00HORAS
00MIN
00SEG
Compre com desconto

Primeiras aulas do curso

Power BI: modelagem de dados e relatórios interativos

Fundamentos da modelagem no Power BI - Por que modelagem importa no Power BI

Apresentando o instrutor

Olá, muito prazer. Meu nome é Henrique Frizo, eu sou instrutor na Alura. Eu já formei, ao todo, mais de 10 mil pessoas estudantes no Brasil e no exterior. Sou certificado pela Microsoft como especialista em Power BI desde 2020 e também atuo como consultor na área de análise de dados.

Audiodescrição: Henrique é um homem de pele clara, com cabelos e barba escuros. Veste uma camiseta preta lisa e, ao fundo, há uma parede branca com luzes rosa e azul refletidas.

Definindo o público-alvo

Este curso é direcionado a pessoas que estão começando a trabalhar com Power BI e com análise de dados, e que ainda não têm clareza sobre o que é modelagem e relacionamento de dados dentro do Power BI.

Se você já é uma pessoa estudante avançada que domina modelagem e relacionamentos, este curso talvez não seja para você. Ainda assim, convidamos você a permanecer, pois é possível revisitar conceitos sob uma perspectiva diferente e corrigir interpretações equivocadas que possam ocorrer no dia a dia.

Se você é uma pessoa iniciante, permaneça: este conteúdo foi pensado e preparado para você.

Detalhando o conteúdo do curso

Neste curso, nós vamos entender melhor como uma empresa de tecnologia pode organizar seus dados.

Neste módulo, analisamos um modelo com várias tabelas fato e várias tabelas dimensão. Caso alguém ainda não conheça os conceitos de tabela fato e tabela dimensão, nós iremos abordá-los ao longo do treinamento.

Também estudaremos o TMDL, uma ferramenta recente disponível no Power BI. Vamos apresentar para que serve, como utilizar e em quais cenários pode ser útil.

Além disso, exploraremos a direção dos relacionamentos e as cardinalidades, examinaremos a descrição das tabelas e trabalharemos com sinônimos. O foco principal será organizar todos esses elementos para alcançarmos bons resultados na construção de gráficos e indicadores.

Orientando suporte e próximos passos

Este curso segue o padrão da Alura. A partir de agora, há acesso às nossas redes sociais, ao Discord, ao fórum e, claro, à Alury, nossa inteligência artificial, sempre disponível para auxiliar com dúvidas.

Vamos iniciar. Separe um café ou água, silencie o celular e feche as redes sociais, porque a nossa jornada começa agora. Vamos lá? [♪]

Fundamentos da modelagem no Power BI - Tabelas fato e tabelas dimensão

Introduzindo fatos e dimensões

Introdução

É impossível falar sobre modelagem e relacionamentos de dados no Power BI sem primeiro entendermos o que é uma tabela fato e o que é uma tabela dimensão. Independentemente de quantas consultas existam no nosso modelo — sete, setenta ou setecentas — conseguimos classificar essas tabelas em dois grupos: tabelas fato e tabelas dimensão.

Vamos explicar ponto a ponto cada uma delas, como identificá-las e por que é importante conhecermos essa diferença para o futuro do projeto de BI.

Definindo tabelas fato

Tabelas fato: definição e exemplos

Uma tabela fato registra as ocorrências de um evento. Cada linha de uma tabela fato existe porque um evento ocorreu e preencheu aquela linha.

Caso isso ainda não esteja claro, vamos aos exemplos:

  • Uma tabela de vendas é uma tabela fato.
  • Uma tabela de acidentes de trabalho é uma tabela fato.
  • Uma tabela de advertências no RH é uma tabela fato.

Em uma tabela de vendas, teremos, nas colunas, a data da venda, a pessoa vendedora, o produto, a quantidade, o preço, entre outras informações que caracterizam a venda.

Se realizarmos uma venda agora, iremos até nossa tabela no Excel e registraremos, na linha 2, por exemplo, as informações referentes à venda que acabamos de efetuar. Se, daqui a cinco minutos, fizermos uma nova venda, a tabela receberá uma nova linha, e assim sucessivamente. Ou seja, a tabela de vendas existe para que, toda vez que ocorrer o evento “venda”, registremos essa ocorrência.

