Dicas e truques para criar relatórios no Power BI Desktop

Para aproveitar ao máximo seus dados, às vezes você precisa de uma ajuda extra. Este artigo tem dicas e truques para criar relatórios no Microsoft Power BI Desktop. Essas dicas também funcionam nas edições do Microsoft Excel 2016 ou Excel 2013 Pro-Plus com o suplemento do Power Pivot habilitado e o Power Query instalado e habilitado.

Saiba como usar o Editor de Consultas

Editor de Consultas no Power BI Desktop é semelhante à funcionalidade de suplemento do Power Query no Excel 2013. Embora haja vários artigos úteis no Suporte do Power BI, talvez você também queira ler a documentação do Power Query em support.office.com para começar.

Você pode obter mais informações no Centro de Recursos do Power Query.

É possível também exibir a Referência de Fórmula.

Tipos de dados no Editor de Consultas

O Editor de Consultas no Power BI Desktop carrega dados fazendo uma detecção de tipo de dados de melhor estimativa. Com fórmulas, as configurações de tipo de dados em colunas às vezes não são preservadas. Confirme se o tipo de dados das colunas está correto após fazer as seguintes operações: Carregar dados inicialmente no Editor do Power Query, Primeira Linha como Cabeçalho, Adicionar coluna, Agrupar por, Mesclar, Anexar; antes de carregar os dados pela primeira vez.

Lembre-se: o uso de itálico na grade de dados não significa que o tipo de dados está definido corretamente, isso só significa que os dados não são considerados como Texto.

Consultas de referência no Editor de Consultas

No navegador do Editor de Consultas no Power BI Desktop, quando você clica com o botão direito do mouse em uma das consultas, uma opção para Referência fica disponível. Isso é útil pelo seguinte motivo:

• Quando você usa arquivos como fonte de dados para uma consulta, o caminho absoluto para o arquivo é armazenado na consulta. Ao compartilhar ou mover um arquivo do Power BI Desktop ou pasta de trabalho do Excel, você economiza tempo ao atualizar os caminhos e o arquivo ou a pasta de trabalho uma vez em vez de atualizar os caminhos.

Por padrão, todas as consultas são carregadas no modelo de dados. Algumas consultas são etapas intermediárias e não se destinam aos usuários finais. Quando você faz referência a consultas conforme mencionado anteriormente, geralmente esse é o caso. Você pode controlar o comportamento do carregamento da consulta clicando com o botão direito do mouse no Navegador e alternando a opção Habilitar carregamento. Quando a opção Habilitar carregamento não tiver uma marca de seleção ao lado dela, a consulta ainda estará disponível no Editor do Power Query e você poderá usá-la com outras consultas. Isso é especialmente útil na combinação com transformações de Mesclagem, Acréscimo e Referência. No entanto, já que os resultados da consulta não são carregados no modelo de dados, a consulta não agrupará a lista de campo dos relatórios ou o modelo de dados.

Gráficos de dispersão precisam de um identificador de ponto

Veja um exemplo de uma tabela simples de Temperaturas e da Hora em que a leitura foi realizada. Se você fizer a plotagem diretamente em um gráfico de dispersão, o Power BI agregará todos os valores em um único ponto. Para mostrar pontos de dados individuais, você deve adicionar um campo ao bucket de Detalhes na lista de campos. Uma maneira simples de fazer isso no Power BI Desktop é no Editor do Power Query usando a opção Adicionar coluna de índice na faixa de opções Adicionar Coluna.

Linhas de referência em seu relatório

Você pode usar uma coluna calculada no Power BI Desktop para definir uma linha de referência. Identifique a tabela e coluna nas quais você deseja criar uma linha de referência. Na guia Página Inicial selecione Nova coluna na faixa de opções e, na barra de fórmulas, digite o seguinte:

Target Value = 100

Esta coluna calculada retornará o valor 100, independentemente de onde ele for usado. A nova coluna aparecerá na Lista de Campos. Adicione a coluna calculada do Valor de Destino a um gráfico de linhas para mostrar como qualquer série se relaciona a essa linha de referência específica.

