Skip
BI4ALL BI4ALL
  • Expertise
    • Data Strategy & Governance
    • Data Visualisation
    • Inteligência Artificial
    • Low Code & Automation
    • Modern BI & Big Data
    • R&D Software Engineering
    • PMO, BA & UX/ UI Design
  • Knowledge Centre
    • Blog
    • Setores
    • Customer Success
    • Tech Talks
  • Sobre Nós
    • História
    • Board
    • Parceiros BI4ALL
    • Prémios
    • Media Centre
  • Carreiras
  • Contactos
Português
InglêsAlemão
Página Anterior:
    Knowledge Center
  • Aumentar a Eficiência com o TMDL no Power BI

Aumentar a Eficiência com o TMDL no Power BI

Página Anterior: Blog
  • Knowledge Center
  • Blog
  • Fabric: nova plataforma de análise de dados
1 Junho 2023

Fabric: nova plataforma de análise de dados

Placeholder Image Alt
  • Knowledge Centre
  • Aumentar a Eficiência com o TMDL no Power BI
3 Junho 2025

Aumentar a Eficiência com o TMDL no Power BI

Aumentar a Eficiência com o TMDL no Power BI

Key takeways

O TMDL permite gerir modelos como código, com procura e substituição, edições em lote e controlo de versões.

Facilita a criação e reutilização de medidas e objetos, promovendo consistência e eficiência.

Melhora a colaboração entre equipas e suporta boas práticas de desenvolvimento no Power BI.

À medida que os modelos semânticos de Power BI se tornam cada vez mais complexos e críticos para o negócio, as equipas de desenvolvimento enfrentam uma crescente necessidade de controlo, visibilidade e colaboração. É aqui que entra o TMDL (Tabular Model Definition Language) – uma funcionalidade recente do Power BI Desktop que permite aos utilizadores ter acesso direto à estrutura subjacente dos modelos semânticos. Esta funcionalidade  disponibiliza uma visualização num formato legível, que facilita a exploração, compreensão, edição e gestão dos metadados do modelo. Com o TMDL, é possível escrever os scripts de tabelas, métricas e outros objetos do modelo. Seja a gerir um modelo empresarial de larga escala ou  na colaboração  entre equipas, o TMDL simplifica o controlo de versões, aumenta a produtividade e contribui para a criação de modelos mais sustentáveis e fáceis de manter.  Neste artigo, analisamos os principais benefícios e os casos de uso mais relevantes desta poderosa funcionalidade.

 

Porquê usar a Vista TMDL?

O TMDL introduz uma interface de scripting baseada em YAML que permite aos developers gerir os seus modelos semânticos como se fossem código. Os principais benefícios incluem:

  • Eficiência no desenvolvimento:
    O editor de código  TMDL suporta funcionalidades como procurar-e-substituir, atalhos de teclado, edições multi-linha e muito mais — tudo dentro do próprio Power BI.
  • Transparência e controlo:
    Os utilizadores podem visualizar e editar todos os objetos e propriedades do modelo semântico, incluindo aqueles que não estão acessíveis através da interface padrão do Power BI.
  • Reutilização:
    Os scripts TMDL podem ser escritos uma única vez e reutilizados ou partilhados facilmente entre diferentes projetos

Além disso, o TMDL integra-se perfeitamente com ferramentas de controlo de versões como o Git, permitindo práticas modernas de CI/CD no desenvolvimento em Power BI.

 

Principais casos de uso do TMDL

O editor de código do TMDL é muito mais do que uma simples ferramenta de scripting — é um ambiente de desenvolvimento completo, concebido para transformar a forma como se trabalha com modelos semânticos no Power BI

Entre os casos de uso mais relevantes destacam-se:

  1. Edição em massa
  • Adição de descrições
    Melhore a clareza e a usabilidade do modelo ao documentar o propósito de múltiplas tabelas, campos e métricas através de comentários descritivos, num único passo.

 

  • Procurar e substituir
    O TMDL permite aos utilizadores renomear várias tabelas, colunas e métricasde forma eficiente, eliminando a necessidade de atualizações manuais. Através da funcionalidade de procurar e substituir, é possível atualizar nomes de objetos em todo o modelo — ou corrigir erros existentes — em apenas segundos.

 

  • Formatar tipos de dados
    Com o TMDL, os utilizadores podem definir ou ajustar os tipos de dados de colunas e medidas, especificando propriedades como dataType e formatString. Esta funcionalidade garante consistência em todo o modelo.

 

  • Agrupar medidas em pastas de forma eficiente
    Atribua medidas às respetivas pastas designadas numa única ação, melhorando a organização e a navegação no modelo.

 

  1. Criação em massa de medidas
  • Código DAX reutilizável
    Com o TMDL, não é necessário reescrever fórmulas DAX do zero. Os utilizadores podem simplesmente copiar métricasexistentes, colá-las e fazer os ajustes necessários.

 

  • Migração de objetos do modelo semântico
    O TMDL facilita a reutilização de objetos do modelo semântico em múltiplos modelos, promovendo consistência e reduzindo erros. Se o utilizador tiver um conjunto de métricasDAX frequentemente usadas, não é necessário recriá-las para cada modelo — basta copiar e colar o script entre modelos para reutilizar os objetos.

 

  1. Modificar relações

Os utilizadores podem ajustar facilmente as relações entre tabelas, fazendo edições rápidas diretamente no TMDL.

 

  1. Editar Código M, alternar o modo de conexão dos Dados e ajustar a sumarização

Os utilizadores podem fazer alterações diretas ao código M com scripts TMDL, sem necessidade de abrir o editor de power query. É também possível alternar entre os modos de Importação e Direct Query usando comandos simples em TMDL, e atualizar as definições de sumarização para váriascolunas de uma só vez, minimizando o esforço manual.

