Apostila Live 3 - Workshop Power BI

WORKSHOP #3 – DASHBOARD DE VENDAS
Sumário
Resumo / / / / / / / / / / / / / / / / / / / / / / / / 2
Introdução/ / / / / / / / / / / / / / / / / / / / / / / 3
Banco de Dados / / / / / / / / / / / / / / / / / / / / 4
Desenvolvimento / / / / / / / / / / / / / / / / / / / 8
Baixando os Arquivos / / / / / / / / / / / / / / / / / / / / 8
Acesso ao banco e criação de consultas / / / / / / / / / / / 10
Obtendo dados no Power BI / / / / / / / / / / / / / / / / / 19
Estruturação/ / / / / / / / / / / / / / / / / / / / / / / / / 43
Modelagem, Cálculos e Visuais/ / / / / / / / / / / / / / / / 51
1
Resumo
Dashboard de Vendas x Metas conectando ao SQL Server com criação de consultas
no SQL, utilização de união de tabelas no Power Query e exemplos das formas de
conexão a banco de Dados. Além disso, criação de diversas medidas em DAX e visuais
com formatação para proporcionar análise de cenários, geração de insights e ser aliado
no processo de tomada de decisão.
Este material contém em detalhes tudo que foi transmitido durante a Live 3 do
Workshop #3 - Power BI para Negócios ocorrido no dia 09/07/2020.
Palavras-chave: Power BI, Power Query, SQL Server, Banco de Dados, Análise de
Vendas, Comparativo de Metas, Parâmetros, Medidas, DAX.
2
Introdução
Conforme mencionado na apostila da Live 3, os arquivos necessários para
desenvolvimento do Dashboard estão disponíveis, por tempo limitado neste link: https://
aprendapowerbi.com.br/workshop3-live3/.
Nossa terceira e última Live (super especial) vamos criar um Dashboard de Vendas
x Meta conectando no SQL Server e o foco será os 3 primeiro pilares de Projetos de BI
que comentei na primeira Live:
1) Extração
2) Estruturação
3) Modelagem
4) Cálculos
5) Visuais
6) Distribuição
7) Automatização
3
Banco de Dados
Os dados sempre estão armazenados em um ou mais banco de dados (OLTP). Para
acessar o banco, é importante alinhar com a TI, pois normalmente eles que fazem a
liberação/permissão de usuários (política interna da empresa).
Na prática, existem duas formas de desenvolvimento de projeto:
Ideal: temos o banco transacional (OLTP) onde os dados são atualizados com
as informações e eventos também conhecido como banco de produção. O banco de
staging é uma cópia do banco OLTP (pode ser mais resumida). O Data Warehouse (DW)
é um banco melhor condicionado para trabalharmos/analisarmos e também centraliza a
informação entre todos os bancos de dados:
Figura 1: Processo Ideal
Usual: vai direto do banco OLTP para o Power BI em um único passo:
Figura 2: Processo Usual
O processo usual está errado?
Na minha humilde opinião, não! Desde que ela tenha ciência dos riscos de trabalhar
direto em um banco de produção. Porém durante o desenvolvimento eu considero que
esteja MUITO ERRADO trabalhar somente com o banco de produção. Para diminuir os
riscos durante o desenvolvimento:
- Faça uma cópia do banco para desenvolver, você não precisa de dados em tempo
4
real nessa etapa do projeto!
- Após finalizar você pode mudar a conexão para o banco de produção.
- A partir do momento que você precisa importar dados de mais de um banco,

torna-se muito complicado NÃO ter um DW.
- Sempre que possível, traga os dados o mais estruturado possível para o Power BI.
Mas afinal, o que é um banco OLTP e um DW?
- O banco OLTP é seu banco transacional. Nele os dados estão em sua forma
normalizada, onde cada informação está em uma tabela específica.
- Ou seja, são MUITAS tabelas envolvidas. Chamamos isso de modelo normalizado.
Figura 3: Exemplo de Banco Transacional
No outro extremo, relatórios extraídos de sistemas geralmente são exportados na

forma de Tabelões (muitas colunas e tudo junto). Isso de modelo desnormalizado!
5
Qual a melhor forma de se trabalhar?
Nenhum dos dois! Nosso objetivo é conseguir criar um meio termo, que seria um
modelo dimensional (Dimensão e Fatos):
Figura 4: Exemplo de Modelo Dimensional
Nesse modelo, trabalhamos com dois tipos de tabela:
Tabela Dimensão: tabela que possui informações relacionadas a alguma entidade

de negócio (cadastro). É obrigatório possuir um ID (código/chave primária) único que
represente a dimensão.
Tabela Fato: tabela que possui movimentações, eventos/registros históricos

