Análise de Dados no Power BI

Executar análise no Power BI

Introdução à análise

Curiosidade
A análise abrange as práticas emergentes, 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.

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.

Por exemplo, imagine 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 uma análise avançada e possivelmente
obter uma resposta muito mais rápida. O visual é tão bom quanto os dados que
você fornece, logo 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, ajudar as organizações
a tomar melhores decisões empresariais e criar resultados acionáveis e
significativos.

Tradicionalmente, a análise de dados era uma tarefa complexa, realizada por

engenheiros. Hoje, ela 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, e 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.

Lembre-se, de que poderá 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.

Pronto para começar? Então siga adiante.

Explorar o resumo estatístico

Os dados são frequentemente entrelaçados com estatísticas, pois elas 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

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
apresentado na imagem abaixo. Confira!

Captura de tela das funções estatísticas.

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:
 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 abaixo.
Você também pode usar o visual de P e R para fazer uma pergunta direta sobre os
itens superiores ou inferiores em uma lista.

Cap
tura de tela dos gráficos de área e da barra do Power BI.

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.

Para fazer isso, 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 seguindo as etapas abaixo:

 Etapa 1
Renomeie o grupo como Compartimentos de Pedido (Buckets).
 Etapa 2
Defina a opção Tipo de grupo como Compartimento e a opção Tipo de
Compartimento como Número de compartimentos.
 Etapa 3
Insira 5 como a Contagem de compartimentos, 1 como o Valor mínimo e 44 e
o Valor máximo.

Captura
de tela da adição de grupos para histogramas.
 Etapa 4
Após a etapa 3, preencha o visual da seguinte maneira:

Arraste e solte o campo OrderQty do painel Campos no campo Valor no

painel Visualizações.
 Etapa 5
Arraste e solte o grupo Compartimentos do Pedido (Buckets) do
painel Campos para o campo Eixo no painel Visualizações.

Captura de tela de configuração de um gráfico de barras para pedidos de Qtd. por

tamanho de compartimento.
Após realizar essas etapas, note que o visual agora mostra que os dados são
agrupados em buckets no eixo x, com as quantidades do pedido dessa variável no eixo
y.
Observe que 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.
Continue sua leitura e veja como utilizar cada uma delas.

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.
Para adicionar a visualização de P e R ao relatório, reposicione o visual e personalize a
formatação conforme necessário.
Captura de tela da adição da visualização de P e R.

Agora você pode usar o visual para obter respostas. Neste caso, você quer saber quais
são os 10 produtos mais vendidos, portanto insira uma pergunta como "Quais são os
10 produtos mais vendidos?"

O Power BI exibirá automaticamente os seguintes resultados para você.

Captura de tela do uso da visualização P e R para localizar os N principais.

Usar um tipo de filtro de N superiores

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

Para utilizá-lo, selecione o campo que 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.
Note que o visual é atualizado.

Captura de tela do uso do tipo de filtro para localizar os N principais.

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.

Para fazer isso, 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, utilizando a seguinte fórmula:

Observe que a imagem abaixo, mostra os 10 principais produtos & o total de

vendas, para fins de comparação.
 Captura de tela
do uso da função DAX TOP N para calcular os 10 Principais Produtos.

Lembre-se, que você pode ajustar a fórmula DAX para apresentar o mesmo resultado
em percentuais.
Saiba Mais!

Você pode obter mais informações sobre as funcionalidades estatísticas do Power BI,
por meio do link Funções Estatísticas – DAX

Identificar exceções com visuais do Power BI

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.

Imagine que você está analisando dados para um depósito de expedição. Note 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 algumas perguntas sobre a exceção, veja quais:

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 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 tiver identificado as exceções em seus dados, poderá usar segmentações ou
filtros para realçar essas exceções. Além disso, poderá adicionar uma legenda em seus
visuais, para que as exceções possam ser identificadas entre os outros dados. Em
seguida, você pode analisar os dados de exceção para 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.

Captura de tela da adição de campos para popular um gráfico

de dispersão.

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

de seu interesse nas seções do eixo X e eixo Y, respectivamente.
Nesse caso, o campo Pedidos Enviados está no eixo X e no campo Qtd Pedidos,
no eixo Y.
Observe que o visual será atualizado para exibir os dados de acordo com os campos
selecionados, e você poderá identificar claramente as exceções nesses dados: Observe
que são os itens isolados que estão longe da maior parte dos dados.

