Escolar Documentos
Profissional Documentos
Cultura Documentos
Desenvolvimento
Formação de
técnico e prático de
consultores de
profissionais de
altíssimo nível
mercado
Execução de projetos
Capacitação de novos para desenvolvimento
profissionais de áreas de negócios
com o Power BI
Agora é a vez de vocês:
- Nome
- Área de atuação
- Como cria relatórios hoje
6
Objetivos do Curso
7
Data Analytics Como fazer com que aconteça?
ANÁLISE PRESCRITIVA
O que acontecerá?
ANÁLISE PREDITIVA
O que aconteceu?
ANÁLISE DESCRITIVA
Tudo Começa com BI!
9
O que é BI?
Transformação e Monitoramento e
Coleta Organização Análise Compartilhamento
Das informações que são a base da gestão de negócios, tais como informações
de vendas, estoque, produção, financeiro, informações de clientes, etc.
10
Aplicações de BI
BI
Acompanhamento da efetividade Acompanhamento das metas e
de campanhas de Marketing indicadores de sucesso individuais
e das áreas
11
Processo de BI
12
Processo de BI
Clientes
Estoque
Produção
Vendas
ETL DW BI Relatório
Externos
13
O que é o Power BI?
14
Microsoft Self-Service BI Suplementos do Excel
Power Query
Permite a obtenção e
manipulação de
informações a partir de
diferentes fontes de dados
Camada de ETL
Powerpivot
Permite a criação de modelos
de dados diretamente no Excel
para a transformação dos Power View
dados em informações
significativas. Fica sobre um Permite a criação de
banco de dados em memória relatórios e dashboards
extremamente rápido! que garantem uma
experiência interativa
Camada Semântica de ao usuário
Modelagem de Dados
Camada de Relatórios
15
Microsoft Power BI Suplementos do Excel em um único aplicativo
Powerpivot
18
Editor de Consultas
• Foi desenvolvido com foco no Analista de Negócios, que pode realizar inúmeras ações
apenas com o clique do mouse
• Utiliza a linguagem M por trás, que por sua vez foi desenvolvida com foco no Analista de
Dados, usuários que se sentem mais confortáveis com uso de fórmulas
– Algumas ações mais avançadas são possíveis somente através do uso da linguagem M, porém a grande
maioria é possível de ser realizada com o clique do mouse.
– Não é necessário aprender esta linguagem a fundo, mas entender um pouco do contexto e das estruturas
dos códigos gerados lhe ajudará a ganhar mais produtividade nas criações.
19
Principais Funcionalidades
20
Linguagem M
21
Linguagem M
22
Linguagem M
23
Linguagem M
24
Linguagem M
25
Junção de Tabelas
26
27
28
29
30
31
32
33
Visualizando Online
https://app.powerbi.com/view?r=eyJrIjoiYmNhN
zgzYjAtNjc2OS00YjQwLTgwNzItM2Q1MzcyMmJl
YjMyIiwidCI6IjZjMGE1YjljLTA4OWEtNDk0ZS1iM
DVlLTcxNjEwOTgyOTA0NyIsImMiOjF9
34
Parâmetros
41
Parâmetros
• São um tipo especial de query que retornam um único valor, e podem ser utilizados em
múltiplas outras queries
• Podem ser de qualquer tipo, incluindo texto, números e datas, porém não podem ser
tabelas nem listas
• Exemplos de uso:
– Caminho do diretório ou caminho para a fonte de dados, que pode mudar ao longo do tempo e precisa ser
reconfigurada em cada uma das consultas
– Filtro de quaisquer informações em uma tabela, que pode mudar para diferentes cenários de uso
42
Exemplo de Parâmetro
43
Combinando Arquivos de uma Pasta
44
Combinando Arquivos de uma Pasta
• Muitas vezes temos uma pasta onde colocamos arquivos periodicamente que possuem
todos mesmos formatos
• O Power BI permite a combinação automática desses arquivos escolhendo “Pasta” como
origem de dados
45
Introdução à Modelagem de Dados
46
Modelo de Dados
47
Modelo de Dados
• Uma tabela única em Excel já pode ser considerado um modelo de dados, embora um
modelo bastante simples.