Ao pensarmos em uma tabela que registra acidentes de trabalho — especialmente em contextos como fábricas —, infelizmente acidentes podem ocorrer no dia a dia. Quando ocorrer um acidente, a equipe registrará a data da ocorrência, o local, quem foi a pessoa colaboradora acidentada, o tipo de acidente e demais informações pertinentes. A cada novo acidente, uma nova linha será inserida nessa tabela.

Evidentemente, se ocorrer uma venda, não adicionaremos uma linha à tabela de acidentes de trabalho, pois são eventos completamente diferentes. Cada evento tem sua própria planilha/tabela para registro.

Portanto, cada linha em uma tabela fato representa um evento que aconteceu.

Esclarecendo a granularidade

Observação sobre granularidade

Quando falamos sobre granularidade, um evento pode aparecer em mais de uma linha. Trataremos desse tema mais adiante. Por ora, é essencial entender que cada linha de uma tabela fato representa um evento ocorrido.

Identificando tabelas fato

Como identificar uma tabela fato (características comuns)

Existem algumas formas de identificar uma tabela fato. São características recorrentes que ajudam, embora não definam, por si sós, o que é uma tabela fato:

  • Normalmente não contém textos descritivos. Por exemplo, em vez do nome do produto, teremos o ID do produto.
  • Em vez do nome da pessoa colaboradora, teremos o ID da pessoa colaboradora.

Por que isso ocorre? Normalmente, uma tabela fato possui uma quantidade imensa de linhas em comparação ao número de colunas. Considerando bits, bytes e armazenamento de forma geral, manter um texto com o nome completo do produto é muito mais pesado para a tabela do que armazenar apenas o SKU, o código ou outro identificador.

Uma tabela fato é, via de regra, quantitativa. Quando formos falar sobre medidas e sobre sabermos exatamente a quantidade de eventos ocorridos, sempre vamos buscar essas informações em uma tabela fato.

Em nossa concepção, essa é a tabela mais complexa de entender, mas não é tão difícil assim.

Compreendendo tabelas dimensão

Vamos falar sobre as tabelas de dimensão. O que são as tabelas de dimensão? Em nossa concepção, são as mais fáceis e podemos resumi-las a uma tabela de cadastros. Podemos interpretá-las dessa forma.

Sendo qualitativas, descrevem o que aconteceu dentro da tabela fato e, em geral, não possuem valores duplicados. Vamos interpretar isso em mais detalhes.

O que seria uma tabela de cadastros? Podemos cadastrar pessoas clientes, produtos, pessoas fornecedoras, pessoas funcionárias e diversas outras entidades que muitas empresas registram atualmente.

Por que é uma tabela qualitativa? Porque, dentro de uma tabela de cadastro de pessoa funcionária, por exemplo, teremos matrícula, nome completo, cargo, data de admissão, escolaridade, gênero, salário, entre outras informações que qualificam a pessoa funcionária — isto é, qualificam o elemento que aparece na tabela fato.

Se ocorrer um acidente de trabalho com uma pessoa funcionária e olharmos a nossa tabela fato, o que teremos lá será algo como: pessoa funcionária com matrícula 1, 2, 3, por exemplo. O código 1, 2, 3, por si só, não identifica quem é essa pessoa. O que fazemos então? Vamos até a tabela de dimensão, localizamos essa matrícula (o ID 1, 2, 3) e passamos a ter as informações que qualificam essa pessoa funcionária, como nome completo, cargo e as demais características mencionadas anteriormente.

Outro ponto importante: não possuir valores duplicados. Como isso funciona? Suponhamos que uma empresa venda para a Petrobras do Rio de Janeiro e para a Petrobras de Minas Gerais. Ao olharmos o nome do cliente, veremos “Petrobras” repetido. Não necessariamente isso é duplicação, pois a Petrobras de Minas tem um CNPJ e a do Rio tem outro CNPJ; além disso, os endereços são diferentes e podem existir responsáveis legais distintos para cada unidade.

Vamos considerar valor duplicado não quando um elemento do lançamento é repetido, mas quando todo o lançamento em si está duplicado — ou seja, o mesmo CPF, o mesmo nome, o mesmo endereço, etc. Isso ocorre quando, literalmente, alguém cadastrou duas vezes a mesma entidade. Nesses casos, consideramos que há valor duplicado.

De forma resumida, isso caracteriza uma tabela fato e uma tabela dimensão. Sabemos que, na teoria, pode parecer mais difícil de entender, mas, na prática, ao visualizarmos essas tabelas, o entendimento se torna muito mais fácil para nós.

