Como criar um painel de diagnóstico automático em Copilot no Power BI

João Barros 11 de November de 2026 4 min de leitura

Este tutorial mostra como criar um painel de diagnóstico automático com o Copilot no Power BI que identifica problemas de qualidade de dados e de desempenho do refresh. Ter um painel de diagnóstico ajuda a detetar e a priorizar correções sem vasculhar manualmente relatórios ou pipelines.

Pré-requisitos

Conta com Power BI Pro ou Premium e acesso ao Copilot no Power BI.
Relatório ou dataset publicado no serviço Power BI com histórico de refresh e campos de qualidade (ex.: nulls, duplicados).
Permissões de edição no workspace onde o relatório/dataset está publicado.

Passo 1: Identificar métricas de diagnóstico relevantes

Antes de usar o Copilot, decide que indicadores queres monitorizar. Exemplos úteis: percentagem de valores nulos por coluna, tempo médio de refresh, número de falhas de refresh no último mês e percentagem de linhas duplicadas. Esta lista orienta os prompts que vais usar no Copilot.

Passo 2: Criar medidas DAX para métricas de qualidade e desempenho

No Power BI Desktop ou no serviço, adiciona medidas DAX simples que exponham as métricas. Estas medidas serão a base do painel e do diagnóstico automático.

-- Exemplo: Percentagem de nulos numa coluna CustomerID
Nulls_CustomerID = DIVIDE(CALCULATE(COUNTROWS(table), ISBLANK(table[CustomerID])), COUNTROWS(table))

-- Exemplo: Contagem de falhas de refresh (assumindo tabela RefreshLog com Status)
Refresh_Failures_Last30 = CALCULATE(COUNTROWS(RefreshLog), RefreshLog[Status] = "Failed", RefreshLog[RefreshDate] >= TODAY()-30)

-- Exemplo: Tempo médio de refresh
Avg_Refresh_Time = AVERAGE(RefreshLog[DurationSeconds])

-- Exemplo: Percentagem de duplicados (exemplo simplificado)
Duplicate_Rate = DIVIDE(CALCULATE(COUNTROWS(table), COUNTROWS(FILTER(table, table[Key] = EARLIER(table[Key])) ) > 1), COUNTROWS(table))

Passo 3: Publicar o relatório e preparar um prompt de diagnóstico

Publica o relatório com estas medidas no workspace. Em seguida, prepara um prompt claro para o Copilot que peça uma análise automática das métricas e sugestões acionáveis. O prompt deve mencionar quais as medidas e o objetivo (detetar causas e priorizar correções).

Prompt exemplo:
"Analisa as seguintes métricas deste relatório: Nulls_CustomerID, Refresh_Failures_Last30, Avg_Refresh_Time, Duplicate_Rate. Identifica as principais causas prováveis para cada métrica fora de thresholds (0.05 para Nulls, >3 falhas/30 dias, Avg_Refresh_Time>600s, Duplicate_Rate>0.02). Sugere 3 ações prioritárias, incluindo queries/transformações a aplicar no Power Query ou verificações na origem."

Passo 4: Executar o Copilot no relatório e refinar o output

Abre o relatório no serviço Power BI e ativa o painel do Copilot. Cola o prompt e pede uma análise. O Copilot vai ler as medidas e devolver explicações e sugestões. Avalia as sugestões e pede clarificações ao Copilot para obter passos concretos (ex.: código M para o Power Query).

Passo 5: Aplicar correções sugeridas (exemplo de Power Query)

Quando o Copilot sugerir transformações, integra‑as no Power Query no Power BI Desktop. Exemplo comum: remover linhas com CustomerID nulo e eliminar duplicados mantendo a linha mais recente.

// Exemplo M: remover nulos e deduplicar por Key mantendo a linha com Max Date
let
  Fonte = Excel.Workbook(File.Contents("dados.xlsx"), null, true),
  Tabela = Fonte{[Name="Sheet1"]}[Data],
  FiltrarNulos = Table.SelectRows(Tabela, each [CustomerID] <> null),
  Ordenar = Table.Sort(FiltrarNulos,{{"Date", Order.Descending}}),
  RemoverDuplicados = Table.Distinct(Ordenar, {"Key"})
in
  RemoverDuplicados

Passo 6: Automação opcional com alertas e agendamento

Depois de atualizar o relatório/dataset, podes criar alertas no serviço Power BI para métricas críticas (por exemplo Refresh_Failures_Last30 > 0). Também configura o agendamento de refresh mais frequente se Avg_Refresh_Time estiver aceitável.

Verificar o resultado

Confirma que as medidas refletem as alterações: percentagem de nulos diminuiu, Duplicate_Rate reduziu e o número de falhas de refresh atualizou. Testa o prompt no Copilot novamente para ver se as recomendações mudaram. Verifica também se os alertas disparam quando aplicável.

Conclusão

Com estas etapas tens um painel de diagnóstico com o Copilot no Power BI que identifica problemas e gera ações concretas. Próximos passos: automatizar o prompt via API (quando disponível) e integrar logs adicionais. Dica: mantém os thresholds documentados para reduzir falsos positivos.