Baixe o app para aproveitar ainda mais
Prévia do material em texto
AMOSTRA - DOMINANDO O POWER BI 1 AMOSTRAAMOSTRA AMOSTRA AMOSTRA - DOMINANDO O POWER BI2 SUMÁRIO Prefácio Sobre os Autores Aprendendo Power BI com Esse Livro Do Que Você Precisa Para Aproveitar o Livro? Convenções e Padrões Download dos Arquivos de Exemplo Download das Figuras Coloridas 1. Fundamentos do Business Intelligence 1.1 Cultura Data-Driven 1.2 Investimento e ROI 1.3 Softwares de Business Intelligence 2. Introdução ao Power BI 2.1 Componentes do Power BI (Desktop) 2.2 Plataformas do Power BI Power BI Desktop Power BI Serviço Power BI Para Celulares 2.3 Quanto Custa o Power BI Power BI Gratuito Power BI Pro Power BI Premium Servidor de Relatórios 2.4 Comunidade do Power BI 2.5 Como Começar: Power BI Desktop 3. Tratamento de Dados no Power Query A interface do Editor de Consultas 3.1 Obtenção de Dados AMOSTRA - DOMINANDO O POWER BI 3 3.2 Tratamento de Dados O Processo de ETL 3.3 Etapas de Transformação 3.4 Importando Arquivos de Excel 3.5 Importando Arquivos da Pasta 3.6 Importando Apenas Arquivos Desejados da Pasta 3.7 Importando Dados do SQL Server 3.8 Importando Dados da Web 3.9 Importando Dados de uma API 3.10 Importando Dados de um Arquivo TXT 3.11 Aplicando Transformações Básicas Remover Linhas Remover Colunas Promovendo Linhas em Cabeçalhos Removendo Linhas Internas Alterando o Tipo de Dado Tratamento de Erros Limpar e Cortar Espaços Substituir Valores 3.12 Quando Utilizar a Transformar ou Adicionar? 3.13 Tipos de Dados A Etapa “Tipo Alterado” Conversão de Data Utilizando a Localidade 3.14 Transformar Colunas Em Linhas 3.15 Agrupar e Agregar Dados 3.16 Criar Colunas com Dados Relacionados de Outras Tabelas (Mesclar) 3.17 Juntar Várias Consultas (Acrescentar) 3.18 A Sensacional Coluna de Exemplos 3.19 Contornando Erros com a Coluna Personalizada AMOSTRA - DOMINANDO O POWER BI4 3.20 Duplicar e Referenciar Consultas 3.21 Variáveis no Power Query com Parâmetros Fonte de Dados Dinâmica Lista de Parâmetros Parâmetros em Modelos do Power BI Web Scraping com Parâmetros 3.22 Gerenciando Consultas no Relatório 3.23 Criando Uma Tabela Calendário Estática 3.24 Criando Uma Tabela Calendário Dinâmica 3.25 Editor Avançado 3.26 Saúde Estrutural dos Seus Dados 4. Relacionamento e Modelagem de Dados 4.1 Banco de Dados da Parrot Technology Normalização de Dados Granularidade 4.2 Relacionamento Entre Tabelas Tipos de Chaves Um para Um Um para Muitos Muitos para Muitos Bidirecional 4.3 Relacionamento no Power BI Snowflake Próximo Passo 5. Cálculos e a Linguagem DAX 5.1 DAX para Usuários do Excel Conceito de Tabela Similaridade Entre Funções 5.2 Características da Linguagem DAX AMOSTRA - DOMINANDO O POWER BI 5 Formato de Dados Sintaxe do DAX Operadores Tipos de Resultados no DAX 5.3 Tipos de Cálculos Medidas Coluna Calculada Tabela Calculada 5.4 Contexto de Cálculo 5.5 A Função Mais Importante: CALCULATE 5.6 Organizando Medidas e Expressões 5.7 Principais Exemplos de Cálculos no DAX Cálculos de Agregação Essenciais Cálculo com Condicionais Trazendo Valores Relacionados Eliminando Colunas Calculadas com Funções Iterantes Percentual do Total Percentual Apenas dos Valores Selecionados Média da Categoria Ativando Relacionamentos Inativos Soma Acumulada do Ano Comparando Valores com o Ano Anterior Comparando Valores de Dois ou Mais Anos Atrás Comparando Valores do Mês Passado Ranking Análise de Pareto Análise de Cenários com Parâmetros Dinâmicos Tabelas Calculadas Medidas Rápidas AMOSTRA - DOMINANDO O POWER BI6 5.8 Aprendizado da Linguagem DAX 6. Visualização Princípios Para Criação de Visuais e Relatórios 6.1 Comparar Valores 6.2 Identificar Mudanças ao Longo do Tempo 6.3 Mostrar a Representatividade 6.4 Evidenciar Composições e Fluxos 6.5 Detalhamento de Valores e Dimensões 6.6 Indicadores de Performance 6.7 Exibição de Valores 6.8 Geográficos 6.9 Segmentação de Dados 6.10 Filtros de Visual, Página e Relatório 6.11 Detalhar 6.12 Dica de Ferramenta 6.13 Análise Automática 6.14 Interações Entre Visuais 6.15 Botões de Interações Dentro de Visuais 6.16 Botões 6.17 Classificar Por Colunas 6.18 Hierarquia 6.19 Agrupamento 6.20 Formatação e Configurações da Área de Trabalho 6.21 Temas 7. Power BI Serviço 7.1 Publicação do Relatório 7.2 Relatórios ou Painéis? 