Posts

Neste artigo você encontrará, as melhores práticas que nós da uaiSmart consideramos para as atividades de importação de dados no Power BI.  Lembrando que essas recomendações servem também para o Power Pivot do Excel.

Nos seus modelos de dados no Power BI, considere sempre utilizar os nomes de forma intuitiva, padrão e quais colunas incluir. Isto lhe trará melhoras na interface e na performance deles.

Nem todas as práticas descritas poderão ser aplicadas a todos os modelos de dados. Será necessário então adaptar nossas sugestões conforme sua realidade. O mais importante é que você consiga passar sua mensagem em seus arquivos, então considere as vantagens e desvantagens de cada escolha.

 

Utilize nomes que façam sentido na importação de dados no Power BI

Tanto os nomes para as tabelas quanto para as colunas devem ser amigáveis, intuitivos e ter significado para quem utiliza o modelo.

Deve-se remover qualquer prefixo ou sufixo que existam nas tabelas ou colunas que dão origem aos dados importados. É comum ver prefixos como “tb”, “tbl”, “vw”. Não há necessidade destes na hora da importação de dados no Power BI. Assim é melhor ter uma tabela de nome “Clientes” do que “tb_Clientes”. Este nome pode ser necessário no banco de dados SQL, Oracle ou qualquer outro, para identificação e padronização, mas para o Power BI não. Quanto mais intuitivo e simples o nome melhor para identificar e trabalhar com ele.

Evite também abreviações, prefixos e sufixos nos nomes das colunas. Mas para casos de abreviações bastante conhecidas tudo bem, pois estas não causarão confusões. Exemplo, utilize “Total de Vendas” ao invés de “Ttl Vendas”, ou “# Vendas” ou “TotalVendas”. Você pode usar espaço, caracteres especiais ou letras com acentuação sem nenhum problema dentro da importação de dados no Power BI. A ideia é simplificar a vida de quem utiliza os modelos.

Nome da coluna na importação de dados no Power BI

 

Evite nomes repetidos ou parecidos nas colunas e medidas

Sempre carregue as colunas numéricas no modelo de dados utilizando nomes que não se confundam com as medidas. Caso não vá utilizar a coluna pura, oculte para que não apareça na Visualização de Relatório. Assim poderá criar à medida que utiliza aquela coluna com o nome que melhor descrever e não irá ficar repetindo, pois uma se manterá oculta.

Pense no nome da medida já de forma antecipada. Se quer apresentar o nome “Total de Vendas” como a soma de todas as vendas, então não use o nome como um nome de coluna. Se usar o nome de uma coluna como medida após a importação de dados no Power BI, este vai negar, pois não se pode ter o mesmo nome de coluna em medida.

Usar nomes tais como “Soma do Total de Vendas” para medidas não é uma boa solução. Nomes assim não soam bem.  Por exemplo, você pode importar o “Total de Vendas” como “Valor das Vendas” ou “ValorVendas” (sem espaços mesmo, já que vai ficar escondida). Assim crie a medida “Total de Vendas” a partir desta coluna e esta ficará à disposição do usuário.

Total de Vendas = SUM ( Vendas[ValorVendas] )

 

Remova colunas desnecessárias na importação de dados no Power BI

Não mostre na visualização de relatórios uma coluna que não seja necessária para o modelo de dados do Power BI.

Mesmo que não saiba antecipadamente qual coluna será ou não útil para seu modelo. Durante a confecção do relatório você acabará descobrindo todas, mas mesmo assim tente mostrar somente aquelas necessárias. Após apurar que uma coluna não precisa ser mostrada, volte e oculte a mesma.

Com a redução de colunas expostas na visualização do relatório, reduz também a quantidade de memória utilizada pelo Power BI. Esta prática evita também expor colunas de informações sensíveis que são utilizadas somente por razões técnicas, tais como colunas de chaves numéricas, nomes de usuários, quem fez a última modificação, etc.

Menor número de colunas no processo de importação de dados no Power BI significa menor número de dependências entre tabelas físicas e relatórios. Evita assim também grandes necessidades de manutenções futuras em caso de mudança de base, por exemplo.

Colunas ocultas na importação de dados no Power BI

As colunas em cinza na imagem acima estão ocultas na Visualização do Relatório.

