01. Preparação integrada

Uma solução analítica não nasce no relatório. Ela começa quando uma pergunta de negócio é traduzida em dados, passa por armazenamento e transformação e chega a um modelo capaz de responder sempre com o mesmo significado.

Preparar dados é construir o caminho entre uma fonte e uma base analítica confiável. Armazenamento, ingestão, qualidade e consulta formam uma sequência: uma decisão mal resolvida no início reaparece no modelo e no relatório. Este é o capítulo 1 de 24 da disciplina Preparar dados. Ele estabelece a base de toda a trilha. Depois dele, o estudo avança para Escolha de armazenamento.

Da pergunta ao caminho dos dados

Comece pela decisão que alguém precisa tomar. Dela saem o grão, a atualidade, o volume e a segurança necessários. Só então identifique fontes e consumidores. Essa ordem evita construir um pipeline tecnicamente correto que entrega dados atrasados, detalhados demais ou incapazes de responder à pergunta original.

Com essa base, o capítulo segue para OneLake e as experiências do Fabric. O conceito que acabou de ser apresentado passa a funcionar como ponto de partida para a decisão seguinte.

OneLake e as experiências do Fabric

O Fabric reúne Data Factory, engenharia, warehouse, Real-Time Intelligence e Power BI sobre serviços comuns e o OneLake. A integração reduz trocas de plataforma, mas não transforma essas experiências em sinônimos. Cada mecanismo continua tendo linguagem, padrão de processamento e responsabilidade próprios.

A decisão anterior ainda não encerra o problema. Em Da camada bruta à camada confiável, veremos o que muda quando esse mecanismo encontra outra camada, outro contexto ou uma necessidade mais específica.

Da camada bruta à camada confiável

Dados costumam avançar de uma forma próxima da origem para outra validada e, depois, para estruturas analíticas. Em cada passagem, registre contratos, tipos, chaves, regras de qualidade e linhagem. Uma execução concluída prova que o processo rodou; somente testes de negócio mostram que o resultado faz sentido.

Resta ligar esse mecanismo a SQL, KQL e DAX no mesmo percurso. Essa passagem completa o fluxo e permite avaliar o resultado como um todo, em vez de conferir apenas uma configuração isolada.

SQL, KQL e DAX no mesmo percurso

SQL consulta e transforma estruturas relacionais; KQL explora eventos e séries temporais; DAX expressa cálculos sobre modelos semânticos e seus filtros. Escolher a linguagem pela camada preserva clareza. Tentar resolver todo o fluxo em um único ponto cria repetição, lentidão e regras difíceis de governar.

Com as quatro partes reunidas, já é possível sair das definições e acompanhar uma situação completa. O exemplo seguinte mostra como as decisões aparecem em conjunto e em que momento cada uma precisa ser conferida.