7.3 Espaços de Trabalho 7.4 Compartilhamento AMOSTRA - DOMINANDO O POWER BI 7 7.5 Assinatura e Alertas Por E-mail 7.6 Gateway: Atualização Programada 7.7 Segurança do Power BI 8. Power BI Para Celulares 9. Recursos Adicionais 9.1 Excel e Power BI 9.2 Documentação Oficial Bibliografia AMOSTRA - DOMINANDO O POWER BI8 SOBRE OS AUTORES Karine Lago trabalha há mais de 10 anos no ramo de inteligência de mercado e é especialista em business intelligence e sócia-fundadora da DATAB Inteligência e Estratégia, atuando com consultoria e treinamento em clientes de grande porte no Brasil. Bacharel em Publicidade e Propaganda e pós-graduada em Gestão Estratégica da Informação pela Universidade Federal de Minas Gerais. É MCP (Microsoft Certified Professional) com a MCSA (Microsoft Certified Solutions Associate) em BI Reporting e MOSE (Microsoft Office Specialist Expert). Foi premiada pela Microsoft como Microsoft MVP (Most Valuable Professional) por contribuir e compartilhar sua técnica com a comunidade. Ela administra e gerencia conteúdos educacionais focado no Microsoft Excel e Power BI no Youtube (www. youtube.com/c/KarineLago) com mais de 40 mil seguidores. Também é escritora do livro “Excel de A até XFD”. Laennder Alves é especialista Excel e Power BI e sócio-fundador da DATAB Inteligência e Estratégia. Bacharel em engenharia civil. Foi premiado como Microsoft MVP (Most Valuable Professional) em Data Platform por contribuir e compartilhar sua técnica com a comunidade e é MCP (Microsoft Certified Specialist). Cria conteúdo para Linkedin e Youtube (www.youtube.com/c/LaennderAlves) e possui mais de 46 mil seguidores. Foi também revisor técnico no livro “Excel de A até XFD”. AMOSTRA - DOMINANDO O POWER BI 9 APRENDENDO POWER BI COM ESSE LIVRO Esse livro é destinado a todos os profissionais que desejam aprender a construir ricas análises no Power BI. Não somente aqueles que analisam dados como rotina, mas também para os que executam as mais diversas atividades que geram dados. Os benefícios de saber analisar e tomar decisões baseadas em fatos são indiscutivelmente vantajosos. No dia a dia temos a percepção de diversos problemas que podem ser fundamentados com dados para basear discussões e gerar mudanças. Nem sempre gerentes e executivos participam do dia a dia executor. Se você está lendo esse livro, é porque já se interessou pela análise de dados e tem ideia de que sua correta execução e esclarecimento podem influenciar a performance de equipes e projetos, a lucratividade de empresa e a otimização de rotinas. Esse livro foi projetado para guiá-lo sistematicamente desde o entendimento conceitual da informação à execução de projetos no Power BI abordando a maioria das etapas necessárias para construí-lo. Prepare-se para colocar a mão na massa. Capítulo 1: Revisaremos alguns dos principais conceitos de business intelligence e abordaremos tópicos sobre implantação de projetos de BI, cultura organizacional e se suas decisões são ou não baseadas em dados. Capítulo 2: Você conhecerá o ambiente do Power BI e como ele é estruturado, desde suaconcepção, ao licenciamento e suas diferentes interfaces. Capítulo 3: Aqui começa a prática. Vamos obter dados de algumas fontes diferentes e realizar seu tratamento no Power Query (ETL). Você conhecerá os recursos mais poderosos para preparar dados para a próxima etapa. Capítulo 4: Daremos sentido ao esforço da organização realizada no Power Query. Com tabelas importadas e tratadas, você vai aprender sobre modelagem, relacionamento e será apresentado ao banco de dados de exemplo desse livro. Capítulo 5: Será realizada a “tradução” dos dados em informação relevante. Utilizando funções DAX, você conhecerá sua estrutura, conceitos importantes como contexto de cálculo e executaremos alguns exemplos dos principais cálculos que podem ser aplicados em empresas. Capítulo 6: Vamos explorar sobre os visuais disponíveis no Power BI para exibir as informações