Introdução à análise

Concluído100 XP
 3 minutos

A análise abrange as práticas emergentes do setor, como mineração de dados,

análise de Big Data, machine learning, IA e análise preditiva. É um termo usado
para descrever os aspectos técnicos da análise que têm funcionalidades
preditivas e que podem ser usados para resolver problemas empresariais.

Vídeo

A análise pode transformar dados brutos em uma ampla coleção de

informações que categoriza dados para identificar e analisar padrões e dados
comportamentais. As organizações podem usar essas informações para analisar
o estado atual das operações e para prever o comportamento e as tendências
futuras fazendo perguntas hipotéticas. Além disso, a análise pode ajudar na
detecção de fraudes, no reconhecimento de imagens, na análise de
sentimentos, na produtividade geral do funcionário e também substitui
processos manuais complicados.

Considere o cenário em que você pede a um funcionário para determinar a

causa de um pico recente em vendas. O funcionário pode precisar inspecionar
arduamente cada venda, entrevistar clientes, conversar com os vendedores e
examinar as tendências do mercado. Em vez disso, você pode usar o visual de
principais influenciadores do Microsoft Power BI para aplicar análise avançada e
possivelmente obter uma resposta muito mais rápida. O visual é tão bom
quanto os dados que você fornece, portanto você ainda precisará coletar os
dados e organizá-los. No entanto, a análise real pode ser realizada para você
ou, pelo menos, lhe dará um excelente ponto de partida.

Ao reduzir o trabalho manual, a análise avançada pode, em última análise,

ajudar as organizações a tomar melhores decisões empresariais e criar
resultados acionáveis e significativos.

Tradicionalmente, a análise de dados era uma tarefa complexa que era realizada
por engenheiros. Hoje, a análise de dados é mais acessível e compreendida por
muitas pessoas nas organizações, em todas as equipes. O Power BI é uma
ferramenta excepcional para extrair insights acionáveis dos dados. Ele permite
que você crie visuais e métricas para seus dados em relatórios e dashboards de
modo que você e seus usuários possam analisar os insights dos dados em alto
nível e fazer drill down desses insights para obter mais informações.
No cenário deste módulo, você trabalha para a Tailwind Traders como analista
de dados. Você está encarregado de criar relatórios e dashboards que serão
usados em toda a organização para ajudar a tomar decisões empresariais
cruciais. Por exemplo, a equipe de produto está interessada em saber se
produtos específicos não estão vendendo tão bem quanto outros; a equipe de
vendas está concentrada nas previsões de vendas do próximo ano; e a equipe
do depósito está interessada em um detalhamento geral do desempenho dos
locais de armazenamento e expedição em todo o mundo. Para cada uma dessas
equipes, você precisa criar e compartilhar relatórios e dashboards exclusivos
que exibem insights gerais e visuais desenvolvidos usando análises avançadas.

A funcionalidade inerente do Power BI ajudará você a realizar essa tarefa. Você

pode desenvolver insights rápidos e compartilhá-los em relatórios e dashboards
com equipes diferentes na organização. As funcionalidades de análise avançada
do Power BI permitirão que você identifique categorias e tendências, veja como
os dados são alterados ao longo do tempo e muito mais. Com essas
informações, você pode criar modelos de dados de previsão e, portanto, ajudar
sua organização a tomar decisões, fazer planos e traçar previsões empresariais
de maneira mais robusta.

Este módulo descreve os recursos analíticos avançados do Power BI. Ao final

deste módulo, você poderá: 

 Explorar o resumo estatístico.

 Identificar exceções com visuais do Power BI.
 Agrupar e compartimentalizar dados para análise.
 Aplicar técnicas de clustering.
 Conduzir análise de série temporal.
 Usar o recurso Analisar.
 Usar visuais personalizados de análise avançada.
 Examinar Insights Rápidos.
 Aplicar Insights da IA.
Explorar o resumo estatístico
Concluído100 XP

 6 minutos

Os dados são frequentemente entrelaçados com estatísticas, pois as estatísticas

são um modo de explorar seus dados. As estatísticas mostram a distribuição
dos seus dados e ajudam você a identificar as principais novidades e tendências
para determinar se existem exceções.

O resumo estatístico é a informação que fornece uma descrição rápida e

simples de seus dados. O Power BI tem muitas funções que ajudam a realizar
uma análise estatística, como funções DAX (Data Analysis Expressions), visuais
como histogramas e curvas de sino, visuais de análise avançada e linguagens de
programação estatística, como Python e R.

Explorar o resumo estatístico dá ao usuário uma visão geral dos dados

disponíveis, em que eles podem ver clusters, padrões de dados
comportamentais, médias de dados e muito mais. Eles podem obter insights
sobre os dados deles que ajudam a orientar as decisões empresariais.

Por exemplo, a equipe da Cadeia de Fornecedores solicita que você crie um

relatório que mostra a frequência de pedidos para determinados produtos e
quais são os dez produtos mais vendidos.

