Contents

Transformación, definición y modelado de datos en Power BI

Información general
Información general sobre el Editor de consultas
Preparación de datos de autoservicio con flujos de datos
Tutoriales
Creación de medidas propias
Creación de columnas calculadas
Conceptos
Descripción de las relaciones de modelos
Trabajo con la vista de modelado
Administrar agregaciones
Usar modelos compuestos
Aplicación de las relaciones de varios a varios
Modo de administración de almacenamiento
Habilitación del filtrado cruzado bidireccional
Trabajo con modelos multidimensionales en Power BI
Flujos de datos
Introducción a los flujos de datos
Crear un flujo de datos
Configurar y consumir un flujo de datos
Flujos de datos y Azure Data Lake Gen2
Características prémium de flujos de datos
Usar Machine Learning y Cognitive Services con flujos de datos
Limitaciones y consideraciones de flujos de datos
Guías paso a paso
Realización de tareas comunes relacionadas con las consultas
Creación y administración de relaciones
Uso del panel Analytics
Trabajo con la vista de datos
Aplicación de aspectos básicos de DAX
Trabajo con la vista de relaciones
Transformar y dar forma a los datos
Combinar archivos (binarios)
Uso de Conclusiones de IA (versión preliminar)
Modelar los datos
Creación de medidas rápidas para cálculos comunes
Creación y uso de parámetros what-if para visualizar variables
Especificación de categorías de datos en Power BI Desktop
Etiquetado de los campos del código de barras en Power BI para las aplicaciones
móviles
Establecimiento del filtrado geográfico en Power BI para las aplicaciones móviles
Creación de columnas calculadas
Creación de tablas calculadas
Creación de medidas para el análisis de datos
Importar y mostrar los KPI
Aplicación de la fecha y hora automáticas
Preparación de datos de autoservicio
Creación y uso de flujos de datos
Promoción o certificado de flujos de datos
Uso de DirectQuery con flujos de datos en Power BI (versión preliminar)
Uso del motor de proceso mejorado con flujos de datos
Entidades calculadas con Power BI Premium
Conexión a orígenes de datos con flujos de datos
Uso de flujos de datos con orígenes de datos locales
Vinculación de entidades entre flujos de datos
Uso de la actualización incremental con flujos de datos
Recursos de desarrollador para flujos de datos
Conexión a flujos de datos en Power BI Desktop
Integración de flujos de datos y Azure Data Lake (versión preliminar)
Conexión a Azure Data Lake Storage Gen2 para el almacenamiento del flujo de
datos
Configuración de opciones de flujo de datos del área de trabajo (versión
 preliminar)
Incorporación de una carpeta de CDS a Power BI como flujo de datos (versión
preliminar)
Integración de Machine Learning en Power BI
Uso de Cognitive Services en Power BI
Machine Learning automatizado en Power BI
Referencia
Métodos abreviados del editor de fórmulas
 Información general sobre consultas en Power BI
Desktop
23/09/2020 • 12 minutes to read • Edit Online

Power BI Desktop le permite conectarse con el mundo de los datos, crear informes básicos y atractivos y compartir
sus esfuerzos con otros usuarios, quienes a su vez podrán basarse en el trabajo que comparte con ellos y expandir
sus propios esfuerzos de inteligencia empresarial.
Power BI Desktop tiene tres vistas:
Vista de informes : donde usa las consultas que crea para generar visualizaciones atractivas, que se ordenan
como quiere que aparezcan, y con varias páginas, que puede compartir con los demás
Vista de datos : vea los datos en el informe en el formato de modelo de datos, donde puede agregar medidas,
crear nuevas columnas y administrar relaciones
Vista de relaciones : obtenga una representación gráfica de las relaciones que se han establecido en el
modelo de datos y adminístrelas o modifíquelas según corresponda.
Acceda a estas vistas seleccionando uno de los tres iconos situados en el lado izquierdo de Power BI Desktop. En la
siguiente imagen, la vista Informe está seleccionada y se indica mediante la banda de color amarillo situada junto
al icono.

Power BI Desktop incluye también el Editor de Power Query. Use el Editor de Power Query para conectarse a uno o
varios orígenes de datos, dar forma a los datos y transformarlos para que se ajusten a sus necesidades. Luego,
puede cargar ese modelo en Power BI Desktop.
En este documento se ofrece información general sobre el funcionamiento de los datos en el Editor de Power
Query, pero queda mucho por aprender. Al final de este documento encontrará vínculos a instrucciones detalladas
sobre los tipos de datos admitidos. También encontrará instrucciones sobre cómo conectarse a datos, darles forma,
crear relaciones y empezar a trabajar.
Pero primero se familiarizará con el Editor de Power Query.

Editor de Power Query

Para obtener el Editor de Power Query, seleccione Editar consultas en la pestaña Inicio de Power BI Desktop.
Si no existe ninguna conexión de datos, el Editor de Power Query aparece como un panel en blanco listo para
mostrar datos.

Una vez que se carga una consulta, el Editor de Power Query resulta más interesante. Si se conecta al siguiente
origen de datos web, el Editor de Power Query carga información sobre los datos, a los que puede comenzar a dar
forma:
https://www.bankrate.com/retirement/best-and-worst-states-for-retirement/
Aquí se muestra la apariencia del Editor de Power Query una vez que se ha establecido la conexión de datos:
1. En la cinta aparecen muchos botones activos que permiten interactuar con los datos de la consulta.
2. En el panel izquierdo se muestran las consultas y están disponibles para su selección, visualización y
conformación.
3. En el panel central se muestran los datos de la consulta seleccionada, disponibles para darles forma.
4. Aparece el panel Configuración de la consulta , con una lista de las propiedades de la consulta y los
pasos aplicados.
Se analizará cada una de estas cuatro áreas: la cinta, el panel Consultas, la vista Datos y el panel Configuración de
la consulta.

La cinta de opciones de consulta

La cinta del Editor de Power Query consta de cuatro pestañas: Inicio , Transformar , Agregar columna y Ver .
La pestaña Inicio contiene las tareas de consulta comunes.

Para conectarse a los datos y comenzar el proceso de creación de la consulta, seleccione Nuevo origen . Aparece
un menú que proporciona los orígenes de datos más comunes.
Para obtener más información acerca de los orígenes de datos disponibles, consulte Orígenes de datos . Para
obtener información sobre cómo conectarse a datos, con ejemplos y pasos a seguir, consulte Conectar a datos .
La pestaña Transformar proporciona acceso a tareas comunes de transformación de datos, tales como:
Adición o eliminación de columnas
Cambio de tipos de datos
División de columnas
Otras tareas controladas por datos

Para obtener más información sobre la transformación de datos, incluidos ejemplos, consulte Tutorial: Combinar
datos y darles forma en Power BI Desktop.
La pestaña Agregar columna proporciona tareas adicionales relacionadas con agregar una columna, aplicar
formato a los datos de una columna y agregar columnas personalizadas. La siguiente imagen muestra la pestaña
Agregar columna .

La pestaña Vista de la cinta de opciones se usa para alternar si se muestran determinados paneles o ventanas.
También se usa para mostrar el Editor avanzado. La siguiente imagen muestra la pestaña Vista .
Resulta útil saber que muchas de las tareas disponibles en la cinta también están disponibles si se hace clic con el
botón derecho en una columna, u otros datos, en el panel central.

