Como criar um gráfico de séries temporais com linhas de tendência em Power BI

João Barros 20 de August de 2026 4 min de leitura

Este tutorial mostra como criar um gráfico de séries temporais em Power BI com linhas de tendência e uma previsão simples. É útil para analisar a evolução de vendas, visitas ou métricas ao longo do tempo e identificar padrões e desvios.

Pré-requisitos

Power BI Desktop instalado.
Uma tabela com colunas de Data e Valor (ex.: Date, Sales).
Noções básicas de modelação (relacionamentos) e DAX.

Passo 1: Preparar a tabela de datas

Uma tabela de datas (Calendar) é essencial para séries temporais: permite agrupar por mês, trimestre e usar funções de time intelligence correctamente.

// Exemplo DAX para criar uma Calendar table Calendar = ADDCOLUMNS (   CALENDAR (DATE(2020,1,1), DATE(2024,12,31)),   "Year", YEAR([Date]),   "MonthNumber", MONTH([Date]),   "MonthName", FORMAT([Date], "MMMM"),   "YearMonth", FORMAT([Date], "YYYY-MM") )

Depois de criar a tabela, marca-a como "Date table" em Modelagem e assegura que a coluna Date é a coluna de data.

Passo 2: Relacionar a Calendar com os dados

Cria um relacionamento entre Calendar[Date] e a tua tabela de factos (ex.: Sales[Date]). Usa relação 1:* com a Calendar no lado 1.

Passo 3: Criar medidas básicas

Cria medidas para totalizar o valor e para comparar com períodos anteriores. As medidas são essenciais para linhas de tendência e forecast simples.

// Medida total Total Sales = SUM(Sales[Amount])  // Medida - vendas no período anterior Sales Prev Period = CALCULATE([Total Sales], DATEADD(Calendar[Date], -1, YEAR))

Passo 4: Criar o gráfico de linhas

Adiciona um Visual de Line chart. Coloca Calendar[Date] no eixo X e a medida Total Sales nos valores. Configura o eixo para mostrar data contínua (Type: Continuous) se quiseres linhas suaves.

Passo 5: Adicionar uma linha de tendência com uma medida DAX

Para teres controlo e explicitar a linha de tendência, calcula uma tendência linear via regressão simples (coeficiente e intercepto por DAX) e desenha‑a como série adicional.

// Exemplo de tendência linear (mínimo viável) Trend_Slope = VAR X = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR Y = AVERAGEX(VALUES(Calendar[Date]), [Total Sales]) VAR XY = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM")) * [Total Sales]) VAR XX = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM")) * VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR N = COUNTROWS(VALUES(Calendar[Date])) RETURN DIVIDE(XY - N * X * Y, XX - N * X * X)  Trend_Intercept = VAR X = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR Y = AVERAGEX(VALUES(Calendar[Date]), [Total Sales]) VAR Slope = [Trend_Slope] RETURN Y - Slope * X  Trend Line = VAR CurrX = VALUE(FORMAT(MAX(Calendar[Date]), "YYYYMM")) RETURN [Trend_Intercept] + [Trend_Slope] * CurrX

Nota: este exemplo usa YYYYMM como representação numérica do tempo para regressão simples. Para intervalos diferentes ajusta a transformação de X.

Passo 6: Mostrar a linha de tendência no gráfico

Adiciona a medida Trend Line ao mesmo Line chart como série adicional. Vais ver a linha que representa a tendência linear ao longo do tempo. Se preferires, converte o eixo para Type: Continuous para uma aparência mais natural.

Passo 7: Criar uma previsão simples (forecast)

Podes estender a tendência para prever valores futuros. Cria uma tabela auxiliar com datas futuras e usa a mesma fórmula de Trend Line para calcular estimativas.

// Tabela de datas futuras (exemplo 6 meses) FutureCalendar = CALENDAR (MAX(Calendar[Date]) + 1, EDATE(MAX(Calendar[Date]), 6))  // Medida para forecast em contexto de FutureCalendar Forecast Value = VAR CurrX = VALUE(FORMAT(MAX(FutureCalendar[Date]), "YYYYMM")) RETURN [Trend_Intercept] + [Trend_Slope] * CurrX

Combina a Calendar normal e a FutureCalendar numa visualização combinada ou usa um Line chart que aceite ambas as séries (podes juntar as tabelas com UNION se necessário).

Verificar o resultado

Confirma que o gráfico mostra a série original e a linha de tendência. Verifica datas com valores nulos, pontos outliers e se a linha de tendência segue a direcção esperada. Erros comuns: não marcar a tabela de datas, uso de eixo discreto em vez de contínuo, e agregações ao nível errado (usar Date vs YearMonth).

Conclusão

Agora tens um gráfico de séries temporais com linha de tendência e uma previsão simples em Power BI. Próximos passos: experimentar suavização (moving average), usar R ou Python para forecast avançado, ou optimizar a regressão para frequências distintas. Dica: testa os resultados com holdout (separa alguns meses para validar a previsão).