Funções estatísticas

O Power BI Desktop tem várias funções DAX que você pode usar para obter
estatísticas rápidas com base em seus dados. Você pode acessar essas funções
rápidas clicando com o botão direito do mouse no campo Valor no
painel Visualizações, conforme ilustrado na imagem a seguir.
No entanto, para evitar problemas de desempenho, é melhor criar as medidas
estatísticas por conta própria, usando funções DAX para calcular a média, a
soma, o mínimo, o máximo e assim por diante. Por exemplo, para analisar os
dados de inventário para localizar a quantidade média de pedidos por produto,
você pode usar a seguinte fórmula:

DAXCopiar
Average Qty =
AVERAGE ( Sales[Order Qty] )

Histograma

Os histogramas e as curvas de sino são a maneira mais comum de exibir

estatísticas sobre seus conjuntos de dados. Em termos de Power BI, você pode
representar um histograma com um dos visuais de gráfico de barras ou colunas
e representar uma curva de sino com um visual de gráfico de área, conforme
ilustrado na imagem a seguir. Você também pode usar o visual de P e R para
fazer uma pergunta direta sobre os itens superiores ou inferiores em uma lista.
Um visual típico de gráfico de barras ou de colunas no Power BI relaciona dois
pontos de dados: uma medida e uma dimensão. Um histograma difere
ligeiramente de um gráfico de barras padrão, pois só visualiza um ponto de
dados.

Neste exemplo, você usa o visual gráfico de colunas clusterizadas para

apresentar um histograma que determina as quantidades de pedidos por
tamanhos de pedidos.

Comece selecionando o ícone do gráfico de colunas clusterizadas no

painel Visualização. Em seguida, crie um agrupamento para o eixo x. Você
aprenderá sobre agrupamento e compartimentalização posteriormente neste
módulo, mas eles são úteis neste contexto também.

Para criar o grupo, no painel Campos, clique com o botão direito do mouse no

campo de dados que você deseja analisar e selecione Novo Grupo. Neste caso,
use o campo OrderQty. Na janela Grupos que é exibida, configure o grupo de
compartimentos da seguinte maneira:

1. Renomeie o grupo como Compartimentos de Pedido (Buckets).

2. Defina a opção Tipo de grupo como Compartimento e a

opção Tipo de Compartimento como Número de
compartimentos.

3. Insira 5 como a Contagem de compartimentos, 1 como o Valor

mínimo e 44 e o Valor máximo.
Então preencha o visual da seguinte maneira:

1. Arraste e solte o campo OrderQty do painel Campos no

campo Valor no painel Visualizações.

2. Arraste e solte o grupo Compartimentos do Pedido (Buckets) do

painel Campos para o campo Eixo no painel Visualizações.

O visual agora mostra que os dados são agrupados em buckets no eixo x, com
as quantidades do pedido dessa variável no eixo y.

Agora você produziu um histograma que exibe a quantidade de pedidos

(campo OrderQty) por buckets de tamanho do pedido para a equipe de cadeia
de suprimentos.

Análise das N superiores

A função DAX TOPN retorna as N linhas superiores de uma tabela especificada.

A análise de N superiores é uma ótima maneira de apresentar dados que
podem ser importantes, como os 10 produtos mais vendidos, os 10 melhores
desempenhos de uma organização ou os 10 melhores clientes. Ou você pode
examinar isso de outra perspectiva e apresentar os 10 últimos itens em uma
lista, em outras palavras, os piores desempenhos. Dependendo dos requisitos,
talvez você queira usar uma ou ambas as opções.

Neste exemplo, a equipe da cadeia de suprimentos deseja saber quais são os 10

produtos mais vendidos. Você realiza essa tarefa de uma das três maneiras:
usando um visual de P e R, usando um filtro de N superiores ou escrevendo
uma fórmula DAX.

Usar o visual de P e R para localizar os N superiores

Você criou um relatório para a equipe de cadeia de fornecedores e agora os

membros dela estão com dúvidas sobre várias outras exibições ou outros
insights de interesse deles. O Power BI tem um visual de P e R interno que
permite aos usuários fazer as próprias perguntas e obter respostas para que
você não precise abordar cada pergunta individual. O visual de P e R é uma
ferramenta eficaz, pois permite que os usuários obtenham rapidamente
respostas sobre os dados de maneira independente, o que poupa tempo para
todos os envolvidos. O visual de P e R é único no sentido de não exigir
conhecimento de Power BI para usar o visual; os usuários precisam fazer uma
pergunta e também podem criar visuais que geram muitos insights.

Adicione a visualização de P e R ao relatório, reposicione o visual e personalize

a formatação conforme necessário.

Agora você pode usar o visual para obter respostas. Neste caso, você deseja
saber quais são os 10 produtos mais vendidos, portanto insere uma pergunta
como "Quais são os 10 produtos mais vendidos?" O Power BI exibirá
automaticamente esses resultados para você.
Usar um tipo de filtro de N superiores

N superiores é uma opção de filtragem disponível no painel Filtros. Selecione o

campo que você deseja analisar em sua página de relatório (neste exemplo, é o
campo Nome do Produto). No painel Filtros, expanda a lista Tipo de filtro e
selecione N superiores. Nas configurações de Mostrar itens,
selecione Superiores e 10. Em seguida, selecione Custo de Vendas como o
valor pelo qual você deseja filtrar o campo. O visual é atualizado de acordo.