Panel izquierdo (Consultas)

El panel izquierdo, o panel Consultas , muestra el número de consultas activas, así como el nombre de cada
consulta. Cuando selecciona una consulta en el panel izquierdo, los datos se muestran en el panel central, donde se
les puede dar forma y transformar según sea necesario. La siguiente imagen muestra el panel izquierdo con una
consulta.

Panel central (Datos)

En el panel central, o panel Datos , se muestran los datos de la consulta seleccionada. Aquí es donde se realiza gran
parte del trabajo de la vista Consulta .
En la imagen siguiente se muestra la conexión de datos web establecida anteriormente. Se selecciona la columna
Product y se hace clic con el botón derecho en el encabezado para mostrar los elementos de menú disponibles.
Tenga en cuenta que muchos de estos elementos de menú contextual son los mismos que los botones que se
encuentran en las fichas de la cinta.
Cuando se selecciona un elemento de menú contextual (o un botón de la cinta), en la vista de consultas se aplica el
paso a los datos. También se guarda el paso como parte de la propia consulta. Los pasos se registran en el panel
Configuración de consulta en orden secuencial, como se describe en la sección siguiente.

Panel derecho (Configuración de consulta)

En el panel derecho, o panel Configuración de consulta , es donde se muestran todos los pasos asociados a una
consulta. Por ejemplo, en la imagen siguiente, la sección Pasos aplicados del panel Configuración de consulta
refleja el hecho de que se acaba de cambiar el tipo de la columna Puntuación general .

A medida que se aplican más pasos de conformación a la consulta, estos se capturan en la sección Pasos
aplicados .
Es importante saber que los datos subyacentes no cambian. En su lugar, el Editor de Power Query ajusta la vista de
los datos y le da forma. También lo hace con la vista de cualquier interacción con los datos subyacentes que se
produzca en función de la vista conformada y modificada de esos datos del Editor de Power Query.
En el panel Configuración de consulta , puede eliminar pasos y cambiar el nombre o el orden de estos como
considere oportuno. Para ello, haga clic en el paso en la sección Pasos aplicados y, a continuación, elija la opción
deseada del menú que aparece. Todos los pasos de consulta se llevan a cabo en el orden en que aparecen en el
panel Pasos aplicados .

Editor avanzado
El Editor avanzado le permite ver el código que el Editor de Power Query crea con cada paso. También le permite
crear su propio código de conformación. Para iniciar el editor avanzado, seleccione Vista desde la cinta de
opciones y después seleccione Editor avanzado . Aparecerá una ventana que muestra el código de la consulta
actual.
Puede modificar directamente el código en la ventana Editor avanzado . Para cerrar la ventana, seleccione el
botón Listo o el botón Cancelar .

Guardar el trabajo
Cuando la consulta esté donde usted quiera, seleccione Cerrar y aplicar en el menú Archivo del Editor de Power
Query. Esta acción aplica los cambios y cierra el editor.

Como la operación avanza, Power BI Desktop proporciona un cuadro de diálogo para mostrar su estado.
Cuando esté a punto, Power BI Desktop puede guardar su trabajo en forma de archivo .pbix.
Para guardar el trabajo, seleccione Archivo > Guardar (o Archivo > Guardar como ), tal y como se muestra en
la siguiente imagen.

Pasos siguientes
Se puede hacer todo tipo de cosas con Power BI Desktop. Para obtener más información sobre sus capacidades,
consulte los siguientes recursos:
¿Qué es Power BI Desktop?
Orígenes de datos en Power BI Desktop
Conectarse a los datos en Power BI Desktop
Tutorial: Combinar datos y darles forma con Power BI Desktop
Realización de tareas de consultas comunes en Power BI Desktop
 Tutorial: Creación de medidas propias en Power BI
Desktop
23/09/2020 • 23 minutes to read • Edit Online

Con las medidas, puede crear algunas de las soluciones de análisis de datos más eficaces en Power BI Desktop. Las
medidas ayudan al realizar cálculos con los datos a medida que se interactúa con los informes. Este tutorial le
ayudará a entender las medidas y a crear sus medidas básicas propias en Power BI Desktop.

Requisitos previos
Este tutorial está destinado a usuarios de Power BI que ya están familiarizados con el uso de Power BI
Desktop para crear modelos más avanzados. Debe estar familiarizado con el uso de Obtener datos y el
Editor de consultas para importar datos, trabajar con varias tablas relacionadas y agregar campos al lienzo
del informe. Si no está familiarizado con Power BI Desktop, asegúrese de revisar Introducción a Power BI
Desktop.
En este tutorial se usa el archivo de ejemplo de ventas de Contoso para Power BI Desktop, que incluye datos
de ventas en línea de la compañía ficticia Contoso. Como estos datos se han importado desde una base de
datos, no se puede conectar al origen de datos ni verlos en el Editor de consultas. Descargue y extraiga el
archivo en el equipo.

Medidas automáticas
Cuando Power BI Desktop crea una medida, normalmente se crea de forma automática. Para ver cómo
Power BI Desktop crea una medida, siga estos pasos:
1. En Power BI Desktop, seleccione Archivo > Abrir , vaya al archivo Ejemplo de ventas de Contoso para
Power BI Desktop.pbix y, después, seleccione Abrir .
2. En el panel Campos , expanda la tabla Sales . Después, active la casilla situada junto al campo
SalesAmount o arrastre SalesAmount al lienzo del informe.
Aparece una nueva visualización de gráfico de columnas, en la que se muestra la suma total de todos los
valores de la columna SalesAmount de la tabla Sales .
Cualquier campo (columna) del panel Campos con un icono sigma es numérico y sus valores se pueden
agregar. En lugar de mostrar una tabla con muchos valores (dos millones de filas para SalesAmount )
Power BI Desktop crea y calcula de forma automática una medida para agregar los datos si detecta un tipo de
datos numérico. La suma es la agregación predeterminada de un tipo de datos numérico, pero puede aplicar
fácilmente otras agregaciones, como media o recuento. Comprender las agregaciones es fundamental para
entender las medidas, porque cada medida realiza algún tipo de agregación.
Para cambiar la agregación de gráfico, siga estos pasos:
1. Seleccione la visualización SalesAmount en el lienzo del informe.
2. En el área Valor del panel Visualizaciones , seleccione la flecha hacia abajo situada a la derecha de
SalesAmount .
3. En el menú que aparece, seleccione Promedio .
La visualización cambia a una media de todos los valores de ventas del campo SalesAmount .

En función del resultado que quiera, puede cambiar el tipo de agregación. Pero no todos los tipos de agregación se
aplican a todos los tipos de datos numéricos. Por ejemplo, para el campo SalesAmount , Suma y Promedio son
útiles, y también se pueden usar Mínimo y Máximo. Pero Recuento no tiene mucho sentido para el campo
SalesAmount porque, aunque sus valores sean numéricos, se trata de valores de moneda.
Los valores que se calculan a partir de medidas cambian en respuesta a interacciones con el informe. Por ejemplo,
si arrastra el campo RegionCountr yName desde la tabla Geography al gráfico SalesAmount existente, cambia
para mostrar el promedio de importes de ventas de cada país.

Cuando el resultado de una medida cambia por una interacción con el informe, el contexto de la medida se ve
afectado. Cada vez que se interactúa con las visualizaciones del informe, se cambia el contexto en el que una
medida calcula y muestra los resultados.

