O que são modelos semânticos do Power BI?

Como líder de longa data no espaço de business intelligence, a inovação constante do Power BI abre caminho para outras ferramentas de BI. Isso é demonstrado ainda mais pelo anúncio da Microsoft sobre o Fabric, que eles consideram como "a primeira solução de análise verdadeiramente unificada baseada em uma cópia dos dados", da qual o Power BI é um componente único.

Dessa forma, o termo "conjunto de dados" no Power BI não captura mais o escopo completo de sua funcionalidade. Um conjunto de dados não contém apenas dados - ele contém transformações, cálculos e relacionamentos como parte de um modelo de dados abrangente e versátil (um modelo semântico, por assim dizer).

Você pode usar nossa folha de dicas do Power BI para começar a usar o Power BI rapidamente, desde a criação de sua primeira visualização até os cálculos do Power Query e DAX.

Nesta postagem do blog, definiremos modelos semânticos, incluindo o que compõe um modelo semântico e os diferentes modos em um modelo semântico. Depois disso, analisaremos como criar e gerenciar modelos semânticos e apresentaremos algumas práticas recomendadas que você pode seguir ao criar seus próprios modelos semânticos.

O que são modelos semânticos do Power BI?

Um modelo semântico no Power BI pode ser considerado uma camada lógica que contém as transformações, os cálculos e as relações entre as fontes de dados necessárias para criar relatórios e painéis. Um modelo semântico serve como a única fonte de verdade para relatórios em uma organização.

Imagem do autor

Embora um modelo semântico possa ser criado usando o Power BI Desktop (em um arquivo .pbix), ele não precisa conter nenhum elemento visual. Pense em um modelo semântico como a última parada no pipeline de dados antes da criação de relatórios e painéis. Depois disso, quando você compartilhar um modelo semântico com outros membros da organização, eles poderão criar qualquer número de relatórios e painéis a partir desse único modelo semântico.

Os modelos semânticos ocultam os detalhes técnicos complexos por trás dos relatórios para que os usuários técnicos e não técnicos possam se concentrar na análise dos dados e na resposta a perguntas comerciais. O compartilhamento e a reutilização são dois recursos que se destacam nos modelos semânticos.

O que compõe um modelo semântico?

Os modelos semânticos consistem em vários elementos diferentes:

• Conexões de dados com uma ou mais fontes de dados, importadas, por meio do DirectQuery ou como parte de um modelo composto.
• Transformações que limpam e preparam os dados para a geração de relatórios.
• Definiu cálculos e métricas com base em regras de negócios para garantir relatórios consistentes criados a partir do modelo semântico. Isso garante clareza e evita discrepâncias entre análises e relatórios.
• As relações definidas entre as tabelas permitem que os usuários se concentrem na criação de relatórios sem conhecer previamente as estruturas subjacentes do banco de dados e os modelos de dados.

Modos de modelo semântico

Escolher o modo correto ao se conectar aos seus dados no Power BI é uma primeira etapa importante na criação de um modelo semântico, pois cada um deles tem vantagens e desvantagens das quais você deve estar ciente.

Há três modos de modelos semânticos no Power BI:

• Modo de importação
• Modo DirectQuery
• Modo composto

Modo de importação

Isso carrega totalmente os dados no arquivo do Power BI (.pbix). Sempre que o relatório do Power BI é atualizado, o mecanismo de armazenamento da Vertipaq compacta, otimiza e armazena os dados no disco. Isso resulta em um desempenho rápido e em opções de design flexíveis para os criadores de relatórios. Além disso, o modo de importação permite que os criadores de modelos semânticos usem o conjunto completo de funções da linguagem Power Query M para transformar e preparar dados, bem como as funções DAX para criar cálculos e medidas.

Modo DirectQuery

Esse modo armazena apenas metadados sobre a estrutura do modelo, e não os dados em si. Quando o modelo é consultado (por exemplo, ao renderizar um visual), os dados são recuperados da fonte de dados subjacente. Isso é especialmente útil com grandes volumes de dados ou quando há uma exigência comercial de dados quase em tempo real em um relatório.

