Pular para o conteúdo principal
O Agente de Análise de Dados, também conhecido como DANA (Data ANAlyst), é uma versão especializada do Devin, otimizada para consultas a bancos de dados, análise de dados e criação de visualizações. Ele foi projetado para ser rápido, conciso e voltado especificamente para fluxos de trabalho de análise de dados.

​
Quando usar o Data Analyst Agent

O Data Analyst Agent é ideal quando você precisa:
  • Consultar bancos de dados: Escrever e executar consultas SQL em suas fontes de dados conectadas
  • Analisar dados: Explorar padrões, calcular métricas e investigar tendências nos seus dados
  • Criar visualizações: Gerar gráficos profissionais usando seaborn
  • Responder a perguntas sobre seus dados: Obter respostas rápidas e precisas para perguntas sobre seus dados
  • Gerar insights: Descobrir padrões, anomalias e conclusões acionáveis

​
Acessando o agente Data Analyst

​
Pelo aplicativo web

  1. Acesse a página inicial do Devin
  2. Clique no menu suspenso de seleção de agente
  3. Selecione Data Analyst no menu suspenso
  4. Inicie sua sessão com uma pergunta ou tarefa relacionada a dados

​
Pelo Slack

Você pode iniciar uma sessão do Data Analyst diretamente pelo Slack usando um destes métodos: Usando o comando de barra (/): 
/dana Quais foram os 10 principais clientes por receita no mês passado?
Usando uma menção com a macro !dana: 
@Devin !dana Quais foram nossos 10 principais clientes por receita no mês passado?
Ambos os métodos criarão uma sessão de Data Analyst e responderão no próprio thread com os resultados.

​
Pré-requisitos

Antes de usar o Data Analyst Agent, você precisará conectar pelo menos uma fonte de dados via MCP (Model Context Protocol). Integrações comuns incluem:
  • MCPs de banco de dados: Redshift, PostgreSQL, Snowflake, BigQuery e outros bancos de dados SQL
  • MCPs de análise: Datadog, Metabase e outras plataformas de observabilidade
Se não houver nenhuma fonte de dados conectada, o agente notificará você e pedirá que conecte uma antes de prosseguir.

Configure integrações MCP

Saiba como conectar bancos de dados e outras fontes de dados via MCP

​
Como funciona

​
Knowledge de banco de dados

O Data Analyst Agent mantém uma nota de Knowledge de banco de dados que contém a documentação de schema dos bancos de dados conectados. Essa Knowledge é consultada automaticamente antes da execução de consultas, permitindo que o agente identifique rapidamente as tabelas e colunas corretas.

​
Exemplos de prompts

Aqui estão algumas maneiras eficazes de usar o Data Analyst Agent em diferentes tipos de consultas:

​
Consultas simples

  • “Quantos usuários ativos tivemos na semana passada?”
  • “Qual é a nossa tendência diária de receita no último mês?”
  • “Quais clientes têm o maior volume de uso?”

​
Agregações e métricas

  • “Qual é a duração média das sessões por nível de plano nos últimos 30 dias?”
  • “Mostre a receita total agrupada por região e linha de produto para o 4º trimestre (Q4)”
  • “Calcule o tempo de resposta no 95º percentil para cada endpoint de API desta semana”

​
Junções e análise entre tabelas

  • “Faça um join da nossa tabela de usuários com a tabela de pedidos e mostre os 20 principais clientes por lifetime value (LTV)”
  • “Correlacione a origem do cadastro com a retenção de 30 dias — quais canais de aquisição têm as melhores taxas de retenção?”
  • “Combine dados de sessão com registros de faturamento para encontrar contas com alto uso, mas baixo gasto”

​
Filtragem e segmentação

  • “Mostre apenas clientes Enterprise que se cadastraram após janeiro de 2025 e têm mais de 100 sessões”
  • “Filtre os logs de erro para mostrar apenas erros 5xx do serviço de pagamentos nas últimas 48 horas”
  • “Detalhe o consumo por clientes Enterprise vs. autoatendimento, excluindo contas em período de teste”