Creación y uso de sus propias medidas

En la mayoría de los casos, Power BI Desktop calcula y devuelve automáticamente valores en función de los tipos
de campos y agregaciones que elija. Pero, es posible que en algunos casos quiera crear medidas propias para
realizar cálculos más complejos y únicos. Con Power BI Desktop, puede crear sus propias medidas usando el
lenguaje de fórmulas de expresiones de análisis de datos (DAX).
Las fórmulas DAX usan muchas de las mismas funciones, operadores y sintaxis que las fórmulas de Excel. Sin
embargo, las funciones DAX están diseñadas para trabajar con datos relacionales y realizar cálculos más
dinámicos a medida que se interactúa con los informes. Hay más de 200 funciones DAX que realizan todo tipo de
agregaciones simples, como sumas y medias, hasta funciones estadísticas y de filtrado más complejas. Hay
muchos recursos que pueden ayudarle a obtener más información sobre DAX. Una vez que finalice este tutorial,
vea Aspectos básicos de DAX en Power BI Desktop.
Cuando se crea una medida propia, se denomina una medida modelo y se agrega a la lista Campos de la tabla
que se seleccione. Algunas de las ventajas de las medidas modelo son que puede asignarles el nombre que
prefiera, lo que facilita su identificación; puede usarlas como argumentos en otras expresiones DAX y puede hacer
que realicen cálculos complejos rápidamente.
Medidas rápidas
A partir de la versión de Power BI Desktop de febrero de 2018, muchos cálculos comunes están disponibles como
medidas rápidas, que escriben de forma automática las fórmulas DAX en función de las entradas que escriba en
una ventana. Estos cálculos rápidos y eficaces también son ideales para el aprendizaje de DAX o para inicializar sus
propias medidas personalizadas.
Cree una medida rápida mediante uno de estos métodos:
Desde una tabla del panel Campos , haga clic con el botón derecho o seleccione Más opciones ( ... ) y,
después, seleccione Nueva medida rápida de la lista.
En Cálculos en la pestaña Inicio de la cinta de Power BI Desktop, seleccione Nueva medida rápida .
Para obtener más información sobre cómo crear y usar las medidas rápidas, vea Uso de medidas rápidas.
Creación de una medida
Imagine que quiere analizar las ventas netas mediante la resta de descuentos y devoluciones de los importes de
ventas totales. Para el contexto que exista en la visualización, necesita una medida que reste la suma de
DiscountAmount y ReturnAmount de la suma de SalesAmount. No hay ningún campo para las ventas netas en la
lista Campos , pero tiene los bloques de creación para crear una medida propia y calcular las ventas netas.
Para crear una medida, siga estos pasos:
1. En el panel Campos , haga clic con el botón derecho en la tabla Sales , o bien mantenga el mouse sobre la
tabla y seleccione Más opciones ( ... ).
2. En el menú que aparece, seleccione Nueva medida .
Esta acción guarda la nueva medida en la tabla Sales , donde es fácil de encontrar.

También puede crear una medida si selecciona Nueva medida en el grupo Cálculos de la pestaña Inicio
de la cinta de Power BI Desktop.

TIP
Cuando se crea una medida desde la cinta, se puede crear en cualquiera de las tablas, pero será más fácil de
encontrar si se crea donde planea usarla. En este caso, seleccione primero la tabla Sales para activarla y, luego,
seleccione Nueva medida .

La barra de fórmulas aparece en la parte superior del lienzo del informe, donde puede cambiar el nombre
de la medida y escribir una fórmula DAX.
3. De manera predeterminada, cada nueva medida se denomina Medida. Si no le cambia el nombre, las
medidas nuevas adicionales se denominarán Medida 2, Medida 3, etc. Para facilitar la identificación de esta
medida, resalte Medida en la barra de fórmulas y, luego, cambie el nombre por Ventas netas.
4. Empiece a escribir la fórmula. Después del signo igual, empiece a escribir Sum. A medida que escribe,
aparecerá una lista desplegable de sugerencias, con todas las funciones DAX que comienzan con las letras
que escribe. Si es necesario, desplácese hacia abajo para seleccionar SUM en la lista y, luego, presione
Entrar .

Aparece un paréntesis de apertura, junto con una lista desplegable de sugerencias de las columnas
disponibles que puede pasar a la función SUMA.

5. Las expresiones siempre aparecen entre paréntesis de apertura y cierre. Para este ejemplo, la expresión
contiene un solo argumento para pasarlo a la función SUMA: la columna SalesAmount . Empiece a escribir
SalesAmount hasta que Sales(SalesAmount) sea el único valor de la lista.
El nombre de la columna precedido por el nombre de la tabla se conoce como el nombre completo de la
columna. Los nombres completos de columna facilitan la lectura de las fórmulas.

6. Seleccione Sales[SalesAmount] en la lista y, después, escriba un paréntesis de cierre.

 TIP
Los errores de sintaxis suelen deberse a paréntesis de cierre faltantes o en el lugar incorrecto.

7. Reste las otras dos columnas dentro de la fórmula:

a. Después del paréntesis de cierre de la primera expresión, escriba un espacio, un operador de signo
menos (-) y después otro espacio.
b. Escriba otra función SUMA y empiece a escribir DiscountAmount hasta que pueda elegir la columna
Sales[DiscountAmount] como argumento. Agregue un paréntesis de cierre.
c. Escriba un espacio, un operador de signo menos, un espacio, otra función SUMA con
Sales[ReturnAmount] como argumento y, después, otro paréntesis de cierre.

8. Presione Entrar o seleccione Confirmar (el icono de marca de verificación) en la barra de fórmulas para
completar y validar la fórmula.
La medida Net Sales validada ya está lista para usarla en la tabla Sales del panel Campos .

9. Si necesita más espacio para escribir una fórmula o quiere que aparezca en líneas independientes,
seleccione la flecha hacia abajo que aparece a la derecha de la barra de fórmulas para proporcionar más
espacio.
La flecha hacia abajo se convierte en una flecha hacia arriba y aparece un cuadro grande.

10. Separe los elementos de la fórmula; para ello, presione Alt + Entrar para líneas independientes, o bien
Tabulación para agregar espaciado de tabulación.
Uso de una medida en el informe
Agregue la medida Net Sales al lienzo del informe y calcule las ventas netas para cualquier otro campo que
agregue al informe.
Para echar un vistazo a las ventas netas por país:
1. Seleccione la medida Net Sales en la tabla Sales o arrástrela al lienzo del informe.
2. Seleccione el campo RegionCountr yName de la tabla Geography , o bien arrástrelo al gráfico Net Sales .

3. Para ver la diferencia entre las ventas netas y las ventas totales por país, seleccione el campo SalesAmount
o arrástrelo al gráfico.

El gráfico ahora usa dos medidas: SalesAmount , que Power BI ha sumado de forma automática, y la
 medida Net Sales que ha creado manualmente. Cada medida se ha calculado en el contexto de otro
campo, RegionCountr yName .
Uso de la medida con una segmentación
Agregue una segmentación para filtrar aún más las ventas netas y los importes de ventas por año natural:
1. Seleccione un área en blanco junto al gráfico. En el panel Visualizaciones , seleccione la visualización
Tabla .
Esta acción crea una visualización de tabla en blanco en el lienzo del informe.

2. Arrastre el campo Year desde la tabla Calendar a la nueva visualización de tabla en blanco.
Como Year es un campo numérico, Power BI Desktop suma sus valores. Esta suma no funciona bien como
agregación; se solucionará en el paso siguiente.

3. En el cuadro Valores del panel Visualizaciones , seleccione la flecha hacia abajo situada junto a Year y,
después, seleccione No resumir . Ahora la tabla muestra años individuales.

