Como Reduzimos um Relatório Power BI de 622MB para 282KB: Um Case Real de Performance, Boas Práticas e Escalabilidade

Sabemos que Business Intelligence de verdade não pode ser lento, pesado ou instável. 

Relatórios precisam ser escaláveis, responsivos e fáceis de manter. E foi exatamente esse impacto que entregamos neste projeto com um cliente do setor corporativo.  A Dataside oferece um Diagnóstico Técnico completo para localizar gargalos de performance, uso inadequado de DAX, falhas de modelagem, ausência de boas práticas e oportunidades de escalabilidade em relatórios Power BI. 

O processo inclui análise técnica aprofundada, aplicação direta das diretrizes da nossa Wiki de Boas Práticas, incorporadas ao nosso dia a dia, e a entrega de um plano de ação personalizado focado em performance, governança e eficiência.

Durante a revisão técnica de um relatório crítico em Power BI, identificamos obstáculos que comprometiam performance e experiência do usuário, desde medidas DAX iterativas que percorriam tabelas inteiras (como FILTER e SUMMARIZE) até tabelas e calendários criados diretamente em DAX, além de colunas calculadas desnecessárias. 

São problemas comuns, porém muitas vezes negligenciados em ambientes analíticos. 

Diagnóstico: o que encontramos? 

 A análise do modelo revelou gargalos que prejudicavam a eficiência e a escalabilidade do relatório: 

• Medidas DAX complexas, duplicadas e com uso excessivo de funções iterativas (FILTER, SUMMARIZE, ADDCOLUMNS) aplicadas sobre toda a base de dados; 

• Colunas calculadas em DAX utilizadas em excesso, quando poderiam ser criadas e otimizadas diretamente no Power Query (linguagem M); 

• Ausência de padronização na nomenclatura de tabelas e campos, dificultando a leitura e manutenção do modelo; 

• Modelo relacional desnecessariamente complexo, com tabelas não utilizadas em visuais e dependências cruzadas sem propósito analítico; 

• Uso de tabelas inteiras e calendário criados diretamente via DAX, impactando o tempo de processamento e atualização do modelo. 

  
  

Esse tipo de estrutura não apenas torna o relatório mais lento, como também dificulta atualizações, aumenta o consumo de memória e CPU, e compromete a escalabilidade e governança técnica da solução.

O que foi realizado? 

Aplicamos as diretrizes da nossa Wiki de Boas Práticas, já integradas ao nosso fluxo de trabalho no DevOps, com foco em performance, padronização e manutenção contínua: 

• Reestruturação do modelo com reorganização e renomeação de tabelas para facilitar a leitura e o entendimento técnico; 

• Revisão e aplicação adequada do modelo estrela, com separação clara entre tabelas fato e dimensão; 

• Tratamento direto no Power Query para substituir colunas calculadas, reduzir granularidade (de diário para mensal) e eliminar etapas redundantes; 

• Documentação clara e objetiva das transformações no Pow er Query, facilitando futuras manutenções; 

• Redução de mais da metade das colunas de determinadas tabelas, mantendo apenas os campos relevantes para os visuais e medidas; 

• Desativação seletiva de atualização e carga em tabelas auxiliares, evitando processamento desnecessário durante as atualizações agendadas; 

• Centralização das fontes em Dataflows, com exceção de uma planilha Google Sheets mantida por necessidade operacional. 

O resultado? 

✅ Redução extrema do tamanho do arquivo: de 622MB para apenas 282KB, com compressão otimizada sem perda de informação analítica; 

✅ Melhora significativa na performance dos visuais, com respostas muito mais rápidas mesmo sob filtros complexos ou múltiplos usuários; 

✅ Modelo limpo, documentado, com etapas organizadas e DAX mais leve, facilitando a absorção pelo time interno, além de manutenções futuras e da evolução contínua do projeto; 

✅ Estrutura preparada para escalabilidade, reaproveitamento em outros relatórios e integração com pipelines de atualização no serviço; 

✅Redução do tempo de atualização agendada; 

✅ Menor uso de memória e CPU, mesmo com múltiplos acessos simultâneos. 

Por que isso importa? 

Relatórios leves e bem construídos não apenas carregam mais rápido — eles melhoram toda a experiência analítica: 

• Menos consumo de memória e CPU; 

• Menos falhas em atualizações agendadas; 

• Mais facilidade para publicar, compartilhar e “versionar”; 

• Menor risco na manutenção técnica. 

Mais performance para o usuário final, especialmente em relatórios com muitos filtros ou acessos simultâneos. 

Governança, performance e DevOps: o tripé da nossa entrega

Esse case com o Cliente é apenas um entre muitos que reforçam nosso compromisso com excelência técnica, cultura de dados e governança em BI.  

Na Dataside, cada projeto é uma oportunidade de gerar valor real através da inteligência de negócios, com leveza, método e impacto. 

Quer acelerar seu ambiente Power BI com boas práticas de verdade? 

Entre em contato com a equipe da Dataside e agende uma conversa com nossos especialistas. 

Fale com a Dataside