 

Divida as colunas de data e hora

No caso de uma coluna que tenha tanto a data quanto a hora juntas é melhor dividir em duas. Uma para Data e outra para Hora.

Uma coluna contendo data e hora contém dados mais complexos que exige mais do Power BI. Dividindo em duas colunas conseguirá economizar memória, vai melhorar a performance e deixar o modelo de dados mais fácil de usar.

Sabe trabalhar com mapas no Power BI? Não? Temos um e-book que desvenda todos os segredos dos mapas no Power BI. Clique na figura abaixo e baixe gratuitamente.

Banner aprenda a trabalhar com mapas no Power BI

 

Aplique a opção “Marcar como tabela de data” em tabelas com datas

As funções de inteligência de tempo têm melhor desempenho quando a tabela “Calendário” tem esta categorização. Em alguns casos de relacionamento isto se faz até mandatório para que o mesmo funcione. É o caso de coluna chave substituta.

Mas mesmo nos casos não obrigatórios é uma boa prática fazer a marcação. Assim a interface de usuário e outras funcionalidades do Power BI serão melhoradas e dará ao usuário uma melhor experiência na utilização do modelo.

 

Conclusão

Boas práticas de importação de dados no Power BI estão sempre surgindo, neste artigo disponibilizamos algumas. Caso você conheça outras deixe seu comentário abaixo que pesquisaremos e agregaremos no conteúdo. Caso também descubramos mais atualizaremos aqui.

Estas práticas se aplicam também se você é administrador de banco de dados SQL e irá disponibilizar a usuários de Power BI uma “View” do banco. Aplique estas práticas e o melhor é por “View” mesmo.

Este processo faz parte da parte de ETL, quer saber mais sobre este assunto leia o artigo: O que é ETL e sua importância para o Business Intelligence.

Compartilhe este conteúdo nas suas redes sociais (utilize os botões abaixo) e ajude seus colegas a compreender melhor sobre o assunto. Ajude-nos também a espalhar bons conteúdos sobre o Power BI.

Tem dúvidas? Nos pergunte! Utilize a sessão de comentários deste artigo logo abaixo.

Até a próxima!

Abaixo você entenderá, da maneira mais completa possível, o que é ETL. A sigla em inglês, Extract, Transform and Load (Extrair, Transformar e Carregar). Buscamos de forma simples explicar para que o leitor leigo no assunto possa compreender o assunto e o leitor intermediário consolidar seu conhecimento.

Quando falamos sobre o que é ETL, falamos de um processo de extração e adaptação de dados de fontes externas. O conceito de ETL se confunde muito com ferramentas que fazem o processo, pois um não se realiza sem o outro.

O entendimento geral é de que esta é a fase mais crítica da construção de um modelo de dados. Caso você vá montar um Data Warehouse é o processo mais importante e trabalhoso a ser feito, pois, toda a estrutura de dados depende dele. Não há Business Intelligence sem ETL.

A consolidação dos dados é feita a partir de diferentes fontes. Estas fontes podem ser banco de dados relacionais, arquivos de texto, arquivos em excel, endereços na Web, dentre inúmeros outros tipos de fontes. O sistema de ETL tem que conseguir se comunicar com as diversas fontes de dados, ler diferentes formatos e como resultado trazer tudo numa base homogênea. O produto final do processo de ETL será uma base para gerar relatórios e análises que suportem decisões de negócios, não podem ter erros nestes resultados.

No mercado há diversas ferramentas para estas atividades, algumas bastante conhecidas e consolidadas. Citamos aqui SAS, Microsoft SQL Server Integration Services, Power Query (excel e Power BI), Pentaho Data Integration, Oracle Data Integrator, SAP BusinessObjects Data Services, dentre outros.

 

Extração, Transformação e Carregamento (o que é ETL)

O processo de ETL envolve os seguintes passos, como o próprio nome indica:

  • Extração dos dados de fontes externas;
  • Transformação dos dados para a realidade de cada negócio;
  • Carregamento dos dados nos modelos de dados deixando-os disponíveis para trabalho.
o que é ETL e sua importancia

Como o processo de ETL funciona.

