> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-portuguese/tools/data-workspace/perfil-and-qualidade.md).

# Perfil & Qualidade

Meça a saúde dos dados e identifique riscos de privacidade em cada tabela.

O **Perfil** é uma radiografia da tabela. Ele mede a saúde dos dados, aponta riscos de privacidade e descreve a distribuição de cada coluna. O resultado fica salvo: reabrir é instantâneo, e você atualiza quando quiser.

<figure><img src="https://1268188283-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F91J5WBQDmSrL6EE6Xqez%2Fuploads%2FX3bes9xSPCoLA96dZ4b7%2Fdata-workspace-perfil-qualidade.png?alt=media&amp;token=9f2d8513-3f2e-44bb-a6fa-cf61f8fc050a" alt=""><figcaption></figcaption></figure>

### Como usar

1. No **Catálogo**, clique no nome da tabela e escolha **Analisar com… > Perfil & Qualidade**.
2. Se a tabela ainda não foi analisada, clique em **Executar análise**.
3. Mantenha o seletor **IA** ligado se quiser também a interpretação por IA.
4. Para refazer a análise, clique em **Atualizar**. A data da última análise aparece abaixo do botão.

### Saúde (0 a 100)

A saúde é um índice que combina quatro fatores:

* **Completude**: proporção de valores preenchidos. Também conta nulos disfarçados.
* **Validade**: proporção de valores dentro da faixa esperada. Outliers reduzem o índice.
* **Consistência**: penaliza colunas sem variação e cresce com sinais de sujeira categórica.
* **Abrangência**: proporção de colunas sem nenhum problema de qualidade detectado.

Ao lado da nota aparecem o nome da tabela, a contagem de colunas sensíveis e de achados, e os campos **Colunas**, **Linhas**, **Porte** e **Modo**.

### Risco

O risco é uma dimensão separada da saúde. Ele aponta colunas com dados pessoais ou sensíveis (e-mail, CPF, cartão…) e a regulação aplicável (LGPD, GDPR ou CCPA). Para cada coluna, mostra:

* **Categoria**: contato, identificador nacional, financeiro etc.
* **Confiança**: quanto da amostra analisada casou com o padrão do dado sensível.

Na aba **Risco**, cada linha mostra a coluna, o achado com a regulação (ex.: **Contato · LGPD** ou **Dado pessoal · LGPD**), o que ele significa e a confiança (ex.: **100% da amostra**).

<figure><img src="https://1268188283-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F91J5WBQDmSrL6EE6Xqez%2Fuploads%2FJmZNx8h7hFGZmlVnNxWD%2Fdw-perfil-risco.png?alt=media&amp;token=be2f1e2e-e1b2-41cb-a7da-a7a8e77e33d8" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
Ter dados pessoais não deixa a tabela "de baixa qualidade". Isso é uma questão de governança, por isso é medido à parte.
{% endhint %}

### Achados

Os achados ficam em duas abas, **Anomalias** e **Risco**. Cada achado explica o que significa e sugere ações.

Na aba **Anomalias**, a coluna **Detalhe** mostra o motivo do achado (ex.: **fora do IQR** para outliers).

<figure><img src="https://1268188283-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F91J5WBQDmSrL6EE6Xqez%2Fuploads%2FwvfhEpwJJkgCu6oZzaZc%2Fdw-perfil-anomalias.png?alt=media&amp;token=34ce4a81-8221-4d79-bcfe-bbfbb1053275" alt=""><figcaption></figcaption></figure>

| Achado          | Significado                                                                  |
| --------------- | ---------------------------------------------------------------------------- |
| Quase única     | Quase todos os valores são distintos. É esperado em IDs, e-mails e nomes.    |
| Constante       | A coluna tem um único valor em todas as linhas.                              |
| Outliers        | Há valores fora dos limites esperados (além do IQR).                         |
| Muitos nulos    | A coluna tem alta proporção de valores vazios.                               |
| Nulo disfarçado | Textos como `N/A`, `NULL` ou `NOT_PROVIDED` estão contados como preenchidos. |

### Cards por coluna

Cada coluna vira um card com:

* Distribuição: histograma nas colunas numéricas, valores mais frequentes nas categóricas.
* Distintos, entropia, percentual de nulos, mediana e desvio (σ).
* **Forma**: ≈normal, assimétrica ou cauda pesada, calculada por assimetria e curtose.

Os cards podem ser filtrados (Todas, Com problema, Sensíveis, Numéricas, Anomalia) e ordenados.

### Porte e modo de análise

* **Convencional**: a tabela é analisada de forma exata.
* **Pesada**: a análise usa uma estimativa rápida por amostragem. Você pode rodar a análise exata sob demanda.
* **Desatualizado**: o schema ou os dados mudaram desde a última análise. Vale atualizar.

### Interpretação por IA

Sob demanda, a IA lê o perfil já calculado e escreve um resumo em linguagem natural. O resumo traz o que se destaca, o que merece atenção e possíveis próximos passos. Escolha o idioma e clique em **Interpretar com IA**.

* A IA recebe apenas **metadados e estatísticas agregadas**. Valores brutos das linhas nunca são enviados.
* O idioma escolhido fica lembrado. A mesma escolha vale para o **Gerar com IA** do Catálogo.
* Se a IA não estiver configurada ou disponível, o restante do perfil funciona normalmente.

### Estatísticas avançadas

As estatísticas avançadas rodam sob demanda, sobre uma amostra aleatória da tabela. Escolha o tamanho da **Amostra** e clique em **Analisar**.

* **Distribuição e normalidade**: assimetria e curtose, com os testes de Shapiro-Wilk e Kolmogorov-Smirnov como detalhe complementar.
* **Correlação**: mapa de calor de −1 a +1, com os métodos **Pearson** (linear), **Spearman** (monotônica, robusta a outliers) ou **Phi-k** (não linear e entre colunas categóricas).
* **Deriva de dados (Drift)**: compara cada coluna numérica com a execução anterior via PSI. Abaixo de 0,1 é estável; de 0,1 a 0,2, leve; a partir de 0,2, mudança relevante. A primeira execução só define a base de referência.