 

  1. Rever regras de segurança

Os utilizadores podem inspecionar rapidamente todas as regras de segurança definidas — tanto de segurança a nível de linha (Row-Level Security, RLS) como de segurança a nível de objeto (Object-Level Security, OLS) — diretamente no TMDL.

 

  1. Pré-visualizar e validar alterações ao modelo semântico

O TMDL permite aos utilizadores pré-visualizar as alterações antes de as aplicar. Ao mostrar uma comparação lado a lado (diff) do código TMDL, é possível comparar o modelo semântico antes e depois da execução do script. Isto é especialmente útil ao copiar scripts de fontes externas, permitindo avaliar o impacto no modelo semântico antes de efetuar quaisquer alterações.

 

Conclusão

O TMDL representa um avanço poderoso na forma como os modelos semânticos são desenvolvidos e mantidos no Power BI. Ao introduzir um formato baseado em texto (YAML), legível por humanos, o TMDL facilita a compreensão, edição e controlo de versões dos modelos de dados, promovendo a colaboração entre os membros da equipa.

Este formato está alinhado com as práticas modernas de desenvolvimento, permitindo uma integração eficiente com ferramentas como o Git e suportando pipelines de CI/CD. Os developers beneficiam de uma maior flexibilidade, rastreabilidade e eficiência na gestão de modelos complexos, o que se traduz numa colaboração mais eficaz e numa maior reutilização dos modelos

À medida que o Power BI continua a evoluir, o TMDL afirma-se como um elemento fundamental para a escalabilidade e manutenção,  representando um passo decisivo em direcção a plataformas de Business Intelligence mais robustas e de nível empresarial.

 

Referências:

https://powerbi.microsoft.com/en-us/blog/deep-dive-into-tmdl-view-for-power-bi-desktop-preview/

Autor

Beatriz Crispim

Beatriz Crispim

Consultant

Partilhar

Conteúdos relacionados

Soberania de dados: o trunfo estratégico para as empresas Blog

Soberania de dados: o trunfo estratégico para as empresas

Em 2025, a soberania de dados tornou-se o novo motor de competitividade - transformando volumes massivos de informação em inovação, eficiência e vantagem estratégica.

Deteção de Anomalias: Técnicas, Desafios e Considerações Éticas Blog

Deteção de Anomalias: Técnicas, Desafios e Considerações Éticas

A Deteção de Anomalias identifica padrões invulgares nos dados para prevenir riscos, recorrendo a técnicas de machine learning.

Frameworks orientadas por metadados no Microsoft Fabric: Implementações em YAML (Parte 3) Blog

Frameworks orientadas por metadados no Microsoft Fabric: Implementações em YAML (Parte 3)

Implementações YAML no Microsoft Fabric usam Azure DevOps para validação, estrutura por ambientes e pipelines com aprovações, garantindo consistência.

Frameworks orientadas por metadados no Microsoft Fabric: Logging com Eventhouse (Parte 2) Blog

Frameworks orientadas por metadados no Microsoft Fabric: Logging com Eventhouse (Parte 2)

Logging no Microsoft Fabric com Eventhouse garante visibilidade centralizada e análise em tempo real de pipelines, usando KQL para ingestão escalável.

Como simplificar frameworks orientadas por metadados no Microsoft Fabric com YAML Blog

Como simplificar frameworks orientadas por metadados no Microsoft Fabric com YAML

Simplifique frameworks orientadas por metadados no Microsoft Fabric com YAML para ganhar escalabilidade, legibilidade e integração CI/CD.

Solução analítica em Fabric para garantir Escalabilidade, Single Source of Truth e Autonomia Use Cases

Solução analítica em Fabric para garantir Escalabilidade, Single Source of Truth e Autonomia

A nova arquitetura analítica baseada em Microsoft Fabric assegurou integração de dados, fiabilidade e escalabilidade, promovendo autonomia analítica e preparação para futuras exigências.

video title

Vamos começar

Tem uma questão? Quer iniciar um novo projeto?
Contacte-nos

Menu

  • Expertise
  • Knowledge Centre
  • Sobre Nós
  • Carreiras
  • Contactos

Mantenha-se atualizado e impulsione o sucesso com inovação

Newsletter

2025 Todos os direitos reservados

Política de Privacidade e Proteção de Dados Política de Segurança de Informação
URS - ISO 27001
URS - ISO 27701
Cookies Settings

BI4ALL may use cookies to memorise your login data, collect statistics to optimise the functionality of the website and to carry out marketing actions based on your interests.
You can customise the cookies used in .

Opções para ativar ou desativar cookies por preferência.

These cookies are essential to provide services available on our website and to enable you to use certain features on our website. Without these cookies, we cannot provide certain services on our website.

These cookies are used to provide a more personalised experience on our website and to remember the choices you make when using our website.

These cookies are used to recognise visitors when they return to our website. This enables us to personalise the content of the website for you, greet you by name and remember your preferences (for example, your choice of language or region).

These cookies are used to protect the security of our website and your data. This includes cookies that are used to enable you to log into secure areas of our website.

These cookies are used to collect information to analyse traffic on our website and understand how visitors are using our website. For example, these cookies can measure factors such as time spent on the website or pages visited, which will allow us to understand how we can improve our website for users. The information collected through these measurement and performance cookies does not identify any individual visitor.

These cookies are used to deliver advertisements that are more relevant to you and your interests. They are also used to limit the number of times you see an advertisement and to help measure the effectiveness of an advertising campaign. They may be placed by us or by third parties with our permission. They remember that you have visited a website and this information is shared with other organisations, such as advertisers.

Política de Privacidade