Como criar um Dashboard de Sentimento Contábil com informações de demonstrativos de empresas com IA + Shiny

A inteligência artificial generativa (IA Generativa) permite criar soluções que automatizam grande parte dos processos manuais de diversas profissões. Na economia, finanças e análise de dados não é diferente. Desde a coleta de dados, passando pela análise e apresentação, podemos usar IA Generativa para economizar tempo e ganhar produtividade.

Neste artigo, mostramos como criar um AI Assistant, que é um “funcionário-robô” encarregado de ler e analisar os resultados financeiros de empresas brasileiras. A ideia é automatizar o processo de coleta, tratamento, análise e apresentação de dados que comumente agentes do mercado financeiro fazem com as diferentes empresas do mercado a cada trimestre. O assistente realiza estes procedimentos automaticamente e fornece uma análise completa sobre o comunicado da

Este AI Assistant trabalha dentro de uma dashboard Shiny, para facilitar a experiência e acesso do usuário final. A seguir mostramos o passo a passo do desenvolvimento.

Passo 01: bibliotecas

Iniciamos definindo as bibliotecas utilizadas no projeto:

  • requests para baixar o pdf do site da empresa de interesse
  • shiny e shinywidgets para desenvolver a dashboard
  • google.generativeai para analisar o resultado da empresa
  • plotly para visualizar dados

Passo 02: modelo LLM

Em seguida, definimos o modelo de IA generativa a ser utilizado para a análise do relatório. Neste caso, utilizamos um modelo popular e acessível, o Gemini.

Obs: é necessário apontar uma chave de API para uso do modelo.

Passo 03: interface da dashboard

Agora avançamos para a interface visual da dashboard, definindo um campo de input para o usuário colocar o link do comunicado do resultado da empresa que se deseja analisar e os outputs para as análises geradas pelo modelo de IA generativa.

Passo 04: coleta de dados e prompt

Por fim, definimos uma função reativa que processa o link informado pelo usuário, coleta o pdf diretamente do site da empresa, cria um prompt otimizado para o modelo de IA generativa, envia os dados para a API do Google e recebe a resposta.

O resultado final é a dashboard exposta na imagem acima. Como próximos passos, o app pode ser publicado (deploy) em algum serviço, como o Shinyapps.io.

Tenha acesso ao código e suporte desse e de mais 500 exercícios no Clube AM!

Quer o código desse e de mais de 500 exercícios de análise de dados com ideias validadas por nossos especialistas em problemas reais de análise de dados do seu dia a dia? Além de acesso a vídeos, materiais extras e todo o suporte necessário para você reproduzir esses exercícios? Então, fale com a gente no Whatsapp e veja como fazer parte do Clube AM, clicando aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.