Recursos analíticos avançados no Power BI: tutorial

O painel Analytics nos visuais do Power BI

Alguns visuais no Power BI Desktop permitem adicionar linhas de referência dinâmicas pelo painel Analytics. Vale lembrar que nem todas as opções estão disponíveis para todos os visuais e que alguns, como os gráficos combinados (por exemplo, linha com colunas agrupadas), não têm opções no painel Analytics.

Os tipos de linhas dinâmicas que você pode adicionar aos visuais são:

• Linha constante (inclui opções separadas para linhas constantes nos eixos x e y)
• Linha de máximo
• Linha de mínimo
• Linha de média
• Linha de mediana
• Linha de percentil
• Sombreamento de simetria
• Linha de tendência
• Previsões

Essas linhas dinâmicas são ótimas para dar contexto aos seus visuais, ajudando o usuário a extrair insights úteis com mais rapidez. Por exemplo, suponha que você tenha um gráfico de barras agrupadas mostrando vendas por país. Ao adicionar uma linha de média, dá para ver rapidamente quais países estão acima ou abaixo da média — o que pode orientar decisões a seguir.

Na prática, as linhas de média e de tendência costumam ser as mais úteis. Veja a seguir como adicioná-las aos seus gráficos.

Como adicionar uma linha de média aos gráficos no Power BI

Neste exemplo, vamos adicionar uma linha de média a um gráfico de barras agrupadas que mostra o valor total de oportunidades por produto. Primeiro, selecione o ícone ‘Analytics’; em ‘Average line’, clique em ‘Add line’. Você pode personalizar o visual da linha ou manter o padrão.

No gráfico abaixo, vemos que os produtos de Tablets até Webcams estão todos abaixo da média. A empresa pode decidir descontinuar os produtos com pior desempenho ou intensificar o marketing para tentar aumentar as vendas. Adicionar a linha de média facilita identificar onde esse tipo de decisão precisa ser tomada.

Como adicionar uma linha de tendência aos gráficos no Power BI

Agora, vamos adicionar uma linha de tendência a um gráfico de linhas que mostra o valor total de oportunidades ao longo do tempo. Primeiro, selecione o ícone ‘Analytics’. Se o seu gráfico de série temporal for compatível, aparecerá a opção de adicionar uma linha de tendência. Assim como na linha de média, você pode personalizar cor e estilo da linha.

No exemplo abaixo, vemos que as vendas ao longo do tempo seguem uma tendência de queda. Essa linha de tendência ajuda em previsões de curto prazo. Ao conhecer a tendência aproximada dos seus dados, fica mais fácil estimar valores futuros. Sem essa informação, os olhos tendem a focar só nas oscilações diárias, sem chegar a uma conclusão relevante.

Usando parâmetros "What-if" nos visuais do Power BI

O recurso de parâmetros what-if no Power BI permite criar cenários personalizados ideais para previsão. Por exemplo, uma empresa pode observar um crescimento de 10% nas vendas ano a ano. Mas e se ela quiser simular diferentes taxas de crescimento para os próximos meses ou para o próximo ano e ver como isso impacta os KPIs do relatório no Power BI? Para fazer isso de forma rápida e simples, dá para usar os parâmetros what-if.

Neste tutorial, vamos adicionar um parâmetro what-if que nos permite ajustar dinamicamente a taxa de crescimento para a previsão do valor de oportunidades. Vamos visualizar o efeito em um gráfico de linhas mostrando valores reais e 3 meses de valores previstos.

Para adicionar um parâmetro what-if, selecione a guia Modeling na faixa de opções e depois escolha ‘New Parameter’. Será aberto um diálogo para informar o nome do parâmetro (Opportunity Growth Rate), o tipo de dado (decimal) e os valores que ele terá (de -1 a 1 em incrementos de 0,01). Defina o valor padrão como 0, que é o valor assumido quando o usuário não seleciona nada.

Em seguida, é importante marcar a opção de adicionar um slicer à página, já que vamos precisar dele para ajustar dinamicamente a taxa de crescimento da previsão.

Na prática, esse parâmetro what-if cria uma tabela com uma coluna contendo todos os valores individuais do intervalo especificado. Ele também cria uma medida que retorna o valor selecionado dessa tabela. Vamos usar essa medida nos cálculos do valor de oportunidades previsto.

Para ver como a previsão funciona para os próximos meses, crie uma tabela de datas contendo o intervalo atual presente nos dados e as datas para quantos meses à frente você precisar. No exemplo, vamos prever 3 meses.

Para calcular as vendas previstas, crie uma medida com a seguinte fórmula DAX:

Opportunity Forecast = 

IF( MAX ( 'Opportunity Calendar'[Date] ) > DATE(2021, 09, 21), CALCULATE ( SUM ( Opportunities[Value] ), DATEADD ( 'Opportunity Calendar'[Date], -1, YEAR ) ) * ( 1+'Opportunity Growth Rate'[Opportunity Growth Rate Value] ), SUM ( Opportunities[Value] ) )

Essa fórmula DAX retorna o valor de oportunidades previsto (aumentado pela taxa de crescimento do nosso parâmetro what-if) se as datas estiverem acima da última data do nosso conjunto de dados (21 set 2021); caso contrário, retorna o valor real de oportunidades. Se você estiver aplicando essa fórmula DAX a dados atuais, substitua a parte com DATE(2021, 09, 21) pela função TODAY().