Extração

A primeira etapa no processo é extrair os dados nas origens das fontes. Os projetos em geral consolidam diferentes fontes com diferentes formatos dos dados, organizados também em estruturas diferentes.

Veja abaixo exemplos das fontes de dados mais utilizadas:

  • Arquivos de Texto/CSV;
  • Excel;
  • Banco de Dados Relacionais;
  • Banco de Dados Cloud;
  • JSON;
  • Endereço WEB;
  • Serviços Online por API;
  • Etc…

 

Transformação

Consiste no tratamento, limpeza e adaptação dos dados extraídos. Desta transformação são gerados os dados a serem carregados.

A parte de transformação consiste em padronizar os dados em relação ao tamanho e tipo. Remover colunas ou linhas indesejadas. Substituir caracteres estranhos, corrigir erros de digitação e padronizar nomes e termos. Criação de novas colunas a partir de colunas já existentes contendo somente parte dos dados. Criação de colunas a partir da junção de duas colunas. Transposição de linhas para colunas ou vice-versa. Traduzir valores codificados em informações legíveis (exemplo: 1 para Masculino, 2 para Feminino). Alteração das unidades de medida. Mesclar ou Acrescentar informações de tabelas em uma só. E muito mais.

 

Carregamento

Esta etapa, dentro do que explicamos sobre o que é ETL, representa em colocar os dados transformados dentro do modelo de dados ou Data Warehouse. Este processo varia de acordo com a aplicação, necessidade e organização.

Com a carga dos dados é possível ler e gerar valor sobre eles. A partir deste ponto o analista ou gestor de negócios consegue manipular e formar seus relatórios e análises para o processo de tomada de decisão.

A frequência de carregamento e a quantidade de dados a serem armazenados são definidas nesta etapa também. Cada empresa e pessoa tem necessidades específicas. Com relação à frequência é importante programar uma periodicidade em que os dados serão atualizados e utilizados e num horário que não tenha grande utilização de recursos de rede, pois é um processo que exige do ambiente ou da máquina que irá executar.

 

Considerações importantes para o entendimento sobre o que é ETL e para trabalhar melhor nos processos

A chave de um bom processo de ETL e prestar atenção em alguns fatores.

Disponibilidade das fontes de Dados

Suas fontes devem ser de fácil acesso e pouco sujeitas a alterações. Busque se basear em fontes onde você ou sua empresa tenham uma certa influência. Devem ser evitados constantes alterações na estrutura, nos locais de armazenamento ou caminho de busca bem como alterações no próprio conteúdo, isto causa inconsistências no modelo de dados e necessidade de ajustes constante nas etapas de extração e transformação.

 

Simplifique sua vida

É nesta parte que você pode otimizar seu trabalho e deixar sua vida mais fácil na geração de seus relatórios e modelos de dados. Preste bastante atenção na hora de transformar, faça isto para reduzir a necessidade de intervenção no dia a dia, para deixar a atividade mais automatizada possível.

 

Escalabilidade de dados

A tendência é que os dados somente cresçam e se acumulem, fazendo com que consuma cada vez mais recursos do sistema.  Isto deve ser pensado no momento da criação do modelo, deve-se entender o tamanho que vai chegar. Dependendo deste tamanho a estratégia de atualização muda, será necessário criar rotinas quebradas com vários processamentos. Então para não ter surpresas e travamentos já pense nisto antes.

As empresas de desenvolvimento de softwares de ETL desenvolveram formas de minimizar os impactos de grandes processamentos. É chamado de processamentos paralelos, dando mais capacidade às suas soluções.

Recomendamos a leitura do artigo a seguir com as nossas melhores práticas para importação de dados no Power BI.

Conclusão

Nossa intenção neste artigo, além de fazer você entender o que é ETL, foi também dar mais contexto a este processo. Espero que tenham compreendido a importância desta etapa no todo do Business Intelligence.

Por fim, entenda o que é ETL como sendo a ponte que liga os dados até o modelo de dados. Sem esta ponte os dados não chegam ao seu objetivo, que é informar, dar subsídios, possibilitar tomada de decisão consciente.

O processo deve ser bem planejado e executado de forma a evitar erros e retrabalhos futuros, mas principalmente de forma a reduzir o tempo de execução no tratamento dos dados. Esperamos que tenham gostado e entendido o que expusemos em relação ao que é ETL.