Usar uma função DAX TOPN

Você também pode calcular os 10 principais produtos no DAX usando a função

TOPN. Essa opção poderá ser útil se você quiser apresentar os dez principais em
um contexto diferente, como quanto os dez produtos mais vendidos
contribuíram para o total geral de vendas.

Comece criando uma medida chamada Dez principais produtos. Em seguida,

use a função TOPN, juntamente com a função SUMX, para calcular os 10
principais produtos por total de vendas da seguinte maneira:

DAXCopiar
Top 10 Products =
SUMX ( TOPN ( 10, Product, Product[Product Name], ASC ), [Total Sales] )

A imagem a seguir mostra quanto os 10 principais produtos contribuem para as

vendas gerais.

Você pode ajustar a fórmula DAX para apresentar o mesmo resultado em

percentuais.

Por obter mais informações sobre as funcionalidades estatísticas do Power BI,

confira Funções Estatísticas – DAX.
Identificar exceções com visuais do
Power BI
Concluído100 XP

 3 minutos

Uma exceção é um tipo de anomalia em seus dados, algo que você não
esperava ou que surpreendeu com base em médias ou resultados históricos. É
útil identificar exceções para isolar pontos de dados que diferem
significativamente de outros pontos de dados e então tomar medidas para
investigar os motivos das diferenças. Os resultados dessa análise podem causar
um impacto significativo na tomada de decisões empresariais.

Considere o cenário em que você está analisando dados para um depósito de

expedição. Observe que houve um aumento no número de pedidos acima da
média para uma categoria de produto específica. Primeiro, é interessante
identificar a categoria de produto. Em seguida, convém fazer perguntas sobre a
exceção:

 Ocorreram remessas acima da média naquele dia?

 Essa anomalia ocorreu em um depósito específico?

 Um evento causou o aumento em pedidos para uma categoria

específica?

 Esse evento ocorreu em outros dias no último mês, trimestre, ano

ou ano anterior?

O Power BI permite identificar exceções em seus dados, mas você precisa

primeiro determinar a lógica por trás do que constitui uma exceção. Você pode
usar pontos de gatilho, como cálculos, sobre o que você consideraria a exceção.

O processo de identificar exceções envolve segmentar seus dados em dois

grupos: um grupo é o dos dados da exceção e o outro grupo, não. Você pode
usar colunas calculadas para identificar exceções, mas os resultados seriam
estáticos até que você atualizar os dados. Um modo melhor de identificar
exceções é usar uma visualização ou fórmula DAX, pois esses métodos
verificarão se seus resultados são dinâmicos.

Quando você tiver identificado as exceções em seus dados, poderá usar

segmentações ou filtros para realçar essas exceções. Além disso, você pode
adicionar uma legenda a seus visuais para que as exceções possam ser
identificadas entre os outros dados. Em seguida, você pode analisar os dados
de exceção para uma obter uma análise mais detalhada.

Usar um visual para identificar exceções

O melhor visual a ser usado para identificar exceções é o gráfico de dispersão,

que mostra a relação entre dois valores numéricos. Os gráficos de dispersão
exibem padrões em grandes conjuntos de dados e, portanto, são ideais para
exibir exceções.

Ao adicionar um gráfico de dispersão ao relatório do Power BI, você coloca os

campos do seu interesse nas seções eixo X e eixo Y, respectivamente. Nesse
caso, o campo Pedidos Enviados está no eixo X e no campo Qtd Pedidos, no
eixo Y.

O visual será atualizado para exibir os dados de acordo com os campos

selecionados e você poderá identificar claramente as exceções nesses dados:
são os itens isolados que estão longe da maior parte dos dados.
Agora que você pode identificar as exceções em seus dados, investigar os
motivos para elas existirem e tomar uma ação corretiva.

Usar o DAX para identificar exceções

Você pode usar o DAX para criar uma medida que identificará as exceções em
seus dados, como na seguinte fórmula:

DAXCopiar
Outliers =
CALCULATE (
[Order Qty],
FILTER (
VALUES ( Product[Product Name] ),
COUNTROWS ( FILTER ( Sales, [Order Qty] >= [Min Qty] ) ) > 0
)
)

Quando você tiver criado uma medida de exceção, poderá agrupar seus
produtos em categorias usando o recurso de agrupamento, como você fez
anteriormente ao criar um histograma. Em seguida, você precisa adicionar um
visual de gráfico de dispersão, como fez na seção anterior, pois é a melhor
opção de visualização para exibir exceções. Depois de adicionar o gráfico de
dispersão, preencha-o com os campos associados à fórmula DAX e à medida de
exceção.
No gráfico de dispersão, você poderá identificar as exceções em seus dados.
Você pode investigar os motivos para elas existirem e executar uma ação
corretiva.
Agrupar e compartimentalizar dados
para análise
Concluído100 XP

 4 minutos

Quando você cria visuais, o Power BI Desktop agrega seus dados em grupos,
com base nos valores que ele encontra nos dados subjacentes. Você pode
refinar como esses grupos padrão são apresentados. Você também pode criar
grupos agrupando dois ou mais pontos de dados em um visual ou colocando
valores em grupos de tamanho igual (compartimentalização).