– Possui limite de 1M de linhas
– Quando a decisão for deixar todos os níveis de detalhes e isso gerar uma tabela com mais de 1M de linhas, o
Excel não é mais uma opção
– Partimos então para montar nosso modelo com o Powerpivot, Power BI ou Analysis Services
• Saber qual o nível de detalhes ideal de uma tabela é um desafio constante, e nem sempre
a maior granularidade possível é melhor.
– Você deve ter os dados na granularidade correta, aquela que satisfaz suas necessidades
48
Modelo de Dados
• Do ponto de vista de Vendas, a tabela que carregamos está com a granularidade correta.
• Porém do ponto de vista de Clientes e Produtos, por exemplo, ela está na granularidade incorreta.
• Dizemos que esta tabela está 100% desnormalizada, com informações espalhadas demais nela,
que se repetem em diversas linhas.
• Essa situação fica pior ainda quando temos mais de uma tabela Fato no modelo, visto que com
ambas 100% desnormalizadas não conseguimos relacioná-las para realizar comparações de
dados.
• Para corrigir isso, precisamos criar tabelas auxiliares nas granularidades corretas.
– Chamamos essas tabelas de tabelas Dimensão, e devemos relacioná-las às tabelas Fato
49
Modelo de Dados
50
Relacionamento Entre Tabelas
51
Relacionamento Entre Tabelas
Dimensão A Tabelas Dimensão:
Esquema
Dimensão C Dimensão D Estrela
52
Relacionamento Entre Tabelas
• Uma dimensão deve representar uma entidade que possui determinadas propriedades.
– Cliente: Nome, Idade, Escolaridade, etc
– Produto: Nome do Produto, Categoria, Subcategoria, Cor, Tamanho, etc
• Essas dimensões interagem entre si e geram um evento, que é armazenado em tabelas Fato:
– Um produto é vendido em uma determinada DATA, para um determinado CLIENTE, que mora em uma CIDADE,
e por aí vai.
• Quando criamos um modelo de dados tentamos sempre deixá-lo no Esquema Estrela (Star
Schema), visto que ele é comprovadamente o esquema mais eficiente para análise de dados.
• Isso significa ter uma ou mais tabelas fatos no meio com dimensões ligadas à ela
– As dimensões não devem estar relacionadas entre si!
53
Relacionamento Entre Tabelas
54
Tabela de Data
55
Tabela de Data
• Com a lista criada, basta agora transforma-la em uma tabela clicando em “Para a Tabela”
• Com a tabela de datas criada é possível agora criar novas colunas a partir da coluna de
data
56
Linguagem DAX
57
Linguagem DAX
58
Curva de Aprendizado DAX
59
Funções DAX
Funções lógicas
01 Agem sobre uma expressão para retornar informações sobre os
valores da expressão.
DAX
DATA ANALYSIS EXPRESSIONS Funções de data e hora
02 Semelhantes às funções de data e hora do Microsoft Excel. No
entanto, as funções DAX se baseiam nos tipos de dados datetime
Coleção de funções, operadores e usados pelo Microsoft SQL Server.
constantes que podem ser usados em
uma fórmula ou expressão, para calcular e Funções de filtro
retornar um ou mais valores. 03 Permitem manipular o contexto de dados para criar cálculos
dinâmicos
Funções semelhantes às do Excel.
Funções de inteligência de tempo
04 Usando intervalos de hora e data em combinação com agregações
ou cálculos, é possível criar comparações significativas em
períodos de tempo comparáveis.
60
Funções de Data e Hora
61
Funções de Filtro
Função CALCULATE
01 Avalia uma expressão em um
= CALCULATE(
contexto que é modificado pelos Calcula o total em Vendas
filtros especificados. SUM ( Vendas[Valor Venda] ) ; ignorando qualquer filtro
ALL ( Produto ) na tabela Produto
)
Função ALL
02 Retorna todas as linhas de uma
tabela ou todos os valores de uma
coluna, ignorando qualquer filtro
que possa ter sido aplicado. = CALCULATE ( Calcula o total em Vendas
SUM ( Vendas[Valor Venda] ) ; da categoria de produtos
FILTER ( Audio
Função FILTER Produto ;
03 Retorna uma tabela que Produto[Categoria] = “Audio“
representa um subconjunto de )
outra tabela ou expressão.
