A pergunta que abre quase toda reunião de BI: "qual dashboard você quer?". Errado. A pergunta certa é: "qual decisão você precisa tomar?". Dashboard é meio — decisão é fim. Mas a indústria de BI passou 20 anos vendendo o meio como se fosse o fim, e o resultado está nas paredes de todo C-level: televisões com gráficos coloridos que ninguém mais olha.
Esse texto é sobre como o Tableau (ou Power BI, ou Looker — a ferramenta é menos importante do que parece) pode virar linguagem de decisão executiva, não vitrine. E quando vira self-service mal governado, gera o problema oposto: cada área com sua versão do mesmo número.
O custo invisível do dashboard de vaidade
Dashboard de vaidade tem três marcas registradas:
- Mostra muita coisa. Quinze KPIs na mesma tela, três cores, quatro filtros, dois períodos. Tudo "importante", nada acionável.
- Não recomenda nada. Aponta números — vendas, churn, NPS. Não diz o que fazer.
- Vive desatualizado. Foi criado pra uma pergunta de 2024. Em 2026 o negócio mudou, ninguém atualizou, todo mundo finge que ainda usa.
O custo é triplo: hora de quem construiu (visível), atenção de quem deveria decidir (invisível) e — pior — falsa sensação de governança. Diretoria que olha dashboard se convence que está data-driven. Não está. Está performando data-driveness.
Três perguntas que todo dashboard deveria responder
A regra que a gente usa pra revisar BI antes de qualquer projeto. Se o dashboard não responde uma das três, ele provavelmente não justifica existir.
- O que está acontecendo agora que eu precisa decidir essa semana? Foco em acionável. Não "vendas YTD", mas "quais 3 contas precisam de intervenção hoje".
- Qual é a tendência que afeta o próximo trimestre? Foco em direcional. Não "churn por mês", mas "essa coorte está saindo no padrão X e exige resposta" — e isso depende de definir churn antes de modelar churn, erro mais comum do que parece.
- Onde minha intuição está errada? Foco em contraintuitivo. Não "mostra meus números", mas "mostra onde meu modelo mental falha".
Dashboard que não responde nada disso é decoração.
O melhor dashboard executivo é o que mata o próximo dashboard. Cada visão precisa ganhar seu espaço — não ocupar por inércia.
Anatomia de uma view que ativa decisão
Quando construímos analítica executiva, seguimos um padrão simples:
Headline numérico, não gráfico
A primeira coisa na tela é o número que importa — grande, sem decoração. Tipo: "3 contas estratégicas em risco de churn nas próximas 4 semanas". Não um gráfico de barras. Não uma série temporal. O número, em palavras claras, com período.
Contexto comparativo de uma linha
Logo abaixo: "vs. 1 conta no trimestre anterior; vs. média de 1,8 nos últimos 4 trimestres". Comparação é o que dá significado ao número. Sem comparação, número é trivia.
Drill que termina em ação
Cliques que abrem detalhes — contas afetadas, motivo provável, próximo passo recomendado. Não apenas dados. Próximos passos. Quem tem que falar com quem, até quando, com qual oferta.
O Tableau (e similares) entrega esse padrão bem quando você o constrói. Mas a ferramenta sozinha não faz — esse é o ponto.
O que o Tableau faz bem (e o que ele não substitui)
Tableau é excelente em três coisas: exploração visual rápida sobre dados modelados, distribuição de visões pra organização, e personalização por persona/role.
Não substitui:
- Modelagem de dados. Modelo ruim faz Tableau bonito e impreciso. Invista no warehouse/dbt — onde a documentação é o pulo do gato — antes do Tableau.
- Conversa de negócio. A view só ajuda se houve discovery sério com quem vai decidir.
- Recomendação automatizada. Para isso entra ML/IA — Tableau visualiza, não pensa.
A combinação que funciona: warehouse limpo + modelo de negócio bem definido + Tableau como camada de leitura. Cada peça no lugar. Vale lembrar: "limpo" aqui significa bom o suficiente pro caso de uso, não limpo no absoluto — esperar perfeição é o jeito mais rápido de nunca publicar o dashboard.
O dashboard final
A melhor métrica de qualidade pra um dashboard: quantas decisões reais saíram dele no último trimestre. Não acessos, não tempo de tela. Decisões. Se zero, mata e refaz. O mesmo princípio vale pra métricas de produto que viram "north dust" — o problema raramente é a métrica, é o sistema em volta.
Empresas que adotam essa régua reduzem 60–80% do número de dashboards e — não por acaso — passam a confiar no que sobrou. Consultoria de dados decente entrega isso, não relatório.