​
Análise de séries temporais

  • “Mostre um gráfico de usuários ativos semanais dos últimos 6 meses — destaque qualquer semana com variação superior a 10%”
  • “Mostre uma comparação mês a mês das taxas de cadastro de 2025 em relação a 2024”
  • “Qual é a tendência diária de chamadas de API nos últimos 90 dias? Sobreponha uma média móvel de 7 dias”

​
Investigações e detecção de anomalias

  • “Por que os novos cadastros caíram na última terça-feira? Verifique se houve algum incidente ou implantação relacionada”
  • “Há alguma anomalia em nossas taxas de erro nesta semana?”
  • “Compare as métricas deste mês com o mesmo período do ano passado e sinalize desvios significativos”

​
Análise em múltiplas etapas

  • “Analise a retenção de usuários por coorte no Q4, depois identifique quais coortes têm a maior queda e sugira possíveis causas”
  • “Encontre os 10 usuários com mais sessões, mostre suas atividades ao longo do tempo e sinalize quaisquer casos que pareçam possíveis churns”

​
Fontes de dados compatíveis

O Data Analyst Agent se conecta aos seus dados por meio de integrações MCP (Model Context Protocol). Você pode conectar múltiplas fontes de dados e fazer consultas entre elas. Abaixo estão algumas das fontes de dados mais comuns disponíveis no MCP Marketplace — esta não é uma lista exaustiva.

​
Bancos de dados SQL

Fonte de dadosNome MCPConfiguração
Amazon RedshiftRedshiftString de conexão + credenciais
PostgreSQLPostgreSQLString de conexão
SnowflakeSnowflakeConta + credenciais
Google BigQueryBigQueryOAuth ou conta de serviço
MySQLMySQLString de conexão
SQL ServerSQL ServerString de conexão
NeonNeonOAuth
SupabaseSupabaseToken de acesso pessoal
Cloud SQL (PostgreSQL, MySQL, SQL Server)Cloud SQLOAuth

​
Plataformas de análise e observabilidade

Fonte de dadosNome do MCPConfiguração
DatadogDatadogAPI key + chave de aplicativo
MetabaseMetabaseOAuth
GrafanaGrafanaURL + token de conta de serviço
SentrySentryOAuth

​
Conectando uma fonte de dados

  1. Acesse Settings > MCP Marketplace
  2. Encontre sua fonte de dados e clique em Enable
  3. Forneça as credenciais necessárias (strings de conexão, chaves de API ou OAuth)
  4. Inicie uma sessão de Data Analyst — o agente descobrirá automaticamente suas fontes de dados conectadas
Precisa de uma fonte de dados que não esteja no Marketplace? Use Add Your Own para conectar qualquer servidor MCP, fornecendo sua configuração diretamente.

Configurar integrações MCP

Instruções completas de configuração para cada fonte de dados
Você pode conectar várias fontes de dados simultaneamente. O Data Analyst Agent usará as ferramentas MCP apropriadas com base no contexto da sua consulta.

​
Boas práticas

​
Seja específico sobre métricas

Em vez de fazer perguntas vagas, defina exatamente o que você quer medir: 
"Qual é a nossa contagem de usuários ativos em 7 dias, definida como usuários que iniciaram pelo menos uma sessão?"

​
Especifique períodos de tempo

Sempre inclua o intervalo de tempo de interesse. O agente usa UTC por padrão ao interpretar datas relativas. 
"Mostre a receita diária dos últimos 30 dias"

​
Solicite formatos específicos de saída

Diga ao agente como você quer ver os resultados — em forma de tabela, gráfico ou resumo: 
"Crie um gráfico de linha com os cadastros semanais do último trimestre, com uma tabela dos dados brutos abaixo"