)
62
Funções de Inteligência de Tempo
Função = CALCULATE (
Calcula o total em Vendas
02 SAMEPERIODLASTYEAR SUM ( Vendas[Valor Venda] ) ;
do ano anterior
Retorna uma tabela que contém uma SAMEPERIODLASTYEAR ( Data[Data] )
coluna de datas do ano anterior em )
relação ao contexto atual.
63
M vs DAX
X
• Voltado para modelagem de negócio
• Voltado para ETL
• Pode referenciar colunas de
• Sempre que possível é preferível quaisquer tabelas através de
criar colunas e tabelas pelo Power relacionamentos e Lookups
Query devido à melhor compressão
X
• Voltado para modelagem de negócio
• Voltado para ETL
• Sempre que possível é preferível
• Sempre que possível é preferível
criar colunas e tabelas pelo Power e não criar medidas ao invés de colunas e
tabelas calculadas com DAX
Query
• Pode referenciar colunas de
• Pode referenciar apenas colunas da quaisquer tabelas através de
M vs DAX
mesma tabela relacionamentos e Lookups
66
Coluna Calculada x Medida
X
• Valor calculado para cada linha da • Calculada somente para as linhas
tabela visíveis nos visuais do relatório
67
Vamos criar uma Coluna Calculada e
uma Medida no Power BI
68
Por que criar Medidas com DAX se podemos
utilizar as Colunas e deixar o Power BI fazer a
Soma, Média, Contagem, etc?
69
Coluna Calculada x Medida
A 80 20 0,25
SUM SUM SUM
A 120 36 0,30 Produto
Venda Lucro Margem
B 50 5 0,10 A 300 66 0,65
B 100 20 0,20 B 230 35 0,425
B 80 10 0,125
[Margem Correta] =
SUM ( Tabela[Lucro] ) / SUM ( Tabela[Venda] )
Tabela[Margem] =
Tabela[Lucro] / Tabela[Venda]
70
Tecnicamente seria possível ignorar completamente
DAX se o máximo que precisássemos fossem
Somas, Médias, Contagens, etc.
71
Além disso, medidas Explícitas são mais indicadas para
serem utilizadas no Valor dos gráficos no lugar de
colunas, que geram medidas implícitas
72
Convenção de Nomenclatura
• Para acessar uma coluna de uma tabela sempre fazemos da forma Tabela[Coluna], o que
indica explicitamente que estamos acessando a Coluna da Tabela em questão
• Portanto:
– Colunas calculadas: Tabela[Coluna]
– Medidas: [Medida]
73
Contextos de Avaliação
Simples a primeira vista, mas que gera muita confusão em alguns casos
74
O que é um contexto de avaliação?
75
O que é um contexto de avaliação?
76
Fontes de um contexto
77
Fontes de um contexto
78
Perguntas:
79
Tipos de Contexto
Contexto de Filtro define quais linhas estão visíveis na tabela, podendo ser obtido por:
• Linhas
• Colunas
• Filtros do canvas
• Filtros laterais
Contexto de Linha possui o conceito de “linha atual” para cada iteração, sendo definido por:
• Colunas calculadas
• Iteradores
80
Funções Agregadoras
81
Funções Agregadoras
82
Iteradores
83
Iteradores
• Iteram linha a linha sobre uma determinada tabela e avaliam a expressão em cada linha,
agregando ao final o valor resultante das iterações
• Sintaxe: • Exemplo:
SUMX ( Total Custo =
< tabela >;
SUMX (
< expressão >
Vendas;
)
Vendas[Quantidade] * Vendas[Custo Unitário]
)
84
Buscando Valores em Outras Tabelas
85
Função RELATED
• Permite percorrer o relacionamento do lado N para o lado 1 (Fatos para Dimensões) a fim
de obter o valor de uma coluna da tabela Dimensão
• Utilizada em situações onde há um contexto de linha, como em uma coluna calculada ou
em funções iteradoras, como a SUMX
• Recebe uma coluna e retorna um único valor
Coluna Calculada:
Medida:
86
Calculando Médias
87
Calculando Médias
• Há duas funções muito importantes em DAX para o cálculo de médias, que são:
– AVERAGE
– AVERAGEX
• A diferença entre elas é que a primeira função possui apenas um contexto de filtro, e a segunda é uma
função iteradora e, por sua vez, adiciona um contexto de linha ao contexto de filtro
• Em ambos os casos podemos obter valores iguais fazendo a divisão entre o total e a quantidade de
observações desejadas, ou seja, calculando a média de forma manual. Exemplo:
– Média Vendas Diária v1 = AVERAGEX( Data; [Total Vendas] )
– Média Vendas Diária v2 = [Total Vendas] / DISTINCTCOUNT( Vendas[Data Venda] )
• Note que na v1 podemos utilizar diretamente a tabela Data, enquanto na v2 precisamos utilizar a coluna
Data Venda da tabela de Vendas para que sejam considerados apenas as datas que tiveram venda
• Assim, a versão 1 torna-se mais fácil quando não temos o campo desejado na tabela de vendas. Exemplo:
– Média Vendas Mensal = AVERAGEX( VALUES( Data[Mês/Ano] ); [Total Vendas] )
88
Vamos ver a diferença entre
AVERAGE e AVERAGEX
89
Funções de Tabela
90
Funções de Tabela
Geralmente são aplicadas como filtros e/ou como tabelas virtuais no meio de fórmulas.