obtidas por meio dos cálculos realizados anteriormente. Você também aprenderá a formatá-los e a utilizar recursos de drill down e drill through para melhorar a análise de dados. Capítulo 7: Publicaremos o relatório criado pelo desenvolvimento das três etapas anteriores e conheceremos o Power BI Serviço e suas diferenças do Power BI Desktop. Abordaremos sobre compartilhamento, assinatura de e-mail e atualização programada. AMOSTRA - DOMINANDO O POWER BI10 Capítulo 8: O relatório criado será aplicado no layout para celulares e veremos as possibilidades de uso do recurso de mobilidade para consumo de relatórios Capítulo 9: Materiais adicionais oficiais da Microsoft, desenvolvimento do aprendizado, e como trabalhar com o Excel e Power BI juntos. FUNDAMENTOS DO BUSINESS INTELLIGENCE CULTURA DATA-DRIVEN Um dos maiores desafios em projetos de BI não é o conhecimento técnico, pois pode ser obtido por meio de livros como esse, materiais de qualidade na internet e treinamentos, mas sim na prática da extração de valores da informação e conversão em tomada de decisão. O envolvimento nessa última camada não depende apenas do responsável pelo projeto de BI, mas de toda a organização e, principalmente, de seus líderes. A maioria das organizações são compostas por diretores e gerentes que são responsáveis por “financiarem” projetos com seus orçamentos. Sempre existirão muitas iniciativas e necessidades nas mais diversas áreas da cadeia de valores de uma empresa. Como um projeto de BI pode se tornar atrativo, ser priorizado e financiando? Muito simples e complexo. A ambiguidade é relacionada ao fato de que as respostas são muito claras e possíveis, mas extremamente difíceis de serem tangibilizadas. Vamos analisa-las: É um fator verdadeiro que a velocidade no acesso à informação gera mais velocidade na tomada de decisão. A lentidão comumente vista em empresas para decidir se continua ou não um produto, se demite ou não parte da empresa ou se contrata um novo departamento de pesquisa e investe nele está diretamente relacionada ao medo de errar e em suas consequências. A maior parte desse medo está fundamentado na imprevisibilidade do futuro, que está correto ter um pouco, nem sempre acertaremos, mas existem padrões, comportamentos e precedentes que podem dar segurança para decisores agirem mais rápido. E estes elementos podem ser extraídos de dados internos e externos e analisados em softwares de BI. E a insegurança na decisão pode estar diretamente relacionada à priorização de emoção ou percepções, e não em fatos analisados. Muitos executivos estão em seus cargos pela experiência e acertos que fizeram durante uma longa carreira coletando vivências em suas áreas que o fizeram ter a expertise para estarem nos cargos que ocupam hoje. Não podemos descartar que isso é importante e válido para tomada de decisão, mas fundamentar integralmente em tendências do passado é como andar em uma sala escura cheia de buracos. As vezes esses executivos podem acertar, passar perto de tomar decisões desastradas e não tomar. A incerteza pode ser minimizada, em sua grande parte, agregando dados e análises informacionais. AMOSTRA - DOMINANDO O POWER BI 11 O principal foco de todo esse processo de ser no levantamento de quais problemas essas organizações precisam resolver e quais tipos de respostas precisam obter. E isso é realizado antes mesmo do projeto de BI e, consequentemente, do projeto de mudança da cultura organizacional. O grande cerne do problema está na negligência desse passo, que deve ser realizado com muito esforço. Todos os indicadores devem convergir na resposta que precisa ser obtida e o excesso deles também deve ser avaliado, já que quanto mais informação, menos foco e maior probabilidade de indicar que, na verdade, a organização não sabe exatamente qual problema quer resolver. Uma vez especificados e modelados, a distribuição deve ser facilitada. Não adianta esconder relatórios em subníveis da intranet e no meio de todos os e-mails recebidos. Os executivos precisam respirar esses dados assim como respiram o próprio ar para sobreviver como humanos. A empresa precisa