Classificar por outra coluna

Quando você usa um valor categórico (cadeia de caracteres) no Power BI para os eixos de gráfico ou em uma segmentação de dados ou filtro, a ordem padrão é alfabética. Se precisar substituir essa ordem, por exemplo, para elementos como dias da semana ou meses, você poderá especificar que o Power BI Desktop classifique por uma coluna diferente. Para obter mais informações, confira Classificar uma coluna por outra coluna no Power BI.

Como criar mapas mais facilmente com dicas do Bing

O Power BI é integrado ao Bing para fornecer as coordenadas de mapa padrão, em um processo chamado codificação geográfica, para facilitar a criação de mapas. O Bing usa algoritmos e dicas para tentar obter o local certo, mas é sua melhor estimativa. Para aumentar a probabilidade de uma codificação geográfica correta, você pode usar as seguintes dicas:

Ao criar um mapa, geralmente, você pretende plotar regiões/países, estados e cidades. No Power BI Desktop, se você nomear as colunas após a designação geográfica, o Bing poderá localizar melhor o que você deseja exibir. Por exemplo, se você tiver um campo de nomes de Estados dos EUA, como “Califórnia” e “Washington”, o Bing poderá retornar o local de Washington, DC, em vez do Estado de Washington para a palavra “Washington”. Nomear a coluna "Estado" melhora a codificação geográfica. O mesmo acontece com colunas nomeadas "País ou Região" e "Cidade".

Algumas designações são ambíguas quando consideradas no contexto de vários países/regiões. Em alguns casos, o que um país/região considera um “estado” é tratado como uma “província”, um “condado” ou alguma outra designação. Você pode aumentar a precisão da codificação geográfica criando colunas que acrescentam vários campos em conjunto e usá-las para plotar locais de dados. Um exemplo seria transmitir “Wiltshire, Inglaterra” em vez de apenas “Wiltshire” para obter um resultado mais preciso de codificação geográfica.

Você pode fornecer locais específicos de latitude e longitude no Power BI Desktop ou no serviço Power BI quando quiser. Ao fazer isso, você também precisa passar um campo Local. Caso contrário, os dados serão agregados por padrão. Portanto, a localização da latitude e longitude pode não corresponder ao esperado.

Categorizar campos geográficos para fornecer dicas de codificação geográfica do Bing

Outra maneira de assegurar que os campos sejam codificados geograficamente de maneira correta é definir a Categoria de Dados nos campos de dados. No Power BI Desktop, selecione a tabela desejada, vá para a faixa de opções Avançado e defina a Categoria de Dados como Endereço, Cidade, Continente, País/Região, Código Postal, Estado ou Província. Essas categorias de dados ajudam o Bing a codificar corretamente os dados. Para saber mais, confira Especificar categorias de dados no Power BI Desktop.

Melhor codificação geográfica com locais mais específicos

Às vezes, até mesmo a definição das categorias de dados para o mapeamento é insuficiente. Crie um local mais específico como um endereço usando o Editor de Consultas no Power BI Desktop. Use o recurso Adicionar Coluna para criar uma coluna personalizada. Em seguida, crie o local desejado da seguinte maneira:

= [Field1] & " " & [Field2]

Em seguida, use este campo resultante nas visualizações de mapa. Isso é útil para construir endereços de rua a partir de campos de endereço de entrega que são comuns em conjuntos de dados. Vale lembrar que a concatenação funciona apenas com campos de texto. Se necessário, converta o número da rua em um tipo de dados de texto antes de usá-lo para criar um endereço.