Dificilmente são utilizadas para se gerar novas tabelas físicas em modelos bem estruturados, a
não ser para testes e para estudo de como funcionam.
• FILTER
• ALL, ALLSELECTED, ALLEXCEPT
• VALUES
• DISTINCT
• CROSSJOIN
• GENERATE
• SUMMARIZE
• ADDCOLUMNS
• SUMMARIZECOLUMNS
91
FILTER
• Iterador que vai linha a linha da tabela passada no primeiro argumento checando a condição do segundo
argumento. Ao final retorna uma tabela contendo apenas as linhas que satisfazem a condição:
FILTER(
< tabela >;
< filtro >
)
• Exemplo:
92
ALL
• Retorna uma tabela com todos os valores da(s) tabela(s) ou coluna(s) informada(s),
ignorando quaisquer filtros prévios existentes:
ALL (
< tabela > ou < coluna >
)
• Exemplo:
Todas as Vendas =
ALL ( Vendas[No. Venda] )
93
VALUES
• Retorna uma tabela com todos os valores da(s) tabela(s) ou coluna(s) informada(s),
respeitando quaisquer filtros prévios existentes:
VALUES (
< tabela > ou < coluna >
)
• Exemplo:
Todas as Vendas =
VALUES ( Vendas[No. Venda] )
94
ALL x VALUES
• A diferença entre ALL e VALUES só é percebida quando aplicamos a função a uma medida e
aplicamos diferentes filtros, como por exemplo:
95
Função CALCULATE
96
Relembrando Contextos de Avaliação
97
Função CALCULATE
CALCULATE (
< expressão >;
< filtro 1 >;
< filtro 2 >;
....;
< filtro n >
)
• Primeiro é feita a avaliação dos filtros internos e depois a avaliação da expressão para os filtros
aplicados
98
Função CALCULATE
• Os filtros do segundo argumento em diante são tabelas, porém podemos utilizar expressões boolenas como facilitador. Exemplo:
CALCULATE ( CALCULATE (
[Total Vendas] ; [Total Vendas] ;
FILTER ( FILTER (
ALL ( Vendas[Quantidade] ); Vendas;
Vendas[Quantidade] > 10 Vendas[Quantidade] > 10
) )
) )
99
Filtrando com CALCULATE
100
Filtrando com CALCULATE
• Resumindo:
• Primeiro deve-se avaliar quais as linhas da tabela Vendas estão visíveis através dos
contextos de filtro presentes
• Após isso aplica-se um novo filtro à tabela através do filtro no segundo argumento, que
restringe a quantidade de linhas por onde a expressão será avaliada
101
Removendo Filtros da CALCULATE com ALL
• Ambas são muito úteis para calcular porcentagem de contribuição de cada categoria no total
102
Removendo Filtros da CALCULATE com ALL
103
Removendo Filtros da CALCULATE com ALL
• Resumindo:
104
Combinando Filtros
• Exemplo:
• A função ALL remove todos os filtros da tabela Vendas, e na sequência aplica-se um filtro
na coluna categoria em cima da tabela completa de Vendas
105
Combinando Filtros
106
Transição de Contexto
115
Transição de Contexto com CALCULATE
116
Transição de Contexto com CALCULATE
• Primeira tentativa:
AVERAGE ( Vendas[Valor Venda] )
117
Funções de Inteligência de Tempo
147
Funções Inteligência de Tempo
• Acumulado ao ano
• Acumulado ao trimestre
• Acumulado ao mês
• Mesmo período no último ano
• Mesmo período no último trimestre
• Mesmo período no último mês
148
Funções Inteligência de Tempo
• Sintaxe de mesmo período último ano (muito útil para calcular porcentagem de crescimento ao longo do tempo):
CALCULATE ( CALCULATE (
< expressão >; < expressão >;
DATEADD (
< coluna de data >; - 1; YEAR
= SAMEPERIODLASTYEAR (
< coluna de data >
) )
)
)
149
Funções Inteligência de Tempo
• É possível utilizar a função FILTER para acumular ao longo do período de tempo desejado:
150
Funções Inteligência de Tempo
151
Guia Visual para Total Acumulado
152
Qual o Total Acumulado em 30/12/2010?
