Como uma modelagem self service pode beneficiar seu projeto no Power BI

Sem exceções, todo analista de dados já ouviu sobre BI self-service, principalmente quando falamos de Power BI, uma ferramenta que atende desde os que controlam negócios em planilhas de Excel, até multinacionais com Data Lakes e Data Warehouses com múltiplas fontes e tipos de dados.

Porém, ouvir sobre o tema nos indica claramente o 'o que', agora precisamos falar sobre o 'como'.

Uma boa solução é seguida não só por um relatório completo, com análises concisas e úteis, mas também por uma estrutura de dados escalável, descomplicada e de fácil interpretação, tanto para o usuário final que consome os dados quanto para outros times/recursos que irão mantê-la.

E é aí que a modelagem orientada à self service entra. Ela traz benefícios em facilitar o entendimento do usuário a utilizar e interpretar os dados do modelo, como também auxilia no handover para times técnicos.

"Ah, mas ainda não é o como... 🙄" 

Uma modelagem orientada à self service é geralmente adequada às realidades do projeto e do negócio. Isso envolve recursos disponíveis, tanto no âmbito técnico, humano, tecnológico, financeiro etc.

Porém, existem alguns pontos-chaves que podemos considerar quando pensamos de forma abrangente. São eles:

1 - Centralize suas transformações apartadas da sua carga de dados.

Sempre que possível, separe seu processo de transformação, clusterizando-o pelo tipo de transformação de preferência, para que as etapas sejam isoladas e que ocorram em uma ordem lógica.

 "Eu não tenho ferramenta, apenas o Power BI." 

Utilize dataflows para montar seu 'Data Warehouse' e busque sempre reaproveitar tabelas comuns em múltiplos projetos, proporcionando uma fonte única de verdade (SSoT).

"Mas eu não tenho acesso aos Dataflows/Não sei mexer." 

Sem problemas. Crie pastas no seu Power Query e separe-as entre Transformações e Cargas. Faça com que todas as tabelas que possuírem fontes comuns sejam referenciadas pelo mesmo objeto, mantendo também o conceito da fonte única de verdade.

2 - Mantenha nomes amigáveis em tabelas, colunas e medidas.

Ao contrário dos bancos de dados tradicionais, no Power BI conseguimos utilizar nomes amigáveis para o usuário final, podendo utilizar-se de espaços, maiúsculas e até mesmo acentos. Isso facilita para que pessoas que não possuem experiência técnica utilizem da ferramenta de forma mais didática.

Por exemplo:

• Ao invés de usar FT_Vendas2024_BR, utilize Vendas do Ano 2024. 
• Ao invés de suas colunas de data possuírem o prefixo ou sufixo “dt_”, chame-as de Data, de forma literal. Data da venda, Data do pedido, Data de expedição etc. 
• Ao invés de sua medida se chamar vendas_Jan_pagina_1_br, utilize Vendas em janeiro. 

E aproveitando o gancho de medidas... 

3 - Sempre busque criar medidas self service.

Sua medida fará sentido ao criar uma nova aba e plotar um novo gráfico? Caso não, você pode melhorá-la!

Caso sejam necessários filtros obrigatórios na tela, crie condicionais para que respeitem o filtro que vem por default (não se esqueça de documentar isso, seja na descrição da medida ou no documento auxiliar do projeto).

"Mas nem todas as minhas medidas deverão ser vistas pelo usuário final..."

"Mas meu DAX já está complexo, posso perder performance se aumentar mais filtros implícitos..."

Nesse caso, crie uma nova tabela de medidas, chame-a - por exemplo - de “Medidas Self Service” e nela crie suas medidas que serão repassadas ao time de end users.

Isso ajudará na sanitização de medidas que devem ser utilizadas para o funcionamento do relatório e o que deve ser utilizada no dia a dia do self service.

🏆 PRO TIP: da mesma forma que citamos no passo 1, referencie as medidas self service baseando-as nas medidas originais, caso existam. Fonte única de verdade e tal, entenderam né?

Ufa, passamos por alguns dos principais pontos, mas vamos falar, na prática, funciona?

É claro que tudo isso inclui um maior esforço no planejamento da modelagem, na arquitetura, nos recursos envolvidos, mas com certeza FUNCIONA!

Apenas tenha em mente, você não está entregando um relatório, você entregará uma solução. Um cubo de dados. Uma ferramenta que proporcionará autonomia, consistência e irá gerar informações qualificadas para os utilizadores dela.

"Ah, mas não tem como fazer uma tabela pra gente exportar pra Excel?"

"Ah, mas o meu relatório tá diferente do dash..."

"Ah, mas eu precisava cruzar esses dados com uma tabela local..."

Diga adeus à essas frases. Diga olá para a Democratização de Dados!

Já passou por situações do tipo? Comenta aqui e me conta mais sobre...