Resposta curta
Lentidão em Power BI quase sempre nasce de quatro causas, nessa ordem de frequência: volume que não precisava estar no modelo, relacionamentos que forçam o motor a percorrer tabelas grandes, medidas que recalculam o que poderia estar pronto e transformação pesada acontecendo na hora errada. Reduzir visuais trata o sintoma.
Separe os dois problemas
Abrir devagar e atualizar devagar têm causas diferentes e são frequentemente confundidos.
A abertura lenta aponta para o modelo e para as medidas: o que o motor precisa calcular para desenhar a tela. A atualização lenta aponta para a origem e para a transformação: de onde o dado vem e o que acontece com ele no caminho. Tratar os dois como “o relatório está pesado” leva a otimizar o lugar errado.
Volume que não precisava estar ali
A causa mais comum é também a mais simples: o modelo carrega mais do que a decisão exige.
- Colunas trazidas por inércia — campos de texto livre e identificadores únicos que ninguém usa custam caro em compressão.
- Granularidade excessiva — guardar cada transação quando o painel só lê o dia agrega volume sem agregar leitura. Detalhe pode continuar acessível sob demanda.
- Histórico completo por padrão — dez anos no modelo quando a gestão analisa dois, e os oito restantes existem apenas para o caso de alguém perguntar.
Modelo que obriga o motor a trabalhar demais
O modelo em estrela organiza fatos ligados a dimensões menores. Desvios desse desenho podem aumentar o trabalho em cada interação.
Procure primeiro estes sinais:
- Relacionamentos muitos-para-muitos ou filtros bidirecionais sem necessidade clara.
- Cadeias longas de tabelas para responder uma única consulta.
- Tabelas achatadas que repetem descrições em muitas linhas.
DAX que recalcula o que já poderia estar pronto
Cálculos repetidos em cada interação podem pesar à medida que a base cresce. Separe as regras conforme o momento em que precisam ser calculadas:
- Carga de dados: cálculos fixos que não dependem da seleção do usuário.
- Medidas DAX: resultados que precisam responder aos filtros e às escolhas no relatório.
Transformação no lugar errado
Se cada relatório repete junções, filtros e limpeza no Power Query, a equipe mantém a mesma transformação em vários lugares.
Centralize o preparo compartilhado em uma view da origem ou em uma camada de dados. Assim, os relatórios passam a consumir os dados já tratados.
- Uma regra de preparação compartilhada.
- Menos processamento repetido a cada atualização.
O ponto em que otimizar deixa de resolver
Considere revisar a arquitetura quando vários destes sinais aparecem juntos:
- Muitas fontes integradas dentro de cada arquivo.
- Transformações duplicadas em diversos relatórios.
- Atualizações que ultrapassam a janela disponível.
- Volume de dados crescendo continuamente.
Perguntas frequentes
- Reduzir a quantidade de visuais ajuda?
- Ajuda pouco, e apenas quando há muitos visuais complexos na mesma página. Cada visual dispara consultas, então reduzir dá um ganho perceptível em casos extremos — mas se o modelo é o gargalo, o problema volta assim que alguém filtrar.
- Vale a pena usar DirectQuery para melhorar a performance?
- Raramente por performance. DirectQuery serve quando o requisito é dado sempre atual ou quando o volume não cabe em memória; em troca, cada interação vira consulta ao banco. Modelo importado bem construído costuma ser mais rápido para leitura analítica.