se transformar e deixá-los o mais acessível possível dentro de seus limites de privacidade. Recursos digitais, como displays de performance por área pode ser um dos aliados, mas é preciso tomar cuidado para não serem apenas uma fonte de gasto de energia. Envolver técnicas de gamification com medidores de performance competitiva também são aliados fortes. Um exemplo real aplicado em uma empresa mineira de varejo foi na criação de um campeonato brasileiro entre os vendedores. Pontos eram concedidos de acordo com alguns aspectos que eram atingidos, como abertura de clientes, reativação, elevação do preço médio, venda de determinados SKUs e, é claro, atingimento da meta. Todos os dias, sem exceção, os relatórios tinham picos de acesso entre 07:00h e 09:00h e entre 17:30h e 18:30h por todos os vendedores. Aqueles que não acessavam normalmente não tinham o perfil competitivo e perdiam o campeonato e, consequentemente, o emprego, já que a performance estava ruim na execução das métricas observadas que eram importantes para a empresa. Mais um ponto de atenção nesse processo de mudança é que o projeto de BI deve incluir a análise da performance de sua própria usabilidade. Você verá que o próprio Power BI possui uma área exclusiva e já estruturada para verificar quais são os usuários que estão acessando, com qual frequência e quais relatórios estão sendo consumidos. É preciso determinar uma rotina e um responsável por realmente avaliar e tomar decisões com consequências, seja na reformulação de análises que claramente foram mal especificadas ou verificar se algum usuário possui problemas de análise técnica ou tecnológicos, que é mais comum do que imaginamos. Transformar bancos de dados em oportunidades é o maior desafio que temos como analistas de dados. Peter Drucker defende o fato de que “o que não pode ser medido, não pode ser gerenciado” e isso não significa que as coisas darão errado. O mercado pode estar bom, o produto pode ser diferente da concorrência, a equipe pode ser espetacular, mas certamente essa performance cairá quando o mercado oscilar e é aqui que surgem as empresas que se anteviram e se prepararam para o futuro daquelas que não medem e não gerenciam (com efetividade). AMOSTRA - DOMINANDO O POWER BI12 SOFTWARES DE BUSINESS INTELLIGENCE Softwares de business intelligence são capazes de transformar grande volume de dados em dashboards analíticos e resumidos. Eles são configuráveis e executam automaticamente a rotina de coleta, tratamento, análise e visualização de dados. De acordo com as pesquisas realizadas, o termo business intelligence surgiu inicialmente em uma obra de Richard Millar Devens de 1865, descrevendo-o como o entendimento de fatores mercadológicos e políticos antes de seus competidores. Até então, business intelligence era utilizado como a pré-ciência sobre fatos para tomar decisões antes da concorrência. Foi apenas em 1985 que o termo “BI”, proveniente das letras iniciaisde business intelligence, foi atrelado a softwares capazes de transformar a forma como muitas informações eram consumidas no artigo “A Business Intelligence System” de Hans Peter Luhn. O cientista da computação, que no momento trabalhava para a IBM, descrevia os softwares de BI como sistemas automáticos desenvolvidos para propagar informações para diversos setores da economia. Suas pesquisas, dentre os desenvolvimentos de mais de 80 patentes, foram inicialmente aplicadas em softwares de análises da IBM. Atualmente existem muitos softwares de business intelligence no mundo que oferecem a base das funcionalidades que um software dessa categoria deve oferecer, desde a análise de dados por meio de cálculos utilizando diferentes linguagens, conexão às fontes externas de várias formas e visualização de dados com gráficos específicos e com seu próprio design e configuração. Diante de todas as suas semelhanças e diferenças, uma das mais relevantes no Power BI é a curva de aprendizado. Talvez pela estratégia de disponibilização de recursos no Excel antes de seu lançamento, mas certamente não só por isso, mas pela própria forma como foi logicamente