File: 'Q1-2026-revenue-by-segment.csv'\nRows: 18 · Columns: month, segment, mrr, customer_count, churn_rate\n\nFull data:\n2025-11, SMB, $42,300, 312, 4.1%\n2025-11, Mid-Market, $128,500, 87, 2.2%\n2025-11, Enterprise, $89,000, 12, 1.0%\n2025-12, SMB, $40,800, 298, 4.8%\n2025-12, Mid-Market, $134,200, 91, 2.0%\n2025-12, Enterprise, $94,500, 13, 0.8%\n2026-01, SMB, $38,100, 281, 5.4%\n2026-01, Mid-Market, $141,800, 95, 1.9%\n2026-01, Enterprise, $98,200, 14, 0.7%\n2026-02, SMB, $35,200, 263, 6.1%\n2026-02, Mid-Market, $148,900, 99, 1.7%\n2026-02, Enterprise, $108,000, 16, 0.5%\n2026-03, SMB, $33,400, 245, 6.8%\n2026-03, Mid-Market, $156,200, 104, 1.5%\n2026-03, Enterprise, $115,500, 18, 0.4%\n2026-04, SMB, $31,200, 228, 7.2%\n2026-04, Mid-Market, $164,400, 109, 1.4%\n2026-04, Enterprise, $122,800, 20, 0.3%\n\nAuto-detected: SMB MRR is declining month-over-month while Mid-Market and Enterprise are growing. Total MRR is growing despite SMB decline. SMB churn rate has nearly doubled over the period.

Summary  
This chapter covers prompt chaining and contextual prompting for analyzing structured data, showing how to load a dataset once and reuse it with different analytical questions.

General domain of usage  
Data analysis

Você pode enviar um CSV para o Claude e receber de volta **"O MRR aumentou no geral."** Inútil. Você também pode obter uma análise precisa em três linhas que identifica o segmento com problemas, o mês em que começou e o que fazer a respeito. Mesmos dados – prompt de sistema diferente.

## A Mudança de Notas para Números

Uma ferramenta de leitura de notas retorna texto. Uma ferramenta de planilha retorna linhas – mas isso apenas muda o **modo de falha** em vez de eliminá-lo.

| Tipo de Entrada | Falha Típica |
|---|---|
| Texto (notas, documentos) | **Omissão** de informações |
| Números (planilhas) | **Repetição** de informações |

Ao pedir **"resuma esta planilha"**, você receberá: **"A receita cresceu, o churn variou, os clientes oscilaram."** Tudo verdade, tudo inútil. O modelo precisa **interpretar** os números, não apenas repeti-los.



## Forçando a Interpretação

O prompt de sistema neste laboratório força três ações:

1. **3 principais descobertas** – com números específicos citados (meses, segmentos, percentuais);
2. **Uma anomalia notável** – algo que a maioria das pessoas não perceberia em uma primeira leitura;
3. **Uma recomendação** – uma ação concreta, não uma generalidade.

**Conclusão:** dados estruturados exigem demandas estruturadas. Caso contrário, o modelo tende a apenas descrever educadamente a planilha para você.

## Tarefa

>Analisar esta planilha de receitas. Quais são as principais tendências que devo apresentar na reunião de liderança da próxima semana?

Depois aprofunde:

>Aprofunde em SMB. O que está impulsionando o aumento do churn?

>O que aconteceria com o MRR total se o churn de SMB continuar subindo nesse ritmo?

>Em qual segmento devemos focar para o terceiro trimestre?

Cada acompanhamento utiliza os mesmos dados carregados. Mesmos números, perspectivas diferentes.

Um curso prático e introdutório, desenvolvido para usuários de negócios sem formação técnica, com o objetivo de compreender e aplicar ferramentas e conceitos de IA em suas atividades diárias. O curso aborda conceitos fundamentais de IA, comunicação eficaz com IA, uso prático de ferramentas baseadas em IA e criação de assistentes de IA simples.

Introdução à inteligência artificial, grandes modelos de linguagem e vocabulário essencial de IA para usuários corporativos.

Aprenda a se comunicar de forma eficaz com sistemas de IA por meio de engenharia de prompts e seleção de tom.

Explore como a IA pode ser integrada com ferramentas empresariais para pesquisa, tomada de notas e análise de dados.

Aprenda os conceitos básicos de personas de agentes e como construir e ajustar assistentes de IA simples para o trabalho.