Histogramas no estágio de consulta

Há várias maneiras de criar histogramas no Power BI Desktop:

Histogramas Mais Simples: determine qual consulta contém o campo no qual você deseja criar um histograma. Use a opção Referência da consulta para criar uma nova consulta e nomeie-a como FieldName Histogram. Use a opção Agrupar por na faixa de opções Transformar e selecione a agregação contagem de linhas. Verifique se o tipo de dados é um número para a coluna agregada resultante. Em seguida, visualize esses dados na página de relatórios. Esse histograma é rápido e fácil de criar, mas não funciona bem se você tiver muitos pontos de dados e não permite a passagem de pincel pelos visuais.

Definição de buckets para criar um histograma: determine qual consulta contém o campo no qual você deseja criar um histograma. Use a opção Referência da consulta para criar uma nova consulta e nomeie-a como FieldName. Agora, defina os buckets com uma regra. Use a opção Adicionar Coluna Personalizada na faixa de opções Adicionar Coluna e crie uma regra personalizada. Uma regra da segmentação simples pode ter esta aparência:

if([FieldName] \< 2) then "\<2 min" else
if([FieldName] \< 5) then "\<5 min" else
if([FieldName] \< 10) then "\<10 min" else
if([FieldName] \< 30) then "\<30 min" else
"longer")

Verifique se o tipo de dados é um número para a coluna agregada resultante. Agora você pode usar o grupo pela técnica descrita no Histograma Mais Simples para obter o histograma. Essa opção trata de mais pontos de dados, mas ainda não ajuda com a varredura.

Definição de um histograma que dê suporte à varredura: varredura é quando os visuais são vinculados para que, quando um usuário selecionar um ponto de dados em um elemento visual, os outros elementos visuais na página do relatório realcem ou filtrem pontos de dados relacionados ao ponto de dados selecionado. Como você está manipulando dados no momento da consulta, é necessário criar um relacionamento entre as tabelas e garantir que você saiba qual item detalhado está relacionado ao bucket no histograma e vice-versa.

Inicie o processo usando a opção Referência na consulta que contém o campo no qual você deseja criar um histograma. Nomeie a nova consulta “Buckets”. Neste exemplo, vamos chamar a consulta original de Detalhes. Em seguida, remova todas as colunas, exceto a coluna que deseja usar como depósito para o histograma. Agora use o recurso Remover Duplicatas na consulta. O recurso está no menu que aparece ao clicar no botão direito do mouse quando você seleciona a coluna. Portanto, os valores restantes são os valores exclusivos na coluna. Se você tiver números decimais, poderá primeiro usar a dica para definir buckets para criar um histograma para obter um conjunto gerenciável de buckets. Agora, verifique os dados mostrados na visualização da consulta. Se você vir valores nulos ou em branco, precisará corrigi-los antes de criar uma relação. O uso dessa abordagem pode ser problemático devido à necessidade de classificação.

A próxima etapa do processo é definir uma relação entre as consultas de Buckets e Detalhes na coluna de buckets. No Power BI Desktop, selecione Gerenciar Relações na faixa de opções. Crie uma relação em que Buckets está na tabela esquerda e Detalhes na tabela direita e selecione o campo que você está usando para o histograma.

A última etapa é criar o histograma. Arraste o campo Bucket da tabela Buckets. Remova o campo padrão do gráfico de colunas resultante. Agora, na tabela Detalhes, arraste o campo de histograma até o mesmo elemento visual. No lista do campo, altere a agregação padrão para Contar. O resultado é o histograma. Se você criar outro elemento visual como um treemap da tabela de Detalhes, selecione um ponto de dados no treemap para ver o histograma realçado e mostrá-lo para o ponto de dados selecionado em relação à tendência de todo o conjunto de dados.