(geralmente tem uma data atrelada). Para conectar as duas tabelas, a fato precisa
somente da coluna de ID da dimensão.
Por exemplo, não vemos a coluna de primeiro nome do cliente (FirstName) na tabela
de vendas de Internet (FactInternetSales) acima. Porém, conseguimos essa informação
da tabela dimensão de clientes (DimCustomer) pelo relacionamento dessa tabelas que
ocorre pela chave do cliente (CustomerKey).
6
Figura 5: Relacionamento entre Tabelas
Preferencialmente teremos tabelas dimensão conectadas apenas a tabelas fato,

chamamos isso de “esquema estrela”. Quando uma dimensão se liga à outra, o modelo
é chamado de “snowflake”. Nunca relacione duas tabelas fato entre si diretamente.
Sempre use as dimensões como "ponte" entre as fato.
7
Desenvolvimento
Baixando os Arquivos
A primeira etapa do desenvolvimento será acessar o banco de dados. No nosso
caso, iremos utilizar o SQL Server (tem vários outros Oracle, Firebird, MySQL, etc...).
Normalmente, você irá ter um visualizador de bancos na sua empresa, mas para esse
exemplo baixe o SQL no link: https://www.microsoft.com/pt-br/sql-server/sql-server-
downloads.
Para gerenciamento da estrutura do SQL Server utilizamos o SQL Management

Studio e para utilizá-lo basta baixar no link: https://docs.microsoft.com/pt-br/sql/ssms/
download-sql-server-management-studio-ssms?view=sql-server-ver15
Para a base de dados iremos utilizar um banco de exemplo de uma empresa fícitio.
Esse banco é fornecido pela Microsoft no link: https://docs.microsoft.com/pt-br/sql/
samples/adventureworks-install-configure?view=sql-server-ver15&tabs=ssms
Figura 6: Download SQL Server
8
Figura 7: Download SSMS
Figura 8: Download OLTP e DW
9
Etapas:
1.Entrar no link:https://www.microsoft.com/pt-br/sql-server/sql-server-
downloads → Fazer o download da versão Developer → Instalar o SQL
Server
2.Entrar no link: https://docs.microsoft.com/pt-br/sql/ssms/

download-sql-server-management-studio-ssms?view=sql-server-ver15
→ Fazer o download do SQL Management Studio → Instalar o SQL
Management Studio
3.Entrar no link: https://docs.microsoft.com/pt-br/sql/samples/

adventureworks-install-configure?view=sql-server-ver15&tabs=ssms →
Fazer o download do OLTP e banco dados
Acesso ao banco e criação de consultas

Após baixar os arquivos e instalar os programas, vamos para o ambiente do SQL
Server Management Studio:
Figura 9: Acessando Local Host

10
Figura 10: OLTP e DW no SQL Server Management Studio
11
A diferença entre os dois é que no DW as tabelas já estão normalizadas, como falamos

anteriormente. No nosso exemplo, vou usar o banco de dados da MestreEletronics (OLTP).
Iremos fazer da forma usual (lembre-se dos processos que expliquei anteriormente).
Nele iremos fazer algumas consultas (Queries) como exercício:
Figura 11: Consulta no SQL Server Management Studio
Etapas:
Entrar no SQL Server Management Studio → Acessar o banco de dados →
Aplicar a consulta
Consulta:
Select * from Customer
Nessa consulta, ele pegou todas as colunas de Customer e nos apresentou. Se eu

quisesse somente algumas colunas, faria:
12
Figura 12: Consulta com colunas específicas
Etapas:
Aplicar a consulta → Apertar F5
Consulta:
select
CustomerKey,
FirstName
from Customer
13
Podemos também rodar 2 consultas simultaneamente:
Figura 13: Consultas simultâneas

Consulta:
select
CustomerKey,
FirstName
from Customer
select * from Product
Para unir tabelas usamos o comando JOIN. Aqui iremos usar o LEFT JOIN:
14
Figura 14: União entre tabelas
Etapas:
Consulta:
select
CustomerKey,
FirstName
select * from Product p
left join ProductSubcategory ps on p.ProductSubcategoryKey =

ps.ProductSubcategoryKey
15
Vamos fazer mais uma prática unindo ProductKey, ProductName, BrandName e

