Vendas por hora no Power BI: compare janelas de operação

Vendas por hora no Power BI ajudam a identificar quando os pedidos se concentram dentro do dia. A análise pode orientar horário de atendimento, disponibilidade de estoque e investigação de filas. Para interpretá-la, é preciso distinguir hora da compra, hora de registro e tempo em que a unidade realmente operou.

Este roteiro usa uma operação hipotética de lojas físicas, com pedidos confirmados e calendário de abertura. Os números são didáticos. A pergunta principal é como comparar faixas horárias sem favorecer lojas que tiveram mais dias ou mais minutos de operação.

1. Defina o evento de vendas por hora no Power BI

Escolha qual instante representa a venda. Neste exemplo, é a confirmação do pedido na origem comercial. Emissão de documento, integração e pagamento podem acontecer depois; misturar esses horários desloca o movimento para uma faixa que não corresponde à decisão do cliente.

Guarde o evento escolhido, sua origem e a política para pedidos inválidos. Se a fonte entrega somente data sem hora, não distribua os pedidos artificialmente ao longo do dia. Registre a limitação. Para pedidos lançados manualmente depois do atendimento, avalie a qualidade do horário e mantenha uma categoria de registros sem referência confiável, em vez de tratá-los como compras realizadas na hora do lançamento.

2. Preserve data completa, loja e identificador

Uma linha de pedido precisa ter chave estável, loja e data com horário. Vários itens do mesmo pedido não representam várias compras. Mantenha a fato de itens para quantidades e produtos, mas conte pedidos únicos conforme a unidade definida.

A orientação da Microsoft sobre esquema estrela, consultada em 13 de outubro de 2026, distingue fatos e dimensões. Organize calendário, loja e faixa horária como atributos de análise, preservando o evento comercial. Teste um pedido com cinco itens e confira que ele contribui uma vez para a contagem de pedidos, embora sua receita resulte da soma das linhas válidas.

3. Converta a referência temporal antes de criar faixas

Padronize o horário conforme a localização da operação. Um instante recebido em outra referência pode cair no dia anterior ou na faixa errada quando convertido. A transformação deve ocorrer antes de extrair hora e data comercial.

O guia de fuso horário no Power Query complementa esse preparo. No teste hipotético, confira eventos próximos da meia-noite e lojas em referências temporais diferentes. Não aplique um deslocamento fixo a toda a base sem conhecer sua convenção. Se a empresa adota um dia operacional que termina de madrugada, mantenha também essa data de negócio, separada da data civil do instante.

4. Escolha faixas que correspondam à decisão

Defina intervalos como 8h–9h e 9h–10h com início inclusivo e fim exclusivo. Um pedido confirmado exatamente às 9h entra somente na segunda faixa. Preserve um número de ordem para que rótulos textuais não sejam organizados alfabeticamente.

Faixas de uma hora podem servir a uma revisão geral. Uma decisão sobre fila de atendimento talvez exija intervalos menores e registros específicos da fila. Não assuma que mais precisão sempre produz uma análise melhor: bases pequenas podem gerar muita oscilação. Mostre duração da faixa e janela de observação, e mantenha a mesma definição quando comparar lojas ou períodos.

5. Construa o calendário de operação efetiva

Prepare abertura e fechamento por loja e dia, incluindo funcionamento parcial e interrupções conhecidas. Uma faixa sem vendas pode representar loja fechada, loja aberta sem movimento ou falha de carga. Essas situações precisam de classificações diferentes.

Calcule quantos minutos de cada faixa estiveram disponíveis para operação. Uma loja que abriu às 8h30 teve trinta minutos de exposição na faixa das 8h às 9h. Não conte essa ocorrência como uma hora completa apenas porque houve uma venda. Se o calendário não estiver disponível, apresente volume observado e declare que a comparação de intensidade ainda não controla a duração de abertura.

6. Normalize sem esconder o volume absoluto

Uma medida possível é pedidos válidos divididos por horas abertas dentro da faixa. Outra é receita dividida pelas mesmas horas. Defina o denominador e mantenha ao lado pedidos, receita, horas e dias observados. A taxa isolada não informa o tamanho da amostra.

No exemplo hipotético, uma loja registra cem pedidos em dez horas abertas naquela faixa, resultando em dez pedidos por hora aberta. Outra registra sessenta em três horas, resultando em vinte. A segunda tem intensidade maior, mas volume menor. Não conclua que ela exige o dobro da equipe: tipo de atendimento, composição dos pedidos e tempo de serviço ainda precisam ser considerados.

7. Separe dias da semana e períodos incompletos

Compare faixas em calendários equivalentes. Uma janela com cinco sábados não é diretamente igual a outra com quatro se o sábado concentra movimento. Exiba distribuição de dias abertos por dia da semana e confira feriados ou campanhas locais.

Um mês em andamento também não tem a mesma exposição de um mês completo. Use cortes conhecidos e mostre a data de atualização. O roteiro de lojas comparáveis ajuda a fixar uma população consistente. Aqui, acrescente a exposição intradiária: duas unidades elegíveis para a comparação mensal ainda podem ter horários e interrupções diferentes dentro de cada dia.

8. Investigue composição e registros concentrados

Revise ticket médio, quantidade de itens e canais em cada faixa. Muitos pedidos pequenos podem demandar um tipo de atendimento diferente de poucos pedidos grandes. Não use receita por hora como substituto automático da carga de trabalho.

Procure horários repetidos em grandes lotes de registros. Uma integração noturna pode concentrar vendas que aconteceram ao longo do dia. Confira uma amostra na origem antes de interpretar esse pico como comportamento do cliente.

Separe ainda compras presenciais de pedidos automáticos ou canais com disponibilidade contínua. A página deve permitir reconhecer que uma faixa mistura operações distintas e que uma mudança no canal pode alterar a curva agregada.

9. Mostre a curva com contexto suficiente

Use uma matriz de dia da semana por faixa ou uma série simples por horário. Inclua uma tabela com componentes para conferência. Evite comparar cores de intensidade quando as escalas ou populações forem diferentes entre páginas.

O guia de múltiplos pequenos complementa a comparação de curvas locais. Teste faixa sem venda confirmada, loja fechada, abertura parcial e carga incompleta. Zero, ausência de observação e falta de base devem continuar distinguíveis. Um gráfico que preenche tudo com zero pode parecer organizado e esconder justamente a informação que muda a interpretação.

10. Use a análise para formular um teste operacional

Escolha uma faixa com uma hipótese verificável, como ajustar a distribuição de atendimento durante um pico recorrente. Registre população, período e evidências adicionais, incluindo filas ou tempo de serviço quando existirem. Vendas observadas não medem sozinhas clientes que desistiram antes de comprar.

O modelo editável de Vendas inclui faturamento por dia, mês e ano. Para analisar horas, acrescente horários confiáveis e calendário de abertura. Compare antes e depois em janelas equivalentes e confira se a mudança alterou resultados ou apenas a forma de registro. A curva orienta a investigação; o efeito da ação precisa de evidências do processo.