Fase 0 — Escolha do problema e exploração inicial
Ferramenta: Claude (app, sessão com acesso a ferramentas), com os modelos Claude Sonnet 5.5 e, a partir do desenho dos blocos, Claude Opus 5.5.
Data: 25/10/2026
Duração aproximada: 1h
1. Leitura do material de partida e escolha do problema para o experimento
2. Obtenção dos dados
- O conector MCP do Kaggle listou os arquivos e gerou links de download, mas a rede do ambiente bloqueou o domínio (403 no proxy).
- Decisão: não contornar o bloqueio. Usei os CSVs que eu já tinha baixado no meu computador.
3. Exploração (scripts em scripts/eda.py e scripts/eda2.py)
Achados principais:
- 8.800 deals; win rate dos fechados de 63,2%.
- Integridade: “GTXPro” (pipeline) ≠ “GTX Pro” (catálogo). Sem corrigir, 1.480 deals somem no join. Também há o setor “technolgy”.
- 1.425 deals sem conta, todos abertos; Prospecting sem datas; 5 vendedores sem deals.
- Nenhum atributo prevê vitória: produto, setor, região, manager e porte ficam entre 60% e 65% (qui-quadrado: produto p=0,37, vendedor p=0,26; AUC das numéricas ≈ 0,50).
- O único sinal é o ciclo: os perdidos perdem rápido.
- 81% dos Engaging estão parados há mais tempo que o maior ciclo já observado (138 dias).
4. Onde a IA precisou de correção ou ressalva
- Métrica otimista: o primeiro cálculo de poder preditivo por categoria usou target encoding dentro da própria amostra. Foi marcado como inflado, e a decisão foi exigir backtest temporal.
- Win rate de 82% no 2017-Q1: levantado como possível artefato de recorte, não como insight. Fica para investigar no bloco 2.
- O plano inicial assumia um score por atributos (win rate por produto/setor). Os dados derrubaram essa premissa, e o plano pivotou para o frescor.
5. Validação da hipótese de frescor (scripts/snapshot.py)
- Pergunta: a idade de um deal aberto numa data passada prevê o que aconteceu com ele depois?
- Resposta, com corte em 30/09/2017: até 30 dias de idade, 50% foram ganhos; de 31 a 60 dias, 34%; de 61 a 90 dias, 7%; acima de 90 dias, 0%. O corte em 30/06/2017 mostra o mesmo padrão.
- Ressalva: nenhum deal fechado passou de 138 dias, em nenhuma coorte. É provavelmente um artefato do gerador sintético, então não vou usar como regra fixa.
6. Decisões de desenho
- Projeto dividido em blocos: escopo → curadoria → scoring e validação → produto → documentação → revisão independente → publicação.
- Ferramenta de entrega: motor em Python + página estática no GitHub Pages, não Streamlit. Motivos: Streamlit é o default de uma entrega de IA sem supervisão; a página estática roda sem instalação (quem abre o link clica e usa); e separar a lógica da interface atende ao critério de código mantível.
- Diferenciais definidos: a tese do frescor validada; backtest visível na interface; a lista “Limpe” (~US$3,2 mi de pipeline inflado); e um model card, que vem do meu ângulo de governança.
- O vendedor não entra como fator do score: a diferença entre vendedores é compatível com ruído, e usá-la penalizaria pessoas injustamente.