Histogramas

No Power BI Desktop, é possível usar um campo calculado para definir um Histograma. Identifique a tabela e coluna nas quais você deseja criar um histograma. Na área de cálculo, digite a seguinte fórmula:

Frequência:=COUNTROWS(<Nome da Coluna>)

Salve as alterações e retorne ao relatório. Adicione o <Nome da Coluna> e a Frequência a uma tabela e converta-os em um gráfico de barras. Certifique-se de que o <Nome da Coluna> está no eixo x e que o campo Frequência calculado está no eixo y.

Dicas e truques para criar relações no Power BI Desktop

Geralmente, ao carregar conjuntos de dados detalhados de várias fontes, problemas como valores nulos, valores em branco ou valores duplicados impedem que você crie relações.

Vejamos um exemplo com conjuntos de dados carregados de solicitações ativas de suporte ao cliente e outro conjunto de dados de itens de trabalho que possuem esquemas como segue:

CustomerIncidents: {IncidentID, CustomerName, IssueName, OpenedDate, Status} WorkItems: {WorkItemID, IncidentID, WorkItemName, OpenedDate, Status, CustomerName }

Ao rastrear todos os incidentes e itens de trabalho relacionados a um CustomerName específico, você não pode simplesmente criar um relacionamento entre esses dois conjuntos de dados. Alguns WorkItems podem não estar relacionados a um CustomerName, portanto, esse campo estaria em branco ou seria NULL. Pode haver vários registros em WorkItems e CustomerIncidents para um determinado CustomerName.

Criar relações no Power BI Desktop quando os dados contêm valores nulos ou em branco

Os conjuntos de dados geralmente contêm colunas com valores nulos ou em branco. Isso pode causar problemas ao tentar usar relações. Basicamente, você tem duas opções para solucionar os problemas.

1. É possível remover as linhas com valores nulos ou em branco. Você pode fazer isso usando o recurso de filtro no Editor do Power Query ou, se você está mesclando consultas, selecionando a opção "manter apenas as linhas correspondentes".
2. Como alternativa, você pode substituir os valores nulos ou em branco por valores que funcionam em relações, normalmente cadeias de caracteres como “NULL” e “(Blank)”.

Não há abordagem certa aqui. Filtrar linhas no estágio de consulta remove as linhas e pode afetar os cálculos e as estatísticas de resumo. A substituição de valores preserva as linhas de dados, mas pode fazer com que linhas não relacionadas apareçam no modelo, levando a erros de cálculo. Se você adotar essa segunda opção, lembre-se de usar filtros na Exibição/Gráfico onde for apropriado para garantir que está obtendo resultados precisos. Mais importante, avalie quais linhas são mantidas/removidas e entenda o efeito geral na análise.

Criar relações no Power BI Desktop quando os dados contêm valores duplicados

Geralmente, ao carregar conjuntos de dados detalhados de várias fontes, valores de dados duplicados impedem que você crie relações. Você pode resolver isso criando uma tabela de dimensões com os valores exclusivos de ambos os conjuntos de dados.

Vejamos um exemplo com conjuntos de dados carregados de solicitações ativas de suporte ao cliente e outro conjunto de dados de itens de trabalho que possuem esquemas como segue:

CustomerInicdents: {IncidentID, CustomerName, IssueName, OpenedDate, Status} WorkItems: {WorkItemID, IncidentID, WorkItemName, OpenedDate, Status, CustomerName }

Ao rastrear todos os incidentes e itens de trabalho relacionados a um CustomerName específico, você não pode simplesmente criar um relacionamento entre esses dois conjuntos de dados. Alguns WorkItems podem não estar relacionados a um CustomerName, portanto, esse campo estaria em branco ou seria NULL. Se você tem todos os valores nulos ou em branco na tabela CustomerNames, talvez você ainda não consiga criar uma relação. Pode haver vários WorkItems e CustomerIncidents para um único CustomerName.

