/data-validate

name: data-validate
description: Valida uma análise antes de compartilhar — metodologia, precisão e verificações de viés. Use quando revisar uma análise antes de uma apresentação para stakeholders, verificar cálculos e lógica de agregação, conferir se os resultados de uma query SQL parecem corretos, ou avaliar se as conclusões são de fato suportadas pelos dados. Sempre rodar esta skill antes de compartilhar análises baseadas em Stripe, Omie, Licensing ou Evo CRM.
argument-hint: "<análise para revisar>"

data-validate — Validar Análise Antes de Compartilhar

Revisar uma análise quanto à precisão, metodologia e possíveis vieses antes de compartilhar com stakeholders. Gera uma avaliação de confiança e sugestões de melhoria.

Uso

/data-validate <análise para revisar>

A análise pode ser:

• Um documento ou relatório na conversa
• Um arquivo (markdown, notebook, planilha)
• Queries SQL e seus resultados
• Gráficos e seus dados subjacentes
• Uma descrição de metodologia e achados

Fluxo de Trabalho

1. Revisar Metodologia e Premissas

Examinar:

• **Formulação da questão**: A análise está respondendo à pergunta certa? A questão pode ser interpretada de forma diferente?
• **Seleção de dados**: As tabelas/datasets corretos estão sendo usados? O intervalo de tempo é apropriado?
• **Definição de população**: A população da análise está corretamente definida? Há exclusões não intencionais?
• **Definições de métricas**: As métricas são definidas de forma clara e consistente? Correspondem a como os stakeholders as entendem?
• **Baseline e comparação**: A comparação é justa? Períodos de tempo, tamanhos de cohort e contextos são comparáveis?

2. Executar o Checklist de QA Pré-Entrega

Percorrer o checklist abaixo — qualidade dos dados, cálculo, razoabilidade e verificações de apresentação.

3. Verificar Armadilhas Analíticas Comuns

Revisar sistematicamente contra o catálogo detalhado de armadilhas abaixo (join explosivo, viés de sobrevivência, comparação de período incompleto, denominador variável, média de médias, desalinhamento de fuso horário, viés de seleção).

4. Verificar Cálculos e Agregações

Onde possível, fazer spot-checks:

• Recalcular alguns números-chave de forma independente
• Verificar se os subtotais somam corretamente aos totais
• Confirmar que os percentuais somam a ~100% onde esperado
• Validar que comparações AaA/MaM usam os períodos base corretos
• Verificar se os filtros são aplicados de forma consistente em todas as métricas

Aplicar as técnicas de verificação de sanidade de resultados abaixo.

5. Avaliar Visualizações

Se a análise inclui gráficos:

• Os eixos começam em valores apropriados (zero para gráficos de barras)?
• As escalas são consistentes entre gráficos de comparação?
• Os títulos dos gráficos descrevem com precisão o que é mostrado?
• A visualização poderia enganar um leitor rápido?
• Há eixos truncados, intervalos inconsistentes, ou efeitos 3D que distorcem a percepção?

6. Avaliar Narrativa e Conclusões

Revisar se:

• As conclusões são suportadas pelos dados mostrados
• Explicações alternativas são reconhecidas
• A incerteza é comunicada adequadamente
• As recomendações seguem logicamente dos achados
• O nível de confiança corresponde à força das evidências

7. Sugerir Melhorias

Fornecer sugestões específicas e acionáveis:

• Análises adicionais que fortaleceriam as conclusões
• Ressalvas ou limitações que devem ser anotadas
• Melhores visualizações ou enquadramentos para pontos-chave
• Contexto ausente que os stakeholders iriam querer

8. Gerar Avaliação de Confiança

Classificar a análise em uma escala de 3 níveis:

**Pronta para compartilhar** — A análise é metodologicamente sólida, cálculos verificados, ressalvas anotadas. Sugestões menores de melhoria mas nada bloqueando.

**Compartilhar com ressalvas anotadas** — A análise é majoritariamente correta mas tem limitações ou premissas específicas que devem ser comunicadas aos stakeholders. Listar as ressalvas obrigatórias.

**Precisa de revisão** — Encontrou erros específicos, problemas metodológicos, ou análises faltantes que devem ser abordados antes de compartilhar. Listar as mudanças necessárias com ordem de prioridade.

Formato de Saída

## Relatório de Validação

### Avaliação Geral: [Pronta para compartilhar | Compartilhar com ressalvas | Precisa de revisão]

### Revisão de Metodologia
[Achados sobre abordagem, seleção de dados, definições]

### Problemas Encontrados
1. [Severidade: Alta/Média/Baixa] [Descrição do problema e impacto]
2. ...

### Spot-Checks de Cálculo
- [Métrica]: [Verificado / Discrepância encontrada]
- ...

### Revisão de Visualização
[Quaisquer problemas com gráficos ou apresentação visual]

### Melhorias Sugeridas
1. [Melhoria e por que é importante]
2. ...

### Ressalvas Obrigatórias para Stakeholders
- [Ressalva que deve ser comunicada]
- ...

---

Checklist de QA Pré-Entrega

Percorrer este checklist antes de compartilhar qualquer análise com stakeholders.

Verificações de Qualidade dos Dados

• [ ] **Verificação de fonte**: Confirmado quais tabelas/fontes de dados foram usadas. São as corretas para esta pergunta?
• [ ] **Atualidade**: Os dados são atuais o suficiente para a análise. A data "referente a" foi anotada.
• [ ] **Completude**: Sem lacunas inesperadas em séries temporais ou segmentos faltantes.
• [ ] **Tratamento de nulos**: Taxas de nulo verificadas em colunas-chave. Nulos são tratados adequadamente (excluídos, imputados ou sinalizados).
• [ ] **Deduplicação**: Confirmado que não há dupla contagem por joins ruins ou registros fonte duplicados.
• [ ] **Verificação de filtros**: Todas as cláusulas WHERE e filtros estão corretos. Sem exclusões não intencionais.
• [ ] **Fuso horário**: Timestamps estão alinhados (UTC no banco → BRT na exibição). Conversão aplicada corretamente.

Verificações de Cálculo

• [ ] **Lógica de agregação**: GROUP BY inclui todas as colunas não-agregadas. Nível de ag