Alura > Cursos de Dados > Cursos de Business Intelligence & Visualização > Conteúdos de Business Intelligence & Visualização > Primeiras aulas do curso Power Query: transformar e preparar dados para análises no Power BI

Power Query: transformar e preparar dados para análises no Power BI

Entendendo o preparo de dados no Power BI - Apresentação do curso e do projeto ByteStore

Apresentando o instrutor

Olá! Muito prazer. Meu nome é Henrique Frizo, sou instrutor na Alura.

Audiodescrição: Para fins de acessibilidade, eu sou um homem de pele clara, com cabelos e barba escuros; uso uma camiseta preta lisa e, ao fundo, há uma parede branca com luzes rosa e azul refletidas nela.

Contextualizando o curso e conteúdos

Já formei mais de 10 mil pessoas estudantes em todo o Brasil. Sou certificado pela Microsoft como especialista em Power BI desde 2020. A partir de agora, nós vamos aprender mais sobre Power Query.

Este curso é direcionado a quem nunca utilizou o Power Query ou o conhece apenas superficialmente e ainda tem muitas dúvidas. É um curso realmente inicial para quem deseja desbravar o Power Query, entender como realizar mesclagens, como realizar appends (acrescentar), trabalhar com tipos de dados e colunas calculadas — personalizadas ou condicionais — e diversas outras tarefas que realizamos no Power Query, principalmente como tratar erros. Se você já tem nível avançado no universo do Power BI, fique conosco, pois talvez apresentemos alguns recursos que ainda não conhece. E, se você está no nível básico, sua jornada daqui para frente será incrível.

Neste curso, vamos desbravar dados da ByteStore, uma empresa de vendas no varejo. Eles possuem tabelas de vendas, cadastro de clientes e cadastro de produtos com diversos erros que as pessoas funcionárias acabam cometendo nessas planilhas no dia a dia. Ao longo das aulas, vamos aprender como corrigir esses erros utilizando os botões disponíveis no Power Query e, principalmente, como fornecer para a equipe da ByteStore uma base de dados pronta para gerar gráficos e indicadores.

Orientando sobre recursos e próximos passos

Vale lembrar que este curso segue o padrão da Alura. A partir de agora, você tem acesso ao nosso fórum, ao nosso Discord e à Luri, nossa inteligência artificial, que acompanhará cada vídeo para garantir que você esteja aprendendo corretamente.

Desligue o celular, feche os sites abertos no computador, pegue sua água ou seu café e vamos juntos: nossa jornada será incrível! [♪]

Entendendo o preparo de dados no Power BI - O papel do Power Query no processo de BI

Apresentando o processo de BI

Existem cinco etapas no processo de BI como um todo. Algumas pessoas podem adicionar ou retirar etapas, mas, em termos gerais, podemos afirmar que o processo de BI é composto por cinco etapas:

Contextualizando o Power Query no ETL

O Power Query é uma das ferramentas disponíveis no Power BI. Ele surgiu originalmente no Excel como um suplemento em meados de 2010 e, em 2015, com o lançamento do Power BI, o Power Query foi introduzido e, juntamente com outros suplementos, compôs o Power BI.

Trata-se de uma ferramenta tão abrangente que, ao abrirmos o Power BI, é exibida uma janela específica para o Power Query. Isso não ocorre apenas por uma questão de organização visual; o Power Query integra um processo fundamental na etapa de BI, que é o processo de ETL.

ETL é uma sigla em inglês para Extract (extrair), Transform (transformar) e Load (carregar), isto é, extrair, transformar e carregar os dados.

O Power BI é um software (programa) passivo. Sem dados, não há o que possamos fazer.

Iniciamos o processo de BI extraindo os dados de sua origem, seja uma planilha do Excel, um PDF ou um banco de dados SQL. Em seguida, transformamos esses dados: removemos linhas, colunas, valores em branco e valores com erro, adicionamos colunas, entre outras operações. Após concluirmos esse processo, carregamos os dados no Power BI para dar prosseguimento às outras quatro etapas.

O Power Query é um software (programa) capaz de executar o ETL — Extract, Transform and Load (extrair, transformar e carregar) — em uma única ferramenta. Ele possui vantagens e desvantagens e não é a única ferramenta de ETL no mercado. Atualmente, existem diversas opções, mas, em nossa avaliação, o Power Query está à frente de muitas delas por um dos grandes motivos que fazem a Microsoft ser uma das principais empresas no setor de dados: a simplicidade de uso da ferramenta.