Compartilhe este conteúdo nas suas redes sociais (utilize os botões abaixo) e ajude seus colegas a compreender melhor sobre o assunto.

Tem dúvidas? Nos pergunte! Utilize a sessão de comentários deste artigo logo abaixo.

Até a próxima!

A Linguagem M é uma poderosa linguagem que fica por trás da Power Query e que é responsável por todo o processo de transformação realizado no Power BI e no suplemento Power Query do Excel.

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.

Teoricamente a parte gráfica do Editor de Consultas lhe dará boa parte das possibilidades para transformar seus dados. O Editor de Consultas é o Power Query dentro do Power BI. É por ali que a rotina de ETL é realizada. ETL significa: Extract, Transform and Load, ou seja, Extrair, Transformar e Carregar.

É isto que o Editor de Consultas faz e por trás de cada ação realizada, é gerado um código em Linguagem M. Para muitos esta linguagem pode parecer incompreensível ou até mesmo diferente. Neste artigo explicaremos um pouco sobre ela e ao final dele você terá conhecimentos básicos necessários para entender sua lógica e estrutura.

Uma vez que você entenda esta sintaxe/estrutura, tudo se tornará mais simples e será possível efetuar algumas ações no código que aumentará sua produtividade. Os códigos da Linguagem M são acessados pelo Editor Avançado dentro do Editor de Consultas, abaixo você verá mais.

 

O que é Linguagem M

 

M é um nome informal para a Linguagem de fórmulas do Power Query (Power Query Formula Language). Como o nome formal é muito longo, resumiram em M. Mas porque M? Vem de Data Mashup, numa tradução livre, Mistura de Dados. Alguns também dizem que é para Data Modeling, Modelagem de Dados.

A linguagem M, na verdade, é mais poderosa e compreensiva do que a interface gráfica do Editor de Consultas. Prova disso é que há sempre atualizações na parte gráfica, ela está em evolução, mas tudo que vem melhorando nesta interface já existe há anos na Linguagem M.

E ainda falta muitas atualizações para a interface gráfica adquirir todas as funcionalidades já existentes no código. Provavelmente não conseguirão colocar todas. Daí uma das razões para se aprender mais sobre M e continuar lendo este artigo até o fim. Sabendo mais você não precisa esperar a próxima atualização da Microsoft para desenvolver seu trabalho.

 

Estrutura (Sintaxe) da Linguagem M

 

A sintaxe da linguagem M é bem simples. Sempre é composta de dois blocos de programação: LET e IN. Veja abaixo os blocos num exemplo simples.

let
   y=9
in
   y

 

LET e IN são palavras reservadas e só podem ser utilizadas no início destes dois blocos. Outra informação extremamente importante na Linguagem M é que ela é sensível à letras maiúscula e minúsculas. Assim é diferente se você colocar y ou Y.

LET: o bloco onde é definido todas as variáveis

IN: os resultados. Tudo que se coloca neste bloco resultam em saídas para sua consulta. Pensando assim este bloco deveria se chamar OUT não IN. Mas é IN, rsrs.

Basicamente, a consulta acima utilizada como exemplo, define uma variável com o nome “y”. É atribuído o valor de 9 a ela, com isto a consulta retornará mostrando 9 como resultado.

Vamos fazer um teste agora e rodar esta consulta e confirmar o que estamos dizendo aqui. De fato todo este artigo é prático, você consegue testar tudo que estou falando abaixo a medida que vai lendo.

Abra o Power BI Desktop, vá em Obter Dados e escolha Consulta Nula. Veja abaixo.

Linguagem M - Figura 1

Será aberto o Editor de Consultas. Na faixa de opções Exibição clique em Editor Avançado. Na tela que será aberta digite o código mencionado acima. Feito isso clique em Concluído.

Linguagem M - Figura 2

Veja que após o procedimento a consulta retornará o valor 9.

Tanto o let quanto o in devem estar em letras minúsculas, bem como o nome da variável deve ser a mesma nos dois blocos (y).