4. Seleccione el icono Segmentación del panel Visualizaciones para convertir la tabla en una
segmentación. Si la visualización muestra un control deslizante en lugar de una lista, seleccione Lista en la
flecha hacia abajo del control deslizante.
5. Seleccione cualquier valor en la segmentación Year para filtrar el gráfico Ventas netas e impor te de
ventas por RegionCountr yName según corresponda. Las medidas Net Sales y SalesAmount
recalculan y muestran los resultados en el contexto del campo Year seleccionado.

Uso de una medida en otra medida

Imagine que quiere averiguar qué productos tienen el importe de ventas netas más alto por unidad vendida.
Necesitará una medida que divida las ventas netas por la cantidad de unidades vendidas. Cree una medida que
divida el resultado de la medida Net Sales por la suma de Sales[SalesQuantity] .
1. En el panel Campos , cree una medida denominada Net Sales per Unit en la tabla Sales .
2. En la barra de fórmulas, empiece a escribir Net Sales. En la lista de sugerencias se muestra lo que puede
agregar. Seleccione [Net Sales] .

3. También puede hacer referencia medidas si escribe un corchete de apertura ( [ ). En la lista de sugerencias
solo se muestran medidas para agregar a la fórmula.

4. Escriba un espacio, un operador de división (/), otro espacio, una función SUMA y, luego, escriba Quantity.
En la lista de sugerencias se muestran todas las columnas que incluyan Quantity en el nombre. Seleccione
Sales[SalesQuantity] , escriba el paréntesis de cierre y presione ENTRAR o seleccione Confirmar (el
icono de marca de verificación) para validar la fórmula.
La fórmula resultante debe ser similar a esta:
Net Sales per Unit = [Net Sales] / SUM(Sales[SalesQuantity])
5. Seleccione la medida Net Sales per Unit en la tabla Sales , o bien arrástrela a un área en blanco del lienzo
del informe.
En el gráfico se muestra el importe de ventas netas por unidad sobre todos los productos vendidos. Este
gráfico no es muy informativo; se solucionará en el paso siguiente.

6. Para una mirada distinta, cambie el tipo de visualización del gráfico a Gráfico de rectángulos .

7. Seleccione el campo Product Categor y , o bien arrástrelo al gráfico de rectángulos o al campo Grupo del
panel Visualizaciones . Ahora ya tiene información útil.

8. Intente quitar el campo ProductCategor y y, en su lugar, arrastrar el campo ProductName al gráfico.

 Ahora solo estamos jugando, pero tiene que admitir que esto es genial. Experimente con otras formas de
filtrar y dar formato a la visualización.

Lo que ha aprendido
Las medidas le permiten obtener las conclusiones que busca de los datos. Aprendió a crear medidas con la barra
de fórmulas, a asignarles el nombre que resulte más conveniente y a buscar y seleccionar los elementos de
fórmula adecuados con las listas de sugerencias de DAX. También aprendió un poco sobre el contexto, donde el
resultado de los cálculos en las medidas cambian en función de otros campos u otras expresiones en la fórmula.

Pasos siguientes
Para más información sobre las medidas rápidas de Power BI Desktop, que proporcionan muchos cálculos
de medidas comunes para usted, consulte Uso de medidas rápidas para realizar fácilmente cálculos eficaces
y comunes.
Si desea profundizar más en las fórmulas DAX y crear algunas medidas más avanzadas, consulte Aspectos
básicos sobre DAX en Power BI Desktop. Ese artículo se centra en los conceptos fundamentales en DAX,
como la sintaxis, las funciones y una explicación más exhaustiva sobre el contexto.
Asegúrese de agregar la Referencia de expresiones de análisis de datos (DAX) a sus favoritos. En esta
referencia encontrará información detallada sobre la sintaxis y los operadores de DAX, y más de 200
funciones.
 Tutorial: Crear columnas calculadas en Power BI
Desktop
02/07/2020 • 15 minutes to read • Edit Online

A veces los datos que está analizando no contienen un determinado campo necesario para obtener los resultados
buscados. Aquí es donde entran en escena las columnas calculadas. Las columnas calculadas utilizan fórmulas de
expresiones de análisis de datos (DAX) para definir los valores de una columna, cualquier cosa desde poner juntos
valores de texto de un par de columnas diferentes hasta calcular un valor numérico a partir de otros valores. Por
ejemplo, supongamos que sus datos tienen los campos Ciudad y Estado , pero desea un único campo Ubicación
que tenga ambos, como "Miami, Florida". Para esto es precisamente que sirven las columnas calculadas.
Las columnas calculadas son similares a las medidas en que ambas se basan en fórmulas DAX, pero difieren en
cómo se usan. A menudo se usan medidas en el área Valores de una visualización para calcular los resultados en
función de otros campos. Las columnas calculadas se usan como nuevos Campos en filas, ejes, leyendas y áreas
de grupos de visualizaciones.
Este tutorial le ayudará a entender y crear algunas columnas calculadas y a usarlas en visualizaciones de informe
en Power BI Desktop.

Requisitos previos
Este tutorial está destinado a usuarios de Power BI que ya están familiarizados con el uso de Power BI
Desktop para crear modelos más avanzados. Ya debería saber cómo usar la obtención de datos y el Editor de
Power Query para importar datos, trabajar con varias tablas relacionadas y agregar campos al lienzo de
informe. Si no está familiarizado con Power BI Desktop, asegúrese de revisar Introducción a Power BI
Desktop.
El tutorial utiliza el ejemplo de ventas de Contoso para Power BI Desktop, el mismo ejemplo usado para el
tutorial Crear medidas propias en Power BI Desktop. Estos datos de ventas de la compañía ficticia Contoso,
Inc. se importaron desde una base de datos, por lo que no podrá conectarse al origen de datos ni verlos en
el Editor de Power Query. Descargue y extraiga el archivo en su propio equipo y luego ábralo en Power BI
Desktop.

Creación de una columna calculada con valores de tablas relacionadas

En su informe de ventas, desea mostrar categorías y subcategorías de producto como valores únicos, por ejemplo:
"Teléfonos móviles – Accesorios", "Teléfonos móviles – Smartphones y PDA", y así sucesivamente. No hay ningún
campo en la lista Campos que le proporcione esos datos, pero hay un campo ProductCategor y y un campo
ProductSubcategor y , cada uno en su propia tabla. Puede crear una columna calculada que combine los valores
de estas dos columnas. Las fórmulas DAX pueden aprovechar toda la funcionalidad del modelo que ya tiene,
incluidas las relaciones entre las diferentes tablas que ya existen.
1. Para crear la nueva columna en la tabla ProductSubcategor y , haga clic con el botón derecho o seleccione
los puntos suspensivos ... junto a ProductSubcategor y en el panel Campos y seleccione Nueva
columna en el menú.

Al seleccionar Nueva columna , la barra de fórmulas aparece en la parte superior del lienzo de informe,
donde puede asignar un nombre a la columna y escribir una fórmula DAX.
2. De forma predeterminada, una nueva columna calculada se denomina Columna . Si no cambia su nombre,
las nuevas columnas adicionales se denominarán Columna 2 , Columna 3 y así sucesivamente. Quiere que
la columna sea más fácil de identificar, por lo que, con el nombre Columna resaltado en la barra de
fórmulas, cámbielo escribiendo ProductFullCategor y y luego escriba un signo igual ( = ).
3. Quiere que los valores de la nueva columna empiecen con el nombre que se indica en el campo
ProductCategor y . Dado que esta columna está en una tabla diferente pero relacionada, vamos a usar la
función RELATED para ayudarle a conseguir su objetivo.
Después del signo igual escriba r . Una lista desplegable de sugerencias muestra todas las funciones DAX
que empiezan por la letra R. Al seleccionar cada función, se muestra una descripción de su efecto. A medida
que escribe, la lista de sugerencias se aproxima más a la función que necesita. Seleccione REL ATED y
presione Intro .