ProductSubcategoryName:
16
Etapas:
Consulta:
select
p.ProductKey,
p.ProdructName,
p.BrandName,
ps.ProductSubcategoryName
from Product p

E o resultado final da nossa tabela dimensão do produto vem da seguinte consulta:
Figura 17: Consulta final para a tabela dimensão
17
Etapas:
Consulta:
select
p.ProductKey,
p.ProdructName,
p.BrandName,
ps.ProductSubcategoryName,
pc.ProductCategoryName
from Product p

left join ProductCategory pc on pc.ProductCategoryKey =

ps.ProductCategoryKey
18
Obtendo dados no Power BI

São 3 formas possíveis de obter dados de banco de dados no Power BI. São elas: tabelas,
query ou view. Iremos fazer os 3 exemplos, e o primeiro é via tabelas:
Figura 18: Obtendo dados no Power BI
19
Figura 19: Conectando ao Servidor
Figura 20: Seleção de Tabelas
20
Figura 21: Tabelas importadas para o Power BI
Etapas:
Na “Página Inicial” clicar em “Obter dados” → Clicar e “Banco de Dados
SQL Server” → Selecionar o Servidor → Selecionar as Tabelas → Clicar
em “Transformar Dados”
Com as tabelas importadas usaremos a função Mesclar para uni-las:
Figura 22: Mesclando consultas
21
Etapas:
Selecionar a consulta “Product” → Clicar em “Mesclar Consultas” →
Selecionar a consulta “ProductSubcategoryKey” → Selecionar a coluna
“ProductSubcategoryKey” das duas consultas
Para otimizar a performance do nosso projeto iremos selecionar somente as

colunas que serão utilizadas em “Escolher Colunas”:
Figura 23: Selecionando as colunas
Fazemos agora a segunda mescla entre consultas:
22
Figura 24: Mesclando consultas
Etapas:
Selecionar a consulta “Product” → Clicar em “Mesclar Consultas” →
Selecionar a consulta “ProductSubcategory” → Selecionar a coluna
“ProductSubcategoryKey” das duas consultas
Figura 25: Expansão da união entre consultas
23
Etapas:
Clicar no ícone da coluna de expansão → Selecionar as consultas a
serem expandidas
Figura 26: União entre consultas
24
Etapas:
Selecionar a consulta “Product” → Clicar em “Mesclar Consultas”
→ Selecionar a consulta “ProductCategory” → Selecionar a coluna
“ProductCategoryKey” das duas consultas
Figura 27: Expansão dos campos
Etapas:
Clicar no ícone da coluna de expansão → Selecionar as consultas a
serem expandidas
União entre as consultas finalizada! Agora vamos renomear a consulta dimensão

dProduto e desabilitar as outras consultas para ter melhor performance no modelo:
Figura 28: Renomear consulta
25
Figura 29: Desabilitar cargas
Etapas:
1. Dois cliques na tabela para renomear
2. Clicar com botão direito nas consultas e desmarcar a opção de

“Habilitar carga”
26
A segunda forma de obter dados é utilizando a Query que criamos no SQL Server.
Vamos obter dados no Power Query:
Figura 30: Obter dados
27
Figura 31: Opção de fornecer a Query
28
Figura 32: Preview da consulta
Figura 33: Resultado da consulta
29
Etapas:
1. Em “Página Inicial” clicar em “Nova Fonte” → Selecionar “Banco

de dados SQL Server”
2. Selecionar o Servidor → Selecionar o banco de dados → Copiar

