Power Query: manter colunas essenciais é o hábito que separa dashboards frágeis de relatórios que se atualizam sem sustos no Excel.
Ao trocar a lógica de “apagar o que sobra” pela estratégia de “declarar o que importa”, analistas ganham robustez, clareza e velocidade em cada refresh.
Nas próximas linhas, examinamos as razões técnicas e práticas por trás dessa mudança de mentalidade, mostramos passo a passo como aplicá-la e demonstramos os ganhos concretos em produtividade, manutenção e até mesmo consumo de memória.
O problema oculto nos dashboards do Excel
Imagine um relatório financeiro alimentado por uma tabela que, hoje, possui nove colunas. Tudo parece em ordem até que, no dia seguinte, um colega decide inserir um novo campo “Observações” na planilha de origem. Quem construiu o dashboard agiu por impulso: clicou com o botão direito nas colunas indesejadas e selecionou Remove Columns uma a uma. O que parecia inofensivo virou armadilha. Na próxima atualização, a coluna extra escapa ilesa, atravessa o Power Query e vai parar no relatório, poluindo visuais e cálculos.
Mais dramático ainda: outro colega renomeia “Departamento” para “Categoria”. O Power Query, instruído a excluir “Departamento”, procura o rótulo original, não encontra e devolve erro. Sem refresh bem-sucedido, o dashboard fica congelado em dados antigos — ou pior, exibe mensagem vermelha para toda a diretoria.
Esses cenários são frequentes em ambientes colaborativos. A maioria dos erros não decorre de bugs, mas de instruções equivocadas. A boa notícia é que o comportamento é previsível — e evitável — quando se adota a regra de ouro: definir explicitamente o que deve permanecer.
Por que o Power Query segue instruções ao pé da letra
O motor do Power Query, escrito na linguagem M, executa cada etapa segundo a ordem em que foi registrada. Ao remover colunas pelo método tradicional, você grava linhas de código do tipo:
= Table.RemoveColumns(#”Changed Type”,{“Coluna 4″,”Coluna 5″,”Coluna 6”})
No futuro, se uma dessas colunas for renomeada ou suprimida na fonte, o código não consegue completar a instrução, resultando em falha. O editor não tenta adivinhar intenções: a ausência da coluna que deveria ser removida é tão fatal quanto a ausência de uma coluna exigida.
Por outro lado, quando se usa Remove Other Columns, o script muda para:
= Table.SelectColumns(#”Changed Type”,{“Produto”,”Unidades Vendidas”,”Lucro”})
Essa abordagem estabelece um “contrato” claro: o conjunto mínimo de campos que o relatório precisa. Tudo o que não estiver na lista é ignorado sem drama, mesmo que apareçam 90 colunas novas ou que nomes irrelevantes mudem.
Remove Columns vs. Remove Other Columns: diferenças cruciais
1. Resiliência a mudanças: ao declarar o que ficar, não importam inserções ou renomeações de colunas supérfluas. O refresh continua funcionando.
2. Performance: filtrar cedo reduz o volume de dados que passa pelas etapas seguintes. Menos memória, mais velocidade, principalmente em arquivos que crescem de 10 para 100 colunas.
3. Autodocumentação: qualquer colega que abra o arquivo pode clicar no passo “Remove Other Columns” e ver imediatamente quais campos sustentam todo o modelo. A curva de re-engenharia some.
4. Consistência: equipes padronizam um único comando, diminuindo variações de estilo e risco operacional.
Passo a passo: como definir seu “allow list”
O fluxo a seguir demonstra como aplicar o conceito na prática, garantindo que o princípio Power Query: manter colunas essenciais seja cumprido desde a primeira etapa.
1. Envie a tabela para o Editor
No Excel, selecione qualquer célula da sua lista e clique em Dados > Da Tabela/Intervalo. O Power Query abrirá com todas as colunas do conjunto original.
2. Selecione as colunas críticas
Pressione Ctrl e clique nos cabeçalhos que realmente abastecem seu relatório — por exemplo, “Produto”, “Unidades Vendidas” e “Lucro”.
3. Aplique Remove Other Columns
Com as colunas ainda selecionadas, clique com o botão direito e escolha Remover Outras Colunas. Alternativamente, use Home > Escolher Colunas para marcar numa lista, recurso valioso em datasets largos.
4. Confirme o passo no painel Applied Steps
À direita, o editor exibe o novo passo. Revisar esse ponto evita esquecimentos e comprova que o código M gerado lista apenas os campos pretendidos.
5. Feche e carregue
Clique em Fechar & Carregar. Seu worksheet recebe agora uma tabela enxuta, livre de colunas indesejadas.
6. Teste a robustez
Insira uma coluna qualquer na fonte, renomeie outra que não conste no “allow list” e atualize. Observe que nada muda no output: o Power Query ignora alterações irrelevantes e protege o dashboard.