Aparece un paréntesis de apertura, junto con otra lista de sugerencias de las columnas relacionadas que
 puede pasar a la función RELATED, con descripciones y detalles sobre parámetros esperados.

4. Desea la columna ProductCategor y de la tabla ProductCategor y . Seleccione

ProductCategor y[ProductCategor y] , presione Intro y escriba un paréntesis de cierre.

TIP
Los errores de sintaxis suelen producirse por un paréntesis de cierre ausente o que no viene al caso, aunque a veces
Power BI Desktop lo agregará automáticamente.

5. Quiere guiones y espacios para separar ProductCategories y ProductSubcategories en los nuevos

valores, así que después del paréntesis de cierre de la primera expresión, escriba un espacio, una Y
comercial ( & ), comillas dobles ( " ), espacio, guion ( - ), otro espacio, otras comillas dobles y otra Y
comercial. La fórmula debe tener el siguiente aspecto:
ProductFullCategory = RELATED(ProductCategory[ProductCategory]) & " - " &

TIP
Si necesita más espacio, seleccione el botón de contenido adicional hacia abajo situado en el lado derecho de la barra
de fórmulas para expandir el editor de fórmulas. En el editor, presione Alt + Intro para bajar una línea y el
tabulador para mover cosas.

6. Por último, escriba otro corchete de apertura ( [ ) y luego seleccione la columna [ProductSubcategor y]
para terminar la fórmula.

No necesitaba usar otra función RELATED para llamar a la tabla ProductSubcategor y en la segunda
 expresión, ya que está creando la columna calculada en esta tabla. Puede escribir [ProductSubcategor y]
con el prefijo de nombre de tabla (completo) o sin él (incompleto).
7. Complete la fórmula. Para ello presione Intro o seleccione la marca de verificación en la barra de fórmulas.
La fórmula se valida y el nombre de la columna ProductFullCategor y aparece en la tabla
ProductSubcategor y en el panel Campos .

NOTE
En Power BI Desktop, las columnas calculadas tienen un icono especial en el panel Campos , que muestra que
contienen fórmulas. En el servicio Power BI (sitio de Power BI), no hay forma de cambiar las fórmulas, por lo que las
columnas calculadas no tienen iconos.

Uso de la nueva columna en un informe

Ahora puede usar la nueva columna ProductFullCategor y para ver SalesAmount por ProductFullCategor y .
1. Seleccione o arrastre la columna ProductFullCategor y desde la tabla ProductSubcategor y al lienzo de
informe para crear una tabla que muestre todos los nombres de ProductFullCategor y .

2. Seleccione o arrastre el campo SalesAmount desde la tabla Sales en la tabla para mostrar SalesAmount
 para cada ProductFullCategor y .

Creación de una columna calculada que usa una función IF

El ejemplo de las ventas de Contoso contiene datos de ventas de tiendas activas e inactivas. Quiere asegurarse de
que las ventas de las tiendas activas están claramente separadas de las ventas de las tiendas inactivas en el informe
mediante la creación de un campo Active StoreName . En la nueva columna calculada Active StoreName , cada
tienda activa aparecerá con el nombre completo de la tienda, mientras que las ventas de las tiendas inactivas se
agruparán en un elemento de línea denominado Inactive .
Afortunadamente, la tabla Stores tiene una columna denominada Status , con valores de "On" para las tiendas
activas y "Off" para las tiendas inactivas, que podemos usar para crear valores para nuestra nueva columna Active
StoreName . La fórmula DAX usará la función lógica IF para comprobar el Status de cada tienda y devolver un
valor determinado dependiendo del resultado. La fórmula devolverá el nombre de la tienda si esta tiene un Status
"On". Si el estado es "Off", la fórmula asignará un valor de Active StoreName de "Inactive".
1. Cree una nueva columna calculada en la tabla Stores y llámela Active StoreName en la barra de fórmulas.
2. Después del signo = , comience a escribir IF . La lista de sugerencias mostrará qué puede agregar. Seleccione
IF .

3. El primer argumento para IF es una prueba lógica de si el Status de una tienda es "On". Escriba un corchete
de apertura [ , que enumera las columnas de la tabla Stores , y seleccione [Status] .
4. Justo después de [Status] , escriba = "On" y luego escriba una coma ( , ) para finalizar el argumento. La
información sobre herramientas sugiere que ahora debe agregar un valor que se devuelve cuando el
resultado es TRUE.

5. Si el estado de la tienda es "On", quiere que aparezca el nombre de la misma. Escriba un corchete de
apertura ( [ ), la columna [StoreName] y luego escriba otra coma. La información sobre herramientas
ahora indica que debe agregar un valor que se devuelve cuando el resultado es FALSE.

6. Quiere que el valor sea "Inactive", así que escriba "Inactive" y luego complete la fórmula presionando
Entrar o seleccionando la marca de verificación de la barra de fórmulas. La fórmula se valida y el nombre
de la nueva columna aparece en la tabla Stores en el panel Campos .

7. Puede usar la nueva columna Active StoreName en las visualizaciones, igual que cualquier otro campo.
Para mostrar SalesAmounts por Active StoreName , seleccione el campo Active StoreName o
arrástrelo hasta el lienzo de informe y luego seleccione el campo SalesAmount o arrástrelo a la tabla. En
esta tabla, las tiendas activas aparecen de forma individual por nombre, pero las tiendas inactivas se
 agrupan al final como Inactive .

Lo que ha aprendido
Las columnas calculadas pueden enriquecer los datos y proporcionar información más fácilmente. Ahora sabe
cómo crear columnas calculadas en el panel Campos y la barra de fórmulas, usar listas de sugerencias e
información sobre herramientas para ayudar a construir las fórmulas, llamar a funciones DAX como RELATED e IF
con los argumentos apropiados y utilizar las columnas calculadas en visualizaciones de informe.

Pasos siguientes
Si desea profundizar más en las fórmulas DAX y crear columnas calculadas con fórmulas DAX más avanzadas,
consulte Aspectos básicos de DAX en Power BI Desktop. Ese artículo se centra en los conceptos fundamentales en
DAX, como la sintaxis, las funciones y una explicación más exhaustiva sobre el contexto.
Asegúrese de agregar la Referencia de expresiones de análisis de datos (DAX) a sus favoritos. Ahí encontrará
información detallada sobre la sintaxis y los operadores de DAX, así como sus 200 funciones.
 Relaciones de modelos en Power BI Desktop
25/08/2020 • 34 minutes to read • Edit Online

Este artículo está dirigido a modeladores de datos de importación que trabajan con Power BI Desktop. Es un tema
importante sobre el diseño de modelos, esencial para ofrecer modelos intuitivos, precisos y óptimos.
Para obtener una explicación más detallada sobre el diseño de modelos óptimos, incluidos los roles y las relaciones
de tablas, consulte el artículo Descripción de un esquema de estrella e importancia para Power BI.