 

Quebras das linhas de códigos

As linhas de código no M continuam se você não utilizar o caractere correspondente para fazer a quebra desta linha de código. No exemplo abaixo você vê que mesmo utilizando enter para mudar a linha na tela, esta linha no código não mudou.

Linguagem M - Figura 3

Para quebrar a linha de código efetivamente deve-se usa a vírgula (,). Todas as linhas necessitam de uma vírgula para terminar, para a última linha do bloco não é necessário.

Linguagem M - Figura 4

Notem que no bloco in, sempre será colocado a última variável, antes era a y agora a z.

 

Nomes das variáveis

Os nomes das variáveis na Linguagem M podem ser uma única palavra ou mais de uma palavra com espaços entre elas. No caso de ter algum nome que contenha espaço este nome deve ficar entre aspas (“) e também deve contar uma hashtag no início. Veja abaixo como seria.

Linguagem M - Figura 5

O nome da variável pode conter também caracteres especiais, conforme exemplo abaixo.

Linguagem M - Figura 6

 

Cada etapa do Power Query

O Power Query é feito por transformações passo a passo. Cada transformação ocorre, geralmente, em um passo. Estas etapas são gravadas e é possível acompanhar e ver cada uma delas no painel que fica no lado direito da tela. É o painel de Etapas Aplicadas.

Veja abaixo o exemplo de cada uma das etapas feitas em Linguagem M foram armazenadas no histórico.

Linguagem M - Figura 7

Sempre a última etapa na lista de Etapas Aplicadas é o que consta no bloco IN.

 

Formatos na Linguagem M

Existem diversas formas diferentes de formatos e declarações na Power Query, no exemplo abaixo demostramos a forma de se declarar a data.

Linguagem M - Figura 8

Para ajudar, disponibilizamos abaixo uma tabela contendo todos os formatos e declarações da Linguagem M na Power Query. Sempre que precisar de referências retorne nesta página e consulte esta tabela quantas vezes necessitar.

Linguagem M - Figura 9

 

Trabalhando com Funções em Power Query

A Linguagem M é bastante funcional, é possível fazer quase tudo com ela. Para isto será necessário, em alguns casos, “chamar” funções.

Trabalhar com funções em Power Query é um pouco diferente de se trabalhar com as funções DAX e as fórmulas de excel. As diferenças não são grandes, a principal delas é que as letras maiúsculas e minúsculas afetam a efetividade das mesmas. Por exemplo, escrever tudo maiúsculo pode causar erro e não retornar o resultado esperado.

Veja o exemplo abaixo.

Linguagem M - Figura 10

Esta função retorna o ano da variável “Data”. Observem que a função Date.Year tem duas letras maiúsculas, as que iniciam cada trecho, as outras são minúsculas. É assim que ela deve ser escrita, caso contrário pode apresentar erro no resultado.

Como listar as funções do Power Query no Power BI é um artigo aqui do blog que irá te ensinar como saber todas as funções disponíveis.

Comentários no código da Linguagem M

Como qualquer outra linguagem de programação, a M pode ser comentada também, o que pode ser feito de duas formas.

Em uma única linha de comentário, para isso utilize duas barras (//)

Linguagem M - Figura 11

Ou em várias linhas entre barras e asteriscos (/* comentário */)

Linguagem M - Figura 12

 

Um exemplo da vida real

Finalmente, após você receber estas noções básicas sobre a Linguagem M, apresentamos um exemplo, de um trabalho feito pela uaiSmart para analytics de Redes Sociais.

Linguagem M - Figura 13

Veja que na imagem acima temos praticamente todos os itens que foram citados no artigo:

  1. Os blocos let e in;
  2. Nomes das variáveis;
  3. Observer as hashtags e as aspas nos nomes das variáveis;
  4. As linhas terminando com vírgula;
  5. Funções;
  6. Formatos;

Há outros diversos elementos que não falamos neste artigo, mas com certeza é ou será assunto de outros artigos aqui.

Recomendamos a leitura do artigo “Acrescentar Consultas vs Mesclar Consultas do Power BI” que fala mais sobre a Power Query.

Compartilhe este conteúdo nas suas redes sociais (utilize os botões abaixo) e ajude seus colegas a compreender melhor sobre o assunto.

Tem dúvidas? Nos pergunte! Utilize a sessão de comentários deste artigo logo abaixo.