Ca
ptura de tela de um gráfico de dispersão com exceções.

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, utilizando a seguinte fórmula:

Veja que no código é utilizado a Order Qty que é uma medida na tabela Sales, e Min
Qty que refere-se à menor quantidade de pedidos na tabela Sales.
 Tela da seleção de campos lógicos de exceção a serem
usados em um gráfico de dispersão.

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, se lembra?

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.
Tela de um gráfico de dispersão para popular exceções.

Agora, siga em frente e veja como agrupar e compartimentalizar dados para a análise
que está realizando. Até lá!

Agrupar e compartimentalizar dados para análise

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 ajudará
a orientar as decisões empresariais.
Por exemplo, a equipe de atendimento ao cliente deu um retorno à você muito
impressionada com a análise que 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.

Veja como fazer isso.

Criar um grupo

A imagem abaixo 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 quer 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 escolha a opção Agrupar dados.

T
ela da propriedade Agrupar dados em uma visualização.

Quando o grupo for criado, repare que o visual é atualizado para levar em conta o
novo grupo. A imagem abaixo 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.
Tela da visualização atualizada com agrupamento.

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 solte no visual no qual você
deseja usá-lo.

Muito simples não é mesmo? Agora, veja como editar esse grupo. Acompanhe.

Editar um grupo

Continuando no 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 abaixo 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.
 Tela
da edição de grupos e membros em um grupo.

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

Criar grupos de compartilhamentos

O processo de compartimentalização permite que você agrupe seus dados numéricos e

do campo hora em "compartimentos" de tamanho igual. Essa abordagem permite
visualizar e identificar tendências em seus dados de maneiras mais significativas. A
compartimentalização permite que você dimensione, de maneira correta, os dados
exibidos pelo Power BI Desktop.
Por exemplo, você precisa criar compartimentos (grupos) para o campo Quantidade
de Pedidos. Para fazer isso, comece no painel Campos, clicando com o botão direito
do mouse no campo Quantidade de 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.
 Tela
de um grupo de compartilhamentos denominado Qtd. de Pedidos (Compartimentos).

Quando você tiver configurado o grupo de compartimentos, verá um novo campo no

painel Campos (compartimentos) acrescentado ao seu nome. Então poderá
arrastar esse campo para a tela, para usar o tamanho do compartimento em um
visual.

Aplicar técnicas de clustering

O clustering permite que você identifique um segmento (cluster) de dados que são
semelhantes entre si, mas diferentes do restante dos dados.

Atenção! 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.

Para fazer isso, adicione a visualização de gráfico de dispersão ao seu relatório, em

seguida acrescente os campos necessários ao visual.

Neste exemplo, insira 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 abaixo mostra dados consideráveis no gráfico de dispersão, deste modo é
difícil discernir grupos naturais.

Captura de tela do Gráfico de dispersão com os Nomes de produtos.

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 que é exibida, você pode editar o nome padrão, o campo e a
descrição, se necessário. Contudo, neste exemplo, você quer alterar o número
de clusters.

Note que 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.
Tela das configurações padrão na janela Clusters.

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.

Captura de tela de clustering aplicada ao gráfico de dispersão.

Observe que 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.

Tela da exibição de edição de clusters para o Nome do Produto (Clusters).

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

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

Chegou o momento de aprender a conduzir análises de série temporal. Selecione o

botão Avançar e confira.

Conduzir análise de série temporal

Curiosidade
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, de forma 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.

Essa análise também envolve, geralmente, 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.
No exemplo apresentado abaixo, será utilizado 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.
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.
 Tela da opção de Eixo de Reprodução no Gráfico de
dispersão.

Considere o cenário em que 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.

Observe abaixo que nesse caso, o campo Pedidos Enviados está no eixo X e no
campo Qtd Pedidos, no eixo Y.

Captura de tela dos gráficos de Dispersão e de Linha.

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

visuais.

Para isso, 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).
 Tela da importação do visual do Eixo de Reprodução personalizado para o Power BI
Desktop.

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. Lembre-se de selecionar a página e o ícone Eixo de
Reprodução para adicionar esse visual à página.
Com o novo visual selecionado, escolha o campo (Trimestre) que você deseja usar
como a segmentação na animação Eixo de Reprodução.

Observe como ficam disponíveis os controles de animação no visual.

Tela dos botões de reprodução na animação visual do Eixo.

