O que aprendi construindo 4 dashboards com Excel e IA

Há algumas semanas, eu não sabia o que era um repositório Git. Hoje, tenho quatro projetos publicados publicamente, um certificado de conclusão da Aceleração Santander - Excel com IA e Claude e, mais importante, uma forma diferente de pensar sobre como resolver problemas com dados.

Escrevo este artigo não pra listar conquistas, mas pra compartilhar o que essa jornada me ensinou de verdade — porque acredito que o valor está no processo, não só no resultado final.

O ponto de partida

A proposta da trilha era simples de enunciar e desafiadora de executar: usar Excel e Inteligência Artificial para transformar dados brutos em ferramentas e visualizações que resolvem problemas reais. Nada de exercícios artificiais — cada desafio partia de um cenário concreto e pedia uma solução completa, documentada e publicada.

Ao longo do caminho, construí quatro projetos:

Um dashboard de vendas automotivas, com identidade visual autoral e leitura responsiva em qualquer dispositivo — do desktop ao celular.

Um simulador de investimentos em Fundos Imobiliários, aplicando fórmulas financeiras (como FV) e lógica de busca (VLOOKUP) para automatizar decisões que, na prática, qualquer investidor precisa tomar: quanto investir, por quanto tempo, e como diversificar a carteira.

Um agregador de dados para declaração de Imposto de Renda, com navegação própria, validações de dados avançadas e uma versão expandida cobrindo dependentes, bens, dívidas e despesas dedutíveis — peças que faltavam na estrutura original e que só ficaram claras depois de eu me perguntar "o que uma declaração de IR de verdade exige?"

Um dashboard duplo de vendas de assinaturas, com uma versão no Excel (preservando tabelas dinâmicas e slicers já existentes) e uma versão web interativa, publicada ao vivo via GitHub Pages.

O aprendizado que não estava no roteiro

O momento mais marcante da trilha não foi nenhum dos entregáveis — foi um problema que não tinha solução óbvia.

No último projeto, eu precisava enriquecer uma planilha que já vinha pronta, com tabelas dinâmicas, slicer e cartões visuais construídos com formas agrupadas. A abordagem óbvia — editar o arquivo por código e salvar de novo — apagava esses componentes silenciosamente, sem nenhum erro visível. Só descobri isso testando antes de entregar.

A solução exigiu entender o que um arquivo .xlsx realmente é por dentro: um pacote compactado de arquivos XML. Em vez de deixar uma ferramenta reescrever o arquivo inteiro, editei apenas as partes que precisavam mudar, preservando tudo o que já existia, byte a byte.

Esse tipo de problema não estava em nenhuma aula. Apareceu porque eu estava resolvendo algo real, com as limitações reais das ferramentas — e é exatamente esse tipo de situação que ensina mais do que qualquer exercício guiado.

Sobre trabalhar com IA como parceira técnica

Uma parte central dessa trilha foi usar IA — no meu caso, o Claude — como parceiro ativo em cada etapa: da análise dos dados brutos até a modelagem das fórmulas, passando pela documentação técnica e pelos primeiros passos (bem trôpegos) no Git.

O que aprendi é que IA não substitui entender o que você está construindo — ela acelera o ciclo entre a ideia e a validação. Cada planilha, cada dashboard, cada linha de fórmula continuou sendo uma decisão minha; a IA ajudou a explorar mais opções, testar mais rápido, e principalmente documentar o processo de forma que outras pessoas conseguissem entender e reproduzir.

O que fica

Encerro essa trilha com quatro repositórios públicos, um certificado, e — o que considero mais valioso — a confiança de que sei resolver um problema de dados do zero: entender o contexto, estruturar a solução, testar, documentar e publicar.

Se você está começando algo parecido agora: o maior obstáculo não vai ser a ferramenta. Vai ser a vontade de continuar depois que a primeira coisa quebrar (e alguma coisa sempre quebra). O resto é repetição.

Seguindo para os próximos desafios — e trocando ideia com quem também está nessa jornada.