Total Vendas ACC =
VAR DataAtual = MAX(Data[Data])
RETURN
CALCULATE(
[Total Vendas];
FILTER(
ALL(Data[Data]);
Data[Data] <= DataAtual
)
)
153
Variáveis
154
Variáveis
[Medida] =
[Medida] = VAR TotalVendas = SUM ( fVendas[Vendas] )
IF ( RETURN
SUM ( fVendas[Vendas] ) < 100; IF (
SUM ( fVendas[Vendas] ) * 1,25; TotalVendas < 100;
SUM ( fVendas[Vendas] ) * 0,90 TotalVendas * 1,25;
) TotalVendas * 0,90
)
155
Relacionamentos Especiais
156
Relação de Muitos para Muitos
• ATENÇÃO:
– JAMAIS RELACIONAR TABELAS FATO ENTRE SI
– UTILIZAR SEMPRE COM FILTRO UNIDERECIONAL
157
Filtros Bi-Direcionais
158
CROSSFILTER
• Sintaxe:
CROSSFILTER( <Coluna 1>; <Coluna 2>; <Direção> )
• <Direção>:
– ONE: considera o relacionamento do lado 1 para o lado N
– BOTH: considera o relacionamento nos dois sentidos
– NONE: elimina o relacionamento
159
USERELATIONSHIP
• Muito utilizado quando temos relacionamento de duas colunas na Fato para uma única
coluna na Dimensão, como “Data de Vendas” e “Data de Envio”, ou quando duplicamos
uma tabela Dimensão para comparação de dados da mesma Dimensão
• Sintaxe:
USERELATIONSHIP( <Coluna 1>; <Coluna 2> )
160
TREATAS
• Com isso conseguimos transferir o contexto de filtro de uma tabela para outra mesmo
sem a presença de um relacionamento entre elas
• Sempre que possível é preferível criar relacionamentos físicos, pois são mais eficientes que
relacionamentos virtuais
• Sintaxe:
TREATAS( < expressão tabela > ; < coluna target > )
161
Tipos de Medidas
162
Tipos de Medidas
• Medidas aditivas: medidas que permitem serem agregadas, como soma, média, contagem,
etc. Vendas, por exemplo, é aditiva em todas as dimensões.
• Medidas não-aditivas: medidas que não permitem serem agregadas, como contagem
distinta. A contagem distinta de um produto vendido em um ano não é a soma das
contagens distintas ao longo dos meses.
• Medidas semi-aditivas: são as mais complexas pois podem ser agregadas em certas
dimensões, mas não em outras. Geralmente é a dimensão tempo que não permite
agregação nessas medidas. O Total Acumulado em um mês, por exemplo, não é a soma do
Total Acumulado dos dias individuais, e sim o Total Acumulado do último dia do mês.
