Entendendo o Banco de Dados e Criando Views no SQL Server para o Projeto Car Sales

Nesta etapa do projeto, o foco foi a análise do banco de dados e a criação de uma estrutura otimizada para integração com outras ferramentas, como Microsoft Fabric e Power BI.

O uso do SQL Server foi fundamental para realizar consultas, entender as relações entre as tabelas e construir um modelo de dados adequado.

Além disso, a criação de views teve um papel importante para otimizar as consultas e garantir um melhor desempenho na análise.

Entendendo a Estrutura do Banco de Dados

Nem sempre há uma documentação com detalhes do banco de dados disponível. No ambiente de trabalho, essa informação pode ser limitada, desatualizada ou, em alguns casos, simplesmente inexistente.

Isso exige uma abordagem investigativa para compreender a estrutura das tabelas e suas relações.

Nesse projeto, não havia um esquema de dados previamente definido, o que tornou necessário analisar manualmente cada tabela para entender como os dados estavam organizados.

Mesmo utilizando o comando SP_HELP, que retorna informações sobre as colunas, tipos de dados e propriedades das tabelas, não havia nenhuma indicação clara de como os relacionamentos entre os dados deveriam ser feitos.

Essa não foi a primeira vez que passei por esse tipo de situação. Já me deparei com cenários onde nem a equipe de TI conseguia fornecer informações sobre a estrutura do banco, pois a pessoa que desenvolveu o sistema originalmente já não fazia mais parte da empresa.

Isso torna o processo ainda mais complicado, pois exige um trabalho conjunto com diferentes áreas para descobrir como os dados se conectam e garantir que qualquer análise realizada seja confiável.

Diante desse desafio, precisei adotar uma estratégia estruturada: analisar as tabelas individualmente, identificar as chaves primárias e estrangeiras e, a partir dessas informações, criei meu próprio esquema de dados para me ajudar no desenvolvimento do projeto.

Como conselho, recomendo sempre documentar esse tipo de processo. Mesmo que pareça um esforço adicional no momento, essa documentação pode ser extremamente útil no futuro, tanto para você quanto para a equipe como um todo.

Criar um esquema de dados bem estruturado facilita a manutenção do banco e evita que o conhecimento se perca caso novos profissionais assumam o projeto.

Estrutura das Tabelas

O banco de dados utilizado continha seis tabelas principais, organizadas da seguinte forma:

• Tabela Categoria: Com três colunas (IDCategoria, Categoria e ImagemCategoria) e quatro registros, essa tabela armazenava a categorização dos produtos.
• Tabela Clientes: Com cinco colunas (IDCliente, NomeCliente, Estado, SiglaUF e Cidade), era uma das tabelas mais volumosas, contendo 29.875 registros.
• Tabela Lojas: Pequena, com apenas duas colunas (IDLoja e Loja) e 14 registros.
• Tabela Produto: Com oito colunas e 24 registros, armazenava informações detalhadas sobre os produtos, incluindo categoria, marca e preço.
• Tabela Vendas e Tabela Devoluções: Estruturalmente idênticas, possuíam as mesmas colunas (IDProduto, IDLoja, Status, Qtde, Valor, IDCliente e Data). A tabela de vendas continha 21.621 registros, enquanto a de devoluções possuía 4.441 registros. A coluna Status indicava se a transação correspondia a uma venda ou uma devolução.

Com essa organização, foi possível identificar os relacionamentos entre as tabelas e definir um modelo de dados eficiente para a análise.

Criação de Views para Otimização

O uso de views foi uma escolha estratégica para melhorar a performance do projeto. Algumas vantagens dessa abordagem incluem:

1. Evitar impacto no banco de produção: As views reduzem a necessidade de consultas diretas nas tabelas originais, minimizando a sobrecarga no sistema.
2. Facilitar a manutenção e escalabilidade: Se houver necessidade de ajustes no modelo de dados, a atualização das views é mais prática do que modificar diversas consultas espalhadas pelo projeto.
3. Melhorar a organização dos dados: Ao consolidar informações de diferentes tabelas em uma única view, a estrutura de dados se torna mais clara e eficiente para análise.

Para esse projeto, foram criadas views estratégicas, incluindo:

• Uma view para consolidar os dados dos produtos, realizando um LEFT JOIN entre a tabela Produto e Categoria, garantindo que a categorização dos produtos fosse mantida no modelo final.
• Views para as tabelas de Clientes e Lojas, facilitando a integração desses dados no Power BI.
• Uma view unificando Vendas e Devoluções por meio de um UNION, permitindo análises conjuntas e reduzindo a complexidade das consultas posteriores.

Com essas otimizações, foi possível estruturar um modelo mais eficiente e de fácil conexão com as ferramentas de análise de dados.

Conclusão

A exploração do banco de dados e a criação de views foram etapas essenciais para garantir um modelo estruturado e de alto desempenho. Essas boas práticas não apenas facilitaram a análise no Power BI, mas também tornaram o processo mais escalável e organizado.

Nos próximos artigos, serão abordadas outras fases do projeto, detalhando como as demais ferramentas foram utilizadas para transformar os dados em insights estratégicos.