Imagem: Lucas Gouveia
Impacto em performance e manutenção
Eliminar dados extras o quanto antes serve como porteiro: nada além do necessário atravessa as demais transformações. Em arquivos conectados a Power Pivot, cada coluna adicional vira uma dimensão potencial, ocupando RAM e prolongando o tempo de recálculo. Ao aplicar Remove Other Columns logo no início, economiza-se memória e CPU em cascata.
Estudos internos de equipes de BI corporativo relatam ganhos de até 40% no tempo de refresh quando datasets com mais de 500 mil linhas tiveram a filtragem antecipada. Em notebooks de uso comum, a sensação de “travamento” durante a atualização cai drasticamente.
Outro benefício vital é a manutenção preventiva. Quando alguém revisita o arquivo meses depois, encontra a lista canônica de colunas essenciais em um único passo. Isso reduz tempo de auditoria, evita suposições perigosas e facilita incorporações de novos desenvolvedores ao projeto.
Casos reais: cenários de quebra e recuperação
Cenário 1 — Relatório de vendas global
Uma multinacional acompanhava metas em 25 países. Planilhas regionais variavam em colunas. Relatórios centrais falhavam semanalmente por renomeações locais. A adoção de Remove Other Columns zerou incidentes em dois meses.
Cenário 2 — Custos de produção
Quando a área de Engenharia adicionou dez campos de sensores IoT à planilha de chão de fábrica, o modelo anterior congestionou. O filtro antecipado reduziu o arquivo Power BI de 180 MB para 55 MB, agilizando publicação na intranet.
Cenário 3 — Compliance contábil
Auditores precisavam garantir que apenas colunas autorizadas integrassem o Data Warehouse. Tornar explícita a “allow list” em Power Query forneceu documentação instantânea para órgãos reguladores.
Melhores práticas para workbooks escaláveis
• Filtrar cedo, transformar depois: qualquer etapa de mesclagem, unpivot ou cálculo fica mais leve após a remoção de colunas supérfluas.
• Nomear passos de forma descritiva: renomeie “Removed Other Columns” para “Keep Produto_Unidades_Lucro”. Facilita leitura sem abrir código M.
• Versionar consultas: use controle de versões (Git ou SharePoint) para rastrear mudanças na allow list e justificar alterações históricas.
• Documentar no cabeçalho da planilha: adicione um bloco de texto no topo explicando que qualquer nova coluna será ignorada, evitando sustos de usuários leigos.
• Padronizar nomenclatura: mesmo com a allow list, manter convenção de nomes evita mapeamentos manuais em visuais ou medidas DAX.
Integração com modelos de dados e Power Pivot
Quando o Power Query alimenta o Power Pivot, cada coluna extra vira uma entidade carregada na memória do mecanismo VertiPaq. Ainda que não haja uso direto, o simples fato de existir já consome recursos. A prática Power Query: manter colunas essenciais garante que apenas atributos significativos entrem no cubo, permitindo maior profundidade histórica sem sacrificar desempenho.
Além disso, consultas que não admitem query folding — aquelas executadas em arquivos CSV, por exemplo — geram carga total no cliente. Cortar colunas antes de combinar arquivos reduz a quantidade de bytes lidos do disco, encurtando I/O.
Segurança, auditoria e transparência
Em setores regulamentados, limitar campos é requisito de segurança de dados. Ao declarar exatamente quais colunas fazem parte do processo, a organização previne vazamento de informações sensíveis que, de outro modo, poderiam chegar a dashboards públicos ou relatórios encaminhados por e-mail.
A clareza do passo “Remove Other Columns” equivale a uma lista de controle de acesso (ACL) aplicada no nível de dados. Ferramentas de auditoria podem inspecionar o script M e validar conformidade automaticamente.
Consistência entre equipes e fluxos de trabalho
Grandes empresas raramente centralizam toda a modelagem em uma única pessoa. Equipes diferentes, usando a mesma fonte, tendem a criar versões próprias de consultas. Quando cada analista adota seu critério para excluir colunas, surge o caos.
Padronizar a técnica de “keep columns” torna o código intercambiável: qualquer desenvolvedor que assuma um projeto já sabe onde encontrar a definição da estrutura mínima. Esse alinhamento reduz tempo de onboarding e assegura que simuladores de produção, homologação e desenvolvimento compartilhem o mesmo esqueleto de dados.
Conclusão: uma mudança de mentalidade que paga dividendos
Substituir o impulso de apagar colunas pelo hábito de especificar o que permanece é simples, mas transforma a confiabilidade dos seus relatórios. Ao internalizar o princípio Power Query: manter colunas essenciais, você constrói dashboards:
• Imunes a quebras causadas por alterações irrelevantes
• Mais rápidos de atualizar e mais leves para carregar
• Autoexplicativos, facilitando auditoria e colaboração
• Preparados para crescer sem comprometer memória ou desempenho
Em um mundo corporativo que produz novos campos, tags e observações diariamente, ter uma allow list explícita não é luxo, é sobrevivência. Adote hoje mesmo o comando Remove Other Columns no primeiro passo de cada consulta. Seus relatórios — e sua tranquilidade — agradecerão.
Com informações de How-To Geek