Até a próxima!

Combinar duas consultas do Power BI (o que explicamos aqui também se aplica no Power Query), é um dos passos mais básicos, mas também mais essenciais no processo de preparar dados para seus insights. Há duas formas de combinar as consultas: Acrescentar Consultas e Mesclar Consultas.

Experts em Base de dados sabem a diferença entre estes dois tipos, mas a maioria das pessoas que trabalham com Power BI e/ou Power Query não são programadores ou administradores de banco de dados. Neste post explicaremos a diferença entre Acrescentar Consultas e Mesclar Consultas. Explicaremos também quais as situações que devem utilizar um ou outro.

Por que combinar as consultas?

Provavelmente esta será a primeira pergunta que você fará. Porque exatamente tenho que combinar consultas?

A resposta é que dá para fazer a maior parte das tarefas em uma única consulta, mas será bem complicado e com centenas de passos. Assim a melhor saída, aquela mais esperta, dinâmica e mais rápida para o modelo, é combinar consultas. Com isso é possível ter consultas melhores e mais simples.

O resultado de combinar uma ou mais consultas é que gerará somente uma consulta no final. Esta conterá as colunas que lhe importam para criar o melhor modelo possível em seu trabalho.

Baixe o modelo em Power BI Desktop para acompanhar o passo a passo abaixo.

As opções Acrescentar Consultas e Mesclar Consultas são encontradas na faixa de opção Página Inicial na subseção Combinar, dentro do Editor de Consultas, conforme figura abaixo.

acrescentar consultas e mesclar consultas 01

Acrescentar Consultas

Esta operação consiste em pegar os resultados de duas ou mais consultas, que podem ser cada uma delas uma tabela diferente, e transformar em uma só consultas contendo todos os resultados de cada uma das tabelas/consultas utilizadas no processo.

Em termos práticos os resultados do Acrescentar Consultas seriam:

  • Num exemplo, caso uma consulta tenha 50 linhas e a outra consulta tenha 100 linhas a operação criará uma nova consulta com 150 linhas;
  • No caso de colunas, estas se manterão na mesma quantidade, ou seja, se na primeira consulta contém col1, col2 …, col10, após acrescentar uma segunda consulta com as mesmas colunas o resultado será uma consulta com as mesmas colunas, sem repeti-las.

Vamos demostrar melhor por um exemplo. Aqui temos duas tabelas de Vendas.

Uma de Jan/17

acrescentar consultas e mesclar consultas 02

Outra de Fev/17

acrescentar consultas e mesclar consultas 03

Transformaremos estas duas consultas em uma, criando assim uma consulta com as vendas de todos os meses. Selecione a tabela “Vendas Jan17” (1), clique em Combinar e a opção Acrescentar Consultas (2) ficará visível.

acrescentar consultas e mesclar consultas 04

Agora clique na setinha para abrir todas as possibilidades desta opção. Se quiser manter as consultas originais como estão e criar uma nova consulta no processo, escolha Acrescentar Consulta como Novas.  Caso contrário escolha a opção Acrescentar Consultas para substituir as consultas atuais por uma nova.

acrescentar consultas e mesclar consultas 05

No exemplo que estamos rodando para este artigo decidimos manter as consultas originais intactas, criando uma nova.

Você também escolhe qual será a tabela primária. Normalmente é a tabela que você selecionou com o clique antes de começar o processo (“Vendas Jan17”). As informações desta tabela virão primeiro e a cada consulta acrescentada os dados ficarão depois.

Escolha então as demais consultas a serem acrescentadas, no exemplo “Vendas Fev17” e clique OK.

acrescentar consultas e mesclar consultas 06

Fizemos neste exemplo com duas tabelas, mas é possível fazer para quantas tabelas desejar.

O resultado final foi acrescentar as linhas da segunda tabela dentro da primeira tabela, conforme imagem abaixo.

acrescentar consultas e mesclar consultas 07

Renomeie agora esta nova consulta para “Vendas”.

O processo se resume na figura a seguir, simples assim.

acrescentar consultas e mesclar consultas 08

Caso tenha linhas com as mesmas informações nas consultas que foram juntadas ficará duplicado na nova consulta, para retirar as linhas duplicadas será necessário ou utilizar a opção Agrupar por ou a opção Remover linhas duplicadas para acabar com duplicidades.