arquitetada, o aprendizado das linguagens e do processo de construção de projetos no Power BI é considerado, por nós, como um dos mais rápidos e consistentes, possibilitando obter resultados em uma velocidade superior a muitos softwares da mesma categoria. Uma pesquisa que respalda e transparece alguns dos motivos que nós, como especialistas em business intelligence, escolhemos o Power BI como nosso principal software de BI é a publicada pela Gartner, que é uma empresa líder mundial focada em pesquisa e consultoria em diversas áreas da tecnologia da informação. Todo ano um relatório extenso e um gráfico resumindo-o, chamado de “Quadrante Mágico de Analytics e plataformas de Business Intelligence”, é publicado com análises de softwares de BI sendo analisados 15 aspectos críticos envolvendo infraestrutura, administração de dados, análise e criação de conteúdo, descobertas e compartilhamento, facilidade de uso e retorno de investimento. Essas características são resumidas na figura a seguir. O Power BI é identificado como “Microsoft” e está no quadrante da direta superior, ou seja, dos líderes do mercado atualmente. AMOSTRA - DOMINANDO O POWER BI 13 Figura 1–1: Quadrante mágico de softwares de BI da Gartner De acordo com a pesquisa da Gartner de 28 de fevereiro de 2018, o Power BI se posiciona como um dos softwares com melhor custo benefício. Dos clientes entrevistados, 12% apontaram o fator preço como infl uenciador de sua escolha. Esse é o segundo aspecto mais importante para escolhê-lo como software de BI. Além do preço, a facilidade de uso e visualização de dados obteve 14% de infl uência. Segundo a Gartner (2018), a estratégia da Microsoft é conhecida como fi ve-by-fi ve: 5 minutos para se cadastrar e 5 minutos para impressionar clientes. A facilidade de criação de relatórios e painéis complexos é um dos seus pontos mais altos. Mais um fator que contribuiu para o Power BI obter tão alto posicionamento no quadrante é seu intenso roadmap de desenvolvimento com aspirações e inovações aplicadas à análise de dados, como a linguagem natural para criação de visões (Q&A), compatibilidade com a Cortana e sua integração com várias aplicações externas como o Offi ce 365, Flow, Dynamics 365 e realidade virtual (com HoloLens). A experiência dos usuários é o quarto fator relevante de ser destacado no Power BI, que é avaliado como acima da média pela sua disponibilidade baseada na nuvem (e adicionamos seu aplicativo para dispositivos móveis) e capacidades de alto retorno para análise de dados com integração com o Azure. A comunidade forte ao redor do Power BI também é destacada como um dos diferenciais: Além dos materiais e documentações providas pela Microsoft, há líderes de comunidades, como os MVPs (Most Valuable Professionals), que são pessoas que contribuem para a propagação AMOSTRA - DOMINANDO O POWER BI14 de suas funcionalidades e interação direta com usuários e suas dúvidas. Diante desse cenário, o Power BI provê não apenas uma solução de business intelligence, mas uma das mais completas em termos de recursos e envolvimento de usuários. Outros fabricantes possuem algumas funcionalidades parecidas e também são promissores, mas de acordo com a Gartner, o Power BI se destaca como o mais visionário, completo e simples no quesito obtenção de conhecimento para criar projetos de BI. AMOSTRA - DOMINANDO O POWER BI 15 IMPORTANDO DADOS DE UMA API Uma API serve para conectar aplicações e seus dados com pessoas interessadas em extraí-los e utilizá-los em suas próprias aplicações. Seu nome vem de Application Programming Interface e basicamente permite a comunicação, no modo de leitura, dos dados via parâmetros configurados em sua URL. O Power BI é capaz de se conectar com uma API via conector Web e organizar o formato de dados, que em APIs normalmente estão como JSON ou XML. Para esse exemplo, utilizaremos uma das APIs disponibilizadas no site do IBGE (https:// servicodados.ibge.gov.br/api/docs). O objetivo desse exemplo é buscar todas as informações geográficas de mesorregião, microrregião e cidade da região sudeste do Brasil. Ao escolher a API de localidade