Finalidad de la relación
En pocas palabras, las relaciones de Power BI propagan los filtros aplicados en las columnas de las tablas de un
modelo a otras tablas del modelo. Los filtros se propagarán siempre que haya una ruta de relación que seguir, lo
que puede implicar la propagación a varias tablas.
Las rutas de relación son deterministas; es decir, los filtros siempre se propagan de la misma manera y sin variación
aleatoria. Sin embargo, las relaciones pueden deshabilitarse o el contexto del filtro puede modificarse debido a los
cálculos del modelo que usan funciones DAX concretas. Para más información, consulte el tema Funciones de DAX
pertinentes, más adelante en este artículo.

IMPORTANT
Es importante comprender que las relaciones de modelo no exigen la integridad de los datos. Para más información, consulte
el tema Evaluación de las relaciones, más adelante en este artículo. En este tema se explica cómo se comportan las relaciones
de modelo cuando hay problemas de integridad de datos.

Veamos, con un ejemplo animado, cómo las relaciones propagan los filtros.

En este ejemplo, el modelo se compone de cuatro tablas: Categor y , Product , Year y Sales (Categoría, Producto,
Año y Ventas). La tabla Categor y (Categoría) está relacionada con la tabla Product (Producto) y la tabla Product
(Producto) está relacionada con la tabla Sales (Ventas). La tabla Year (Año) también está relacionada con la tabla
Sales (Ventas). Todas las relaciones son de uno a varios (los detalles de esta relación se describen más adelante en
este artículo).
Una consulta —tal vez generada por un objeto visual de tarjeta de Power BI— solicita las ventas totales
correspondientes a los pedidos realizados para una sola categoría, Cat-A (Categoría A) y para un solo año,
CY2018 (AC2018). Esta es la razón por la que se pueden ver filtros aplicados en las tablas Categor y (Categoría) y
Year (Año). El filtro de la tabla Categor y (Categoría) se propaga a la tabla Product (Producto) para aislar dos
productos asignados a la categoría Cat-A (Categoría A). A continuación, los filtros de la tabla Product (Producto)
se propagan a la tabla Sales (Ventas) para aislar solo dos filas de ventas de estos productos. Estas dos filas de
ventas representan las ventas de productos asignados a la categoría Cat-A (Categoría A). Su cantidad combinada
es de 14 unidades. Al mismo tiempo, el filtro de la tabla Year (Año) se propaga para filtrar aún más la tabla Sales
(Ventas), lo que da lugar a la única fila de ventas que corresponde a los productos asignados a la categoría Cat-A
(Categoría A) solicitados en el año CY2018 (AC2018). El valor devuelto por la consulta es de 11 unidades. Tenga en
cuenta que, cuando se aplican varios filtros a una tabla, (como en el caso de la tabla Sales [Ventas] en este
ejemplo), siempre se trata de una operación AND, lo que significa que se deben cumplir todas las condiciones.
Tablas desconectadas
Es poco frecuente que una tabla del modelo no esté relacionada con otra tabla del modelo. Este tipo de tabla en un
diseño de modelo válido se puede describir como una tabla desconectada. La tabla desconectada no pretende
propagar filtros a otras tablas del modelo. En vez de ellos, se usa para aceptar la "entrada del usuario" (quizás con
un objeto visual de segmentación), lo que permite que los cálculos del modelo usen el valor de entrada de una
manera significativa. Por ejemplo, pensemos en una tabla desconectada que se carga con un intervalo de valores
de tasas de cambio de divisa. Suponiendo que se aplica un filtro para conseguir un valor de tasa único, este valor se
puede usar en una expresión de medida para convertir valores de ventas.
El parámetro de hipótesis de Power BI Desktop es una característica que crea una tabla desconectada. Para más
información, consulte el artículo Creación y uso de un parámetro de hipótesis para visualizar variables en Power BI
Desktop.

Propiedades de la relación
Una relación de modelo relaciona una columna de una tabla con una columna de otra tabla. Hay un caso especial
en el que este requisito no es cierto, que solo se aplica a las relaciones de varias columnas en los modelos de
DirectQuery; para más información, consulte el artículo de la función DAX COMBINEVALUES.

NOTE
No es posible relacionar una columna con una columna diferente de la misma tabla. A veces, esto se confunde con la
capacidad de definir una restricción de clave externa de base de datos relacional que supone una referencia de la tabla a sí
misma. Este concepto de base de datos relacional se puede usar para almacenar relaciones de elementos primarios y
secundarios (por ejemplo, cada registro de empleado está relacionado con un empleado del que depende). La generación de
una jerarquía del modelo basada en este tipo de relación no se puede resolver mediante la creación de relaciones de modelo.
Para esta finalidad, consulte el artículo Funciones primarias y secundarias.

Cardinalidad
Cada relación de modelo debe definirse con un tipo de cardinalidad. Hay cuatro opciones de tipo de cardinalidad,
que representan las características de los datos de las columnas relacionadas "de" y "a". El lado "uno" significa que
la columna contiene valores únicos; el lado "dos" significa que la columna puede contener valores duplicados.

NOTE
Si una operación de actualización de datos intenta cargar valores duplicados en una columna de lado "uno", se producirá un
error en la operación completa de actualización.
En la siguiente lista con viñetas se describen las cuatro opciones, junto con sus anotaciones abreviadas:
Uno a varios (1:*)
Varios a uno (*:1)
Uno a uno (1:1)
Varios a varios (*:*)
Cuando se crea una relación en Power BI Desktop, el diseñador detecta y establece automáticamente el tipo de
cardinalidad. El diseñador consulta el modelo para saber qué columnas contienen valores únicos. En el caso de los
modelos de importación, utiliza estadísticas de almacenamiento internas; en el caso de los modelos DirectQuery,
envía consultas de generación de perfiles al origen de datos. En ocasiones, sin embargo, puede equivocarse. Esto
sucede porque todavía tienen que cargarse los datos de las tablas o porque las columnas que se espera que
contengan valores duplicados actualmente contienen valores únicos. En cualquiera de estos casos, puede actualizar
el tipo de cardinalidad, siempre que las columnas del lado "uno" contengan valores únicos (o la tabla aún se deba
cargar con filas de datos).
Las opciones de cardinalidad de uno a varios y varios a uno son esencialmente iguales y son también los tipos
de cardinalidad más comunes.
A la hora de configurar una relación de uno a varios o de varios a uno, deberá elegir la que coincida con el orden en
el que relacionó las columnas. Considere cómo configuraría la relación desde la tabla Product (Producto) a la tabla
Sales (Ventas) mediante la columna ProductID (IdProducto) incluida en cada tabla. El tipo de cardinalidad sería de
uno a varios, ya que la columna ProductID (IdProducto) de la tabla Product (Producto) contiene valores únicos. Si
relacionó las tablas en dirección inversa, de Sales (Ventas) a Product (Producto), la cardinalidad sería de varios a
uno.
Una relación de uno a uno significa que ambas columnas contienen valores únicos. Este tipo de cardinalidad no es
común y probablemente representa un diseño de modelo poco óptimo debido al almacenamiento de datos
redundantes. Para obtener más información sobre el uso de este tipo de cardinalidad, vea Instrucciones para
relaciones uno a uno.
Una relación de varios a varios significa que ambas columnas pueden contener valores duplicados. Este tipo de
cardinalidad no se usa con frecuencia. Suele resultar útil cuando se diseñan requisitos de modelos complejos. Para
obtener instrucciones sobre el uso de este tipo de cardinalidad, vea Instrucciones para relaciones de varios a varios.

NOTE
Actualmente no se admite el tipo de cardinalidad de varios a varios en los modelos desarrollados para Power BI Report Server.

