Serve AI Gerencial – ETL: modelagem e visualização de dados utilizando Microsoft Power BI

Abstract

Este trabalho apresenta o desenvolvimento de um processo completo de Business Intelligence (BI), aplicado ao sistema de autoatendimento (self-checkout) da ServeAI. A pesquisa tem caráter aplicado e descritivo com abordagem qualitativa, visa a criação de um dashboard gerencial utilizando Power BI e Power Query para apoiar a tomada de decisão estratégica. Os dados foram extraídos de um banco hospedado na plataforma Neon e passaram por um processo de extração, transformação e carga (ETL) estruturado, envolvendo limpeza, padronização e integração. Posteriormente, foi construída uma modelagem analítica no formato estrela, composta por tabelas fato e dimensão, e criadas medidas utilizando expressões de análise de dados (DAX) para o cálculo de métricas essenciais, como faturamento, ticket médio, itens por venda e comparativo entre consumo local e delivery. Por fim, foi elaborado um “dashboard interativo” que segue boas práticas de visualização, permitindo identificar padrões, tendências e indicadores-chave (KPIs) para o negócio. Os resultados demonstram que o uso integrado das ferramentas de BI transforma dados brutos em informações confiáveis e de alto valor analítico, contribuindo significativamente para a precisão, eficiência e clareza da gestão empresarial.This work presents the development of a complete process for Business Intelligence (BI) applied to ServeAI’s self-checkout system. The research presentes an applied and descriptive nature, with a qualitative approach, focusing on the creation of a management dashboard developed using Power BI and Power Query to support strategic decision-making. Data were extracted from a database hosted on the Neon platform and underwent the structured process of extraction, transformation and loading (ETL), including cleaning, standardization, and integration. An analytical star schema model was then built, composed of fact and dimension tables, followed by the creation of data analysis expressions (DAX) for calculating performance metrics such as revenue, average ticket, items sold and a comparative between consumption on site or delivery. Finally, an interactive dashboard was developed using best practices in data visualization, enabling the identification of patterns, trends, and key business indicators (KPI’s). The results demonstrate that the integrated use of BI tools transforms raw data into reliable, high-value analytical information, contributing to greater precision, efficiency, and clarity in business management.