Por fim, adicione o valor real de oportunidades e a medida de previsão a um gráfico de linhas, fazendo com que as duas linhas se sobreponham. Altere o formato da linha de previsão para tracejada para visualizar onde a previsão começa. Agora, é possível ajustar dinamicamente a taxa de crescimento pelo slicer para mudar a previsão.

Recursos com IA

O Power BI deu passos enormes para incorporar cada vez mais recursos orientados por IA na plataforma. Isso facilita e acelera a descoberta de insights nos dados, mesmo sem formação especializada em ciência de dados.

Detecção de anomalias

A detecção de anomalias é útil para identificar rapidamente possíveis problemas ou destaques adicionando marcadores dinâmicos. Porém, ela funciona apenas com gráficos de linha de séries temporais. A ideia é que o algoritmo determine o valor esperado para uma data e, com base em um intervalo de confiança, classifique o valor real como anômalo ou não.

No exemplo abaixo, a detecção de anomalias foi aplicada a um gráfico de receita ao longo do tempo. Para a data selecionada, a receita real é de R$ 90 mil, enquanto a esperada é de R$ 82 mil, com faixa entre R$ 79 mil e R$ 85 mil. Portanto, é considerada uma anomalia.

Key influencers

Key influencers é um tipo de visual que mostra a probabilidade de uma métrica ocorrer com base nos atributos que você especifica.

No exemplo abaixo, uma oportunidade tem 2,76 vezes mais chance de ter status ‘Won’ se houver um aumento no desconto de 0,02. O resultado é ilustrado no gráfico de dispersão à direita do visual.

O visual de key influencers é muito útil para comparar o efeito de vários atributos entre si. Isso acelera a identificação de qual atributo mais contribui para a métrica e que pode exigir uma análise mais aprofundada.

Árvores de decomposição

A árvore de decomposição é um visual que permite organizar atributos em uma hierarquia e mostrar a decomposição de uma métrica em cada nível dessa hierarquia.

Por exemplo, a imagem abaixo começa com a métrica Sales Opportunity, que é detalhada por categorias, produtos e depois regiões. Assim, você vê como as vendas se distribuem em cada nível e qual elemento está contribuindo mais para o resultado.

Se você não souber qual é a melhor decomposição para a sua métrica, pode usar uma opção na formatação desse visual chamada ‘AI splits’. Ao habilitá-la, o Power BI escolhe automaticamente o melhor atributo para adicionar, considerando se ele gera o maior ou o menor valor em comparação com os demais.

O gráfico acima foi gerado selecionando ‘High value’ em cada nível da hierarquia.

Narrativas inteligentes

Smart Narratives é um visual que cria uma caixa de texto com uma narrativa escrita sobre os principais pontos dos dados. É fácil editar e formatar o texto para adicionar, remover ou destacar o que for mais importante para seus usuários.

Esse recurso é excelente para incluir rapidamente insights nos seus relatórios ou apresentações. E como é possível personalizar as narrativas, você adapta a mensagem ao público da sua apresentação.

Insights contextuais

Esses insights variam conforme o gráfico e as mudanças nos seus dados. Os tipos de insights que você pode gerar incluem:

• Explicar o aumento
• Explicar a redução
• Encontrar onde a distribuição é diferente (típico para gráficos de barras e colunas que comparam categorias)

No exemplo abaixo, clicamos com o botão direito em um ponto um pouco acima dos demais; a opção ‘Explain the increase’ aparece na seção Analyze.

Ao selecionar essa opção, você obtém uma análise detalhada de vários atributos do conjunto de dados que podem explicar o motivo do aumento. Os gráficos gerados geralmente são cascata, mas você também pode escolher outros tipos, como dispersão, colunas e linhas. Se algum gráfico chamar atenção e você quiser adicioná-lo ao relatório, é só clicar no ícone de mais no canto superior direito do gráfico.

Esses insights contextuais são valiosos quando você precisa chegar rápido às respostas. Eu mesma(o) uso esse recurso com frequência para encontrar pontos que merecem investigação e análise diante de uma mudança repentina nos dados. Isso acelera muito a exploração, porque não preciso começar do zero.

Conclusão

Com as ferramentas deste tutorial, você vai conseguir criar relatórios analíticos poderosos e dinâmicos. Incluir habilidades avançadas de Power BI no seu repertório não só torna você um profissional de dados mais efetivo, como também abre novas possibilidades de carreira — Power BI é uma das competências de business intelligence mais requisitadas no mercado. Se quiser se aprofundar, confira nossos cursos de Power BI ou a Power BI Skill Track para impulsionar sua carreira.