Dashboard de Performance Financeira e Tributária em Power BI

1. Contexto do Projeto

Uma instituição financeira de médio porte enfrentava dificuldades para consolidar seus resultados financeiros e tributários. As informações de receita, despesas, impostos e lucro estavam dispersas em planilhas de diferentes departamentos (tesouraria, contabilidade, fiscal), cada uma com critérios próprios de classificação. O processo manual de consolidação consumia cerca de 50 horas mensais da equipe e ainda assim gerava atrasos na entrega do relatório gerencial para a diretoria.

Além disso, a falta de uma visão integrada por região (Vitória, São Paulo), por banco (Safra, Itaú, Bradesco, Mundo Bank) e por meio de pagamento (PIX vs. outros) impedia a análise de rentabilidade por segmento e dificultava o planejamento tributário, aumentando o risco de inconsistências no recolhimento de impostos.

2. Objetivos do Projeto

• Consolidar resultados financeiros: Unificar receitas, despesas, impostos e lucro em um único modelo de dados, com granularidade mensal e por região.
• Analisar rentabilidade por banco/parceiro: Avaliar a contribuição de cada instituição (Safra, Itaú, Bradesco, Mundo Bank) para o resultado consolidado.
• Monitorar meios de pagamento: Identificar o peso do PIX nas transações e seu impacto no lucro e na carga tributária.
• Criar alertas de compliance fiscal: Sinalizar variações atípicas na relação imposto/receita que possam indicar riscos de autuação.

3. Dados e Modelagem (DAX)

Os dados foram extraídos do ERP corporativo (Oracle) e de relatórios de conciliação bancária. A modelagem segue o esquema estrela, com uma tabela fato de movimentações financeiras e dimensões de tempo, região, banco, categoria (receita/despesa) e meio de pagamento. Principais medidas DAX criadas:

Receita Total = SUM(fMov[Valor]), FILTER(dCategoria, dCategoria[Tipo] = "Receita")

Despesas Totais = CALCULATE(SUM(fMov[Valor]), dCategoria[Tipo] = "Despesa")

Imposto Total = CALCULATE(SUM(fMov[Valor]), dCategoria[Tipo] = "Imposto")

Lucro Líquido = [Receita Total] - [Despesas Totais] - [Imposto Total]

Margem Líquida = DIVIDE([Lucro Líquido], [Receita Total], 0)

% Transações PIX = 
    VAR TotalTrans = COUNTROWS(fMov)
    VAR TransPIX = CALCULATE(COUNTROWS(fMov), dMeioPagamento[Meio] = "PIX")
    RETURN DIVIDE(TransPIX, TotalTrans, 0)

Foram criadas também medidas de variação percentual (Mês vs. Mês) e de rank de bancos por contribuição ao lucro.

4. Visão Geral do Dashboard

O dashboard é composto por três páginas principais: Visão Executiva, Análise por Banco e Detalhamento Regional e Fiscal.

• Visão Executiva: Exibe os principais KPIs: Receita (R$ 94,6M), Despesas (R$ 44,9M), Imposto (R$ 14,2M), Lucro (R$ 35,5M) e Margem (37,58%). Também mostra o total de transações (2.725) e o percentual de PIX (44,04%). Um gráfico de barras apresenta o lucro por mês, evidenciando a sazonalidade.
• Análise por Banco: Permite filtrar por Safra, Itaú, Bradesco ou Mundo Bank, mostrando a contribuição de cada um para receita, despesas, impostos e lucro, além da margem individual.
• Detalhamento Regional e Fiscal: Foco nas regiões (Vitória, São Paulo) com indicadores de receita, despesas, impostos e lucro, além de gráficos que mostram a evolução mensal do lucro e a composição por banco. Por exemplo, em São Paulo a receita foi de R$ 24,1M com lucro de apenas R$ 145k (margem muito baixa), enquanto em outra análise a margem chega a 64,83%.

5. Insights de Negócio

• Concentração de lucro: A maior parte do lucro vem de São Paulo em alguns meses, mas a margem líquida em São Paulo varia drasticamente (de 0,6% a 64%), indicando necessidade de investigar custos e despesas regionais.
• PIX em ascensão: O percentual de transações via PIX (cerca de 44% em todas as regiões) mostra a rápida adoção desse meio de pagamento, que pode ter implicações tributárias diferentes (ex.: incidência de IOF).
• Bancos parceiros: Safra e Itaú aparecem como os principais contribuintes para a receita, mas é necessário analisar a rentabilidade líquida por banco para otimizar parcerias.

6. Perspectiva Contábil / Financeira

7. Perspectiva Jurídica / Tributária / Compliance

8. Qualidade dos Dados e Limitações

Os dados utilizados são provenientes de um ambiente de teste, mas refletem a estrutura real do cliente. Principais limitações:

• Período analisado: apenas um ano (dados de 2025), sem histórico para análises de tendências de longo prazo.
• Ausência de informações detalhadas sobre custos fixos e variáveis por banco (apenas receita e despesas agregadas).
• Granularidade limitada para algumas categorias de despesas (ex.: despesas administrativas vs. comerciais).
• Dados de clientes e transações foram anonimizados para conformidade com a LGPD.

9. Resultados e Impacto

10. Tech Stack Detalhada

• Power BI Desktop / Service
• DAX (medidas complexas)
• SQL (extração e transformação)
• Excel (dados complementares)
• Modelagem Star Schema
• Power Query (ETL)

11. Aprendizados e Próximos Passos

O projeto evidenciou a importância de uma modelagem de dados robusta e da integração entre áreas (financeiro, fiscal, contábil) para gerar uma visão única do negócio. Aprendemos também que a granularidade por banco e meio de pagamento é essencial para análises de rentabilidade e compliance.

Próximos passos: integrar dados de custo por transação (tarifas bancárias) para calcular margem líquida por banco; incluir informações de tributos federais, estaduais e municipais detalhados; e desenvolver um módulo de previsão de lucro com base em séries temporais.

12. Conclusão

Este dashboard de performance financeira e tributária demonstra como a combinação de Power BI, modelagem de dados e conhecimento de contabilidade e direito pode transformar a gestão de resultados de uma instituição financeira. Ao integrar receitas, despesas, impostos e lucro, com visões por região, banco e meio de pagamento, a ferramenta se torna um hub estratégico para a tomada de decisão, reduzindo riscos fiscais e aumentando a eficiência operacional.