163
RANKX e TOPN
164
RANKX
• Muito útil para ranquear uma determinada categoria de acordo com uma expressão
• Sintaxe:
RANKX (
< tabela>;
< expressão >;
< opcionais >
)
165
RANKX
166
TOPN
• Função que retorna uma tabela com as TOP N linhas de uma tabela avaliada em uma
determinada expressão
• Sintaxe:
TOPN (
N,
< tabela >;
< expressão >;
< opcionais >
)
167
ADDCOLUMNS e
SUMMARIZECOLUMNS
168
ADDCOLUMNS
• É um iterador (contexto de linha) que adiciona uma coluna à uma tabela, avaliando uma
expressão para cada linha da tabela passada no primeiro argumento. O resultado é uma
tabela com uma ou mais colunas adicionadas à tabela original.
• Sintaxe:
ADDCOLUMNS (
< tabela >;
< nome da nova coluna 1 >; < expressão 1 >;
< nome da nova coluna 2 >; < expressão 2 >;
....
)
Atenção para o uso da
CALCULATE
169
ADDCOLUMNS
170
SUMMARIZECOLUMNS
171
SUMMARIZECOLUMNS x ADDCOLUMNS
SUMMARIZECOLUMNS ADDCOLUMNS
172
Trabalhando com Hierarquia Pai-Filho
173
Hierarquia Pai-Filho
174
Visualização de Dados
175
Storytelling com Dados
176
Por que Storytelling é Importante?
177
Ciência por Trás da Visualização de Dados
178
Recomendações para Visualização de Dados
179
Recomendação de Leitura
180
Antes x Depois
Dê destaque ao
que importa!
181
Antes x Depois
182
Antes x Depois
183
Antes x Depois
184
Antes x Depois
186
Guia de Referência de Visuais
187
Storytelling com Power BI
188
189
190
191
Visualizando Online
https://app.powerbi.com/view?r=eyJrIjoiMDA4Y
WIwZWEtMDE3ZS00YmFhLWE5YWMtODFlZWE
zNTU1ODNiIiwidCI6IjZjMGE1YjljLTA4OWEtNDk0
ZS1iMDVlLTcxNjEwOTgyOTA0NyIsImMiOjF9
192
Storytelling com Power BI
• Painel de seleção
• Painel de indicadores
• Perguntas e Respostas
• Detalhar (drill-through)
• Explicar aumento/diminuição
• Insights rápidos
• Desenvolvimento de layout
para mobile
193
Visual Customizado para Storytelling
194
Power BI Online:
Publicação e Compartilhamento
195
Planos do Power BI
196
Planos do Power BI (sem Premium)
Versão Versão Online Versão Online
Desktop Plano Free Plano Pro
Construir modelos e utilizar funções DAX
Construir relatórios
Construir dashboards
Publicar na Web
198
Espaços de Trabalho
199
Distribuição de Conteúdo
Edições no Espaço de Trabalho não são refletidas automaticamente no Aplicativos são mais recomendados pois é possível maior controle e
Aplicativo publicado. visibilidade, e também pois ao compartilhar um painel, qualquer mudança
feita é instantaneamente visualizada pelo usuário que recebeu o
Apenas um Aplicativo por Espaço de Trabalho. compartilhamento.
3. Publicando na Web 4. Embedando para sua organização 5. Embedando para seus clientes
Torna o relatório publicamente disponível para Destinado para incorporar conteúdos em Destinado para incorporar conteúdos em
qualquer um que possuir seu link. aplicações web que devem ser acessadas por aplicações web que devem ser acessados por
usuários que fazem parte da organização. usuários externos à organização.
Deve ser utilizado com extrema cautela e apenas
para dados públicos. Deve-se atribuir o Espaço de Trabalho à Geralmente utilizado no cenário de ISV, ou seja,
capacidade Premium para que usuários Free do para seus clientes.
Ideal para exibição de portfolios ou em websites de Power BI possam visualizar seu conteúdo, caso
empresa para exibir exemplos dos trabalhos. contrário apenas usuários Pro terão acesso. Pode ser adquirido diretamente na Azure, ao invés
do Office 365.
200
Distribuição de Aplicativos
201
Aplicativos
202
Compartilhamento - Aplicativos
203
Aplicativos
Obtendo Aplicativos
204
Aplicativo Mobile
205
Aplicativo Mobile
206
Conectando no Serviço do Power BI
207
Criação de um Modelo de Dados
• Para modelos menores e custos mais baixos a única opção é importar no PBI
208
Modelo de Dados Centralizado
• Opção 1:
– Enviar o arquivo PBIX para os usuários
– Ruim pois você acaba criando silos de dados
– Como manter os relatórios dos usuários atualizados?