no site informado acima, uma página com a documentação será apresentada. Toda API tem sua própria documentação para instruir desenvolvedores a como utilizar seus parâmetros personalizados. Alguns dos códigos referentes aos parâmetros podem ser consultados na própria API. Por exemplo, na figura a seguir é mostrada a API de UFs que contêm os códigos dos estados para utilizarmos na requisição da API por município. Portanto, antes de usar uma API você deve estuda-la para conseguir caminhar por ela de forma independente. Figura 1–2: API com nomes e regiões dos estados brasileiros Ao consultar essa API de UFs (https://servicodados.ibge.gov.br/api/v1/localidades/ estados) no navegador de internet, o retorno é no formato JSON e, apesar de conseguirmos ler alguns dados, não conseguimos interpretá-lo corretamente pois está tudo junto e separado com colchetes, chaves, aspas e vírgulas. AMOSTRA - DOMINANDO O POWER BI16 Figura 1–3: Retorno da API no navegador Apesar de retornar um formato JSON, não utilizaremos o conector para JSON. Quando inserimos essa mesma API (que é uma URL) no conector da Web no Power BI, ele é capaz de ler e converter os dados automaticamente para colunas legíveis. Figura 1–4: Conexão com a API Depois de pressionar OK nessa janela e Editar o conteúdo para abrir o Power Query, ele será importado com objetos Record em uma lista. Para trabalhar com esses dados e adicionar colunas, converteremos para uma tabela conforme a figura a seguir. AMOSTRA - DOMINANDO O POWER BI 17 Figura 1–5: Conversão de lista para a tabela O próximo passo é expandir o objeto Record em colunas clicando nessas setas ao lado do nome da coluna. Lembre-se de desmarcar a opção “Use o nome da coluna original como prefixo” para não trazer nomes de colunas com o Column1 na frente (porque é o nome da coluna original). Figura 1–6: Expansão do objeto Record para acessar os dados A expansão dessa coluna retorna 4 outras: id, sigla, nome e região, sendo que essa última também tem valores armazenados no objeto Record do Power Query. Vamos expandi-la da mesma forma como fizemos anteriormente. AMOSTRA - DOMINANDO O POWER BI18 Figura 1–7: Expansão do objeto Record para acessar os dados mais uma vez Essa consulta resultou em algumas informações que precisávamos, como o id do estado, para utilizar na API por município, e na sigla, nome e região. Figura 1–8: Resultado da consulta à API Para buscar as informações dos municípios, assim como instruído na documentação da API, teremos que consultar uma URL com outros parâmetros: https://servicodados.ibge.gov.br/api/v1/localidades/estados/{UF}/municipios Segundo a documentação, temos queinserir a UF entre chaves com os números referentes a elas. Se precisarmos consultar mais de uma, podemos utilizar o pipe ( | ) para separá-las. AMOSTRA - DOMINANDO O POWER BI 19 Figura 1–9: Outro nível da API com municípios por UF Portanto, para buscar as informações que precisamos do sudeste, conseguimos obter os códigos das UFs na API importada anteriormente. Nesse caso, serão os números 31, 32, 33 e 35 que correspondem a MG, ES, RJ e SP. Todos eles foram inseridos com o pipe separando-os, dizendo a API que queremos esses quatro estados. Figura 1–10: Códigod dos estados inseridos na API conforme instrução Após pressionar OK na janela anterior e Editar para abrir o Power Query, os nomes dos municípios podem ser visualizados no Power BI e uma tabela com a microrregião como Record também foi obtida. Observe que ao clicar na célula de um dos Record (não clique em cima da palavra Record, clique no espaço em branco da célula), conseguimos ver que existem três colunas nela: id, nome e outro Record, que dessa vez armazenará os dados da mesorregião. AMOSTRA - DOMINANDO O POWER BI20 Figura 1–11: Analisando o que tem dentro do objeto Record Ao clicar em expandir em todos os objetos Record encontrados (nas setas ao lado do nome da coluna, assim como mostrado na Figura 69), o resultado da conexão e importação dessa API no Power BI foi realizada com sucesso, retornando todos os municípios, microrregiões, mesorregiões e estados do sudeste do Brasil. Figura 