Dado bruto x Dado tratado x Informação: entenda as diferenças

Você já exportou um relatório do ERP da sua empresa, olhou para aquelas milhares de linhas repletas de códigos incompreensíveis, colunas mescladas, valores nulos e datas em formatos bizarros e só então lembrou que o diretor pediu um dashboard gerencial para o fim do dia?

Essa "dor" é a rotina de boa parte dos analistas. O abismo entre o arquivo que você baixa e o gráfico que você entrega é exatamente o que define o verdadeiro profissional de dados.

Para cruzar esse abismo com consistência, você precisa dominar o ciclo de vida analítico: entender em qual estado seu dado se encontra em cada etapa do processo e o que fazer com ele. Neste artigo, você vai compreender, de uma vez por todas, a diferença entre Dado Bruto, Dado Tratado e Informação e como cada estágio se materializa dentro do ecossistema Microsoft.

1. O erro clássico de quem pula etapas

No universo de Análise de Dados, existe um padrão de comportamento que se repete com frequência entre iniciantes: conectar uma planilha confusa diretamente no Power BI Desktop e começar a arrastar campos para a tela de visuais, esperando que a ferramenta faça mágica.

O resultado? Gráficos quebrados, lentidão no carregamento e, o mais grave de tudo, métricas incorretas sendo apresentadas a gestores que tomam decisões com base nelas.

Entender a diferença estrutural entre os estados do dado e o momento certo de trabalhar com cada um, é o primeiro passo para criar relatórios confiáveis, performáticos e que resistem ao tempo.

2. Dado Bruto (Raw Data): o registro original

O Dado Bruto é o registro original, exatamente da forma como foi gerado ou extraído pelo sistema de origem, seja um banco de dados SQL Server, uma API REST, um arquivo exportado do SAP ou uma planilha .csv recebida por e-mail.

Ele existe para otimizar o armazenamento do sistema que o criou, não para ser lido por humanos ou consumido diretamente por ferramentas de visualização.

Como ele se parece?

Imagine uma linha de banco de dados de um sistema de vendas:

TX_VND_001 | 20231024 | 150.00 | X99 | NF | 1 | NULL

Nenhum campo tem rótulo legível. A data está no formato YYYYMMDD sem separadores. O campo de cliente é um código interno. Há um valor NULL sem contexto. Esse é o dado bruto em sua forma mais honesta.

Outros exemplos comuns no ambiente corporativo:

• Tabelas com cabeçalho apenas a partir da linha 5 (porque as primeiras linhas têm metadados do sistema)
• Colunas com nomes técnicos como CD_CLI, VL_BRUTO, DT_EMI
• Texto com problemas de codificação (caracteres Ã, Ç que aparecem como símbolos estranhos após exportação)
• Campos numéricos armazenados como texto
• Colunas inteiras de valores em branco (null) sem documentação do motivo

Onde ele vive no ciclo do Power BI?

O dado bruto existe na origem (banco de dados, arquivo, API) ou logo após você clicar em Obter Dados no Power BI Desktop, antes de qualquer transformação.

⚠️ Atenção: O dado bruto não tem contexto de negócio. Ele é apenas um fato isolado registrado no tempo. Utilizá-lo diretamente em visuais é um dos erros mais comuns, e mais perigosos, de iniciantes.

Leia também: Erros Comuns de Iniciantes no Power BI: Como Evitá-los e Ter Resultados Profissionais

3. Dado Tratado (Clean Data): o processo de lapidação

Aqui entramos no território do ETL (Extract, Transform, Load): Extrair, Transformar e Carregar. O Dado Tratado é o dado bruto que passou por um processo de limpeza, padronização e estruturação. Ele foi preparado para ser compreendido matematicamente e visualmente.

No ecossistema Microsoft, a "fábrica" onde essa transformação acontece é o Power Query, acessível através do botão Transformar Dados na guia Página Inicial do Power BI Desktop (e também no Excel, pela guia Dados → Obter e Transformar Dados).

O que fazemos para transformar o dado bruto em tratado?

As operações mais comuns no Power Query incluem:

Tipagem correta

Garantir que números sejam lidos como números (Decimal, Inteiro) e datas como datas, não como texto. Quando o Power BI importa uma coluna de datas no formato YYYYMMDD como texto, todos os cálculos de inteligência de tempo falharão silenciosamente.

Limpeza

Remover linhas em branco, filtrar registros irrelevantes (como cabeçalhos duplicados que aparecem no meio da tabela), substituir valores de erro (#N/D, null, 0 indevido).

Padronização

Renomear colunas para termos de negócio compreensíveis. TX_VND_001 vira ID Venda. DT_EMI vira Data de Emissão. CD_CLI se transforma no nome real do cliente através de um merge com a tabela de cadastro.

Estruturação

Transformar tabelas dinâmicas (pivotadas) em formato tabular usando o recurso Transformar Colunas em Linhas (Unpivot). Esse é um dos recursos mais poderosos do Power Query para normalizar planilhas que foram montadas pensando em leitura humana, não em análise.

Como o dado tratado se parece?

