Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Extrair e Transformar Dados

Aula 13 de 14 Atualizada a 5 de novembro de 2026 Intermediario
Nesta página
  1. Extrair Dados Estruturados de Fontes Não Estruturadas
  2. Alterar Formatos
  3. Cruzar Duas Fontes
  4. Limpar e Normalizar
  5. Obter o Resultado
  6. Industrializar Fluxos de Trabalho Recorrentes
  7. A Sua Vez
  8. Pontos-chave

Ler um ficheiro é apenas o primeiro passo. O ChatGPT consegue também extrair dados estruturados de documentos não estruturados, reformata-los, cruzar várias fontes e exportar os resultados no formato da sua preferência. Esta capacidade de transformação torna-o numa verdadeira ferramenta de processamento de dados, e não apenas num leitor de documentos.

Extrair Dados Estruturados de Fontes Não Estruturadas

A extração estruturada consiste em recolher informações dispersas num documento e organizá-las num formato utilizável. Para um lote de faturas em PDF, o pedido resume-se a uma frase: «Extraia de cada fatura os seguintes elementos: número da fatura, data, fornecedor, valor sem IVA, IVA e valor com IVA. Apresente tudo numa tabela.» O mesmo princípio aplica-se a um relatório anual com números escondidos em parágrafos: «Extraia todos os valores financeiros mencionados neste relatório: receitas, lucro líquido, margem, efetivos. Organize-os por ano numa tabela comparativa.» E para um documento puramente textual: «Este documento menciona 15 contactos. Extraia os nomes, empresas e cargos de cada pessoa para uma tabela estruturada.» O fio condutor destes três pedidos é a lista explícita dos campos esperados. Esta lista transforma um fluxo de texto em dados tabulares utilizáveis, representando uma das capacidades mais valiosas do ChatGPT.

Alterar Formatos

Depois de ter os dados, alterar o seu formato é igualmente simples. Torne um CSV bruto legível: «Crie uma tabela legível com cabeçalhos claros. Traduza os nomes das colunas de inglês para português.» Transforme uma tabela num visual: «Com base nestes dados, gere um gráfico de barras que mostre a distribuição de vendas por região.» Converta números numa apresentação para reunião: «Transforme estes dados trimestrais em 3 diapositivos de resumo: visão geral, melhores desempenhos e pontos de alerta.» Ou alterne entre estruturas técnicas: «Este ficheiro JSON contém dados de produtos. Converta-o numa tabela CSV com as colunas: nome, preço, categoria, stock.»

Cruzar Duas Fontes

Carregue dois ficheiros na mesma conversa e o cruzamento de dados resume-se a uma frase. Imagine uma lista de clientes com histórico de compras num ficheiro Excel e um inquérito de satisfação num CSV: «Cruze estes dois ficheiros pelo nome do cliente. Para cada cliente, mostre o valor total das compras e a pontuação de satisfação. Ordene por pontuação de satisfação em ordem decrescente. Identifique clientes de alto potencial (compras elevadas + alta satisfação) e clientes em risco (compras elevadas + baixa satisfação).»

Normalmente, esta operação exigiria fórmulas complexas no Excel ou um script em Python; aqui, ocorre através de um pedido conversacional. Eis mais uma razão para verificar o resultado: a correspondência baseia-se em nomes, e homónimos ou erros de digitação podem distorcer silenciosamente os pareamentos. Verifique manualmente algumas linhas antes de basear decisões de negócio no resultado.

Limpar e Normalizar

Os dados do mundo real raramente chegam limpos, e é aqui que o ChatGPT se destaca. Para formatos heterogéneos: «Nesta coluna de números de telefone, algumas entradas usam o formato 06.12.34.56.78, outras +33612345678 e outras 06 12 34 56 78. Normalize todas para o formato internacional +33 6 12 34 56 78.» Para datas questionáveis: «Analise esta coluna de datas. Identifique datas inválidas, formatos inconsistentes e valores atípicos.» Para duplicados aproximados que nenhuma fórmula consegue detetar: «Este ficheiro contém prováveis duplicados (mesmos nomes com ligeiras variações ortográficas). Identifique-os e proponha uma versão consolidada.» E para categorização em massa: «Aqui estão 200 descrições de despesas. Categorize cada uma numa destas categorias: Transportes, Refeições, Alojamento, Material, Serviços, Outros.»