1–12: Relatório resultante da consulta via API Uma das vantagens de utilizar APIs é que a cada atualização do modelo de dados no Power BI, uma consulta em sua base de dados é realizada e toda modificação de registros serão automaticamente considerados. Por exemplo, nessa situação do exercício novos municípios podem surgir (ou serem desconstituídos). Por essa vantagem, sempre que puder e estiver disponível, prefira fazer conexões com dados via APIs ao invés de download de seus arquivos em CSV ou Excel. AMOSTRA - DOMINANDO O POWER BI 21 SOMA ACUMULADA DO ANO É muito comum analisarmos métricas por períodos, principalmente quando ela possui um objetivo até certa data que deve ser atingida e que possui variação de performance ao longo dos dias. Uma das métricas mais comuns no mercado em geral é o acumulado do ano, principalmente quando atrelada a metas. Na situação da Parrot Technology, são disponibilizados dados de vendas e de metas mensais. No final do ano, o objetivo é atingir 100% ou mais da meta. Como as vendas variam mês a mês, é possível que em um deles a meta não seja atingida 100%, mas que nos próximos seja superada, recuperando o não atingimento em alguns meses. Para desconsiderar essa variação, é muito comum acompanhar a performance acumulada do ano. O Power BI possui duas medidas diferentes para realização desse cálculo: a DATESYTD, utilizando-a como filtro da CALCULATE, e a TOTALYTD, que é mais simples e retorna o mesmo resultado nessa situação. Sua sintaxe exige os seguintes argumentos: TOTALYTD(Expressão;Datas;[Filtro];[Final _ do _ ano]) Essa função possui apenas duas exigências de argumentos: a expressão, que é a medida ou o cálculo que será realizado, e a datas, que é a coluna de datas da tabela do calendário, de preferência. Essa é a primeira função de inteligência de tempo que estamos analisando nesse livro e agora é o momento de compreender a importância da tabela calendário quando a construímos no Power Query. Ter todas as datas sem intervalos e o ano completo é essencial para que essa função retorne os valores corretos e sua usabilidade como argumento nessa função é um dos motivos para utilizá-la. O primeiro cálculo acumulado que realizaremos será da soma de vendas. Como a medida já está calculada, não precisamos reescrevê-la na TOTALYTD, basta referenciar o nome da medida que calcula as vendas ([Soma Vendas]). Posteriormente, informaremos que nossas datas estão na tabela dCalendário, na coluna [Data]. Soma Vendas YTD = TOTALYTD([Soma Vendas];’dCalendário’[Data]) No mercado de trabalho, principalmente em empresas multinacionais, é muito comum utilizamos a expressão YTD para nos referirmos à métrica do “acumulado”. YTD significa year-to-date, ou seja, “ano até a data” e por isso foi utilizada essa expressão no nome da medida. O resultado da função acima pode ser observado abaixo ao compará-lo com a Soma Vendas. Em janeiro de 2010 foram 26.8 milhões de vendas e em fevereiro AMOSTRA - DOMINANDO O POWER BI22 20.2 milhões, resultando no total acumulado em fevereiro de 2010 de 47.1 milhões (janeiro + fevereiro), e assim por diante em todos os meses até atingir o último mês do ano e reiniciar a contagem. Figura 1–13: Soma acumulada do ano O cálculo acumulado pode ser igualmente utilizado para a soma de meta: Soma Meta YTD = TOTALYTD([Soma Meta];'dCalendário'[Data]) E uma comparação entre essas duas medidas pode ser estabelecida como o percentual de vendas versus meta acumuladas. Vendas x Meta YTD = DIVIDE([Soma Vendas YTD];[Soma Meta YTD];BLANK())-1 O resultado dessa análise revela um indicador essencial para todo negócio que precisa acompanhar a performance, principalmente se comparada às metas que estão diretamente relacionadas a lucratividade ou a algum outro objetivo. Com esses três cálculos, conseguimos observar que em janeiro de 2016 a meta não havia sido alcançada, mas que em fevereiro a performance de vendas foi superior a meta de fevereiro e o déficit da performance de janeiro, resultando em um indicador de Vendas x Meta YTD positivo. AMOSTRA - DOMINANDO O POWER BI 23 Figura 1–14: Análise de vendas x meta acumulada