​
Defina a lógica de negócios desde o início

Se suas métricas tiverem definições específicas, inclua-as no seu prompt para evitar ambiguidade: 
"Mostre a taxa de churn mensal, em que churn é definido como contas com zero sessões nos últimos 30 dias que tiveram pelo menos uma sessão nos 30 dias anteriores"

​
Peça comparações e contexto

Adicionar períodos de comparação ou benchmarks torna os resultados mais úteis: 
"Mostre os usuários ativos diários desta semana em comparação com a mesma semana do mês passado e destaque os dias com mais de 15% de desvio"

​
Iterar sobre os resultados

Você pode fazer perguntas de acompanhamento na mesma sessão para investigar mais a fundo:
  1. Comece de forma ampla: “Quais são nossos 10 principais clientes por receita neste trimestre?”
  2. Aprofunde: “Para os 3 principais, mostre a tendência de receita mensal ao longo do último ano”
  3. Investigue: “O cliente X teve um pico de receita em março — o que motivou isso?”

​
Validar o SQL

O agente sempre inclui a consulta SQL que utilizou. Revise-a para garantir que a lógica corresponda às suas expectativas, especialmente em análises complexas que envolvam junções, filtros ou agregações.

​
Formatos de saída

O agente Data Analyst retorna resultados em vários formatos, dependendo do tipo de análise:

​
Tabelas

Para buscas e agregações de dados, os resultados são exibidos como tabelas formatadas: 
| Customer       | Revenue   | Sessions | Avg Duration |
|----------------|-----------|----------|--------------|
| Acme Corp      | $125,400  | 1,247    | 34 min       |
| Globex Inc     | $98,200   | 983      | 28 min       |
| Initech        | $87,600   | 876      | 41 min       |

​
Gráficos e visualizações

Quando você solicitar análise visual ou quando os dados forem melhor compreendidos de forma gráfica, o agente gera gráficos usando seaborn. Tipos comuns de gráficos incluem:
  • Gráficos de linha — tendências de séries temporais, comparações ao longo do tempo
  • Gráficos de barras — comparações categóricas, classificações
  • Mapas de calor — matrizes de correlação, padrões de atividade
  • Gráficos de dispersão — análise da relação entre duas métricas
Peça um tipo específico de gráfico se você tiver uma preferência ou deixe o agente escolher a visualização mais adequada para seus dados.

​
Resumos e insights

Para prompts de investigação, o agente fornece uma resposta estruturada que inclui:
  • Resumo da análise — uma resposta em linguagem simples para a sua pergunta
  • Consulta SQL — a consulta SQL exata utilizada, para que você possa verificar a lógica
  • Principais números — as métricas mais importantes destacadas
  • Insights de dados — padrões, anomalias ou descobertas relevantes
  • Link do Metabase — se sua organização tiver o Metabase conectado via MCP, o agente pode incluir um link para um dashboard interativo para exploração mais detalhada

​
Gerenciamento de Knowledge

O Data Analyst Agent pode persistir aprendizados entre sessões usando o sistema de Knowledge. Quando ele descobre:
  • Novas informações de esquema ou relacionamentos entre tabelas
  • Lógica de negócios ou definições de métricas
  • Padrões de qualidade de dados ou ressalvas
ele salva isso em notas no Knowledge para que sessões futuras se beneficiem do que foi aprendido.

Saiba mais sobre Knowledge

Entenda como funciona o sistema de Knowledge do Devin

​
Diferenças em relação ao Devin padrão

CapabilityData Analyst AgentStandard Devin
SQL query executionExecução otimizadaSuportada
Data visualizationsSuporte integrado a seabornConfiguração manual
Database schema awarenessConhecimento pré-carregadoExploração sob demanda
Response styleRespostas concisas, focadas em métricasExplicações detalhadas
Code changesNão é o foco principalSuporte completo
MCP integrationsIntegrações obrigatóriasIntegrações opcionais
O Data Analyst Agent é desenvolvido especificamente para trabalho com dados. Para tarefas que envolvem alterações de código, implantações (deploys) ou engenharia de software em geral, use o Devin padrão.