O agrupamento é usado para categorias de dados. A compartimentalização é

semelhante ao agrupamento, mas é usada para agrupar campos contínuos,
como números e datas.

Você pode usar os recursos de agrupamento e compartimentalização para

verificar se os visuais em seus relatórios exibem seus dados de acordo com sua
preferência. O uso desses recursos ajudará você a exibir, analisar e explorar
claramente os dados e as tendências em seus visuais. Além disso, você poderá
identificar clusters, padrões de comportamento, médias de dados e muito mais.
Os resultados dessa análise fornecerão aos usuários insights mais específicos
sobre os dados deles, o que pode ajudar a orientar as decisões empresariais.

Neste exemplo, a equipe de atendimento ao cliente deu um retorno a você

muito impressionada com a análise que você fez. Agora, ela quer que você
analise ainda mais os dados de tíquete de ajuda. Ela pergunta se você pode
segmentar os dados em grupos e clusters diferentes. Em particular, ela quer
identificar as cidades com o maior número de vendas.

Criar um grupo

A seguinte imagem mostra um gráfico de barras no qual o Power BI segmentou

automaticamente os dados da maneira que considerou mais útil: Total de
vendas por estado. No entanto, convém agrupar algumas das barras (estados)
para poder exibi-las como uma categoria, o que ajudará a equipe de vendas a
identificar as cidades com mais vendas.

Para criar o grupo, use Ctrl + clique para selecionar os pontos de dados no

visual que você deseja agrupar. Nesse caso, são os estados com vendas acima
de 500.000 dólares. Clique com o botão direito do mouse em um desses pontos
de dados selecionados e selecione a opção Agrupar dados.
Quando o grupo for criado, repare que o visual é atualizado para levar em conta
o novo grupo. A imagem a seguir mostra que os outros estados, que são os
estados com menos vendas (abaixo de 500.000 dólares) foram agrupados e
realçados em um tom diferente.

O novo grupo é exibido no bucket Legenda para o visual e está listado no

painel Campos.

Ao criar um grupo, você pode alterar a maneira como os dados são exibidos no
visual. Por exemplo, talvez seja interessante alternar os valores em cada eixo.
Você também pode usar o grupo em qualquer um dos outros visuais em seu
relatório. Para fazer isso, arraste o campo de grupo do painel Campos e soltá-lo
no visual no qual você deseja usá-lo.
Editar um grupo

Continuando o exemplo anterior, agora é interessante editar as categorias que

compõem seu grupo. Clique com o botão direito do mouse no
bucket Legenda ou no painel Campos e selecione Editar Grupos.

Na janela Grupos exibida, há uma lista dos grupos e dos diferentes itens dentro

deles. A imagem a seguir mostra o grupo Estados com Vendas > 500 mil e os
membros, juntamente com o grupo Outros (Estados com Vendas < 500 mil)
que contém todos os outros valores que não foram colocados no primeiro
grupo. Se você atualizar os dados e novos itens aparecerem na lista de valores
não agrupados, todos eles ficarão no grupo Outro.

Agora você pode fazer alterações ao grupo. Você pode renomear qualquer
grupo clicando duas vezes no título do grupo na seção Grupos e membros e
inserindo um novo nome. Você pode adicionar valores não agrupados a um
grupo, remover valores de um grupo e criar um grupo.

Criar grupos de compartimentos

O processo de compartimentalização permite que você agrupe seus dados

numéricos e de campo de hora em "compartimentos" de tamanho igual. Essa
abordagem permite que você visualize e identifique tendências em seus dados
de maneiras mais significativas. A compartimentalização permite que você
dimensione de maneira correta os dados exibidos pelo Power BI Desktop.

Neste exemplo, você deseja criar compartimentos (grupos) para o

campo Quantidade do Pedidos. Comece no painel Campos, clicando com o
botão direito do mouse no campo Quantidade do Pedido para o qual deseja
criar os compartimentos e selecione Novo Grupo. Na janela Grupos exibida,
defina o Tamanho do compartimento como o tamanho desejado e ajuste as
outras configurações conforme necessário. Em seguida, selecione OK.

Quando você tiver configurado o grupo de compartimentos, verá um novo

campo no painel Campos com (compartimentos) acrescentado ao seu nome.
Você então pode arrastar esse campo para a tela para usar o tamanho do
compartimento em um visual.
Aplicar técnicas de clustering
Concluído100 XP
 3 minutos

O clustering permite que você identifique um segmento (cluster) de dados que

são semelhantes entre si, mas diferentes do restante dos dados. O processo de
clustering é diferente do processo de agrupamento que você realizou
anteriormente.

