Quando criar tabelas derivadas no PowerBI?

Depois da otimização do post anterior (aqui), surge uma dúvida importante: “Quando faz sentido criar tabelas derivadas no Power BI e quando é melhor consultar direto no banco?”

Essa é uma decisão que impacta:

• Performance
• Custos
• Manutenção
• Governança
• Consistência dos dados

E a verdade é simples:

❗Nem sempre criar tabelas derivadas é a melhor abordagem — mas quando é, os ganhos são enormes.

🧭 Critério 1 — A origem é a mesma?

Se as tabelas usam:

• A mesma base
• Os mesmos filtros
• A mesma granularidade
• Mudando apenas métricas ou agregações

👉 Vale a pena criar derivação no Power BI.

Se a segunda tabela traz:

❌ outra fonte
❌ outro nível de detalhe
❌ filtros diferentes

👉 A derivação pode gerar inconsistência — melhor consultar do banco.

🧭 Critério 2 — O volume é ideal para o Power BI?

O Vertipaq (motor interno do Power BI) lida muito bem com:

✔ tabelas analíticas
✔ colunas dimensionais
✔ dados compressíveis

Mas se você está lidando com:

⚠ logs
⚠ transações não agregadas massivas
⚠ tabelas com mais de 100M linhas

👉 talvez seja melhor processar no banco antes.

Abaixo criei uma tabela para rápida decisão:

🧭 Criador rápido de decisão

🧪 Regra prática para o dia a dia

Se a tabela deriva do mesmo conjunto de linhas já carregadas, não vale consultar de novo.

Se para gerar a segunda tabela você teria de reconsultar o banco, mas os dados já existem na memória do Power BI, então você está gastando recursos duas vezes.

🚀 O benefício dessa decisão

Aplicando essa lógica, você ganha:

✔ Processamento distribuído
✔ Menos dependência do banco
✔ Carregamentos mais rápidos
✔ Estrutura mais limpa

E principalmente:

Métricas sempre consistentes — porque vêm da mesma base de dados.

🧠 Resumo

Criar tabelas derivadas não é improviso — é uma prática de otimização.

Ela funciona quando:

• Você já tem os dados necessários no Power BI
• Não precisa consultar novas fontes
• A diferença entre tabelas está só no contexto analítico, e não nos dados brutos