O que é modelagem de dados?
Modelagem de dados é a forma de estruturar e relacionar tabelas para que os dados façam sentido e respondam às perguntas do negócio. No Power BI e em bancos de dados, envolve definir tabelas de fato e dimensão, criar relacionamentos e organizar tudo em esquemas (como o modelo estrela) para análises rápidas e corretas.
O que você vai ver aqui?
Introdução
Modelagem de dados é a forma de estruturar e relacionar tabelas para que os dados façam sentido e respondam às perguntas do negócio. No Power BI e em bancos de dados, envolve definir tabelas de fato e dimensão, criar relacionamentos e organizar tudo em esquemas (como o modelo estrela) para análises rápidas e corretas.
Se você já abriu um arquivo de Power BI cheio de tabelas soltas, com relacionamentos cruzados e medidas que não batem, provavelmente já sentiu na pele o que é uma modelagem mal feita. O relatório fica lento, os números duplicam e ninguém confia no dashboard. A boa notícia é que, com alguns conceitos simples, dá para organizar qualquer base de dados de um jeito que facilita a análise em vez de atrapalhar.
Neste guia você vai entender o que é modelagem de dados na prática, a diferença entre tabela fato e tabela dimensão, como funcionam os relacionamentos entre tabelas e por que o modelo estrela é o formato mais recomendado para quem trabalha com Power BI.
O que é modelagem de dados e por que ela importa
Modelar dados é decidir como as informações vão ser organizadas antes de qualquer gráfico ou fórmula. Isso inclui escolher quais tabelas existem, o que cada uma armazena e como elas se conectam entre si.
Sem uma modelagem pensada, é comum cair em duas armadilhas. A primeira é a “tabela única”, uma planilha gigante com tudo misturado (vendas, clientes, produtos, datas) que fica pesada e difícil de filtrar. A segunda é o excesso de tabelas soltas, sem relacionamento correto, que gera medidas duplicadas ou totalmente erradas.
Uma boa modelagem resolve os dois problemas. Ela deixa o modelo mais leve, porque cada tabela guarda só o que precisa, e mais confiável, porque os relacionamentos garantem que os filtros se propaguem do jeito certo. Se você ainda está dando os primeiros passos na ferramenta, vale revisar o que é Power BI antes de seguir, porque a modelagem é a base sobre a qual todo o resto (consultas, medidas e visuais) é construído.
Tabela fato e tabela dimensão: qual a diferença
O primeiro passo para modelar bem é entender os dois tipos de tabela que aparecem na maioria dos projetos de análise de dados.
A tabela fato guarda os eventos e números do negócio, como vendas, pedidos, cliques ou transações. Ela costuma crescer bastante, já que ganha uma linha nova a cada evento registrado.
A tabela dimensão guarda as informações descritivas que dão contexto para esses eventos, como dados de clientes, produtos, vendedores ou datas. Ela muda pouco e serve para filtrar e agrupar a tabela fato.
| Característica | Tabela fato | Tabela dimensão |
|---|---|---|
| O que guarda | Eventos e valores numéricos | Atributos descritivos |
| Exemplo | Vendas, pedidos, acessos | Clientes, produtos, datas |
| Volume de linhas | Alto, cresce com o tempo | Baixo, muda pouco |
| Papel no modelo | Centro do esquema | Ao redor da tabela fato |
Na prática, uma tabela de vendas (fato) se conecta a uma tabela de produtos, uma de clientes e uma de calendário (dimensões) para permitir análises como “faturamento por cliente em cada mês”.
Relacionamentos entre tabelas: 1:N e N:N
Depois de separar fato e dimensão, o próximo passo é ligar essas tabelas por meio de relacionamentos, usando uma coluna em comum entre elas (geralmente um código ou ID).
O tipo mais comum é o relacionamento um para muitos (1:N), quando um registro de uma tabela se relaciona com vários registros de outra. Por exemplo, um cliente (1) pode ter várias vendas (N). É esse tipo de relacionamento que sustenta a maioria dos modelos em estrela.
Já o relacionamento muitos para muitos (N:N) acontece quando registros de ambos os lados podem se repetir, como produtos que aparecem em várias promoções e promoções que têm vários produtos. Esse tipo funciona, mas exige mais atenção porque pode gerar contagens duplicadas se não for bem configurado.

No Power BI, também importa a direção do filtro: normalmente ele flui da dimensão para a fato (filtro único), e só em casos específicos vale usar o filtro cruzado nos dois sentidos. Entender esses relacionamentos ajuda até na hora de escrever fórmulas, e é um dos motivos pelos quais vale a pena revisar o que é DAX depois de acertar o modelo.
Modelo estrela vs. modelo floco de neve
Quando várias tabelas dimensão se conectam a uma tabela fato central, sem ligações entre as próprias dimensões, temos o modelo estrela (star schema). É o formato mais recomendado para Power BI, porque simplifica os relacionamentos e deixa o mecanismo de cálculo (o VertiPaq) mais rápido.
Já o modelo floco de neve (snowflake schema) surge quando as dimensões são divididas em subtabelas relacionadas entre si, por exemplo, separar “produto” em “produto” e “categoria de produto” em tabelas distintas. Ele normaliza mais os dados e ocupa menos espaço, mas cria caminhos de relacionamento mais longos, o que costuma deixar as consultas mais lentas.
Na prática, para a maioria dos relatórios de Power BI, o modelo estrela é a escolha mais simples e com melhor desempenho. O floco de neve faz mais sentido em bancos de dados tradicionais, onde economizar espaço em disco é uma prioridade maior do que a velocidade de leitura.