Caso necessário determinar que o ano não termina no dia 31 de dezembro e sim em outro período, esse processo pode ser realizado utilizando o último argumento da função. No exemplo abaixo, o ano fiscal terminará no dia 30 de junho, que é um dos períodos mais comuns em empresas multinacionais, portanto, o ano fiscal será de 1 de julho a 30 de junho. Soma Vendas YTD Fiscal = TOTALYTD([Soma Vendas];’dCalendário’[Data];”30/6”) Observe na figura a seguir que o ano começa a acumular em julho e finaliza o acumulo em junho e depois recomeça no próximo ano. Figura 1–15: Soma acumulada considerando o ano fiscal AMOSTRA - DOMINANDO O POWER BI24 SEGMENTAÇÃO DE DADOS Existem variadas formas de filtrar dados em relatórios no Power BI e uma delas é utilizando o visual de segmentação de dados. Inicialmente ao clicar no visual e inserir um campo nele, como mostrado na Figura 351, uma lista com os valores distintos do campo será mostrada e com seleção única (ou seja, apenas um pode ser selecionado pelo clique do mouse). Os visuais interagem com outros na mesma página (e em diferentes páginas também, desde que configurado), portanto, o filtro do “Computador” está sendo aplicado no gráfico ao lado. Figura 1–16Figura 351: Segmentação de dados do tipo lista O segmentador de dados possui mais de 2 tipos de exibição diferentes para valores textuais: Lista e Suspenso. Essas opções podem ser acessadas na seta para baixo no visual. A exibição padrão é a de Lista, que ambas imagens (anterior e a seguir) estão utilizando com seleção única de valores. Também é possível pressionar a tecla Ctrl para selecionar mais de um valor nesse visual padrão ou, então, modificar a configuração de seleção de seus itens para acumular valores clicados no menu Formato (rolo de tinta ao selecionar o visual) → Controles de Seleção → Seleção Única (desativar). Figura 1–17: Configurações da segmentação AMOSTRA - DOMINANDO O POWER BI 25 Ao configurar o visual como Suspenso, uma caixa de combinação será exibida com todos os valores dentro dela. Para aplica-los como filtros, basta escolhe-los no menu suspenso ao clicar nela. Figura 1–18: Segmentação do tipo suspenso Existe um terceiro visual para o segmentador de dados que exibe botões com os valores. Para configurá-lo, é necessário que o formato de Lista esteja em exibição. Posteriormente,vá no menu Formato → Geral → Orientação e escolha Horizontal. Figura 1–19: Segmentação do tipo lista orientado na horizontal De acordo com o tipo de dado inserido no segmentador, suas opções podem mudar. Por exemplo, se uma data completa (dd/mm/aa) for inserida, por padrão será exibido o tipo de visual Entre mostrado na Figura 355. Para modificar uma data, você deve arrastar seus controles de seleção até a data inicial e final desejada. AMOSTRA - DOMINANDO O POWER BI26 Figura 1–20: Segmentação de data As opções de tipos de segmentação para datas são variadas. A primeira delas é essa que acabamos de ver, que é Entre duas datas, depois temos a Antes, que determina a data inicial como a primeira e apenas a data final pode ser modificada. Figura 1–21: Opções de segmentação de data A opção Depois (Figura 357) determina a última data como fixa e as anteriores podem ser selecionadas (esse exemplo é muito utilizado para sempre manter os registros atuais e permitir a seleção personalizada do passado). A opção de Lista, mostra uma Lista e Suspenso com todas as datas e não é recomendado quando a base possui muitas datas. AMOSTRA - DOMINANDO O POWER BI 27 Figura 1–22: Segmentação do tipo “Depois” E a opção Relativo é uma das mais dinâmicas. Com ela você pode determinar que os últimos 24 meses sejam exibidos e, automaticamente quando novas datas forem atualizadas no relatório, esse período se ajustará. Além de meses, existem as opções de Dias, Semanas e Anos. Os períodos com a palavra calendário, como a Meses (Calendário) significa que todo o período será selecionado desde o primeiro dia mês (nesse caso) e não na data no meio do mês que forma 24 meses com dias entre eles. É ideal para considerar períodos completos. Figura 1–23: Segmentação do tipo “Relativo”
Compartilhar