# Power BI — Modelo, Conexão e Configuração ## Planejamento Comercial --- ## Sumário 1. [Visão geral do modelo](#1-visão-geral-do-modelo) 2. [Conexão ao SQL Server](#2-conexão-ao-sql-server) 3. [Tabelas e relacionamentos](#3-tabelas-e-relacionamentos) 4. [Configuração do modelo no Power BI](#4-configuração-do-modelo-no-power-bi) 5. [Organização das medidas DAX](#5-organização-das-medidas-dax) 6. [Tabela de medidas (estrutura recomendada)](#6-tabela-de-medidas-estrutura-recomendada) 7. [RLS — Row Level Security](#7-rls--row-level-security) 8. [Boas práticas e performance](#8-boas-práticas-e-performance) 9. [Checklist de configuração](#9-checklist-de-configuração) --- ## 1. Visão Geral do Modelo O modelo do Power BI consome diretamente o schema `dw` do SQL Server, que está estruturado como **star schema** seguindo o padrão Kimball. ``` Perguntas respondidas pelo modelo: 1. Qual o faturamento realizado vs meta por vendedor, mês e produto? 2. Quem são os top 20% de vendedores que geram 80% da receita? (Pareto) 3. Qual a margem bruta e resultado líquido por categoria de produto? 4. Como evolui o faturamento YoY (ano sobre ano)? 5. Qual a precisão do nosso forecast? (MAPE) 6. Qual a distribuição geográfica da receita? ``` ### Star Schema — visão simplificada ``` ┌─────────────────┐ │ dw.dCalendario │ │ PK: Data │ └────────┬────────┘ │ 1:N (via Data) ┌──────────────┼──────────────┐ │ │ │ ┌─────────┴────┐ ┌──────┴──────┐ ┌───┴──────────┐ │ dw.dVendedor │ │ dw.fVendas │ │ dw.fMetas │ │ PK:IdVendedor│ │ FATO PRINCIPAL│ │ Relação inativa│ └─────────┬────┘ └──────┬──────┘ └──────────────┘ │ FK ←─────┘ FK ─────────────────────→ dw.dVendedor │ ┌──────────────────────────────────────────────────────────────┐ │ Outras dimensões conectadas a fVendas: │ │ dw.dProdutos (Id Produto) │ │ dw.dClientes (Id Cliente) ──→ dw.dCidade (Id Cidade) │ │ dw.dUnidades (Id Unidade) │ │ dw.dStatus (Id Status) │ │ dw.dPagamento (Id Pgto) │ └──────────────────────────────────────────────────────────────┘ ``` --- ## 2. Conexão ao SQL Server ### Passo a passo no Power BI Desktop 1. **Obter Dados** → SQL Server 2. Preencher: - **Servidor:** `noteigor` - **Banco de dados:** `planejamento_comercial` - **Modo de conectividade:** `Import` (recomendado para este volume) 3. **Autenticação:** Windows (usa as credenciais do usuário logado) 4. **Seleção de tabelas:** marcar APENAS as tabelas do schema `dw`: ``` Tabelas a importar (schema dw): ✅ dw.fVendas ✅ dw.fMetas ✅ dw.dCalendario ✅ dw.dProdutos ✅ dw.dVendedor ✅ dw.dClientes ✅ dw.dCidade ✅ dw.dUnidades ✅ dw.dStatus ✅ dw.dPagamento Tabelas a NÃO importar (staging/raw — dado intermediário): ❌ staging.* ❌ raw.* ``` ### Por que Import e não DirectQuery? | Critério | Import (recomendado) | DirectQuery | |---------------------|-------------------------|---------------------------| | Volume (~20k linhas)| Ideal | Desnecessário | | Performance visual | Muito rápido (in-memory)| Depende do SQL Server | | DAX de inteligência temporal | Funciona 100% | Limitações | | Refresh agendado | Sim (Power BI Service) | Sim | > [REUTILIZAÇÃO]: Para volumes acima de 500k linhas ou atualização em tempo real, > considere DirectQuery ou Dual Mode (dimensões Import + fatos DirectQuery). --- ## 3. Tabelas e Relacionamentos ### Relacionamentos a configurar no Power BI Após importar as tabelas, vá em **Exibição de Modelo** e configure: | Tabela origem | Coluna origem | Tabela destino | Coluna destino | Cardinalidade | Ativo? | Direção filtro | |-------------------|----------------|-------------------|-----------------|---------------|--------|----------------| | dw.fVendas | Data | dw.dCalendario | Data | Muitos:1 | Sim | Single | | dw.fVendas | Id Produto | dw.dProdutos | Id Produto | Muitos:1 | Sim | Single | | dw.fVendas | Id Vendedor | dw.dVendedor | Id Vendedor | Muitos:1 | Sim | Single | | dw.fVendas | Id Cliente | dw.dClientes | Id Cliente | Muitos:1 | Sim | Single | | dw.fVendas | Id Unidade | dw.dUnidades | Id Unidade | Muitos:1 | Sim | Single | | dw.fVendas | Id Status | dw.dStatus | Id Status | Muitos:1 | Sim | Single | | dw.fVendas | Id Pgto | dw.dPagamento | Id Pagamento | Muitos:1 | Sim | Single | | dw.dClientes | Id Cidade | dw.dCidade | Id Cidade | Muitos:1 | Sim | Single | | dw.fMetas | Id Vendedor | dw.dVendedor | Id Vendedor | Muitos:1 | Sim | Single | | dw.fMetas | Data Meta | dw.dCalendario | Data | Muitos:1 | **Não** | Single | > **Atenção — relacionamento inativo entre fMetas e dCalendario:** > Este relacionamento DEVE ser marcado como inativo porque dCalendario já tem um > relacionamento ativo com fVendas. Para ativar o filtro em fMetas, usamos a função > DAX `USERELATIONSHIP(fMetas[Data Meta], dCalendario[Data])` dentro das medidas de meta. --- ## 4. Configuração do Modelo no Power BI ### 4.1 Tabela Calendário Após importar `dw.dCalendario`, marque-a como **Tabela de Data**: - Clique com o direito na tabela → **Marcar como tabela de datas** - Coluna de data: `Data` Isso habilita as funções DAX de inteligência temporal: `TOTALYTD`, `SAMEPERIODLASTYEAR`, `DATESINPERIOD`, etc. ### 4.2 Ocultar colunas técnicas Oculte as colunas de metadados para manter o modelo limpo para o usuário: ``` Ocultar em TODAS as tabelas: _dw_loaded_at _dw_source Ocultar nas tabelas fato (FKs são redundantes com as dimensões): fVendas[Id Produto] → já está em dProdutos fVendas[Id Vendedor] → já está em dVendedor fVendas[Id Cliente] → já está em dClientes fVendas[Id Unidade] → já está em dUnidades fVendas[Id Status] → já está em dStatus fVendas[Id Pgto] → já está em dPagamento fMetas[Id Vendedor] → já está em dVendedor fMetas[Data Meta] → usar dCalendario para filtros ``` ### 4.3 Colunas a manter visíveis na fVendas (métricas base) ``` Visíveis e usáveis nas medidas: fVendas[Faturamento Total] fVendas[Custo Total] fVendas[Margem Bruta] ← coluna computada PERSISTED do SQL Server fVendas[Resultado Liquido] ← coluna computada PERSISTED do SQL Server fVendas[Qtde] fVendas[Valor Unit] fVendas[Custo Unit] fVendas[Despesa Unit] fVendas[Impostos Unit] fVendas[Comissão Unit] fVendas[Num Venda] ← para DISTINCTCOUNT (qtd pedidos) fVendas[Data] ← FK para dCalendario fVendas[Data Envio] ← análise de lead time ``` ### 4.4 Configurar formatações padrão nas colunas | Tabela | Coluna | Formato sugerido | |----------------|------------------|--------------------------| | dCalendario | Ano | Sem decimais, sem mil | | dCalendario | AnoMes | Ocultar (usar NomeMes) | | dCalendario | NomeMes | Ordenar por Mes (número) | | dVendedor | URL Foto | Categoria: URL da Imagem | | dCidade | UF | Categoria: Estado/Prov. | | dCidade | Estado | Categoria: Estado/Prov. | | dCidade | Cidade | Categoria: Cidade | > **Ordenação do NomeMes:** Selecione a coluna `NomeMes` → Ferramentas de Coluna > → "Classificar por Coluna" → selecione `Mes`. Isso garante que Jan, Fev, Mar... > aparece na ordem correta (não alfabética) em todos os visuais. --- ## 5. Organização das Medidas DAX ### Estrutura recomendada — Tabela de medidas isolada Crie uma tabela vazia chamada `[_Medidas]` para centralizar todas as medidas: ``` No Power Query Editor: Início → Inserir Dados → Criar tabela com 1 coluna e 1 linha vazia Renomear para: _Medidas Ocultar a coluna interna ``` > **Por que uma tabela separada?