Boas práticas de modelagem de dados
Alguns cuidados simples fazem muita diferença na hora de montar um modelo de dados sólido:
- Nomeie tabelas e colunas de forma clara, sem abreviações confusas, pensando em quem vai usar o relatório.
- Evite tabelas únicas com tudo misturado, prefira sempre separar fato e dimensão.
- Mantenha um único relacionamento ativo entre duas tabelas, e use relacionamentos inativos apenas quando for realmente necessário.
- Crie uma tabela calendário própria em vez de depender das datas soltas na tabela fato.
- Oculte do usuário final colunas técnicas, como chaves e IDs, que servem só para os relacionamentos funcionarem.
Vale lembrar que boa parte dessas boas práticas depende de um tratamento de dados bem feito antes mesmo de chegar à modelagem, o que reforça a importância de entender o que é ETL e deixar as bases limpas e padronizadas antes de montar os relacionamentos.
Modelagem no Power BI vs. em banco de dados
A lógica por trás da modelagem de dados é parecida em qualquer ferramenta, mas a forma de aplicar muda.
No Power BI, a modelagem acontece de forma visual, na tela de relacionamentos, depois que os dados já passaram pelo Power Query. O foco é ter um modelo estrela enxuto, com boas medidas em DAX e desempenho rápido para quem consome o relatório.
Em um banco de dados relacional, a modelagem costuma seguir regras de normalização mais rígidas, geralmente representadas em diagramas entidade-relacionamento, e é feita com o objetivo de manter a integridade dos dados e evitar redundância, muitas vezes usando comandos SQL para criar e ajustar as tabelas.
Se você quer se aprofundar no lado mais técnico do banco de dados, o guia avançado de modelagem em banco de dados é um bom próximo passo depois deste artigo. E para acompanhar outros conteúdos sobre a ferramenta, dá para explorar os posts da categoria Power BI no blog.
Conclusão
Modelagem de dados não é um detalhe técnico que só interessa a quem trabalha com banco de dados. É a base que decide se um relatório de Power BI vai ser rápido e confiável ou lento e cheio de números duvidosos. Separar bem tabela fato e dimensão, montar relacionamentos corretos e organizar tudo em um modelo estrela resolve a maior parte dos problemas de desempenho e de consistência nos dashboards.
Se você quer aprender a modelar dados do jeito certo, com prática guiada em Power BI e também uma introdução a bancos de dados e SQL, vale conhecer o curso completo de Power BI da Hashtag Treinamentos, que tem um módulo dedicado a conectar a ferramenta com bancos de dados SQL.
FAQ – Perguntas Frequentes sobre Modelagem de Dados
1. O que é modelo estrela?
É um esquema de modelagem em que uma tabela fato central se conecta diretamente a várias tabelas dimensão, sem relacionamentos entre as dimensões. É o formato mais recomendado para Power BI por ser simples e rápido.
2. Por que separar tabela fato e tabela dimensão?
Porque cada uma tem um papel diferente: a fato guarda os eventos e números, a dimensão guarda o contexto. Separar as duas deixa o modelo mais leve, evita duplicação de dados e facilita a criação de medidas corretas.
3. Modelagem de dados é só de banco de dados?
Não. O conceito se aplica a qualquer ferramenta que trabalhe com dados relacionados, incluindo Power BI, Excel avançado e sistemas de BI em geral, além dos bancos de dados tradicionais.
4. Como evitar relacionamentos errados no Power BI?
Mantenha um único relacionamento ativo entre cada par de tabelas, prefira relacionamentos um para muitos sempre que possível e revise a direção do filtro cruzado antes de usar relacionamentos muitos para muitos.
5. O que é chave estrangeira na modelagem de dados?
É a coluna de uma tabela que faz referência à chave primária de outra tabela, permitindo que as duas se relacionem. É essa coluna que o Power BI e os bancos de dados usam para conectar tabela fato e tabela dimensão.
Hashtag Treinamentos
Para acessar outras publicações de Power BI, clique aqui!
Posts mais recentes de Power BI
- Claude Dashboards: Como Usar Passo a PassoAprenda a usar o Claude Dashboards: conecte o Google Sheets, crie um dashboard com IA, confira de onde vem cada número e atualize os dados em um clique.
- Dashboard no Power BI com Claude: Passo a Passo CompletoMonte um dashboard no Power BI com Claude: modelo, medidas DAX e visuais em HTML com efeito de vidro que respondem aos filtros. Veja o passo a passo.
- O que faz um analista de BI? Funções, salário e ferramentasO que faz um analista de BI, salário no Brasil, ferramentas exigidas e como entrar na área de Business Intelligence.
Posts mais recentes da Hashtag Treinamentos
- ChatGPT para criar fórmulas no Excel: 5 exemplos práticosAprenda a usar o ChatGPT para criar fórmulas no Excel com 5 exemplos práticos de SOMA, SOMASES, SE, PROCV e CONT.SES, e veja como pedir certo e validar.
- Cursor para iniciantes: tutorial completo passo a passoCursor para iniciantes: aprenda a instalar, configurar o modelo, usar os modos Plan e Ask e criar sua primeira automação em Python com IA.
- Claude Artifacts: crie dashboards, slides e sites com IAAprenda a usar o Claude Artifacts para criar dashboards, apresentações e sites com IA a partir de um prompt, com exemplos e prompts prontos para copiar.








