FácilMúltipla escolha

Questão de prática de PL-300

Você está criando um relatório do Power BI para uma pequena empresa. A fonte de dados é um banco de dados do Microsoft Access com as tabelas: Customers (CustomerID, CompanyName, City), Orders (OrderID, CustomerID, OrderDate, Amount). Você precisa modelar os dados para analisar o total de pedidos por cliente e por mês. Qual é a abordagem mais eficiente?

Escolha a melhor resposta.

Resposta correta

  • DImporte ambas as tabelas para o Power BI e crie um relacionamento entre as colunas CustomerID.

Explicação

A opção D está correta porque importar ambas as tabelas e criar um relacionamento entre as colunas CustomerID constrói um modelo adequado no estilo estrela (star schema) no Power BI, permitindo que a dimensão Customers filtre a tabela de fatos Orders para que os totais por cliente e por mês possam ser computados eficientemente com DAX. Essa abordagem aproveita o mecanismo VertiPaq em memória do Power BI e a propagação de filtros baseada em relacionamentos, que é o padrão de modelagem recomendado para esse tipo de análise. A opção A não se encaixa porque o DirectQuery não é compatível com o Microsoft Access como fonte de dados no Power BI e, mesmo onde o DirectQuery se aplica, ele não seria mais eficiente aqui. A opção B é menos flexível porque pré-unir as tabelas no Power Query achata o modelo e complica a agregação e reutilização no nível mensal. A opção C representa uma sobrecarga desnecessária para um cenário de pequena empresa e adiciona esforço de migração sem benefícios de modelagem.

Por que cada alternativa está certa ou errada

A

Incorreta

Use o DirectQuery no banco de dados do Access para evitar a importação.

O DirectQuery contra o Access envia consultas ao vivo para o mecanismo Jet/ACE para cada interação visual, o qual carece do otimizador de consultas, compactação de armazenamento de colunas e indexação do SQL Server — causando latência severa e bloqueios mesmo para conjuntos de dados modestos. O Access é um banco de dados baseado em arquivo com bloqueio em nível de linha/página e sem cache no lado do servidor, portanto, usuários de relatórios simultâneos degradarão ainda mais o desempenho. Como o cenário é de uma pequena empresa com um pequeno conjunto de dados, importar para a memória é infinitamente mais rápido e evita esses gargalos de consulta ao vivo.

B

Incorreta

Crie uma única consulta no Power Query que una as tabelas e importe o resultado.

Mesclar as tabelas no Power Query cria uma tabela plana desnormalizada que repete os atributos do cliente (nome, endereço, etc.) em cada linha de pedido, inchando o modelo e aumentando o armazenamento. Isso força as medidas a dependerem de DAX defensivo, como DISTINCTCOUNT para contagens de clientes, em vez de agregações simples sobre uma tabela de fatos devidamente modelada, e impede a propagação automática de filtros que um relacionamento de esquema em estrela fornece. Os dados duplicados também aumentam o tempo de atualização e a pegada de memória, contradizendo o objetivo de um modelo eficiente e compacto.

C

Incorreta

Migre o banco de dados do Access para o SQL Server e, em seguida, importe.

Migrar o Access para o SQL Server introduz uma sobrecarga substancial de infraestrutura — provisionar um servidor, projetar esquemas, gerenciar autenticação e construir um processo ETL —, o que é injustificado para uma pequena empresa com um pequeno conjunto de dados do Access. O conector do Access do Power BI já extrai os dados da tabela de forma eficiente, portanto, o salto extra adiciona complexidade e custo de manutenção sem melhorar o desempenho da consulta, uma vez que os dados ainda seriam importados para o mesmo mecanismo em memória. Essa abordagem só vale a pena ser considerada se os dados excederem os limites de memória ou exigirem atualização quase em tempo real, nenhuma das quais se aplica aqui.

D

Correta

Importe ambas as tabelas para o Power BI e crie um relacionamento entre as colunas CustomerID.

Importar ambas as tabelas para o Power BI carrega os dados no armazenamento colunar em memória VertiPaq, que compacta valores e entrega agregações DAX em frações de segundo, mesmo sem infraestrutura externa. Criar um relacionamento de um para muitos em CustomerID entre a tabela de dimensão Customers e a tabela de fatos Orders habilita a filtragem padrão de esquema em estrela — medidas como 'Total Revenue by Customer' funcionam automaticamente por meio do contexto de linha e da propagação de filtros, sem necessidade de junções explícitas. Esse design mantém o modelo compacto, evita a duplicação de dados e é o padrão recomendado para pequenos conjuntos de dados no Power BI.

Para se aprofundar

Esta questão testa o princípio central de modelagem de que o Power BI não é uma ferramenta de preparação de dados (staging), mas sim um mecanismo de modelagem semântica. Quando você importa dados, eles são armazenados em um índice colunar altamente compactado que se destaca na varredura e agregação de linhas filtradas, e os relacionamentos entre as tabelas aproveitam esse mecanismo para propagar filtros sem duplicação física de dados. Uma tabela plana produzida por uma mesclagem (merge) do Power Query força você a usar padrões DAX intensivos em recursos e perde a distinção semântica entre dimensões e fatos, enquanto tabelas separadas com um relacionamento criam um esquema em estrela que reduz o armazenamento e simplifica a criação. O DirectQuery, por outro lado, ignora o mecanismo em memória e traduz as consultas ao vivo para a origem, o que só é apropriado para dados muito grandes ou que mudam frequentemente e não cabem na memória — e o Access, sendo um banco de dados de arquivo único sem otimização no lado do servidor, é uma fonte DirectQuery particularmente deficiente. O equívoco comum é que "uma tabela grande" é mais fácil para relatórios, mas na verdade ela multiplica a complexidade das medidas e o tamanho do modelo; a abordagem correta para dados pequenos é importar e relacionar. Uma implicação no mundo real é que um conjunto de dados modelado corretamente pode lidar com milhares de visuais sem problemas, enquanto uma tabela plana mal projetada se torna lenta e difícil de manter.

Sobre estas questões de prática

Esta é uma das questões de prática originais de PL-300 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.