Um caso de análise financeira: do dado ao diagnóstico do resultado.
Projeto de portfólio de André Mello, com Power BI, Power Query, DAX, Excel e Python.
Demonstração online · Como usar · Guia no navegador · Baixar Excel
A demonstração online fica disponível após ativar o GitHub Pages. Até lá, baixe o repositório e abra preview/index.html localmente.
Dados inteiramente fictícios. A imagem é uma captura da prévia web desta entrega, não do Power BI Desktop. Para dados alterados, abra a prévia atualizada.
- A pergunta de negócio
- Resultado do caso: 2025
- Explore o projeto
- O que foi construído
- Build-up e projeção de fechamento
- Cenários editáveis
- Regras financeiras
- Reproduza e valide
- Verificação da entrega
- Autor e licença
Onde o resultado ficou abaixo do planejado e quais fatores explicam o desvio?
O caso representa uma empresa fictícia de serviços, com Analytics, Engenharia e Operações durante 2024 e 2025. O orçamento de 2025 prevê crescimento; o realizado simula menor receita em parte do ano e pressão de gastos.
O relatório organiza indicadores no topo, evolução mensal com pontos de atenção ao lado e comparação detalhada abaixo. A identidade visual é própria, com azul e âmbar. Nenhum dado ou elemento de identidade de empresa foi utilizado.
| Indicador | Orçado | Realizado |
|---|---|---|
| Receita | R$ 9.925.664,00 | R$ 9.580.320,63 |
| Gastos | R$ 7.047.221,44 | R$ 7.178.105,01 |
| Resultado operacional simplificado | R$ 2.878.442,56 | R$ 2.402.215,62 |
| Margem | 29,0% | 25,1% |
O desvio do resultado foi R$ -476.226,94 (-16,5%). A área de Engenharia teve o maior desvio desfavorável: R$ -299.083,71. A decomposição separa receita, gastos e compensações.
- Análise completa
- Recomendações gerenciais: achados, hipóteses a investigar, dados necessários e ações sugeridas. São propostas sobre o caso fictício, sem economias ou decisões atribuídas a uma empresa real.
| Quero... | Abra |
|---|---|
| Ver a prévia navegável | preview/index.html, após baixar o repositório. As sete perspectivas e os filtros funcionam localmente, sem CDN ou servidor |
| Editar o relatório | FinancialPerformance.pbip no Power BI Desktop; clique em Atualizar para carregar os dados embarcados. Veja o guia do Power BI |
| Usar a planilha | FinancialPerformance.xlsx: na aba Painel, selecione ano em B3, área em E3 e mês em H3. Os filtros alimentam Build-up e Projeção. Veja o guia do Excel |
| Consultar os dados | Fatos financeiros, dicionário e premissas |
O GitHub exibe o código do HTML. Para usar a prévia, abra o arquivo localmente ou publique pelo GitHub Pages conforme o guia de publicação.
| Camada | Entrega |
|---|---|
| Dados | 864 registros mensais e dimensões de calendário, área e categoria |
| Tratamento | Consultas Power Query com validação de cobertura, chaves, cenários e sinais |
| Modelo | Cinco tabelas, três relações e 36 medidas DAX; corte mensal independente |
| Relatório | Sete páginas: Executiva, Orçado × realizado, Build-up, Motivadores, Mensal, Projeção/EAC e Áreas |
| Excel | Painel, Build-up, Projeção e Base, com fórmulas, três controles e quatro gráficos |
| Automação | Gerador determinístico, diagnósticos calculados e workflow de validação |
flowchart LR
G[Gerador fictício] --> C[CSV validados]
C --> M[Power Query e modelo]
M --> P[Power BI]
C --> E[Excel]
C --> W[Prévia navegável]
O modelo usa PBIP, TMDL e PBIR para manter tabelas, medidas, páginas e visuais em arquivos legíveis para revisão no GitHub. Veja as medidas DAX e as consultas M.
