Como usar a funcionalidade de consulta direta do Power BI

Quando você cria relatórios do Power BI, os espectadores esperam que o relatório seja atualizado periodicamente e que os dados sejam constantemente atualizados. Como? Atualizar manualmente os relatórios funciona, mas o Power BI Direct Query oferece um recurso muito melhor, atualização agendada.

Neste tutorial, você aprenderá como aproveitar a funcionalidade do Power BI Direct Query conectando um conjunto de dados armazenado em um servidor e executando consultas em seus dados.

Fique ligado e aumente a produtividade enquanto economiza tempo no processo!

Pré-requisitos

Este tutorial será uma demonstração prática. Para acompanhar, certifique-se de ter o seguinte:

• Power BI Desktop – Este tutorial usa a versão 2.109.1021.0 do Power BI Desktop.

• Um servidor SQL.

Relacionado:Começando com a Edição Padrão do Microsoft SQL Server

• A code editor – This tutorial uses VS code version 1.71.

Relacionado:O Tutorial do Visual Studio Code Que Vale a Pena Aprender

• Gateway de Dados Local da Microsoft.

Relacionado:Power BI Data Gateway : Conectando Diferentes Fontes de Dados

• SQL Server Management Studio (SSMS) – Este tutorial utiliza o SQL Server Management Studio 18.12.1.

Relacionado:Começando Com o SQL Server Management Studio (SSMS)

Criando um Banco de Dados SQL para Gerenciar com Power BI Direct Query

O Power Bi Direct Query permite que você se conecte diretamente a um conjunto de dados e oferece a opção de carregar dados ao vivo para o seu projeto. Mas antes de criar um banco de dados SQL e uma conexão, você deve saber o nome do servidor e o nome da fonte de dados para obter os detalhes corretos.

Para criar um banco de dados SQL, siga estes passos:

1. Procure por ODBC na barra de pesquisa, procure e clique em Administrador de Fontes de Dados ODBC (64 bits) para abri-lo.

2. Em seguida, vá para a guia DSN do Sistema na janela do Administrador de Fontes de Dados ODBC e clique em Adicionar para iniciar a adição de uma nova fonte de dados.

3. Selecione o driver SQL Server na lista abaixo e clique em Concluir para criar uma Fonte de Dados SQL.

O DirectQuery não suporta todas as fontes de dados. MySQL não é suportado, enquanto SQL é.

4. Agora, nomeie sua fonte de dados (MssqlDataSource), selecione uma instância SQL (POWERSERVER\POWERSERVER) instalada em sua máquina e clique em Concluir.

Observe o Nome do SQL Server e o Nome da Fonte de Dados, pois você precisará deles para a string de conexão em Python.

5. Revise os detalhes da sua fonte de dados e clique em Testar Fonte de Dados para verificar sua conexão.

Se a conexão estiver boa, você receberá uma mensagem TESTE CONCLUÍDO COM SUCESSO, conforme mostrado abaixo.

Conectando ao SQL Server

Agora que você criou uma Fonte de Dados para o seu servidor SQL, você a utilizará para criar uma string de conexão para o seu código Python.

1. Inicie o Visual Studio e pressione CTRL+SHFT+` para abrir um novo terminal.

2. Em seguida, execute o comando sqlcmd abaixo para fazer login em sua instância de servidor SQL.

sqlcmd -S SQL_SERVER -E

3. Depois de fazer login, execute as consultas a seguir para criar um novo banco de dados (CREATE DATABASE) chamado MSSQLDB.

CREATE DATABASE MSSQLDB;
GO

4. Crie um arquivo Python DBconnect.py e adicione o código abaixo, que permite que você se conecte ao seu banco de dados SQL usando o SQLAlchemy ORM para Python.

O engine marca o ponto de partida da sua aplicação SQLAlchemy. O engine descreve o pool de conexões e o dialeto para a Python Database API Specification (DBAPI). Python DBAPI é uma especificação dentro do Python para definir padrões comuns de uso para todos os pacotes de conexão de banco de dados. Essa especificação se comunica com o banco de dados especificado.