Para criar uma relação, nesse caso, primeiro crie um conjunto de dados lógico de todos os CustomerNames entre os dois conjuntos de dados. No Editor do Power Query, você pode usar a seguinte sequência para criar o conjunto de dados lógicos:

1. Duplique duas consultas, nomeando a primeira Temp e a segunda CustomerNames.
2. Em cada consulta, remova todas as colunas, exceto a coluna CustomerName
3. Em cada consulta, use Remover Duplicar.
4. Na consulta CustomerNames , selecione a opção Acrescentar na faixa de opções e, em seguida, selecione a consulta Temp.
5. Na consulta CustomerNames , selecione Remover Duplicatas.

Agora você tem uma tabela de dimensões que pode ser usada para relacionar CustomerIncidents e WorkItems e que contém todos os valores de cada um.

Padrões para acelerar seu uso do Editor de Consultas

O Editor de Consultas é poderoso em como ele pode manipular, moldar e limpar dados para que os dados estejam prontos para serem visualizados ou modelados. Existem alguns padrões que você deve conhecer

As colunas temporárias podem ser excluídas após o cálculo de um resultado

Geralmente, você precisa criar um cálculo no Power BI Desktop que transforma dados de várias colunas em única nova coluna. Isso pode ser complexo. Decompor a operação em etapas é uma forma fácil de resolver esse problema.

• Duplicar as colunas iniciais.
• Crie as colunas temporárias.
• Crie uma coluna para o resultado final.
• Exclua as colunas temporárias para que o conjunto de dados final não seja agrupado.

Isso é possível porque o Editor do Power Query executa as etapas em ordem.

Duplicar ou referenciar consultas seguidas de mesclagem na consulta original

Às vezes é bastante útil computar estatísticas de resumo para um conjunto de dados. A forma mais fácil de fazer isso é duplicar ou fazer referência à consulta no Editor do Power Query. Em seguida, use Agrupar por para calcular as estatísticas de resumo. As estatísticas de resumo ajudam você a normalizar os dados nos dados originais para que eles sejam mais comparáveis. Isso é especialmente útil para comparar valores individuais com o todo. Para fazer isso, vá para a consulta original e selecione a opção de mesclagem. Em seguida, mescle os dados da consulta de estatísticas de resumo que corresponde aos identificadores apropriados. Agora você está pronto para normalizar os dados conforme necessário para a sua análise.

Usar o DAX pela primeira vez

DAX é a linguagem de fórmula de cálculo no Power BI Desktop. Ele é otimizado para a análise de BI. O DAX pode atuar de forma um pouco diferente do que você tem familiaridade caso esteja usado apenas uma linguagem de consulta padronizada como SQL. Há bons recursos online e na literatura para aprender sobre o DAX.

Aprenda as noções básicas do DAX no Power BI Desktop

Linguagem DAX (Data Analysis Expressions)

Central de recursos do DAX

Serviço do Power BI e Power BI Desktop

Leia ou assista "Como criar relatórios (e dashboards) visualmente impressionantes no Power BI"

O membro da comunidade Miguel Myers é cientista de dados e designer gráfico.

• Ler o blog
• Assistir ao webinar

Considere seu público-alvo

Quais são as principais métricas que ajudarão seu público a tomar decisões? Como o relatório será usado? Quais suposições aprendidas ou culturais podem afetar nas opções de design? Quais informações o público-alvo precisa para ser bem-sucedido?

Onde o relatório será exibido? Se ele estiver em um monitor grande, você pode colocar mais conteúdo nele. Se os leitores o visualizarem em seus tablets, um menor número de visualizações terá maior legibilidade.

Conte uma história e mantenha-o na tela

Cada página do relatório deve contar uma história em uma visão rápida. É possível evitar as barras de rolagem nas suas páginas? O relatório está muito confuso ou muito sobrecarregado? Remova informações que não são essenciais que podem ser facilmente lidas e interpretadas.

Adicione as informações mais importantes ao seu painel

Se o texto e visualizações na sua página de relatório são do mesmo tamanho, os leitores terão dificuldade para se concentrar no que é mais importante. Por exemplo, as visualizações de cartão são uma boa maneira de exibir um número importante em destaque:

Mas não se esqueça de fornecer contexto.