a consulta criada no SQL → Colar a consulta em “Instrução SQL”
3. Preview da consulta
4. Renomear a consulta
Você deve estar na dúvida. Qual a melhor opção?
Nem tabelas nem Query, a melhor é obter dados por View! View é uma forma de
encapsular uma Query em uma entidade do banco de dados. Isso é bom, pois toda a
parte de manutenção fica fora do Power BI. Para criar usamos o comando CREATE VIEW
no SQL Server:
Figura 34: Criação de View
30
A View pode ser alterada em:
Figura 35: Seleção para alteração de View
Figura 36: Modificação da View
31
Etapas:
1. Criar a View no SQL Server
2. Alterar a View
Figura 37: Importando a View
32
Figura 38: Selecionando o Servidor
Figura 39: Selecionado a View
33
Figura 40: Visualização da consulta criada com View
Etapas:
1. Em “Página Inicial” clicar em “Nova Fonte” → Selecionar “Banco de dados SQL
Server”
2. Selecionar o Servidor
3. Selecionar a View
Podemos visualizar a consulta criada pelo Power Query em “Exibir Consulta Nativa”:
34
Figura 41: Visualização da consulta nativa
Figura 42: Script da consulta nativa
35
Aqui na consulta vemos como foi feito as uniões por “Mesclar consultas” dentro
do Power Query. Se copiarmos esse script para o SQL Server o resultado será o mesmo:
Figura 43: Resultado da consulta no SQL Server
Etapas:
Selecionar a consulta “dProdutoTabelas” → Ir no último item de “Etapas
Aplicadas” → Clicar com o botão direito → Selecionar “Exibir Consulta
Nativa”
A diferença entre a utilização de View e Query se dá principalmente na manutenção.

Imagine que você tenha que modificar algo na sua consulta. Para fazer isso na View a
alteração é diretamente no SQL Server e está pronto, é só importar. Já no caso da Query
temos aquele espaço de texto quando obtemos dados que convenhamos, não é tão
bom assim.
No nosso cenário (para montar o dashboard), iremos importar as seguintes Views:
36
Figura 44: View de Produtos
37
Figura 45: View das Vendas
Para deletar uma View no SQL usamos o comando DROP:
Figura 46: Deletando a View
38
Etapas:
Aplicar consulta no SQL Server
Consulta:
drop view vDimProdutoLive
Vamos importar as duas Views para o Power Query:
Figura 47: Obtendo dados das Views
39
Figura 48: Seleção de Views
Etapas:
Em “Página Inicial” clicar em “Nova Fonte” → Selecionar “Banco de
dados SQL Server” → Selecionar Servidor → Selecionar a Views
40
Vamos importar as metas de um arquivo .csv (não é arquivo Excel):
Figura 49: Obtendo dados de Metas
41
Figura 50: Preview e seleção de Origem
42
Estruturação
Teremos algumas etapas de estruturação para a tabela de Metas e a criação da
tabela dCalendario no Power Query utilizando a Linguagem M:
Figura 51: Tratamento das colunas Mês e Ano
43
Figura 52: Alteração do tipo de dados
Etapas:
1. Em “Página Inicial” clicar em “Nova Fonte” → Selecionar “Texto/CSV”
→ Selecionar o arquivo de metas
2. Clicar em “Mês” e com o ctrl apertado clicar em “Ano” → Em

“Transformar” clicar em “Mesclar Colunas” → Formatar a Mescla de
Colunas
3. Renomear a nova coluna para “Mês”
4. Alterar o tipo da coluna para Data
A tabela de metas é considerada fato, pois é um evento/ocorrência esperada que

aconteça atrelada a duas dimensões (data e produto). Ainda falta uma dimensão para
criarmos, a tabela dCalendario. Na Live #1, criamos a dCalendario utilizando DAX no
Power BI. Nesse exemplo, vamos criar no Power Query utilizando a Linguagem M:
44
Figura 53: Criação de consulta
45
Figura 54: Preenchimento de campos
Etapas:
1. Em “Página Inicial” clicar em “Nova Fonte” → Selecionar “Consulta Nula”
2. Preencher os campos
3. Clicar em “Invocar”
46
Figura 55: Transformar lista em tabela
Etapas:
1. Com a consulta selecionada, clicar em “Para a Tabela”
2. Ok
47
Figura 56: Renomear consulta, coluna e alterar tipo de dados
Etapas:
1. Renomear consulta
2. Renomear coluna
3. Alterar tipo de dados
Figura 57: Criando a coluna de Ano
48
Figura 58: Criando a coluna de Mês
Figura 59: Criando a coluna de Nome do Mês
Figura 60: Criando a coluna de Mês abrev
49
Figura 61: Renomeando a coluna do Mês abrev
Figura 62: Fechar e aplicar
Com isso temos todas as tabelas estruturadas (Pilar 2) e podemos ir para o Power
BI para a etapa de modelagem.
50
Modelagem, Cálculos e Visuais