** > - Mantém as medidas organizadas, longe das colunas das tabelas de dados > - Facilita encontrar medidas no painel de campos > - Padrão amplamente adotado em Power BI enterprise ### Pastas de medidas (Display Folder) Organize as medidas nas pastas abaixo dentro da tabela `[_Medidas]`: ``` _Medidas/ ├── 📁 01 - Base │ ├── Faturamento │ ├── Custo Total │ ├── Margem Bruta R$ │ ├── Resultado Liquido R$ │ ├── Qtde Vendida │ └── Qtd Pedidos │ ├── 📁 02 - Percentuais │ ├── Margem Bruta % │ ├── Resultado Liquido % │ └── Ticket Medio │ ├── 📁 03 - Meta │ ├── Meta │ ├── Atingimento Meta % │ ├── Desvio vs Meta R$ │ └── Desvio vs Meta % │ ├── 📁 04 - Temporal (YTD / LY / MTD) │ ├── Faturamento YTD │ ├── Meta YTD │ ├── Atingimento Meta YTD % │ ├── Faturamento Ano Anterior │ ├── Variacao vs Ano Anterior % │ └── Faturamento MTD │ ├── 📁 05 - Forecast / MAPE │ ├── MAPE Mensal │ ├── Acuracia Forecast % │ └── Classificacao Acuracia │ └── 📁 06 - Pareto / Ranking ├── Rank Vendedor ├── Faturamento Acumulado % └── Classificacao Pareto ``` --- ## 6. Tabela de Medidas (Estrutura Recomendada) Consulte o arquivo `powerbi/dax/medidas_completas.dax` para o código completo de todas as medidas organizadas por pasta. ### Resumo das medidas e suas funções DAX chave | Medida | Função DAX principal | Pasta | |-----------------------------|---------------------------------|----------------| | Faturamento | SUM | 01 - Base | | Meta | CALCULATE + USERELATIONSHIP | 03 - Meta | | Atingimento Meta % | DIVIDE | 03 - Meta | | Faturamento YTD | TOTALYTD | 04 - Temporal | | Faturamento Ano Anterior | CALCULATE + SAMEPERIODLASTYEAR | 04 - Temporal | | MAPE Mensal | AVERAGEX + ABS + DIVIDE | 05 - Forecast | | Rank Vendedor | RANKX + ALL | 06 - Pareto | | Faturamento Acumulado % | CALCULATE + ALLSELECTED | 06 - Pareto | --- ## 7. RLS — Row Level Security ### Hierarquia de acesso ``` Nível 1 — Gerente (vê apenas os vendedores do seu time) Guardiola → Ronaldo, Rodrigo Marta → Paola, Marilia Zagallo → Neymar + demais vendedores do time Nível 2 — Diretoria / Admin (vê tudo — sem filtro RLS) ``` ### Configuração passo a passo **1. No Power BI Desktop → Modelagem → Gerenciar Funções** Crie as seguintes roles: #### Role: `Gerente_Guardiola` ```dax -- Aplicada na tabela dw.dVendedor [Gerente] = "Guardiola" ``` #### Role: `Gerente_Marta` ```dax -- Aplicada na tabela dw.dVendedor [Gerente] = "Marta" ``` #### Role: `Gerente_Zagallo` ```dax -- Aplicada na tabela dw.dVendedor [Gerente] = "Zagallo" ``` #### Role: `Admin` ```dax -- Sem filtro: role vazia — o usuário vê tudo -- (apenas para controle formal, não precisa de DAX) ``` **2. Por que o filtro em dVendedor se propaga para fVendas e fMetas?** O relacionamento ativo `fVendas[Id Vendedor] → dVendedor[Id Vendedor]` com direção de filtro **Single (dVendedor → fVendas)** garante que o filtro de RLS aplicado em dVendedor automaticamente filtra fVendas e fMetas. Não é necessário criar filtro RLS diretamente nas tabelas fato. **3. Testar o RLS antes de publicar** No Power BI Desktop: - Modelagem → Exibir como → selecione uma role - Verifique se os visuais mostram apenas os dados do gerente correspondente **4. No Power BI Service — atribuir usuários às roles** Após publicar: - Workspace → Dataset → Segurança - Adicione o e-mail do gerente à role correspondente: ``` Gerente_Guardiola: e-mail do Guardiola Gerente_Marta: e-mail da