//DBconnect.py
import sqlalchemy as sa
from sqlalchemy import create_engine
import urllib
import pyodbc
# Criando uma string de conexão, utilizando urllib para formatar o texto.
conn = urllib.parse.quote_plus(
# Valores para a string de conexão obtidos da fonte de dados
'Data Source Name=MssqlDataSource;'

'Driver={SQL Server};'

'Server=POWERSERVER\POWERSERVER;'

'Database=MSSQLDB;'

'Trusted_connection=yes;'

)

try:
# Criando conexão com o motor sqlalchemy
	coxn = create_engine('mssql+pyodbc:///?odbc_connect={}'.format(conn))
	print("Passed")
except:
	print("failed!")

5. Crie um arquivo Python chamado CreateTable.py na sua pasta principal e adicione o código abaixo, e execute. O código abaixo cria uma tabela chamada students no seu banco de dados SQL.

//CreateTable.py
from DBconnect import coxn
from sqlalchemy import Table, Column, Integer, String, MetaData

# Cria um construtor de metadados que contém definições de tabelas 
  # e objetos associados como índices, visualizações, gatilhos, etc.
meta = MetaData()

# Representa o CREATE TABLE na sintaxe regular do SQL para criar uma tabela.
students = Table(
'students', meta,
Column('id', Integer, primary_key = True),
Column('name', String),
Column('lastname', String),
)

# Usa o objeto de motor para criar todos os objetos de tabela definidos 
  # e armazena as informações nos metadados.
meta.create_all(coxn)

6. Em seguida, abra o SSMS e verifique o banco de dados, tabela e colunas criadas.

7. Crie um arquivo Python chamado WriteToTable.py, adicione o código abaixo e execute.

Este código contém a lógica para escrever valores na tabela do banco de dados.

//WriteToTable.py
# Importando a tabela students do arquivo CreateTable.py.
from CreateTable import students
# Importando a string de conexão coxn do arquivo DBconnect.py.
from DBconnect import coxn
# Inserindo múltiplos valores na tabela students
ins = students.insert().values([
   {'name':'Bob','lastname':'Marley'},
   {'name':'Bob','lastname':'Dylan'}
])
conn = coxn.connect()
conn.execute(ins)

Preparando o Gateway de Dados Local

Agora que você criou uma cadeia de conexão e conseguiu se conectar ao banco de dados, precisará criar um Gateway de Dados. Este Gateway de Dados será responsável por conectar seu banco de dados ao Power BI.

1. Abra o gateway de dados local e faça login.

2. Verifique o status do seu gateway de dados local e confirme que está online, conforme mostrado abaixo.

3. Em seguida, abra o Power BI, clique em Obter Dados na guia Página Inicial e escolha SQL Server para iniciar a conexão da sua fonte de dados com o Power BI.

4. Agora, conecte-se ao DirecQuery com o seguinte:

• Insira o nome do seu Servidor e o nome do Banco de Dados nos campos correspondentesCertifique-se de que a opção DirecQuery esteja selecionada.Clique em OK para conectar-se ao DirecQuery.

5. Selecione uma tabela (alunos) do banco de dados e clique em Carregar para carregar os dados.

6. Em seguida, clique no ícone de tabela para usar uma visualização de tabela e visualizar os dados.

Relacionado:Visualização de Dados Incríveis Com Power BI Python

A tabela abaixo mostra os dados que você carregou da tabela do banco de dados

7. Clique no menu Arquivo para acessar as ações a serem realizadas no Power BI.

8. Agora, clique em Publicar → Publicar no Power BI para publicar seu relatório de dados.

9. Clique em Abrir <seu relatório> uma vez que sua publicação seja bem-sucedida, redirecionando seu navegador para a lista de atividades recentes que você fez no Power BI (passo 10).

10. Clique no relatório para abri-lo, como mostrado abaixo.

Ao fazer a primeira configuração, você pode encontrar um problema de gateway como abaixo, pois ainda não conectou a fonte de dados do projeto ao gateway de dados do Power BI.