Fundamentos da modelagem no Power BI - Entendendo o grão da tabela fato

Importando e preparando os dados no Power BI

Não há forma melhor de entendermos do que indo diretamente para o Power BI. Estamos com o arquivo do Power BI Desktop totalmente em branco e vamos iniciar a conexão com a base de dados. Clicamos em Importar dados do Excel, aguardamos o carregamento, e em seguida selecionamos Procurar.

Selecionamos o arquivo Base Modelo Comercial 360 e clicamos em Abrir. No canto inferior direito, avançamos para a próxima etapa.

Reparemos que o Power Query identifica tanto as tabelas quanto as planilhas do Excel, o que pode gerar entradas duplicadas. Vamos importar as planilhas de uma vez: canal, categoria, cliente, entre outras, até o final da lista. Entre elas estão: fato vendas, fato metas, fato devoluções, dim produto, dim loja, dim data, dim cliente, dim canal, dim categoria.

No canto inferior direito e, em vez de irmos direto para o load (carregamento), vamos abrir o Power Query clicando em Transformar dados — Transform data (Transformar dados). O objetivo é confirmar que não há transformações pendentes e, principalmente, conhecer melhor o modelo.

Expandimos a janela do Power Query, aguardamos o término do carregamento e passamos rapidamente para verificar se os cabeçalhos estão na primeira linha, pois é comum ocorrer o contrário ao importar do Excel. Identificamos um campo de data que precisa de ajuste; selecionamos Substituir atual.

Na tabela fato vendas, ajustamos o campo Dia do Pedido. Temos essas datas e basta trocar os tipos de dados, procedimento que você já conhece. Fazemos essas correções rápidas para darmos prosseguimento. Ajustamos também a Data da Entrega. Em colunas como Receita, entre outras, podemos manter como está, sem problemas.

Na tabela fato devoluções, há um campo de data (Data da Devolução) que também deve ser ajustado. Aguardamos o carregamento. Por fim, em fato metas, realizamos as mesmas trocas de tipo de dados, quando necessário.

Diferenciando fatos e dimensões

Agora, vamos ilustrar o que mencionamos na etapa anterior. Já trouxemos a classificação em que chamamos de “fato” aquilo que é fato, e “dim” como abreviação de dimensão. Como “dimensão” é um nome mais extenso, utilizamos a abreviação. Há pessoas que nem escrevem “fato”; apenas colocam “F”, e para “dimensão”, “D”. Nós, particularmente, costumamos fazer isso também. Ambas as formas são compreensíveis; escolha a que preferir.

Vamos analisar a tabela de vendas, a mais fácil de identificarmos como tabela fato. Observe que cada linha possui alguns IDs: temos o ID venda item, que é a identificação do item dentro do pedido, e o ID do pedido, que se repete; discutiremos isso adiante. Há também outras informações, em sua maioria numéricas.

Nesta tabela, não temos o nome da loja. Por exemplo, para a loja 3, precisamos consultar a dimensão loja para identificar que a loja 3 fica em Belo Horizonte. Assim, na tabela fato armazenamos apenas o ID, o que a torna mais leve. Para qualificar a venda e saber sua origem, consultamos a dimensão loja, que é o cadastro das lojas. Temos, por exemplo, a loja 1 (São Paulo), a loja 2 (Rio de Janeiro) e assim por diante.

Isso exemplifica o que é uma tabela fato e o que é uma tabela dimensão.

Podemos verificar que as tabelas dimensão normalmente são tabelas menores e mais curtas, pois são tabelas de cadastro: cadastro de categoria, cadastro de produto (em que estamos agora), cadastro de clientes, cadastro de loja, cadastro de canal e, obviamente, a de calendário, que é o cadastro de datas. Em seguida, temos as nossas tabelas fato.

Compreendendo a granularidade nas tabelas fato

Precisamos conversar sobre um conceito importante: granularidade. O que isso significa? Cada tabela fato possui uma granularidade específica.

