Pular para o conteúdo principal
Os LLMs são excelentes para interpretar texto, escrever, resumir e gerar conteúdo. Mas, quando o assunto é cálculo, estatística e análise de dados, qualquer modelo terá uma incômoda margem de erro, que, para tarefas profissionais sensíveis, é inaceitável. Para relatórios financeiros, planilhas de vendas e decisões de negócio, você precisa de precisão absoluta. É exatamente para isso que existe o Deep Analysis: uma ferramenta que combina a conversa em linguagem do LLM com a exatidão da computação tradicional.

​
O que é o Deep Analysis?

O Deep Analysis é um ambiente seguro e isolado (um “sandbox”) onde, em vez de a IA tentar fazer as contas “de cabeça”, ela:
  1. entende o que você quer fazer com os dados
  2. escreve um código em Python para executar essa tarefa
  3. roda esse código no sandbox
  4. devolve o resultado com cálculos matemáticos 100% corretos
Em outras palavras: você conversa em português; a Tess cria uma máquina virtual (virtual machine), traduz isso para código, executa e te entrega o resultado pronto (tabelas, métricas, gráficos, segmentações, etc.).

​
Como usar o Deep Analysis no chat

Quando precisar de alguma análise quantitativa, ou quali/quanti, um report, relatório, HTML ou tratamentos similares, ative a ferramenta do Deep Analysis no chat! Caso possua um documento base, lembre-se de enviar seu arquivo, faça o pedido em linguagem natural e faça menção ao arquivo e o que será necessário fazer com ele.
Tessdocs Deepa
Você também pode usar o Deep Analysis para trabalhar reports ou dashboards interativos em formato de HTML:
Image
Image
Acessar o Relatório HTML (link) Para Dashboard a mesma coisa:
Captura De Tela 2026 02 13 Às 13 40 23Image
Acessar o Dashboard HTML (link)
Para Dashboards, como a visão é feita com dados estáticos, não há atualização automática do HTML, loco, qualquer mudança esse HTML é refeito.

​
\

Use sempre que a exatidão dos dados for prioridade máxima, por exemplo:

Análises

Sejam análises financeiras, de vendas e clientes, comparações de períodos (mês contra mês, ano contra ano), etc.

Cálculos

Calcular EBITDA, margem de lucro, ticket médio; fazer análises estatísticas (médias, medianas, desvio padrão, etc).

Visualizações

Visualização de dados, gráficos de barras, linhas, pizza, scatter etc; visualizar tendências de vendas, churn, engajamento, custos

Projetos complexos

Processar dados de experimentos; executar fórmulas complexas; engenharia, ciência e experimentos, etc.

Segmentações

Identificar produtos mais vendidos; segmentar clientes por faixa de valor ou frequência de compra, etc.

Campanhas

Avaliar performance de campanhas ou canais; projetar cenários e estratégias com base em dados históricos, etc.

​
Formatos comuns suportados

  • Planilhas (XLSX)
  • Arquivos CSV
  • Outros formatos estruturados que possam ser lidos via Python (quando aplicável)
Exemplos de prompts:1. “Analise este arquivo vendas_trimestre.xlsx, calcule o total de vendas para cada categoria de produto e crie um gráfico de pizza com a participação de cada uma.” 2. “Neste CSV de clientes, calcule o ticket médio por região e mostre em uma tabela ordenada do maior para o menor.” 3. “Gere um gráfico de linha mostrando a evolução mensal do faturamento nos últimos 12 meses.”
Mais do que isso, quanto mais literal e detalhado for o seu prompt, melhor será o entendimento e a performance da IA neste caso. As ferramentas desse tipo tendem a responder bem a comandos bem objetivos e precisos.
Nesse processo, a Tess vai escrever o código, executar no sandbox, retornar os resultados (tabelas, explicações e, quando pedido, gráficos gerados a partir dos dados). 
Image
O Deep Analysis é a ponte entre a conversa em linguagem natural e o rigor da ciência de dados. Ele garante que relatórios, análises e gráficos gerados pela Tess AI não sejam apenas inteligentes — mas matematicamente corretos.