Em modelo, vamos verificar como estão os relacionamentos entre as tabelas:
Figura 63: Visualização dos relacionamentos
51
Veja que a dCalendario está sem os relacionamentos. Então, iremos criar

manualmente eles:
Figura 64: Relacionamentos dCalendario
Criamos a pasta de organização de Medidas igual fizemos na Live #1. E as primeiras

medidas para este dashboard serão:
Medidas:
Faturamento =
SUM ( fVendas[Valor Venda] )
Meta =
SUM ( fMetas[Valor Meta] )
% Meta =
DIVIDE ( [Faturamento] ; [Meta] )
52
Agora que temos as medidas vamos iniciar a montagem do visual para chegar no
resultado desejado, importando o background da página 1:
Figura 65: Importando imagem do segundo plano
Figura 66: Formatação do segundo plano de página
53
Criaremos o primeiro cartão para faturamento, e depois iremos copiar, colar e

alterar os valores para Meta e % Meta:
Figura 67: Criação do cartão de Faturamento
Figura 68: Criação dos cartões de Meta e % Meta
54
Formatação
Faturamento e Meta = R$ e 0 casas decimais

% Meta = Porcentagem e 1 casa decimal
Plano de Fundo = “Desativado”
Rótulo de Dados → Tamanho de Texto = 20 pt
Rótulo da categoria → Tamanho de Texto = 13 pt
Vamos criar um filtro por Ano na página, utilizando segmentação de dados:
Figura 69: Criação do filtro por Ano
55
Formatação
Tipo = “Lista”
Geral → Orientação = “Horizontal”
Cabeçalho → Cor da Fonte = FFFFFF
Agora, um visual de gráfico:
Figura 70: Criação do Gráfico de colunas agrupadas e linha
56
Figura 71: Alteração da classificação da coluna
Figura 72: Classificação do Gráfico
57
Bom, como vimos na Live 1 o tema faz muita diferença nos aspectos dos visuais.
Para esse dashboard também criei um tema. Vamos importá-lo:
Figura 73: Importação do Tema
Figura 74: Gráfico formatado
58
Formatação
Eixo X → Título = “Desativado”, Concatenar Rótulos = “Desativado”
Eixo = “Desativado”
Eixo Y → Título = “Desativado”
Rótulo de Dados = “Ativado”, Orientação = Vertical, Posição = Base Interna,
Mostrar Tela de Fundo = “Desativado”, Cor = FFFFFF, Personalizar Séries =
“Ativado” (Meta = “Desativado”)
Formas → Nível = “Ativado”, Mostrar Marcador = “Ativado”, largura de Tra-
ço = 1, Estilo da linha = Tracejado
Para o próximo visual, copiamos esse gráfico e alteramos o tipo e campos. Assim
não perdemos muito a formatação:
59
Figura 75: Gráfico de barras clusterizado
Formatação
Eixo X → “Ativado”
Eixo Y → Tamanho máximo = 37%, Largura mínima da Categoria = 40
Para o próximo visual (matriz), vou utilizar também a diferença entre o
faturamento real e a meta estabelecida, então precisaremos de mais uma
medida e corrigir a classificação da coluna Nome do Mês:
Medida:
Diferença Meta = [Faturamento] - [Meta]
60
Figura 76: Ordenação da coluna “Nome do Mês”
Figura 77: Visual de Matriz
Formatação
Valores → Mostrar em linhas = “Ativado”
Grade → Preenchimento da linha = 5
61
Os ícones ficam de tarefa de casa! Olhem o material da Live 1 para recordar (dica:
formatação condicional). Vamos criar 2 botões, um para a avaliação Mês a Mês e o outro
para o Acumulado:
Figura 78: Criação de botões
Figura 79: Visual dos Botões
Formatação
Texto = “Ativado” → Texto do Botão = “Mês a Mês” e “Acumulado”, Cor da
fonte = 4B3D5B, Alinhamento Vertical = Meio, Alinhamento Horizontal =
Centralizado
Preencher = “Ativado” → Cor de preenchimento = E6E6E6, Transparência =
0%
Contorno → Arredondar bordas = 24 px, Peso da estrutura de tópicos = 0
pt
62
Para avaliar o acumulado, temos que criar outras duas medidas:
Medidas:
Faturamento YTD =
CALCULATE(
[Faturamento];
DATESYTD(dCalendario[Data])
Meta YTD =
CALCULATE(
[Meta];
DATESYTD(dCalendario[Data])
Vamos copiar e colar o gráfico de faturamento e meta ao longo do tempo e

alterarmos os valores dos campos:
Figura 80: Visual do gráfico acumulado
63
Posicione os 2 gráficos um em cima do outro. Em exibição, iremos habilitar os