Modo composto

O modo composto é uma combinação dos modos de importação e DirectQuery. Esse modo é útil quando a potência e o desempenho do modo de importação são necessários, juntamente com a capacidade de visualizar dados em tempo real. Uma tabela pode ser definida para o modo de armazenamento Dual, permitindo que o serviço do Power BI escolha um modo mais eficiente, dependendo da natureza da consulta.

5 etapas para criar modelos semânticos do Power BI

A criação de um modelo semântico envolve as mesmas etapas que você já deve estar seguindo nos estágios iniciais do desenvolvimento de relatórios usando o Power BI desktop. Se você é um aspirante a analista de dados, pode aprender os Fundamentos do Power BI com nossa trilha de habilidades, onde aprenderá sobre visualização de dados, DAX e como transformar seus dados.

Naturalmente, as etapas exatas que você seguiria ao criar um modelo semântico dependem de suas necessidades comerciais e do objetivo do modelo. No entanto, em um nível elevado, essas cinco etapas são comumente encontradas na criação de um modelo semântico:

Imagem do autor

1. Importe ou conecte-se às fontes de dados necessárias usando o modo de importação, DirectQuery ou modelos compostos.
2. Limpe e transforme os dados para torná-los úteis para os usuários. Isso envolve a remoção de duplicatas, o tratamento de dados ausentes, a limpeza de colunas de dados baseadas em texto, etc. As etapas exatas de transformação dependem dos requisitos exclusivos de seus dados.
3. Defina as relações entre suas tabelas de dados usando bons princípios de modelagem de dados, como o esquema em estrela. Temos um curso que ensinará a você os fundamentos da modelagem de dados no Power BI.
4. Crie medidas e cálculos com base em seus requisitos comerciais exclusivos.
5. Quando estiver satisfeito com seu modelo semântico, publique-o no serviço do Power BI.

Aproveitamento de modelos semânticos para relatórios eficazes

Depois de criar e publicar seu modelo semântico no serviço do Power BI, você pode criar uma conexão ativa com o modelo semântico em outro relatório do Power BI. Na verdade, você pode criar vários relatórios a partir de um único modelo semântico publicado, garantindo assim a consistência e a confiabilidade em todos os relatórios.

Anteriormente, era comum encontrar vários relatórios do Power BI baseados no mesmo conjunto de dados, cada um com modelos de dados separados. Isso representou um desafio, pois poderia haver grandes diferenças entre os relatórios, e poderia ser muito difícil e demorado descobrir o que estava causando a diferença e qual relatório precisava ser alterado. A criação de um único modelo semântico que é compartilhado em vários relatórios do Power BI resolve completamente esse problema.

Se você deseja aprimorar suas habilidades de visualização de dados do Power BI e aprender a criar relatórios eficazes no Power BI, temos um curso para ajudá-lo a fazer isso.

Gerenciamento de modelos semânticos

Os modelos semânticos podem ser facilmente compartilhados entre os espaços de trabalho, democratizando os dados e promovendo uma forte cultura de dados. No entanto, isso também exige o gerenciamento eficaz desses modelos semânticos com controles e políticas adequados que mantenham a integridade, a segurança e a qualidade dos dados.

Propriedade e permissões

O gerenciamento do controle de acesso e das permissões para modelos semânticos no Power BI pode ser feito por administradores, membros do espaço de trabalho (dependendo de sua função) e proprietários de modelos semânticos (o proprietário é quem criou o modelo semântico).

As permissões do modelo semântico podem ser definidas e gerenciadas de duas maneiras:

• Primeiro, por meio do controle de acesso direto a modelos semânticos para pessoas individuais ou grupos de segurança inteiros.
• Em segundo lugar, gerenciando como os modelos semânticos e seus relatórios são compartilhados com outros usuários que não estão no espaço de trabalho.