11. Clique no ícone de configurações na coluna Ações para iniciar a adição de uma nova conexão de gateway. Fazendo isso, você pode corrigir o erro de configuração do gateway.

12. Configure a nova conexão do gateway e clique em Criar para criar uma nova conexão entre sua fonte de dados e o gateway.

13. Por último, uma vez que você veja que o gateway está em execução, selecione o nome da fonte de dados (MssqlDataSource) no campo Mapeia para, e clique em Aplicar.

Visualizando e Gerenciando Relatórios de Dados

Depois de estabelecer uma conexão entre o gateway e o Power BI, você pode visualizar seu relatório e configurar um agendamento de atualização.

1. Navegue até a página inicial de relatórios do Power BI.

O desempenho da Consulta Direta do Power Bi depende da fonte de dados subjacente. O tempo necessário para a fonte de dados subjacente responder às solicitações determinará quão rápido o usuário pode visualizar o relatório. Ou se eles conseguirão ver os relatórios com sucesso em primeiro lugar.

2. Em seguida, clique no relatório, como mostrado abaixo, para abri-lo.

Depois de abrir o relatório, você deverá ver os dados, como mostrado abaixo.

3. Volte para a página inicial do relatório e clique em Atualizar → Agendar atualização para definir uma atualização programada do relatório.

Além de criar relatórios ao vivo, o Power Bi Direct Query permite que você defina uma atualização programada, atualizando automaticamente seus relatórios.

4. Agora, selecione o intervalo de atualização de sua escolha no campo suspenso e clique em Aplicar para aplicar as alterações.

5. Abra seu script Python WriteToTable.py e adicione o código abaixo para inserir mais entradas em seu banco de dados com o seguinte e execute o script.

Executar este código não fornece saída, mas você verificará os valores inseridos na tabela posteriormente nos seguintes passos.

Não há Editor de Consulta de Energia para fontes multidimensionais como o SAP Business Warehouse, o que limita o que você pode realizar com seus dados.

//WriteToTable.py
# Importando a tabela de estudantes do arquivo CreateTable.py.
from CreateTable import students
# Importando a string de conexão coxn do arquivo DBconnect.py.
from DBconnect import coxn

# Inserindo valores múltiplos na tabela de estudantes
ins = students.insert().values([
{'name':'Damian','lastname':'Marley'},
{'name':'Rita','lastname':'Marley'},
{'name':'Ziggy','lastname':'Marley'},
{'name':'Sam','lastname':'Dylan'},
{'name':'Jakob','lastname':'Dylan'},
{'name':'Maria','lastname':'Dylan'}
])
# Criando cursor de conexão.
conn = coxn.connect()
# Executando comando insert()
conn.execute(ins)

6. Em seguida, mude para o seu navegador Power BI e clique na guia Conjuntos de dados + fluxos de dados.

Se tudo correr bem, você verá o último horário atualizado e a próxima atualização do conjunto de dados como na captura de tela abaixo.

Observe que o Power Bi Direct Query é sensível a alterações e formatação. Você pode receber um erro se o Editor de Consulta de Energia contiver etapas complexas.

Como esperado, a recarga acontece automaticamente após 15 minutos, e a próxima atualização está programada para ocorrer em outros 15 minutos.

Conclusão

Ao longo deste tutorial, você aprendeu como utilizar a funcionalidade de Consulta Direta do Power Bi para conectar seu conjunto de dados armazenado em seu servidor. Você também aprendeu a executar consultas diretamente em seus dados.

A criação de relatórios é um processo longo de coleta, limpeza, upload para uma fonte de dados, carregamento de dados para o Power BI e trabalho com as visualizações do Power BI. Esse processo mencionado é dado. Mas posteriormente, você pode atualizar o conjunto de dados manualmente ou atualizar os dados automaticamente conforme o cronograma definido.

Relacionado:Visualização de Dados Incrível com Python no Power BI

A Consulta Direta do Power BI tem suas desvantagens ao lidar e manipular dados em seu conjunto de dados. Mas o fato de você poder criar um relatório uma vez e nunca mais trabalhar nos bastidores é um grande incentivo ao usar esse recurso.