2.150 cursos, bootcamps, projetos e formações em agentes de IA, back-end, front-end, cloud, data, games, mobile e DevOps
Acesso a 5.000 créditos para utilizar o AI Job Hunter e conquistar sua próxima vaga 3x mais rápido
+65 formações incluindo: Excel com IA, GPT for Devs, AI Builder com Lovable, AI Automation com N8N e Formação GitHub Copilot
Garantia total de 7 dias

O AI Job Hunter é o seu agente de inteligência artificial para encontrar vagas compatíveis com o seu perfil, analisar sua aderência às oportunidades e ajudar na preparação para os processos seletivos.

As bolsas que não forem resgatadas até as 23h59 serão transferidas para outros usuários.

Clique aqui e resgate sua bolsa de estudo do DIO PRO Vitalício

Use a IA para acelerar o trabalho, mas mantenha o processo, os critérios e as decisões sob seu controle.