Marta Gerente_Zagallo: e-mail do Zagallo Admin: e-mail da diretoria / Igor ``` Consulte o arquivo `powerbi/rls/rls_roles_completo.md` para o guia completo com DAX de validação e cenários de teste. --- ## 8. Boas Práticas e Performance ### 8.1 Ordem de filtros no visual (impacto direto na DAX) O Power BI avalia medidas dentro do contexto de filtro dos visuais. Para garantir que as medidas de TOTALYTD e SAMEPERIODLASTYEAR funcionem corretamente: - Use SEMPRE a coluna `dCalendario[Data]` (ou atributos dela) nos eixos de visuais - **NUNCA** use `fVendas[Data]` diretamente nos eixos — perde o benefício do calendário - Nos slicers de período, use `dCalendario[Ano]` e `dCalendario[NomeMes]` ### 8.2 Evitar colunas calculadas desnecessárias As colunas `Margem Bruta` e `Resultado Liquido` já vêm calculadas do SQL Server como colunas PERSISTED. Não recrie-as como colunas calculadas no Power BI. Use apenas MEDIDAS (measures) para qualquer cálculo de agregação. ### 8.3 Performance — boas práticas ``` ✅ Use DIVIDE() em vez de / para evitar erro de divisão por zero ✅ Use CALCULATE() para modificar contexto de filtro ✅ Prefira ALL() a REMOVEFILTERS() para limpeza de contexto quando compatível ✅ Use SELECTEDVALUE() em vez de VALUES() quando espera um único valor ✅ Use ISBLANK() para verificar ausência de dado antes de calcular ✅ Use VAR...RETURN para variáveis em medidas longas (legibilidade + performance) ✅ Valide medidas novas em uma tabela Matrix antes de usá-las em cards ``` ### 8.4 Nomeação de medidas Convenção adotada neste projeto: ``` [Faturamento] → KPI base sem sufixo [Faturamento YTD] → sufixo do período [Faturamento Ano Anterior] → sufixo descritivo [Margem Bruta %] → sufixo % para percentuais [Margem Bruta R$] → sufixo R$ quando há versão em % junto [Atingimento Meta %] → nome completo, sem abreviação [MAPE Mensal] → sigla conhecida + granularidade ``` --- ## 9. Checklist de Configuração Use esta lista para garantir que o modelo está 100% configurado antes de criar os visuais: ### Conexão e importação - [ ] Conectado ao servidor `noteigor`, banco `planejamento_comercial` - [ ] Todas as 10 tabelas do schema `dw` importadas - [ ] Nenhuma tabela de `raw` ou `staging` no modelo ### Relacionamentos - [ ] 9 relacionamentos ativos configurados (conforme tabela na Seção 3) - [ ] Relacionamento `fMetas[Data Meta] → dCalendario[Data]` marcado como **INATIVO** - [ ] Nenhum relacionamento many-to-many não intencional ### Calendário - [ ] `dCalendario` marcada como Tabela de Data - [ ] Coluna `Data` selecionada como campo de data da tabela - [ ] Coluna `NomeMes` configurada para ordenar por `Mes` ### Modelo - [ ] Colunas técnicas `_dw_loaded_at` e `_dw_source` ocultas - [ ] FKs da tabela fato ocultas (redundantes com as dimensões) - [ ] Coluna `URL Foto` de dVendedor categorizada como URL de Imagem - [ ] Colunas geográficas (UF, Estado, Cidade) categorizadas corretamente ### Medidas - [ ] Tabela `_Medidas` criada e vazia - [ ] Todas as medidas criadas dentro de `_Medidas` (não nas tabelas de dados) - [ ] Medidas organizadas em pastas (Display Folder) - [ ] Medida `Meta` usa `USERELATIONSHIP` para o relacionamento inativo ### RLS - [ ] 3 roles criadas: Gerente_Guardiola, Gerente_Marta, Gerente_Zagallo - [ ] Filtro DAX aplicado na tabela `dw.dVendedor` - [ ] Testado com "Exibir como" no Power BI Desktop - [ ] Usuários atribuídos às roles no Power BI Service --- *Arquivo gerado como parte do Planejamento Comercial.* *Próximos entregáveis: `dax/medidas_completas.dax` e `rls/rls_roles_completo.md`*