“Indicadores” e “Seleção”, para conseguirmos navegar entre os visuais:
Figura 81: Habilitação dos controles
Figura 82: Formatação do Painel de Indicadores
64
Com os indicadores, habilitamos as ações dos botões:
Figura 83: Habilitação de ação nos botões
Para não ocorrer problemas quando aplicar filtro nos anos, temos que desabilitar a
ação de “Dados” nos indicadores:
Figura 84: Desabilitando “Dados” nos indicadores
65
Temos mais um filtro, para categoria e subcategoria dos Produtos:
Figura 85: Criação de Segmentação do Dados
Vamos criar 2 botões de navegação entre páginas de “Visão Geral” e “Comparação

Ano x Ano”:
Figura 86: Botões de navegação de página
Formatação
Texto = “Ativado” → Texto do Botão = “Visão Geral” e “Comparação

Ano x Ano”, Cor da fonte = FFFFFF, Alinhamento Vertical = Meio,
Alinhamento Horizontal = Esquerda, Tamanho do Texto = 12 pt
Tela de Fundo = “Desativado”
Contorno = “Desativado”
66
Também, vamos criar a página 2 (Ano x Ano) com um background customizado:
Figura 87: Importando background
Figura 88: Formatação do segundo plano
67
Figura 89: Página Ano x Ano
Vamos copiar os botões da página “Visão Geral” e colar na “Ano x Ano”:
Figura 90: Botões na página Ano x Ano
68
Vamos configurar as ações para os botões na seguinte ordem. Na página “ Visão

Geral” configurar o botão “Comparação Ano x Ano” e na página “Ano x Ano” configurar
o botão “Visão Geral”:
Figura 91: Configuração dos botões
Nessa nova página, usaremos medidas referentes ao ano anterior (lembrando que
o “hoje” no Power BI é relativo, por exemplo, se 2018 estiver selecionado no filtro o ano
de “hoje” será 2018) e também medidas comparativas. As medidas são:
Medidas:
Faturamento LY =
CALCULATE(
[Faturamento];
SAMEPERIODLASTYEAR(dCalendario[Data])
)
% YoY = DIVIDE([Faturamento] - [Faturamento LY]; [Faturamento LY]; 0)
69
Iremos criar cartões (copiar e colar da página “Visão Geral”), gráficos e matriz com
essas novas medidas:
Figura 92: Cartões da página “Ano x Ano”
Figura 93: Gráficos de colunas empilhadas
Figura 94: Formatação a campos do gráfico de colunas clusterizado
70
Figura 95: Gráfico de colunas clusterizado
71
E agora, vamos criar um visual de matriz com os seguintes campos (alguns serão
renomeados):
Figura 96: Criação do visual de matriz
Formatação
Grade → Preenchimento da linha = 4
Estilo → Estilo = Mínimo
72
Vamos fazer uma formatação condicional para o % YoY (“.”) para seguir o que
criamos no visual de gráfico de colunas:
Figura 97: Formatação condicional da tela de fundo
73
Figura 98: Definição dos parâmetros para Valores e totais
74
Figura 99: Definição dos parâmetros para Somente valores
75
Para não aparecer os valores desse campo vamos utilizar a mesma formatação
condicional, mas para a fonte:
Figura 100: Formatação condicional da cor da fonte
76
Figura 101: Definição dos parâmetros para Valores e totais
77
Figura 102: Definição dos parâmetros para Somente valores
Os filtros para essa página são iguais aos da “Visão Geral”, então vamos copiá-los
da outra página:
78
Figura 103: Filtros da página Ano x Ano
79
Os filtros para essa página são iguais aos da “Visão Geral”, então vamos copiá-los
da outra página:
Figura 104: Página Anox Ano
Bom galera, visuais finalizados! Você irão ver no arquivo final .pbix que além das
páginas normais tem duas páginas de apoio com dicas de ferramentas (tooltips).
80
Figura 105: Páginas de dicas de ferramenta (tooltips)
Essas páginas são auxiliares para visuais, como esse:
Figura 106: Exemplo de tooltip em um visual
81
Assim, quando um usuário passa por cima de um visual ele consegue informações
específicas referentes ao ponto que está com o mouse. Se quiser aprender mais sobre
tooltip, acessa esse vídeo que eu explico de forma mais detalhada como criar tooltips:
https://www.youtube.com/watch?v=Xly6hM4E6bw
Galera, finalizamos aqui o Workshop #3 com chave de ouro! Espero que tenham
gostado tanto quanto eu dessa semana mega especial e aproveitado os conteúdos
exclusivos que fiz com muita dedicação para vocês. Acompanhem-me no Youtube, no site
e se inscrevam no Curso Completo para aprenderem ainda mais sobre essa ferramenta
que está muito em alta no mercado e que a demanda por profissionais não para de
crescer.
Abraço,
Leonardo!
82
83
84