O recurso de clustering do Power BI permite localizar rapidamente grupos de

pontos de dados semelhantes em um subconjunto de seus dados. Ele analisa
seu conjunto de dados para identificar semelhanças e diferenças nos valores de
atributo e separa os dados que têm semelhanças em um subconjunto. Esses
subconjuntos de dados são chamados de clusters.

Por exemplo, talvez seja interessante procurar padrões em seus dados de

vendas, como o comportamento geral dos clientes. Você pode segmentar os
clientes em clusters de acordo com as semelhanças, como idade ou localização.

Comece adicionando a visualização de gráfico de dispersão ao seu relatório e

adicione os campos necessários ao visual. Neste exemplo, adicione o
campo Quantidade de Pedidos ao eixo X, o campo Vendas ao eixo Y e o
campo Nome do Produto à seção Detalhes. A imagem a seguir mostra dados
consideráveis no gráfico de dispersão, portanto é difícil discernir grupos
naturais.

Para aplicar o clustering ao seu gráfico de dispersão, selecione Mais opções (…)

no canto superior direito do visual e, depois, Localizar automaticamente os
clusters.
Na janela Clusters exibida, você pode editar o nome padrão, o campo e a
descrição, se necessário. Contudo, neste exemplo, você deseja alterar o número
de clusters. A imagem a seguir mostra que a caixa Número de clusters está
vazia por padrão, o que significa que o Power BI localiza automaticamente o
número de clusters que ele determina fazer mais sentido com seus dados.

Insira o número de clusters que você deseja (3) na caixa e selecione OK. O

Power BI executará o algoritmo de clustering e criará um campo categórico com
os diferentes grupos de clusters nele. Agora, ao examinar o visual, você pode
ver claramente os clusters que estão em seus dados e continuar executando
análise neles.

O novo campo de cluster é adicionado ao bucket de caixa Legenda do gráfico

de dispersão, que agora você pode usar como uma fonte de realce cruzado
como qualquer outro campo Legenda. Você também pode encontrar o campo
do novo cluster em sua lista de campos e usá-lo em novos visuais, assim como
qualquer outro campo.

Se você quiser editar o cluster, clique com o botão direito do mouse no campo
de cluster e selecione Editar clusters.

No exemplo anterior, quando você aplicou o clustering ao gráfico de dispersão,

você poderia usar apenas duas medidas. Se você quiser localizar clusters usando
mais de duas medidas, poderá usar um visual de tabela, adicionar todos os
campos que deseja usar e executar o algoritmo de clustering seguindo o
mesmo processo.

Conduzir análise de série temporal

Concluído100 XP
  4 minutos

Em 2004, Hans Rosling apresentou uma conferência intitulada "As melhores

estatísticas que você já viu". Nela, Hans mostrou um vídeo que lhe permitiu
analisar dados ao longo do tempo reproduzindo um gráfico animado. O gráfico
progrediu, ano a ano, em que os espectadores podiam ver como a longevidade
e o tamanho da família mudaram ao longo do tempo para todo o mundo. Essa
apresentação despertou um grande interesse no poder da visualização de
dados, especialmente em relação à análise de série temporal.

A análise de série temporal envolve a análise de uma série de dados em ordem

temporal para identificar informações e tendências úteis e fazer previsões. O
resultado da análise de série temporal são os melhores dados que você pode
usar para prever atividades.

A análise de série temporal geralmente envolve o uso de visuais, como gráficos

de Gantt, planejamento de projeto e conjuntos de dados de movimentação de
estoque. No Power BI, você pode usar visuais para ver como seus dados estão
progredindo ao longo do tempo. Isso, por sua vez, permite que você faça
observações, por exemplo, se eventos importantes interferiram nos seus dados.

Para realizar uma análise de série temporal no Power BI, você precisa usar um
tipo de visualização adequado para exibir tendências e mudanças ao longo do
tempo, como um gráfico de linhas, gráfico de área ou gráfico de dispersão.
Você também pode importar um visual personalizado de série temporal para o
Power BI Desktop do Microsoft AppSource. O exemplo a seguir usa um gráfico
de dispersão padrão.

Além da gama de visuais personalizados de série temporal, o Microsoft

AppSource tem um visual personalizado de animação chamado Eixo de
Reprodução que funciona como uma segmentação dinâmica e é um modo
atraente de exibir tendências e padrões de tempo em seus dados sem nenhuma
interação com o usuário. Esse visual é semelhante ao que Hans Rosling usou na
sua apresentação original e é usado junto com o gráfico de dispersão no
exemplo a seguir.