Aquela linha estranha do exemplo anterior agora é uma tabela organizada:

O dado está legível, tipado corretamente e pronto para ser consumido pelo modelo.

Disponibilidade

O Power Query está disponível no Power BI Desktop (todas as versões, inclusive gratuita) e no Excel (Microsoft 365). O processo de transformação não exige licença paga: apenas o compartilhamento dos resultados no Power BI Service requer licença Pro ou superior.

Leia também: Decifrando o Power Query #1: Entendendo a interface e o fluxo de trabalho

4. Informação: o ouro e o valor agregado

Se o dado tratado é a base organizada, a Informação é a resposta a uma pergunta de negócio.

A informação surge quando aplicamos contexto, cálculo e visualização aos dados tratados. Ela não existe no dado em si , ela é construída pelo analista, com intenção, a partir de um dado confiável.

No Power BI, a Informação é gerada na Exibição de Relatório e na Exibição de Modelo, utilizando a linguagem DAX (Data Analysis Expressions) para criar Medidas que respondem dinamicamente ao contexto de filtros.

Exemplo prático com DAX

Partindo da tabela de vendas tratada, uma medida simples de inteligência de tempo no DAX seria:

Vendas Mesmo Período Ano Anterior =
CALCULATE(
    SUM(fVendas[Valor]),
    SAMEPERIODLASTYEAR(dCalendario[Data])
)

O que cada argumento faz:

• CALCULATE(...): modifica o contexto de filtro da expressão interna
• SUM(fVendas[Valor]): agrega o valor de vendas
• SAMEPERIODLASTYEAR(dCalendario[Data]): desloca o filtro de data para o mesmo período do ano anterior, usando a tabela de calendário dimensional

A Informação resultante é: "A Empresa Alpha comprou R$ 150,00 em outubro de 2023, o que representa uma queda de 12% em relação ao mesmo período do ano anterior, impactando a meta da filial Sul."

O dado bruto dizia o quê aconteceu. O dado tratado organizou como registrar. A informação explica por que isso importa para a empresa.

5. Dica de Ouro / Performance: A Máxima de Roche

"Os dados devem ser transformados o mais longe possível da análise (upstream) e o mais próximo possível de onde serão utilizados."

Matthew Roche, Customer Advisory Team, Microsoft Fabric

O que isso significa

Nunca use Colunas Calculadas em DAX para limpar dados, como extrair textos, concatenar campos ou juntar colunas que deveriam ter sido tratadas antes.

Por quê? Colunas Calculadas em DAX são calculadas no momento do carregamento do modelo e armazenadas em memória RAM. Em modelos grandes (milhões de linhas), isso infla o tamanho do arquivo .pbix, aumenta o tempo de atualização e degrada a performance geral do relatório.

A limpeza pesada deve ser feita exclusivamente no banco de dados (via SQL) ou no Power Query (via linguagem M). Deixe o DAX apenas para gerar a Informação, cálculos analíticos dinâmicos em cima de Medidas.

6. Os três estados em um fluxo completo

Para fixar a diferença entre os conceitos, veja o ciclo completo aplicado a um cenário real de varejo:

Cenário: A empresa precisa monitorar o desempenho de vendas por filial, comparando com o mesmo período do ano anterior.

Dado Bruto (origem: ERP)

0012|20231015|982.50|F03|VND|CLI_0091|NULL|PDV

Exportado em .csv. Sem cabeçalho legível. Data como inteiro. Filial como código interno.

Dado Tratado (Power Query)

Tipagem correta. Código de filial cruzado com tabela dimensional. Valor como decimal. Linha nula removida.

Informação (DAX + Visualização)

"As vendas da Filial Centro em outubro de 2023 cresceram 8,3% vs. outubro de 2022, puxadas pelo canal PDV que representou 67% do faturamento do período."

Essa resposta, que orienta uma decisão de expansão ou investimento, só foi possível porque o dado passou corretamente por todas as etapas anteriores.

7. Por que essa distinção importa para a sua carreira

Profissionais que não compreendem essa distinção cometem os mesmos erros repetidamente: importam dados sujos direto no modelo, criam medidas sobre uma base inconsistente e entregam dashboards visualmente bonitos que apresentam números incorretos.

Quando um gestor questiona um número e o analista não consegue rastrear sua origem (não sabe em que etapa o dado foi transformado, qual regra foi aplicada, qual coluna alimenta qual medida), a credibilidade do projeto desmorona.

Entender onde o dado nasce, como ele se transforma e em que momento ele se torna informação é o que diferencia quem "mexe na ferramenta" de quem constrói análises confiáveis.

Qual o próximo passo?

Agora que você compreende a diferença entre Dado Bruto, Dado Tratado e Informação, o próximo passo é dominar a ferramenta responsável pela etapa central desse ciclo: o Power Query.

É no Power Query que o dado bruto é lapidado, padronizado e estruturado para que o modelo DAX possa transformá-lo em informação de valor para o negócio.

Leia também: Decifrando o Power Query #2: Guia Arquivos - Configurações Locais x Configurações Gerais

Leia também: Como destravar o verdadeiro poder do Power BI - Integrando dados de fontes distintas