O Build-up compõe os gastos por categoria e separa realizado até o corte e projeção restante. A aba Motivadores organiza economias e aumentos de gastos, com a receita separada para conciliar o desvio do resultado. A Visão mensal mostra o mês escolhido e o acumulado de janeiro até ele.
Ver o Build-up da prévia
EAC hipotético = realizado até o mês de referência + orçamento dos meses seguintes.
- Valores realizados após o corte não entram na estimativa.
- A referência inicial é setembro, e o seletor permite qualquer mês do ano.
- Em dezembro, a parcela projetada é zero e o EAC corresponde ao realizado anual.
No exemplo de 2025 com corte em setembro, o resultado EAC é R$ 2.524.963,98, contra R$ 2.878.442,56 orçados. Os gastos EAC são R$ 7.116.106,45, ou R$ 68.885,01 acima do orçamento. Isso é uma simulação de fechamento, distinta da análise do realizado anual acima.
Ver a projeção de fechamento
Carryover, risco de não execução, compromissos de contratos e revisão manual de forecast não são estimados por esta base. As explicações dos motivadores descrevem as premissas fictícias, sem atribuir causalidade a dados corporativos.
Na prévia e no Excel, Base, Otimista e Conservativo selecionam premissas de receita e gastos dos meses após o corte. O histórico permanece igual. Os valores iniciais são ilustrativos e podem ser editados:
EAC com cenário = realizado até o corte + orçamento futuro ajustado pelas premissas. A projeção é arredondada por categoria/mês ao centavo antes dos totais. O Power BI mantém o EAC Base, sem os campos de ajuste de cenário. Consulte o passo a passo para localizar os controles e restaurar as premissas.
Receitas são positivas; custos e despesas são negativos na base. O resultado é a soma dos valores. O indicador de gastos exibe sua magnitude positiva.
- Desvio do resultado = realizado − orçado; positivo é favorável.
- Desvio percentual = desvio / resultado orçado absoluto.
- Margem = resultado / receita no mesmo período e área.
- Comparação anual = realizado do ano anterior, com a mesma área.
- Sem denominador ou comparável, o indicador fica vazio, representado por — na prévia.
Não há impostos, resultado financeiro, depreciação ou integração com SAP nesta versão.
Requer Python 3.11+, Node.js 24 para os testes da prévia e Power BI Desktop recente para editar o relatório.
python -m pip install -r scripts/requirements.txt
python scripts/generate_data.py
python scripts/validate_data.py
python scripts/build_powerbi.py
python scripts/validate_powerbi.py
python scripts/build_preview.py
python scripts/build_docs.py
python -m unittest discover -s tests
node tests/test_preview.js
node tests/test_scenarios.jsA semente 42 reproduz a mesma base. O workflow roda os testes e verifica divergências nos materiais gerados.
- Reconstruir a partir de CSV já editados: execute
python scripts/build_all.py. O comando preserva os CSV e renova o projeto, a prévia e os textos. - Restaurar a simulação original: o gerador de dados (
generate_data.py) é uma ação separada. - Excel: a planilha não é reconstruída pelos comandos Python. Atualize a Base conforme o guia do Excel.
- Capturas do README: são imagens desta entrega e não são renovadas pelo workflow.
- Cálculos Python, JavaScript e Excel reconciliados nos oito filtros anuais e nos 96 recortes de EAC por ano/área/mês.
- Resumos mensal e acumulado também reconciliam.
- Os três cenários iniciais foram comparados em 288 recortes de ano/área/mês.
- JSON do Power BI validado contra esquemas Microsoft; modelo TMDL aceito pelo parser oficial.
Veja a verificação da entrega, a validação nos aplicativos, o histórico de versões e as notas para publicar v1.0.0. A versão identifica o pacote local; a Release no GitHub ainda não foi publicada.
Limites da validação: abertura visual, execução DAX e atualização M no Power BI Desktop ainda precisam de validação no aplicativo. Validação de arquivos não confirma a renderização nativa. A planilha também não foi aberta no Microsoft Excel.
André Mello no LinkedIn · GitHub
Código e dados fictícios sob MIT. Os esquemas Microsoft mantêm a licença de origem.