Tal como no cruzamento de dados, a revisão de uma amostra permanece a regra neste último caso: a categorização automática raramente está completamente errada, mas comete erros. Para ficheiros grandes, não execute o processamento completo de imediato. Peça primeiro uma análise numa amostra, valide o método e só depois prossiga com o ficheiro inteiro.

Obter o Resultado

Sem instruções específicas de saída, o ChatGPT apresentará os resultados como texto no chat, obrigando-o a copiar e colar. Solicite explicitamente um ficheiro: «Gere um ficheiro CSV transferível com estes resultados», «Crie um ficheiro Excel com dois separadores: dados brutos e resumo» ou «Formate estes dados como JSON para integração na nossa API.» O sistema produz o ficheiro e uma ligação de transferência aparece na conversa.

Industrializar Fluxos de Trabalho Recorrentes

Se receber o mesmo tipo de ficheiro todos os meses, escreva o prompt uma vez e reutilize-o: «Vou enviar-lhe um extrato bancário em PDF todos os meses. Para cada extrato, quero que: (1) extraia todas as transações, (2) as categorize em 6 categorias (Habitação, Alimentação, Transportes, Lazer, Saúde, Outros), (3) calcule o total por categoria, (4) compare com o mês anterior, se disponível, (5) exporte o resultado como CSV.» Inserido nas instruções de um projeto dedicado, este prompt garante um processamento consistente de mês para mês, permitindo comparações significativas. No entanto, um extrato bancário são dados sensíveis: avalie o que o seu plano e as suas obrigações permitem antes de o carregar.

Transformação de Dados em Quatro Passos Quatro passos: extrair campos úteis de um documento; cruzar duas fontes numa chave comum; limpar e normalizar formatos; exportar o resultado para CSV ou Excel. Verifique uma amostra em cada passo. EXTRAIR, CRUZAR, LIMPAR, EXPORTAR Transformação de Dados em Quatro Passos 1 Extrair Campos Úteis 2 Cruzar Numa Chave Comum 3 Limpar Formatos, Duplicados 4 Exportar CSV ou Excel Verifique uma amostra em cada passo: um nome incorreto distorce silenciosamente um cruzamento de dados.
Com base no artigo "Data analysis with ChatGPT" do Centro de Ajuda da OpenAI (novembro de 2026).

A Sua Vez

Limpe um ficheiro real. Pegue num ficheiro do seu trabalho diário — uma exportação de CRM, folha de horas, lista de contactos ou demonstração financeira — e pergunte: «Analise este ficheiro. Identifique problemas de qualidade dos dados (duplicados, valores em falta, formatos inconsistentes). Proponha um plano de limpeza. Em seguida, aplique a limpeza e gere um ficheiro corrigido para transferência.» Escolha este ficheiro com cuidado: dados de saúde, números de segurança social e informações bancárias exigem uma avaliação de riscos antes do carregamento.

Fontes oficiais: Data analysis with ChatGPT · Uploading files and audio to ChatGPT · Projects in ChatGPT (Centro de Ajuda da OpenAI)

Pontos-chave

  • O ChatGPT consegue extrair dados estruturados de documentos não estruturados num único pedido
  • O cruzamento de ficheiros e a normalização de dados ocorrem de forma conversacional
  • Solicite explicitamente uma exportação (CSV, Excel, JSON) para obter os dados processados
  • Crie prompts reutilizáveis para tarefas mensais ou recorrentes
  • Verifique sempre os resultados, especialmente no cruzamento de dados e na categorização automática