Apresentando a linguagem M

Mais à frente, vamos apresentar a linguagem M, uma das linguagens de programação disponíveis no Power BI, responsável pelo tratamento de dados.

Uma das principais vantagens de trabalhar com o Power Query é que aproximadamente 95% das transformações que queremos realizar podem ser feitas usando apenas o mouse. Não é necessariamente obrigatório programar em M. Existem casos muito específicos em que M será obrigatório no processo, mas, diferentemente de outras linguagens com curva de aprendizado elevada, o Power Query é bastante rápido de aprender.

Faremos o possível para tornar essa curva de aprendizado menor para você e, claro, mais agradável.

Entendendo o preparo de dados no Power BI - Importando dados e avaliando a qualidade das colunas

Importando dados do excel

Não há forma melhor de conhecermos o Power Query do que trabalhando com a ferramenta. Vamos começar importando os dados da pasta "ByteStore" a partir de um arquivo do Excel.

Abrimos o Power BI Desktop e, na guia Página Inicial, no canto superior esquerdo, podemos clicar em Pasta de Trabalho ou na área central Importar dados do Excel. O Power BI oferece diferentes caminhos (redundâncias) para a mesma ação; neste caso, todas as opções levam a conectar ao Excel. Clicamos na área central por ser mais simples.

O Power BI solicitará que localizemos os dados no computador. Os arquivos que utilizaremos ao longo do curso já estão disponíveis na aula, em "Para Saber Mais". Basta procurar nessa seção; os arquivos estarão lá disponíveis para download.

Clicamos em Procurar, selecionamos no computador a pasta "ByteStore" e, em seguida, clicamos em Abrir. O Power BI processará por alguns instantes para carregar a pré-visualização dos dados. No canto inferior direito, clicamos no botão Próximo.

Selecionando a tabela e abrindo o power query

Podemos importar todas as tabelas de uma vez; porém, neste primeiro momento, vamos importar apenas a tabela Vendas 2024. Marcamos Vendas 2024. No canto inferior direito, observamos o botão Load (Carregar).

Se carregarmos os dados como estão, clicando em Load (Carregar), eles serão direcionados diretamente para o Power BI, sem passar pelo Power Query. Contudo, já é possível observar diversos erros que precisamos corrigir. A correção desses dados não é feita no Power BI, e sim no Power Query.

Para isso, no canto inferior direito, clicamos na seta ao lado do botão e selecionamos a opção Transformar Dados — em inglês, Transform Data (Transformar Dados). Após alguns instantes, o Power Query é aberto. A cada atualização que a Microsoft disponibiliza, a interface fica mais semelhante ao Fabric, o que é positivo.

É um movimento que a Microsoft tem feito nos últimos meses. Ao passar o cursor sobre a barra de tarefas, percebemos duas janelas abertas: a do Power BI e a do editor de consultas. Esse editor de consultas é o Power Query. Com as atualizações, a Microsoft tem removido o nome Power Query, mas sabemos que é a ferramenta presente aqui.

Diagnosticando erros com o perfil de colunas

Temos diversos erros para corrigir: a data do pedido está com tipo indefinido (explicaremos adiante), o mesmo ocorre com o frete; há formatos de data incorretos e valores nulos que, em determinadas situações, podem ser aceitáveis ou não.

Surge a dúvida: se ainda estamos aprendendo, como podemos analisar melhor esses erros e como o Power Query pode ajudar?

No canto superior esquerdo, ao clicarmos na guia Exibir (ou Exibição; em inglês, View (Exibir)), encontramos algumas opções com as quais podemos trabalhar. Ao clicarmos em Exibição de Dados, no primeiro botão, e abrirmos a seta, observamos o seguinte: podemos habilitar o perfil da coluna. Ao habilitá-lo, o Power Query exibe indicadores como:

Na última coluna, por exemplo, há muitos valores nulos.

Em geral, buscamos trabalhar com valores válidos (verde). Existem situações em que valores nulos são aceitáveis; explicaremos em detalhes quando formos corrigir os dados. Contudo, com erros não devemos trabalhar: mesmo que a tabela tenha um milhão de linhas e apenas uma linha com erro, qualquer função DAX ou alteração que utilizarmos nessa coluna resultará em erro.

A pergunta que fica é: como corrigir todos os erros nessa base de dados?

Sobre o curso Power Query: transformar e preparar dados para análises no Power BI

O curso Power Query: transformar e preparar dados para análises no Power BI possui 122 minutos de vídeos, em um total de 54 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:

Aprenda Business Intelligence & Visualização acessando integralmente esse e outros cursos, comece hoje!

Conheça os Planos para Empresas