Apostila Live 3 - Workshop Power BI

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Live 3 - Workshop Power BI

Enviado por

Direitos autorais:

Formatos disponíveis

WORKSHOP #3 – DASHBOARD DE VENDAS

Acesso ao banco e criação de consultas / / / / / / / / / / / 10

Obtendo dados no Power BI / / / / / / / / / / / / / / / / / 19

Modelagem, Cálculos e Visuais/ / / / / / / / / / / / / / / / 51

Na prática, existem duas formas de desenvolvimento de projeto:

Figura 1: Processo Ideal

Usual: vai direto do banco OLTP para o Power BI em um único passo:

Figura 2: Processo Usual

O processo usual está errado?

real nessa etapa do projeto!

- Após finalizar você pode mudar a conexão para o banco de produção.

- A partir do momento que você precisa importar dados de mais de um banco,

Mas afinal, o que é um banco OLTP e um DW?

- Ou seja, são MUITAS tabelas envolvidas. Chamamos isso de modelo normalizado.

Figura 3: Exemplo de Banco Transacional

No outro extremo, relatórios extraídos de sistemas geralmente são exportados na

Qual a melhor forma de se trabalhar?

Figura 4: Exemplo de Modelo Dimensional

Nesse modelo, trabalhamos com dois tipos de tabela:

Tabela Dimensão: tabela que possui informações relacionadas a alguma entidade

Tabela Fato: tabela que possui movimentações, eventos/registros históricos

Figura 5: Relacionamento entre Tabelas

Preferencialmente teremos tabelas dimensão conectadas apenas a tabelas fato,

Para gerenciamento da estrutura do SQL Server utilizamos o SQL Management

Figura 6: Download SQL Server

Figura 7: Download SSMS

Figura 8: Download OLTP e DW

2.Entrar no link: https://docs.microsoft.com/pt-br/sql/ssms/

3.Entrar no link: https://docs.microsoft.com/pt-br/sql/samples/

Acesso ao banco e criação de consultas

Figura 9: Acessando Local Host

Figura 10: OLTP e DW no SQL Server Management Studio

A diferença entre os dois é que no DW as tabelas já estão normalizadas, como falamos

Figura 11: Consulta no SQL Server Management Studio

Nessa consulta, ele pegou todas as colunas de Customer e nos apresentou. Se eu

Figura 12: Consulta com colunas específicas

Podemos também rodar 2 consultas simultaneamente:

Figura 13: Consultas simultâneas

Aplicar a consulta → Apertar F5

Figura 14: União entre tabelas

select * from Product p

left join ProductSubcategory ps on p.ProductSubcategoryKey =

Figura 15: União entre tabelas

Vamos fazer mais uma prática unindo ProductKey, ProductName, BrandName e

Figura 16: União entre tabelas

left join ProductSubcategory ps on p.ProductSubcategoryKey =

E o resultado final da nossa tabela dimensão do produto vem da seguinte consulta:

Figura 17: Consulta final para a tabela dimensão

left join ProductSubcategory ps on p.ProductSubcategoryKey =

left join ProductCategory pc on pc.ProductCategoryKey =

Obtendo dados no Power BI

Figura 18: Obtendo dados no Power BI

Figura 19: Conectando ao Servidor

Figura 20: Seleção de Tabelas

Figura 21: Tabelas importadas para o Power BI

Com as tabelas importadas usaremos a função Mesclar para uni-las:

Figura 22: Mesclando consultas

Para otimizar a performance do nosso projeto iremos selecionar somente as

Figura 23: Selecionando as colunas

Fazemos agora a segunda mescla entre consultas:

Figura 24: Mesclando consultas

Figura 25: Expansão da união entre consultas

Figura 26: União entre consultas

Figura 27: Expansão dos campos