Suponhamos que você tenha um cliente proprietário de uma rede de hotéis. Seu cliente gostaria de saber quanto foi faturado nos meses em que os hóspedes estiveram em seu hotel. Entendendo nossos dados: Dia Inicial = Check-In; Dia Final = Checkout; Valor por dia = Valor da diária; Apartamento = Apartamento em que o cliente está hospedado. No exemplo abaixo podemos ter uma visão melhor: Vamos pegar o apartamento A para analisar: o hóspede entrou dia 06/01/2020 e saiu dia 20/02/2020. Quantos dias foram no total? Qual foi valor faturado em janeiro e fevereiro? Se você tem alguma dúvida sobre como resolver essa situação, fique comigo até o final! 😊 Após importar os dados para o Power Query, será realizada uma subtração das colunas "Dia Final" e "Dia Inicial": Para realizar esta ação, clique em “Adicionar Coluna”, selecione as colunas citadas acima e, em “Data”, selecione “Subtrair Dias”: Para contar inclusive o dia de entrada, basta inserir +1 na barra de fórmulas: Agora que já temos a quantidade de dias vamos criar uma lista para expandi-los de acordo com cada apartamento: Clique em Adicionar Coluna > Coluna Personalizada: Abrirá uma janela para adicionar a fórmula: Vamos entender a fórmula (1): O número 1 é o primeiro número da lista; Os dois pontos “..” mostram o intervalo que indica que a lista deve ser gerada a partir do primeiro número até o número especificado na coluna "Qtd Dias"; As chaves { } servem para o Power Query identificar uma lista. Após clicar em “OK”, será criada uma coluna com o nome “Lista”, conforme renomeado acima. Basta clicar na lateral e selecionar “Expandir para Novas Linhas”: Mostrará a quantidade de linhas de 1 a 46 referenciando o apartamento A. Para os demais, mostrará de 1 até a data de saída. Foi necessário inserir uma Coluna Personalizada de data, iniciando no dia de entrada e somando a quantidade de dias existentes na lista: Vamos entender a fórmula (2): A função "Date.AddDays" adiciona um número de dias a uma data inicial, onde o número de dias é especificado pelo valor da lista; [Dia Inicial] é a data de início para a adição de dias; [Lista] é um valor numérico que representa a quantidade de dias a serem adicionados; O -1 serve para subtrair 1 da lista, pois a contagem de dias começa em 0. Após clicar em “OK” será criada uma coluna de Data: Ao finalizar esta etapa, basta clicar em “Fechar e Aplicar”: De volta ao Power BI, vamos aos relacionamentos (lembrando que foi preciso criar uma tabela dCalendário para relacionamento entre as colunas de Data). Na página inicial foram adicionados uma Tabela (1) e um Segmentador de Dados (2) onde, na tabela, estão as informações de ano, mês e total mensal, e no segmentador a coluna “Apartamento”: Ao selecionar o apartamento que deseja obter informações, a tabela mudará de acordo com a seleção realizada: Em resumo, a diluição de valores em linhas pode ser uma técnica poderosa para transformar dados de uma tabela em uma estrutura mais útil e analisável no Power Query. Com as funções adequadas, a diluição pode ser realizada com facilidade e precisão, ajudando assim a melhorar a análise de dados. Lembrando que o exemplo citado nesse artigo é apenas uma das formas de realizar essa operação. Existem outras maneiras de diluir valores em linhas, e a escolha da melhor abordagem dependerá das especificidades dos dados e da tarefa em questão. O importante é conhecer as diversas ferramentas disponíveis no Power Query e utilizá-las de forma eficiente para obter insights precisos e úteis a partir dos seus dados.

Você sabe o que é Modelagem de Dados? Muitas pessoas ignoram este conceito na hora de aprender Power BI, mas o que a maioria não sabe é que sem a base, você pode (e vai) errar muito. Às vezes o projeto pode estar lindo visualmente, mas será que por trás ele está bem estruturado? Bem tratado? Vem comigo para conhecer um pouquinho mais sobre esse assunto que eu particularmente gosto bastante!!! Modelagem de Dados é nada mais, nada menos do que uma conexão entre colunas de determinadas tabelas com o objetivo de organizar os dados. Mas lembre-se: antes de iniciar essa conexão entre tabelas, será necessário que os dados tenham sido muito bem tratados para um bom funcionamento. As tabelas citadas acima que se conectam são: Tabela Fato: São tabelas que contêm informações voltadas ao registro de algo. Por exemplo: datas e valores. É uma tabela mais numérica e sua principal característica é ser maior verticalmente, ou seja, possuir mais linhas do que colunas. Tabela Dimensão: São tabelas que contêm informações voltadas ao cadastro de algo. Por exemplo: Informações completas sobre determinado assunto. Uma dCliente seria composta por nome completo, endereço, data de nascimento, e outras informações relacionadas aos clientes. Ao contrário da Fato, sua principal característica é ser maior horizontalmente, ou seja, possuir mais colunas do que linhas. A principal informação que conecta essas tabelas são os IDs, que será a única coisa em comum entre elas. Ao relacionar as tabelas, existem tipos diferentes de Cardinalidade: um para muitos, um para um, muitos para um e muitos para muitos. Geralmente quando fazemos relacionamentos usamos um para muitos, onde teremos o 1 ligado na Dimensão e * na Fato. Isso se dá porque na Dimensão as informações não se repetem, enquanto na Fato pode acontecer. O modelo de ligação entre Fato e Dimensão é chamado de Esquema Estrela (Star Schema), onde as pontas serão as dimensões se conectando com a fato, que está no centro. Uma coisa muito importante para ter em mente é: TABELAS FATO NÃO SE RELACIONAM ENTRE SI.