E se as colunas de uma consulta não forem exatamente iguais nas outras consultas?

Para um melhor resultado esta operação requer que as colunas sejam iguais nas consultas. Mas caso não sejam é possível ainda realizar o processo. Cada coluna diferente será criada na nova consulta, mas com informações nulas nas células pertencentes à consulta que não tenha aquela coluna.

Mesclar Consultas

O Mesclar Consultas é outra forma de combinar dados que se baseia na combinação entre linhas ao invés de colunas. O resultado que acontece com a mesclagem depende de alguns fatores:

  • Deve haver uma coluna em comum entre as consultas, que possibilite a ação. Ex.: código do produto que deve estar em todas as consultas a serem mescladas.
  • O número de linhas dependerá da combinação de critérios entre as consultas.
  • O número de colunas dependerá de quais colunas selecionadas na configuração. O mesclar consultas irá criar uma estrutura de colunas como resultado.

Para um melhor entendimento deste conceito disponibilizamos o exemplo abaixo.

A tabela “Produto” será utilizada agora no exemplo, além da consulta criada “Vendas” no exemplo anterior.

acrescentar consultas e mesclar consultas 09

Agora se quisermos combinar a consulta “Vendas” com a consulta “Produto” para saber quais os nomes dos produtos vendidos em cada uma das linhas. É necessário utilizar Mesclar Consultas. A consulta “Vendas” ficou assim, só para relembrar.

acrescentar consultas e mesclar consultas 10

Selecione a consulta “Vendas” e em seguida clique em Combinar, clique na setinha de Mesclar Consultas e finalmente Mesclar Consultas como Novas.

acrescentar consultas e mesclar consultas 11

Na caixa em branco (1) escolha qual consulta será mesclada e em seguida selecione a coluna que será a chave. Isto nas duas consultas a serem mescladas (2). Neste caso “Cod. Produto”.

acrescentar consultas e mesclar consultas 12

Veja também na figura acima que a seleção fez correspondência em todas as linhas (3). Clique em OK para finalizar.

Sobre o Tipo de Junção veja com mais detalhe no infográfico em PDF que montamos para você entender de forma fácil e simples como funciona cada um dos tipos presentes no Power BI. Use a caixa abaixo para fazer o download deste infográfico.

[optin-cat id=”368″]

Como resultado será criado uma nova consulta, idêntica à consulta “Vendas”, mas com uma nova coluna chamada “Produto”.

acrescentar consultas e mesclar consultas 13

Na nova coluna, está com a palavra “Table” em todas as linhas. Isto quer dizer que a tabela “Produto” não foi expandida e se encontra inteira dentro da coluna. Com isso o próximo passo é expandir a nova coluna. Na figura acima veja o ícone à direita do nome da coluna “Produto”. É por ele que se faz a expansão das colunas da tabela produto.

Clique no ícone de Expandir (1), na caixa que aparece terá à disposição todas as colunas que a tabela a ser mesclada oferece. Neste exemplo temos somente duas colunas para escolher e como o “Cod. Produto” já existe na tabela de “Vendas” a única coluna que nos interessa então é a “Nome Produto”. Portanto desmarque a coluna “Cod. Produto” (2) e clique em OK.

acrescentar consultas e mesclar consultas 14

O resultado será uma nova coluna com as informações de nome do produto em cada uma das linhas, conforme segue.

acrescentar consultas e mesclar consultas 15

As quatro primeiras colunas vêm da tabela “Vendas” e a última coluna vem da tabela “Produto”.

Com isto terminamos nossas explicações sobre as duas formas de combinar consultas no Power BI: Acrescentar Consultas e Mesclar Consultas. Não deixe de baixar o explicativo dos tipos de junção existentes em Mesclar Consultas. Assim poderá entender melhor estas opções também.

Compartilhe este conteúdo nas suas redes sociais (utilize os botões abaixo) e ajude seus colegas a compreender melhor sobre o assunto.

Tem dúvidas? Nos pergunte! Utilize a sessão de comentários deste artigo logo abaixo.

Até a próxima!