Introdução

  • 2 minutos

Considere o cenário em que você importou dados para Power BI de várias fontes diferentes e, ao examinar os dados, ele não está preparado para análise. O que pode tornar os dados inadequados para análise?

Ao examinar os dados, você descobre vários problemas, incluindo:

  • Uma coluna chamada Status de emprego contém apenas numerais.

  • Várias colunas contêm erros.

  • Algumas colunas contêm valores nulos.

  • A ID do cliente em algumas colunas é exibida como se ela fosse duplicada repetidamente.

  • Uma única coluna de endereço combinou rua, cidade, estado e CEP.

Você começa a trabalhar com os dados, mas toda vez que cria visuais nos relatórios, os resultados saem errados — os dados estão incorretos, os totais de vendas não batem, e até os relatórios mais simples apresentam falhas.

Dados sujos podem ser desafiadores e, embora você possa se sentir frustrado, decide arregaçar as mangas e descobrir como tornar esse modelo semântico o mais limpo e preciso possível.

Felizmente, Power BI e Power Query oferecem um ambiente poderoso para limpar e preparar os dados. Os dados limpos trazem as seguintes vantagens:

  • As medidas e as colunas produzem resultados mais precisos quando fazem agregações e cálculos.

  • As tabelas são organizadas, nas quais os usuários podem encontrar os dados de maneira intuitiva.

  • As duplicatas são removidas, simplificando a navegação de dados. Elas também produzirão colunas que podem ser usadas em segmentações e filtros.

  • Uma coluna complicada pode ser dividida em duas colunas mais simples. Várias colunas podem ser combinadas em uma só coluna para facilitar a leitura.

  • Códigos e inteiros podem ser substituídos por valores legíveis para humanos.

Neste módulo, você aprenderá a:

  • Resolver inconsistências, valores inesperados ou nulos e problemas de qualidade de dados.

  • Aplique substituições de valores intuitivas.

  • Crie um perfil de dados para saber mais sobre uma coluna específica antes de usá-la.

  • Avaliar e transformar os tipos de dados da coluna.

  • Aplicar transformações da forma de dados a estruturas de tabela.

  • Combinar consultas.

  • Aplicar convenções de nomenclatura fáceis de usar a colunas e consultas.

  • Editar o código M no Editor Avançado.