• Opção 2:
– Conectar-se a um modelo de dados central publicado no serviço do Power BI
– Única versão da verdade
– Qualquer modificação realizada no modelo central é refletido nos relatórios que se conectam nele
– É preciso cuidar com manutenções, como mudança no nome de campos, para não quebrar os relatórios
conectados
209
Power BI Premium
210
O que é o Power BI Premium?
211
Atribuindo Plano Premium a um Espaço de Trabalho
212
Principal Vantagem do Power BI Premium
213
Planos do Power BI Premium
Planos EM Planos P
X
organização
Usuários Free, além das vantagens ao
Usuários Free que possuem conta no lado, podem também visualizar
AAD podem visualizar relatórios aplicativos e dashboards
embedados em aplicações SaaS, como compartilhados diretamente no portal
Sharepoint, Microsoft Teams, ou em online do Power BI
sua própria aplicação Web
214
Outras Vantagens do Power BI Premium
215
Quando Adquirir os Planos P do Power BI Premium?
• De um ponto de vista financeiro, quando seu aplicativo for distribuído para mais de
505 usuários finais que irão apenas visualizar relatórios (não irão editar):
– Acima de 505 usuários é mais vantajoso adquirir o Plano P1 e deixar todos eles com conta Free
– Abaixo de 505 usuários é mais vantajoso deixar todos eles com a conta Pro
– $9,90 x 505 usuários = $4.999,50 por mês
P1 8 25GB $4.995
P2 16 50GB $9.995
P3 32 100GB $19.995
216
Quando Adquirir os Planos P do Power BI Premium?
217
Quando Adquirir os Planos EM do Power BI Premium?
• Quando os usuários possuírem conta no seu AAD e você quiser incorporar seu
relatório em aplicações Web para mais de 63 usuários finais
– Acima de 63 usuários é mais vantajoso adquirir o Plano EM1 e deixar todos eles com conta Free
– Abaixo de 63 usuários é mais vantajoso deixar todos eles com a conta Pro
– $9,90 x 63 usuários = $623,70 por mês
218
Planos do Power BI (com Premium)
Versão Versão Online Versão Online
Desktop Plano Free Plano Pro
Construir modelos e utilizar funções DAX
Construir relatórios
Construir dashboards
Publicar na Web
Premium EM Premium P
219
Power BI Embedded
220
Power BI Embedded
• O usuário tem acesso aos conteúdos diretamente pela aplicação, ao invés de utilizar o
portal online do Power BI
221
Fluxo Power BI Embedded
5 6
iFrame
Serviço do
Navegador 4
4 Power BI
3
Aplicação
Web
1
2
Azure AD
222
Cenários para Embedar Conteúdo
X
AAD e tenham conta do Power BI.
Não necessita que usuários estejam listados
Conta do usuário é utilizada na autenticação. no AAD e eles não precisam de conta no
Power BI. A aplicação controla os acessos.
Permite que os usuários acessem também o
portal do Power BI, visto que eles tem conta Conta do usuário Master é utilizada na
no Power BI. autenticação.
225
Segurança a Nível de Linha (RLS)
226
Segurança a Nível de Linha (RLS)
• Cria-se uma função no Power BI Desktop através da aplicação de um filtro que irá restringir os
dados no nível de linha
227
Segurança a Nível de Linha (RLS)
• Selecione a tabela à qual você deseja aplicar a regra e insira a expressão DAX
– Esta expressão deve retornar TRUE ou FALSE
228
Segurança a Nível de Linha (RLS)
• Ao publicar este relatório no serviço do Power BI, será necessário atribuir os usuários finais às
funções criadas no Power BI Desktop
• Para gerenciar a segurança no modelo de dados, deve-se ir à aba “Conjunto de dados”, clicar
nas reticências e depois em “Segurança”
229
Gateway de Dados Local
230
Gateway de Dados Local
• Ele funciona como uma ponte fornecendo uma transferência de dados rápida e segura
entre os dados locais e os serviços do Power BI na nuvem
231