 Observação

Algumas organizações preferem não usar visuais personalizados por motivos de

segurança ou por outras razões. Antes de importar visuais personalizados,
verifique com sua organização para saber se eles são permitidos ou não. Se não
forem permitidos, você poderá usar o visual Eixo de Reprodução disponível
para visualizações do gráfico de dispersão no Power BI Desktop, pois ele tem
funcionalidade semelhante.
Neste exemplo, você está desenvolvendo um relatório de vendas. A equipe de
vendas deseja estudar as tendências de vendas trimestrais e identificar quais
modelos vendem melhor, dependendo do tempo da época. Você decide usar
dois visuais, um gráfico de dispersão e um gráfico de linhas, para fins de análise
de séries temporais e para aprimorar esses visuais com animação para que a
equipe de vendas possa ver como os dados de vendas mudam ao longo do
tempo.

Você começa adicionando seus visuais à página de relatório para mostrar os

dados de vendas.

Em seguida, você importará o visual personalizado de animação a ser usado

com os visuais. No painel Visualizações, selecione o ícone Obter mais visuais e
escolha Obter mais visuais. Na janela Visuais do Power BI que é exibida,
pesquise eixo de reprodução e selecione o botão Adicionar para o visual Eixo
de Reprodução (Segmentação Dinâmica).
Uma mensagem será exibida, informando que o visual foi importado com êxito.
Ao retornar para Power BI Desktop, você verá o novo ícone Eixo de
Reprodução no painel Visualizações. Selecione a página e o ícone Eixo de
Reprodução para adicionar esse visual à página.

Com o novo visual selecionado, selecione o campo (Trimestre) que você deseja
usar como a segmentação na animação Eixo de Reprodução. Os controles de
animação ficam disponíveis no visual.

Agora você pode redimensionar e reposicionar o novo visual e personalizar a

formatação dele de modo que ele seja consistente com os outros visuais na
página. Opções de formatação específicas que talvez você queira usar incluem:

 Na seção Configurações de Animação, você pode controlar a

funcionalidade de reprodução do visual Eixo de Reprodução, por
exemplo, para fazer a animação iniciar automaticamente, continuar
executando um loop e alterar a velocidade na qual a animação
ocorre.
 Na seção Cores, você pode alterar a aparência do visual Eixo de
Reprodução ajustando a cor geral ou selecionando a
opção Mostrar tudo e alterando a cor de cada botão de controle.
 A seção Habilitar Legenda em permite ativar/desativar o texto
exibido ao lado do visual ou ajustar a formatação dele.
Quando você tiver configurado o visual Eixo de Reprodução para atender às
suas necessidades, estará pronto para usá-lo com seus outros visuais. Selecione
o botão Reproduzir e veja como os dados em cada visual da página evoluem
durante o tempo. Você pode usar os botões de controle para pausar a
animação, reiniciá-la e assim por diante.
Usar o recurso Analisar
Concluído100 XP
 6 minutos

O recurso Analisar fornece uma análise adicional gerada pelo Power BI para um

ponto de dados selecionado. Talvez você queira usar esse recurso para
determinar se o Power BI encontrou algo que você ainda não examinou antes
ou se quiser que o Power BI forneça um insight diferente sobre seus dados. Esse
recurso é particularmente útil para analisar por que a distribuição de dados tem
uma determinada aparência.

 Observação

Esse recurso não funcionará se você tiver filtros não numéricos aplicados ao
visual e/ou tiver filtros de medidas aplicados.

Neste exemplo, você está desenvolvendo um relatório para a equipe de

atendimento ao cliente que lida com tíquetes de ajuda. Eles querem analisar os
dados de tíquetes criados online quando um cliente faz uma pergunta. Você
criou um visual preliminar para exibir dados de tíquetes por localização, mas
agora está curioso para saber por que a distribuição de seus dados tem uma
determinada aparência.

Em vez de explorar os dados manualmente, você pode usar o

recurso Analisar para obter uma análise rápida, automatizada e ágil de seus
dados.

Para usar o recurso Analisar, clique com o botão direito do mouse em um

ponto de dados no visual e passe o mouse sobre a opção Analisar para exibir
mais duas opções: Explicar o aumento e Localizar a diferença da
distribuição. As opções disponíveis dependerão do ponto de dados
selecionado.
Neste exemplo, você seleciona a opção Explicar o aumento e uma janela é
exibida com um novo visual, conforme ilustrado na imagem a seguir.
Usar visuais personalizados de
análise avançada
Concluído100 XP
 5 minutos

Além das visualizações prontas para uso que você vê no Power BI Desktop, a
Microsoft AppSource tem uma ampla biblioteca de visuais personalizados que
você pode importar para o Power BI Desktop. Esses visuais personalizados
oferecem uma gama maior de opções quando se trata de usar a análise
avançada. Pode existir um visual personalizado que resolva um problema
empresarial que os visuais padrão não resolvem ou um que apresente seus
dados de modo que os visuais padrão não apresentem.

 Observação

Algumas organizações preferem não usar visuais personalizados ou permitir

apenas determinados visuais personalizados por motivos de segurança ou
outros. Antes de importar visuais personalizados, verifique com sua organização
para saber se eles são permitidos ou não. Se não forem permitidos, você ainda
poderá criar relatórios no Power BI Desktop com eles, mas eles não serão
renderizados no serviço do Power BI.