Depois de publicar um modelo semântico no serviço do Power BI, você (como proprietário do modelo semântico) e os administradores podem definir um dos quatro níveis de permissão para o modelo semântico:

• Leia: Permite que os usuários acessem relatórios que usam dados do modelo semântico e configurações do modelo de visualização.
• Construir: Permite que os usuários criem novos relatórios e painéis a partir do modelo.
• Compartilhar novamente: Permite que os usuários deem a outras pessoas acesso ao modelo semântico.
• Escreva: Permite que os usuários publiquem novamente e façam algumas alterações no modelo, exceto para determinadas configurações, como adicionar ou alterar credenciais de fonte de dados, por exemplo.
• Proprietário: Embora não seja estritamente uma permissão, os criadores de um modelo semântico se tornam os proprietários no serviço do Power BI e têm todas as permissões acima.

Considerações sobre segurança

Os administradores do Power BI também podem restringir como os dados são acessados, compartilhados e modificados em seu locatário do Power BI. Eles podem limitar a reutilização de modelos semânticos total ou parcialmente com base em grupos de segurança, afetando várias funcionalidades, como a cópia de relatórios entre espaços de trabalho, a edição de relatórios com base em modelos semânticos compartilhados e a visibilidade de modelos semânticos no serviço ou no Power BI Desktop.

Os proprietários de modelos semânticos também controlam quem pode acessar e usar os dados em seus modelos semânticos. Eles podem tornar os modelos semânticos detectáveis certificando-os ou promovendo-os, o que ajuda os usuários e os criadores de relatórios a identificar quais modelos semânticos são designados como "oficiais" e considerados de alta qualidade na organização.

A segurança em nível de função (RLS) é aplicada aos modelos semânticos e a todos os relatórios criados a partir deles. O RLS pode afetar a capacidade dos usuários de ler os dados de um modelo semântico se eles tiverem permissão de construção ou leitura, a menos que a função específica do RLS permita isso.

Práticas recomendadas e considerações

Criar o número mínimo de modelos semânticos necessários e usá-los como fonte para relatórios do Power BI em uma organização é a prática recomendada aceita.

Além disso, recomenda-se que os modelos semânticos sejam:

• Abrangente: os modelos semânticos devem conter todos os elementos necessários para responder a perguntas comerciais relevantes. Esses elementos também devem refletir de forma precisa e lógica os sistemas e processos comerciais.
• Otimizado e com bom desempenho: os modelos semânticos devem ser otimizados para que suas atualizações, cálculos DAX e cargas visuais sejam rápidos, mesmo quando houver um aumento no volume de dados.
• Seguro: os modelos semânticos devem conter os elementos de segurança necessários para impedir o acesso não autorizado aos dados (como segurança em nível de linha).
• Flexível: os modelos semânticos devem ser adaptáveis às mudanças nos requisitos comerciais.

Conclusão

Ao renomear conjuntos de dados para modelos semânticos, o Power BI criou uma mudança na forma como precisamos pensar sobre business intelligence. Em vez de ver os dados como componentes estáticos de relatórios e painéis, podemos vê-los como parte de uma camada semântica maior que pode ser facilmente compartilhada e reutilizada.

Seguindo as práticas recomendadas descritas nesta postagem do blog, você pode criar modelos semânticos eficazes e eficientes que sirvam como uma única fonte de verdade para as necessidades de relatórios da sua organização. Ao aproveitar o poder dos modelos semânticos, você pode capacitar usuários técnicos e não técnicos para analisar dados e responder a perguntas comerciais, o que, em última análise, leva a uma melhor tomada de decisões em toda a organização.

Se você estiver interessado em uma carreira como analista de dados no Power BI, nosso curso de carreira o levará a todos os aspectos do Power BI e o preparará para a certificação Microsoft PL-300.

Se você já aprendeu os conceitos básicos do Power BI, explore nossa lista de 8 projetos do Power BI que você pode realizar para aplicar suas habilidades e criar seu portfólio.