TIP
En la vista de modelo de Power BI Desktop, puede interpretar el tipo de cardinalidad de una relación examinando los
indicadores (1 o *) en cualquiera de los lados de la línea de relación. Si quiere determinar qué columnas están relacionadas,
deberá seleccionar (o mover el cursor sobre) la línea de relación para resaltar las columnas.

Dirección de filtro cruzado

Cada relación de modelo debe definirse con una dirección de filtro cruzado. La selección determina en qué
direcciones se propagarán los filtros. Las posibles opciones de filtro cruzado dependen del tipo de cardinalidad.

T IP O DE C A RDIN A L IDA D O P C IO N ES DE F ILT RO C RUZ A DO

Uno a varios (o varios a uno) Único

Ambos
 T IP O DE C A RDIN A L IDA D O P C IO N ES DE F ILT RO C RUZ A DO

Uno a uno Ambos

Varios a varios Único (Tabla1 a Tabla2)

Único (Tabla2 a Tabla1)
Ambos

La dirección del filtro cruzado Único significa "dirección única" y Ambos se aplica a "ambas direcciones". Una
relación que filtra en ambas direcciones se describe normalmente como bidireccional.
En el caso de las relaciones de uno a varios, la dirección del filtro cruzado siempre es desde el lado "uno" y,
opcionalmente, desde el lado "varios" (bidireccional). En el caso de las relaciones de uno a uno, la dirección del filtro
cruzado siempre es desde ambas tablas. Por último, en las relaciones de varios a varios, la dirección del filtro
cruzado puede ser desde cualquiera de las tablas o desde ambas tablas. Tenga en cuenta que cuando el tipo de
cardinalidad incluye un lado "uno", los filtros siempre se propagarán desde ese lado.
Cuando la dirección del filtro cruzado se establece en Ambos , se dispone de una propiedad adicional. Puede aplicar
el filtrado bidireccional cuando se aplican las reglas de seguridad de nivel de fila (RLS). Para más información sobre
la seguridad de nivel de fila, consulte el artículo Seguridad de nivel de fila (RLS) con Power BI Desktop.
La dirección del filtro cruzado de la relación, incluida la deshabilitación de la propagación de filtros, también puede
modificarse mediante un cálculo del modelo. Esto se consigue gracias el uso de la función DAX CROSSFILTER.
Las relaciones bidireccionales pueden afectar negativamente al rendimiento. Además, intentar configurar una
relación bidireccional podría producir rutas de propagación de filtro ambiguas. En este caso, es posible que
Power BI Desktop no pueda confirmar el cambio de relación y le avisará con un mensaje de error. Sin embargo, a
veces Power BI Desktop puede permitir que se definan rutas de relación ambiguas entre las tablas. Las reglas de
precedencia que afectan a la detección de ambigüedades y la resolución de rutas se describen más adelante en este
artículo, en el tema Reglas de precedencia.
Se recomienda usar el filtrado bidireccional solo cuando sea necesario. Para obtener más información, vea
Instrucciones para relaciones bidireccionales.

TIP
En la vista de modelo de Power BI Desktop, puede interpretar la dirección del filtro cruzado de una relación mediante las
puntas de flecha a lo largo de la línea de relación. Una sola punta de flecha representa un filtro de dirección única en la
dirección de la punta de flecha; una punta de flecha doble representa una relación bidireccional.

Activar esta relación

Solo puede haber una ruta de propagación de filtros activa entre dos tablas del modelo. Sin embargo, es posible
introducir rutas de relación adicionales, aunque estas relaciones deben configurarse como inactivas. Las relaciones
inactivas solo se pueden activar durante la evaluación de un cálculo del modelo. Esto se consigue mediante el uso
de la función DAX USERELATIONSHIP.
Para más información, consulte Instrucciones para elegir entre relaciones activas e inactivas.

TIP
En la vista de modelo de Power BI Desktop, puede interpretar el estado activo o inactivo de una relación. Una relación activa
se representa mediante una línea continua; una relación inactiva se representa como una línea discontinua.

Asumir integridad referencial

La propiedad Asumir integridad referencial solo está disponible para las relaciones de uno a varios y uno a uno
entre dos tablas del modo de almacenamiento DirectQuery basadas en el mismo origen de datos. Cuando está
habilitada, las consultas nativas enviadas al origen de datos combinan las dos tablas utilizando una combinación
interna en lugar de una combinación externa. La habilitación de esta propiedad mejora, por lo general, el
rendimiento de la consulta, aunque depende de las características específicas del origen de datos.
Habilite siempre esta propiedad cuando existe una restricción de clave externa de base de datos entre las dos
tablas. Si no existe una restricción de clave externa, puede habilitar la propiedad siempre y cuando tenga la certeza
de que existe integridad de datos.

IMPORTANT
Si se pone en peligro la integridad de los datos, la combinación interna eliminará las filas no coincidentes entre las tablas. Por
ejemplo, supongamos que tenemos una tabla Sales (Ventas) del modelo con un valor en la columna ProductID (IdProducto)
que no existe en la tabla relacionada Product (Producto). La propagación del filtro de la tabla Product (Producto) a la tabla
Sales (Ventas) eliminaría las filas de ventas de los productos desconocidos. Esto daría lugar a una subestimación de los
resultados de ventas.
Para más información, consulte el artículo Configuración de Asumir integridad referencial en Power BI Desktop.

Funciones DAX pertinentes

Hay varias funciones DAX pertinentes para las relaciones de modelo. En la siguiente lista con viñetas se describe
brevemente cada una de estas funciones:
RELATED: recupera el valor del lado "uno".
RELATEDTABLE: recupera una tabla de filas del lado "varios".
USERELATIONSHIP: fuerza el uso de una relación de modelo inactiva específica.
CROSSFILTER: modifica la dirección del filtro cruzado de la relación (a uno o ambos) o deshabilita la
propagación del filtro (ninguna).
COMBINEVALUES: combina dos o más cadenas de texto en una sola. El propósito de esta función es admitir
relaciones de varias columnas en los modelos DirectQuery.
TREATAS: aplica el resultado de una expresión de tabla como filtros en las columnas de una tabla no relacionada.
Funciones primarias y secundarias: familia de funciones relacionadas que se pueden usar para generar
columnas calculadas y naturalizar una jerarquía de elementos primarios y secundarios. Estas columnas se
pueden usar después para crear una jerarquía de nivel fijo.

Evaluación de las relaciones

Las relaciones de modelo, desde la perspectiva de la evaluación, se clasifican como fuertes o débiles. No se trata de
una propiedad configurable de la relación; en realidad, se deduce del tipo de cardinalidad y del origen de datos de
las dos tablas relacionadas. Es importante comprender el tipo de evaluación, porque puede haber implicaciones en
el rendimiento o consecuencias si se pone en peligro la integridad de los datos. En este tema se describen estas
implicaciones y las consecuencias respecto a la integridad.
En primer lugar, se necesita un poco de teoría de modelado para llegar a comprender las evaluaciones de las
relaciones.
Un modelo de importación o DirectQuery consigue todos sus datos de la caché de Vertipaq o de la base de datos
de origen. En ambos casos, Power BI puede determinar que existe un lado "uno" de una relación.
Sin embargo, un modelo compuesto puede constar de tablas que usan diferentes modos de almacenamiento
(importación, DirectQuery o dual) o varios orígenes de DirectQuery. Cada origen, incluida la caché de Vertipaq de
datos de importación, se considera una isla de datos. Así, las relaciones de modelo se pueden clasificar como
intraisla o entre islas. Una relación intraisla es aquella que relaciona dos tablas de una misma isla de datos,
mientras que una relación entre islas relaciona tablas de diferentes islas de datos. Tenga en cuenta que las
relaciones en los modelos de importación o DirectQuery siempre son intraisla.
Veamos un ejemplo de un modelo compuesto.