Anteriormente, você importou um visual personalizado do Microsoft AppSource

para fins de análise de série temporal. Para este exemplo, você se concentrará
na variedade de visuais personalizados de Análise Avançada que estão
disponíveis. Esses visuais personalizados incluem gráficos de caixa e fio, gráficos
de variância, árvores hierárquicas, gráficos de Gantt, gráficos de clustering. O
uso de visuais de análise avançada aumenta a complexidade dos seus relatórios
e permite que você analise ainda mais os dados e desenvolva a granularidade
em seus visuais.

Neste exemplo, você produziu alguns gráficos e visuais para a equipe de

atendimento ao cliente, mas agora ela deseja criar um gráfico de variância para
que possa estudar a variância nos tíquetes de ajuda. Você decide procurar no
Microsoft AppSource para ver se existe um visual de análise avançada que
possa ser usado para atender a essa solicitação.

No painel Visualizações, selecione o ícone Obter mais visuais e escolha Obter

mais visuais. Na janela Visuais do Power BI exibida, selecione a
categoria Análise Avançada. Procure as opções disponíveis e selecione o
botão Adicionar para o visual que você deseja importar. Neste exemplo, você
adicionará o visual personalizado Gráfico de Variância.
Quando o visual tiver sido importado, um ícone para o novo visual
personalizado será exibido sob os outros ícones visuais no painel Visualizações.

Então você pode adicionar campos ao novo visual e personalizá-lo da mesma

maneira que faria com qualquer outro visual. Neste exemplo, você
adiciona País ao campo Categoria, Vendas Brutas ao campo Valor
Primário e Vendas Líquidas ao campo Valor de Comparação.

Em seguida, você deverá reparar que tem um visual de variância que contém
vários gráficos, que é uma tarefa que você não poderia concluir sem importar o
visual personalizado de análise avançada do AppSource.
Examinar Insights Rápidos
Concluído100 XP

 10 minutos

O recurso Insights Rápidos no Power BI usa algoritmos de machine learning

para examinar todo o seu conjunto de dados e produzir insights (resultados)
para você com rapidez. Esse recurso é uma ótima maneira de criar dashboards
quando você não sabe como começar. Ele também ajuda a encontrar insights
que talvez você tenha perdido ao criar os relatórios. Dos insights que o Power BI
descobre, você pode gerar visualizações interativas atraentes.

 Observação

Esse recurso está disponível somente no serviço Web do Power BI. Além disso,
esse recurso não funciona com o DirectQuery, apenas com os dados
importados para o Power BI.

Considere o cenário em que um dos conjuntos de dados que você recebeu

contém dados substanciais sobre os tíquetes de ajuda que foram criados para a
equipe de Serviço de Atendimento ao Consumidor. Por causa dos dados
extensivos, você não sabe como começar a analisar, então decide deixar o
Power BI fazer isso para você.

Obter insights rápidos sobre seu conjunto de dados

Para obter insights rápidos sobre seu conjunto de dados, abra o serviço Web do
Power BI e selecione a guia Conteúdo. Localize o relatório para o qual você
deseja obter insights rápidos, que, nesse caso, é o TailwindTraders. Em
seguida, selecione Mais opções (…) > Insights Rápidos.
O Power BI usará vários algoritmos para pesquisar tendências em seu conjunto
de dados. Esse processo pode levar alguns segundos. Quando ele for concluído,
você verá uma mensagem no canto superior direito informando que os
resultados estão prontos para serem exibidos.

Selecione Exibir insights para abrir a página Insights Rápidos para o conjunto

de dados selecionado e veja os insights que o Power BI encontrou para você. A
página Insights Rápidos contém até 32 cartões de insights separados e cada
cartão tem um gráfico ou grafo, além de uma breve descrição. Neste exemplo,
um dos insights é um cartão que exibe um visual para Contagem de Produto
por Nome de Categoria, conforme ilustrado na imagem a seguir.
Adicionar um cartão de resultados de Insights Rápidos a um dashboard

Caso veja um cartão de insights muito atraente, será possível adicioná-lo ao

dashboard. Na página Insights Rápidos, passe o mouse sobre o cartão e
selecione o ícone de fixar. O visual é adicionado ao seu dashboard, no qual você
pode reposicioná-lo conforme necessário.

Interagir com os resultados de insights rápidos

Para obter uma análise mais detalhada de um cartão de insights específico na

página Insights Rápidos, selecione um cartão de insights para abrir. A tela de
insight é aberta no modo de Foco.

Então você pode executar as seguintes ações:

 Filtrar a visualização usando as opções disponíveis no painel Filtros.

 Fixar o cartão de insight em um dashboard selecionando Fixar

visual.

 Executar insights no cartão (insights com escopo)

selecionando Obter insights no canto superior direito. Os insights
com escopo permitem que você analise seus dados.

 Retorne à tela de insights originais selecionando Sair do modo de

foco no canto superior esquerdo.
Se você considerar essa análise útil, poderá adicionar o novo visual ao relatório
para que outros usuários possam vê-la. Selecione o ícone de mais (+) no canto
superior direito do visual para adicioná-lo ao seu relatório.