Você pode, ainda, redimensionar e reposicionar o novo visual, e personalizar a

formatação dele de modo que seja consistente com os outros visuais na página.

Veja no recurso abaixo, algumas opções de formatação específicas que você pode
usar:

 Configurações de Animação
 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.

 Cores
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.

 Habilitar Legenda
A seção Habilitar Legenda 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.

Captura de tela animada do visual do eixo de reprodução.

Seu relatório está cada vez mais personalizado! Siga em frente e veja como pode
utilizar, da melhor maneira, o recurso Analisar.

Usar o recurso Analisar

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 deseja 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.
Mas atenção, esse recurso não funcionará se você tiver filtros não numéricos aplicados
ao visual, e/ou tiver filtros de medidas aplicados.
Por 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.

Tela da visualização com a opção de análise realçada

Em seguida, selecione a opção Explicar o aumento, e uma janela é exibida com um

novo visual, conforme ilustrado na imagem abaixo.
 Tela da visualização com a análise.

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

Saiba Mais!

Caso precise, você pode obter mais informações sobre o recurso Analisar, no
link Aplicar insights no Power BI Desktop para detectar as variações das
distribuições.

Usar visuais personalizados de análise avançada

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 ser que exista 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.
Fique Atento! Algumas organizações preferem não usar visuais personalizados, ou
permite 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. Dessa forma, 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.

Tela da adição de um visual personalizado de análise avançada.

Quando o visual tiver sido importado, um ícone para o novo visual personalizado será
exibido sob os outros ícones visuais no painel Visualizações.
 Tela
da adição de um visual personalizado do gráfico de variância ao relatório.

Então você pode adicionar campos ao novo visual e personalizá-lo da mesma maneira
que faria com qualquer outro visual. Para este exemplo, adicione País ao
campo Categoria, Vendas Brutas ao campo Valor Primário e Vendas
Líquidas ao campo Valor de Comparação.

Em seguida, você vai 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.

Tela da configuração de um visual personalizado de análise avançada.

Selecione o botão Avançar e veja como examinar insights rápidos em seus relatórios.

Examinar insights rápidos

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.
Fique ligado! 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.
Veja como fazer isso.
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.

Tela do botão de reticências com a opção 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.
 Tela da
mensagem Os insights estão prontos.

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. Essa
página contém 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 abaixo.

Tela do cartão insights Rápidos da Contagem do Produto.

Adicionar um cartão de resultados de insights rápidos a um dashboards

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
abrirá no modo de Foco.

Tela do modo de foco dos insights Rápidos.

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.
Agora, para complementar seu aprendizado, veja como aplicar insights da IA. Até lá!

Aplicar insights da IA
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.
Continuando 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.
Atenção! A capacidade Premium é necessária para usar as opções Análise de
Texto e Visão.

Tela das opções de insights da IA no Editor do Power Query.

Caso você não visualize essas opções, precisará habilitar o recurso insights da IA nas
configurações do Power BI Desktop.
Para isso, 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.
Tela do recurso Habilitar insights da IA.

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.
Até aqui, você aprimorou seus relatórios e o dashboard que criou
anteriormente, para permitir aos usuários em sua organização, fazerem mais
perguntas e encontrarem mais informações específicas para as equipes e os contextos
de trabalho deles. 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 também realizou uma análise de série temporal de seus dados, para ver
como eles progrediram ao longo do tempo para que seja possível fazer observações e
prever o comportamento. Além disso, usou o recurso Analisar para fazer o Power
BI explicar os aumentos e mostrar as diferenças na distribuição dos seus dados.
Em seguida, criou visuais personalizados que ajudaram a resolver outros
problemas empresariais e a exibir dados de maneiras mais aprimoradas e animadas.
Retornou ao Power BI para verificar se havia insights rápidos em seus dados que
ainda não haviam sido descobertos, e encontrou 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.
 O que você acha de fazer um teste rápido do que aprendeu até este ponto? Selecione
o botão avançar e confira!

Quiz

Olá, antes de finalizar o primeiro módulo, vamos testar seus conhecimentos?

Leia atentamente a questão, escolha a alternativa correta e clique no

botão Confirmar, para obter o feedback, antes de avançar para a próxima questão.
Boa sorte!
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.
Confirmar

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.

Confirmar

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.

Confirmar

Recapitulando

Você chegou ao final do primeiro módulo! Aqui, 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.
O que acha de fazermos um resumo dos principais tópicos que você estudou? Então,
vamos recapitular!

 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