Los LLMs son excelentes para interpretar texto, escribir, resumir y generar contenido. Pero, cuando se trata de cálculo, estadística y análisis de datos, el “casi correcto” no sirve. Para informes financieros, hojas de cálculo de ventas y decisiones de negocio, necesitas precisión absoluta.
Justo para eso existe Deep Analysis: una herramienta que combina la conversación en lenguaje natural del LLM con la exactitud de la computación tradicional.
¿Qué es Deep Analysis?
Deep Analysis es un entorno seguro y aislado (un “sandbox”) donde, en vez de que la IA intente hacer las cuentas “de cabeza”, esta:
entiende qué quieres hacer con los datos
escribe un código en Python para ejecutar esa tarea
ejecuta ese código en el sandbox
devuelve el resultado con cálculos matemáticos 100% correctos
En otras palabras: tú hablas en portugués; Tess traduce eso a código, lo ejecuta y te entrega el resultado listo (tablas, métricas, gráficos, segmentaciones, etc.).
Cómo usar el Deep Analysis en el chat
Cuando necesites algún análisis cuantitativo, o cuali/cuanti, un report, informe, HTML o tratamientos similares, activa la herramienta de Deep Analysis en el chat!
Si tienes un documento base, recuerda enviar tu archivo, haz el pedido en lenguaje natural y menciona el archivo y lo que será necesario hacer con él.
Úsalo siempre que la exactitud de los datos sea la máxima prioridad, por ejemplo:
Análises financeiras
Calcular EBITDA, margem de lucro, ticket médio
Comparar períodos (mês contra mês, ano contra ano)
Projetar cenários (simulações e projeções com base em dados históricos)
Visualização de dados
Criar gráficos de barras, linhas, pizza, scatter etc.
Visualizar tendências de vendas, churn, engajamento, custos
Análise de vendas e clientes
Identificar produtos mais vendidos
Segmentar clientes por faixa de valor ou frequência de compra
Avaliar performance de campanhas ou canais
Engenharia, ciência e experimentos
Executar fórmulas complexas
Processar dados de experimentos
Fazer análises estatísticas (médias, medianas, desvio padrão, correlações)
Formatos comunes soportados
Hojas de cálculo (XLSX)
Archivos CSV
Otros formatos estructurados que se puedan leer con Python (cuando aplique)
Ejemplos de prompts:
“Analiza este archivo ventas_trimestre.xlsx, calcula el total de ventas para cada categoría de producto y crea un gráfico de pastel con la participación de cada una.”
“En este CSV de clientes, calcula el ticket medio por región y muéstralo en una tabla ordenada de mayor a menor.”
“Genera un gráfico de línea mostrando la evolución mensual de la facturación en los últimos 12 meses.”
En ese proceso, Tess va a escribir el código, ejecutarlo en el sandbox, devolver los resultados (tablas, explicaciones y, cuando se pida, gráficos generados a partir de los datos).
Deep Analysis es el puente entre la conversación en lenguaje natural y el rigor de la ciencia de datos. Garantiza que los informes, análisis y gráficos generados por Tess AI no sean solo inteligentes, sino también matemáticamente correctos.