Por exemplo, ao observarmos a tabela fato de vendas (em que estamos), percebemos que cada linha corresponde a um item dentro de um pedido. Vamos focar nisso. Aplicaremos um filtro rapidamente: tentaremos filtrar o item 3; como o 3 não aparece por algum motivo, faremos com o 5. No item 5, vemos o pedido com final 05, que contém 3 itens. Analisando o ID do produto, constatamos que foram vendidos 3 produtos diferentes no mesmo pedido. Portanto, a granularidade dessa tabela fato de vendas indica que cada linha representa o evento de venda de um item. Já o ID do pedido pode se repetir várias vezes, pois a empresa registra cada item vendido em uma linha, e não um pedido por linha.

Assim, se contarmos quantas linhas há nessa tabela, não saberemos necessariamente quantos pedidos foram feitos. Saberemos quantos itens foram vendidos — não a quantidade agregada, mas a quantidade de itens distintos dentro de pedidos. Para sabermos exatamente quantos pedidos diferentes foram realizados, precisamos contar de forma distinta a coluna ID do pedido.

Esse cenário é muito comum. Em uma compra feita em uma loja grande, recebemos uma nota fiscal que contém vários itens. No nosso exemplo, o ID do pedido seria o número da nota fiscal: o mesmo número se repete para os diversos itens que compõem essa nota. Vamos remover o filtro aplicado anteriormente, que utilizamos apenas de forma didática para a explicação.

Agora, vamos para a tabela de devoluções. Nessa tabela, cada um dos nossos IDs representa um item devolvido. Aqui, a granularidade é mais direta. O ID do pedido pode se repetir, pois podemos devolver mais de um item do mesmo pedido. Se contarmos as linhas dessa tabela, saberemos quantos itens, ao todo, foram devolvidos.

Em seguida, observemos outra tabela fato, a de metas, que funciona de forma um pouco diferente. Inicialmente, parece que temos oito categorias, que se repetem dentro do mês; porém, ao verificar, ao todo são seis categorias. Temos oito lojas e seis categorias diferentes para cada mês, o que resulta em 48 linhas por mês. Como as metas são definidas por categoria e por loja, o evento “meta do mês” é registrado de forma repetida: quando vira o mês, o evento de meta acontece e é registrado 48 vezes (8 lojas × 6 categorias). Essa também é uma tabela fato.

Assim, quando afirmamos que, em uma tabela fato, cada linha representa um evento específico, precisamos observar a granularidade. Na tabela de metas, a granularidade é mensal por loja e categoria; portanto, a cada 48 linhas ocorre o evento do mês. Na tabela de devoluções, a cada linha ocorre o evento (um item devolvido). Na tabela de vendas, depende: podemos ter pedidos com apenas um item ou com vários itens; neste caso, cada linha representa um item vendido. Em todos os casos, tratamos de tabelas fato, cada uma com sua granularidade específica.

Sobre o curso Power BI: modelagem de dados e relatórios interativos

O curso Power BI: modelagem de dados e relatórios interativos possui 84 minutos de vídeos, em um total de 61 atividades. Gostou? Conheça nossos outros cursos de Business Intelligence & Visualização em Dados, ou leia nossos artigos de Dados.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

  • Fundamentos da modelagem no Power BI
  • Relacionamentos e cardinalidade
  • Star Schema e Snowflake Schema
  • Dimensões compartilhadas e relacionamentos especiais
  • Organização profissional do modelo semântico e TMDL

Aprenda Business Intelligence & Visualização acessando integralmente esse e outros cursos. Comece hoje!

Plus 24

Todos os cursos, trilhas e certificados para evoluir.

Carregando precos do plano

7 dias para cancelar com reembolso

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do BrasilExclusivo na Black
  • Modo entrevista técnica e comportamental
  • 2.348 Cursos e 37 Carreiras
  • Certificados reconhecidos pelo mercado
  • Luri: nossa IA exclusiva, que acelera e personaliza seu aprendizado

Pro 24

Aprenda mais rápido com IA, idiomas e imersões.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PLUS, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • Luri Vision: a versão mais completa da nossa IA, que permite envio de imagens
  • Livros da Casa do código: Acesso ao acervo de livros da maior editora tech do país
  • Alura Língua: cursos de inglês e espanhol com foco na área tech

Ultra Lab 24

Aceleração de carreira: mentoria, vagas e prática guiada.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PRO, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • 2 mentorias individuais com foco na sua carreira
  • Luri Vision Ilimitada: a versão mais completa da nossa IA
  • Lives CareerUp: eventos exclusivos com foco em empregabilidade e carreira
Melhor opção para a sua carreira
Conheça os Planos para Empresas