Incremental Refresh no Power BI com OneLake: como fazer e por que usar

Se você está trabalhando com grandes volumes de dados no Power BI conectado ao Microsoft Fabric, provavelmente já percebeu que atualizar tudo do zero não faz sentido. É aí que entra o Incremental Refresh, um recurso que, aliado ao OneLake, pode transformar a performance e a eficiência do seu modelo com muito mais controle sobre o volume de dados carregado em cada atualização. Neste post, você vai entender o que é o Incremental Refresh, como ele funciona no contexto do Microsoft Fabric e OneLake, além de um passo a passo prático para configurá-lo corretamente.

POWER BIREFRESH INCREMENTALONE LAKE

Henrique Bueno

7/8/20252 min read

O que é Incremental Refresh no Power BI

O Incremental Refresh é uma técnica que permite que apenas uma parte dos dados seja atualizada durante o processo de atualização de um dataset, em vez de recarregar todos os dados toda vez. Ele é especialmente útil em cenários com tabelas grandes, como históricos de vendas, logs de eventos ou movimentações financeiras.

Na prática, você define uma janela de tempo, como por exemplo "últimos 5 anos como histórico total" e "últimos 30 dias como janela de atualização". Com isso, o Power BI só recarrega os dados recentes e preserva o que já está consolidado.

Por que isso importa quando usamos o OneLake

Com a introdução do Microsoft Fabric, o armazenamento dos dados passa a ser unificado no OneLake. Isso significa que tanto os dados de relatórios quanto os dados usados em notebooks, pipelines e lakehouses podem estar acessando o mesmo repositório físico.

Se você estiver consumindo dados de um Lakehouse (formato Delta/Parquet), aplicar o Incremental Refresh corretamente pode reduzir drasticamente o tempo de processamento e o custo de atualização, além de evitar gargalos no uso de memória e CPU no serviço.

Como configurar o Incremental Refresh com OneLake

Garanta que sua tabela de fatos tenha uma coluna de data
O Power BI precisa de uma coluna do tipo data para aplicar os filtros de partição.
Crie parâmetros RangeStart e RangeEnd
No Power Query, crie dois parâmetros do tipo Date/Time chamados RangeStart e RangeEnd. Esses parâmetros são utilizados internamente pelo Power BI para aplicar o filtro na etapa de desenvolvimento.
Aplique o filtro na consulta
Na tabela de fatos, filtre a coluna de data com base nos parâmetros. Exemplo:
Table.SelectRows(FactTable, each [Data] >= RangeStart and [Data] < RangeEnd)
Ative o Incremental Refresh nas propriedades da tabela
Com a tabela carregada no modelo, vá até as propriedades dela e ative o Incremental Refresh, definindo a política de retenção (por exemplo, manter 5 anos e atualizar os últimos 30 dias).
Publique no serviço
Lembre-se de que o Incremental Refresh só funciona após a publicação no serviço Power BI. Localmente, você verá apenas um recorte da janela definida.

Considerações importantes

O uso de OneLake e formatos Delta melhora o desempenho da atualização, mas também exige boas práticas na modelagem. Use colunas bem indexadas e evite múltiplas transformações pesadas na coluna de data.
Se você estiver usando Lakehouse, prefira consumir os dados via Direct Lake sempre que possível. Ainda assim, o Incremental Refresh é útil para tabelas que precisam de mais controle ou que não estão habilitadas para Direct Lake.
Evite deixar a janela de atualização muito ampla. Quanto menor for o intervalo a ser reprocessado, mais eficiente será a atualização.

Conclusão

O Incremental Refresh, quando bem implementado com o OneLake e os recursos do Microsoft Fabric, se torna um dos principais aliados na construção de soluções escaláveis em Power BI. Ele reduz custos, melhora a performance e oferece muito mais controle sobre o comportamento do seu modelo em produção.

Se você está lidando com grandes volumes de dados, comece a aplicar essa técnica agora mesmo e sinta a diferença.