Para obter mais informações sobre o recurso Analisar, confira Aplicar insights no

Power BI Desktop para detectar as variações das distribuições (versão prévia).
Aplicar Insights da IA
Concluído100 XP
 3 minutos

O recurso Insights da IA permite que você se conecte a uma coleção de

modelos de machine learning pré-treinados que podem ser aplicados aos seus
dados para aprimorar seus esforços de preparação de dados.

Prosseguindo com o exemplo anterior, agora é interessante adicionar a análise

de texto ao conteúdo do campo Comentários nos dados de tíquetes. Esse
processo ajudará você a ver se é possível determinar a opinião dos clientes em
destaque nos tíquetes de ajuda. Você pode usar o recurso Insights da IA para
fazer isso.

Para aplicar o recurso Insights da IA aos seus dados, abre o Editor do Power

Query e selecione a guia Adicionar Coluna. Três opções de Insights da
IA estarão disponíveis para sua escolha: Análise de Texto, Visão e Azure
Machine Learning.

 Observação

A capacidade Premium é necessária para usar as opções Análise de

Texto e Visão.

 Observação

Se você não visualizar essas opções, precisará habilitar o recurso Insights da

IA nas configurações do Power BI Desktop. Acesse Arquivo > Opções e
configurações > Opções. Na lista de opções Global, selecione Versões prévias
do recurso, marque a caixa de seleção da opção Navegador de funções de
Insights da IA e selecione OK.
Na guia Adicionar coluna, a opção mais relevante de Insights da IA para este
exemplo é Análise de Texto. Essa opção inclui modelos de Serviços Cognitivos
do Azure, como, Análise de Sentimento, Extração de Frases-chave e Detecção de
Idioma, que derivam significado ou partes específicas do idioma dos dados de
texto. Você pode usar a opção Análise de Sentimento ou Extração de Frases-
chave para determinar os sentimentos do cliente nos tíquetes de Ajuda e
mostrar visualmente os resultados no Power BI.
Verifique seu conhecimento
200 XP

 3 minutos

Responda às perguntas a seguir para ver o que você aprendeu.

1. 

Que recurso do Power BI pode fornecer uma análise detalhada da distribuição

de dados?

O recurso Próximo Nível de Hierarquia pode fornecer uma análise detalhada,

pois permitirá que você faça drill down de todas as subcategorias e não é usado
para analisar a distribuição.

O recurso Analisar permite que um usuário entenda por que a distribuição tem
uma determinada aparência.

Somente a análise de série temporal pode fornecer uma análise detalhada dos
dados.
2. 

Em que lugar estão os gráficos de série temporal?

É no painel de filtro que estão todos os filtros em visuais e páginas.

Os gráficos de série temporal podem ser importados do AppSource.

Os gráficos estão todos no painel de campos.

3. 

Qual visual deve ser usado para exibir exceções?

O gráfico de linhas é mais adequado para exibir exceções.

O gráfico de dispersão é mais adequado para exibir exceções.

O gráfico de colunas clusterizadas é mais adequado para exibir exceções.

Resumo
Concluído100 XP
 1 minuto

Neste módulo, você aprendeu sobre o poder emergente da análise avançada e

descobriu como os recursos de análise avançada do Power BI podem agregar
valor à formulação de estratégia e à tomada de decisão de sua organização.

Você aprimorou os relatórios e o dashboard que criou anteriormente para

permitir aos usuários em sua organização fazer mais perguntas e encontrar mais
informações específicas para as equipes e os contextos de trabalho deles. Você
usou o Power BI para explorar seus dados e criar um resumo estatístico para
localizar as principais novidades e tendências e identificar exceções que possam
exigir ação imediata. Você realizou uma análise de série temporal de seus dados
para ver como eles progrediram ao longo do tempo para que você possa fazer
observações e prever o comportamento. Além disso, você usou o recurso
Analisar para fazer o Power BI explicar os aumentos e mostrar as diferenças na
distribuição nos seus dados. Você criou com base nos visuais padrão em seu
relatório adicionando visuais personalizados que ajudaram a resolver outros
problemas empresariais e a exibir dados de mais maneiras aprimoradas e
animadas. Em seguida, você retornou ao Power BI para verificar se havia insights
rápidos em seus dados que ainda não haviam sido descobertos e encontrou
mais insights úteis que poderiam ser adicionados aos seus dashboards. Por fim,
você usou as técnicas de agrupamento, compartimentalização e clustering para
segmentar e apresentar seus dados de maneiras diferentes.

As técnicas de análise avançadas que você aplicou aos dados da sua

organização permitiram obterem novos insights sobre esses dados e
inspecionar ainda mais os dados para descobrir padrões, tendências e exceções
que você não sabia que existiam. Os resultados da sua análise avançada
capacitarão sua organização a tomar decisões empresariais, fazer planos e
traçar previsões mais robustos.