Use recursos como caixas de texto e dicas de ferramenta para adicionar contexto a suas visualizações.

Colocar as informações mais importantes no canto superior

A maioria das pessoas leem de cima para baixo, colocando o nível mais alto de detalhes na parte superior e mostrando mais detalhes à medida que você move na direção que o público-alvo usa para ler (esquerda para direita, direita para esquerda).

Usar a visualização da direita para os dados e formatá-la para facilitar a leitura

Evite a variedade de visualização para fins diversos. As visualizações devem ter uma visão geral e ser fácil de "ler" e interpretar. Alguns dados e visualizações, uma visualização gráfica simples é suficiente. No entanto, outros dados podem pedir por uma visualização mais complexa. Lembre-se de fazer uso de títulos e rótulos e outras personalizações para ajudar o leitor.

• Tenha cuidado ao usar gráficos que distorçam a realidade, como gráficos em 3D e que não comecem em zero. Tenha em mente que é mais difícil para o cérebro humano interpretar formas circulares. Os gráficos de pizza e de rosca, ou medidores e outros tipos de gráfico circular podem parecer muito bons, mas será que você não deveria usar um visual diferente?
• Seja consistente com escalas de gráfico de eixos, ordenação de dimensão do gráfico e também as cores usadas para valores de dimensão em gráficos.
• Certifique-se de codificar os dados quantitativos perfeitamente. Não exceda numerais de três ou quatro ao exibir números. Exibir medidas com um ou dois números à esquerda do ponto decimal e escala de milhares ou milhões. Por exemplo, 3,4 milhões é mais legível que 3.400.000.
• Procure não misturar os níveis de precisão e tempo. Certifique-se de que períodos de tempo são bem compreendidos. Não é necessário um gráfico que tem o mês passado ao lado de gráficos filtrados de um determinado mês do ano.
• Além disso, evite misturar medidas grandes e pequenas na mesma escala, como em uma linha ou um gráfico de barras. Por exemplo, uma medida pode estar em milhões e outras medidas em milhares. Com uma escala tão grande, seria difícil ver as diferenças da medida que está em milhares. Se você precisar combinar, escolha uma visualização, como um gráfico de combinação, que permite o uso de um segundo eixo.
• Evite sobrecarregar os gráficos com rótulos de dados que não são necessários. Os valores em gráficos de barras, se forem grandes o suficiente, são normalmente compreendidos sem exibir o número real.
• Preste atenção em como os gráficos são classificados. Se você deseja chamar a atenção para o número mais alto ou mais baixo, classifique pela medida. Se você quiser que as pessoas possam localizar rapidamente uma categoria específica em muitas outras categorias, classifique pelo eixo.
• Gráficos de pizza são recomendados se eles tiver menos de oito categorias. Porque você não pode comparar valores lado a lado, é mais difícil comparar valores em um gráfico de pizza do que em gráficos de barras e colunas. Os gráficos de pizza pode ser bons para exibir relações de parte de inteiro em vez de comparar as partes. Gráficos de medidor são ótimos para exibir o status atual no contexto de uma meta.

Para obter diretrizes específicas da visualização, veja Tipos de visualização no Power BI.

Saiba mais sobre a Melhor Prática do Painel de Design

Alguns dos nossos livros favoritos incluem:

• Storytelling with Data por Cole Nussbaumer Knafic
• Data points por Nathan Yau
• The truthful Art por Alberto Cairo
• Now You See It de Stephen Few
• Envisioning Information de Edward Tufte
• Advanced Presentations Design por Andrew Abela

Conteúdo relacionado

• Criar relatórios efetivos no Power BI
• Conceitos básicos para designers no serviço do Power BI
• Relatórios no Power BI

Mais perguntas? Perguntar à Comunidade do Power BI