En este ejemplo, el modelo compuesto consta de dos islas: una isla de datos de Vertipaq y una isla de datos de
origen de DirectQuery. La isla de datos de Vertipaq contiene tres tablas y la isla de datos de origen de DirectQuery
contiene dos. Existe una relación entre islas que relaciona una tabla de la isla de datos de Vertipaq con una tabla de
la isla de datos de origen de DirectQuery.
Relaciones fuertes
Una relación de modelo es fuerte cuando el motor de consultas puede determinar el lado "uno" de la relación.
Tiene la confirmación de que la columna del lado "uno" contiene valores únicos. Todas las relaciones intraisla de
uno a varios son relaciones fuertes.
En el ejemplo siguiente, hay dos relaciones fuertes, ambas marcadas como F . Hay una relación de uno a varios
incluida dentro de la isla de Vertipaq y otra relación de uno a varios incluida dentro del origen de DirectQuery.

En el caso de los modelos de importación, donde todos los datos se almacenan en la caché de Vertipaq, se crea una
estructura de datos para cada relación fuerte en el momento de la actualización de datos. Las estructuras de datos
están formadas por asignaciones indexadas de todos los valores de columna a columna y su finalidad es acelerar la
combinación de las tablas en el momento de la consulta.
Cuando se produce la consulta, las relaciones fuertes permiten que se produzca la expansión de la tabla. Esta
expansión da como resultado la creación de una tabla virtual mediante la inclusión de las columnas nativas de la
tabla base y, a continuación, su expansión en tablas relacionadas. En el caso de las tablas de importación, esto se
lleva a cabo en el motor de consultas; en el caso de las tablas de DirectQuery, se lleva a cabo en la consulta nativa
que se envía a la base de datos de origen (siempre que la propiedad Asumir integridad referencial no esté
habilitada). A continuación, el motor de consultas actúa sobre la tabla expandida, aplicando los filtros y agrupando
según los valores de las columnas de la tabla expandida.

NOTE
También se expanden las relaciones inactivas, incluso si la relación no se utiliza en ningún cálculo. Las relaciones bidireccionales
no tienen ningún impacto en la expansión de tablas.

En el caso de las relaciones de uno a varios, la expansión de tablas tiene lugar desde el lado "varios" al lado "uno"
mediante la semántica LEFT OUTER JOIN. Cuando no existe un valor coincidente del lado "varios" en el lado "uno",
se agrega una fila virtual en blanco en la tabla del lado "uno".
La expansión de tablas también se produce en las relaciones de uno a uno intraisla, pero mediante la semántica de
combinación externa completa. Así se garantiza que las filas virtuales en blanco se agregan en cualquiera de los
lados, cuando es necesario.
Las filas virtuales en blanco son, de hecho, miembros desconocidos. Los miembros desconocidos representan
infracciones de la integridad referencial en las que el valor del lado "varios" no tiene un valor correspondiente en el
lado "uno". Idóneamente, estos espacios en blanco no deben existir y se pueden eliminar mediante la limpieza o la
reparación de los datos de origen.
Veamos cómo funciona la expansión de tablas con un ejemplo animado.

En este ejemplo, el modelo consta de tres tablas: Categor y , Product y Sales (Categoría, Producto y Ventas). La
tabla Categor y (Categoría) está relacionada con la tabla Product (Producto) en una relación de uno a varios y la
tabla Product (Producto) está relacionada con la tabla Sales (Ventas) también en una relación de uno a varios. La
tabla Categor y (Categoría) contiene dos filas, la tabla Product (Producto) contiene tres filas y la tabla Sales
(Ventas) contiene cinco filas. Hay valores coincidentes en ambos lados de todas las relaciones, lo que significa que
no hay ninguna infracción de la integridad referencial. Se desvela una tabla expandida en tiempo de consulta. La
tabla consta de las columnas de las tres tablas. Es, de hecho, una perspectiva desnormalizada de los datos incluidos
en las tres tablas. Se agrega una nueva fila a la tabla Sales (Ventas), con un valor de identificador de producción (9)
sin ningún valor coincidente en la tabla Product (Producto). Supone una infracción de la integridad referencial. En
la tabla expandida, la nueva fila tiene valores (en blanco) para las columnas de tabla Categor y (Categoría) y
Product (Producto).
Relaciones débiles
Una relación de modelo es débil cuando no hay ningún lado "uno" garantizado. Esto puede deberse a dos motivos:
La relación usa un tipo de cardinalidad de varios a varios (aunque una o ambas columnas contengan valores
únicos).
La relación es entre islas (lo que solo puede suceder en los modelos compuestos).
En el ejemplo siguiente, hay dos relaciones débiles, ambas marcadas como D : la relación de varios a varios incluida
dentro de la isla de Vertipaq y la relación de uno a varios entre islas.

En el caso de los modelos de importación, nunca se crean estructuras de datos para las relaciones débiles. Esto
significa que las combinaciones de tablas deben resolverse en el momento de la consulta.
En las relaciones débiles tampoco se produce la expansión de las tablas. Las combinaciones de tablas se logran
mediante la semántica de combinación interna y, por este motivo, no se agregan filas virtuales en blanco para
compensar las infracciones de integridad referencial.
Existen restricciones adicionales relacionadas con las relaciones débiles:
No se puede usar la función DAX RELATED para recuperar los valores de las columnas del lado "uno".
La aplicación de RLS tiene restricciones de topología.

NOTE
En la vista de modelo de Power BI Desktop, no siempre es posible determinar si una relación de modelo es fuerte o débil. Una
relación de varios a varios siempre será débil, así como una relación de uno a varios si es entre islas. Para determinar de forma
correcta si se trata de una relación entre islas, deberá inspeccionar los modos de almacenamiento de tabla y los orígenes de
datos.

Reglas de precedencia
Las relaciones bidireccionales pueden introducir varias rutas, y por tanto ambiguas, de propagación de filtro entre
las tablas del modelo. En la lista siguiente se presentan las reglas de precedencia que Power BI usa para la detección
de ambigüedades y la resolución de rutas:
1. Relaciones de varios a uno y uno a uno, incluidas las relaciones débiles
2. Relaciones de varios a varios
3. Relaciones bidireccionales, en la dirección inversa (es decir, desde el lado "varios")
Preferencia de rendimiento
En la lista siguiente se ordena el rendimiento de la propagación de filtros, desde el rendimiento más rápido al más
lento:
1. Relaciones de uno a varios intraisla
2. Relaciones de cardinalidad de varios a varios
3. Relaciones de modelo de varios a varios logradas con una tabla intermediaria y que implican al menos una
relación bidireccional
4. Relaciones entre islas

Pasos siguientes
Para más información sobre este artículo, consulte los recursos siguientes:
Descripción de un esquema de estrella e importancia para Power BI
Instrucciones para relaciones uno a uno
Instrucciones para relaciones de varios a varios
Instrucciones para elegir entre relaciones activas e inactivas
Instrucciones para relaciones bidireccionales
Instrucciones para solución de problemas de relaciones
Vídeo: Qué se debe hacer y qué no con las relaciones de Power BI
¿Tiene alguna pregunta? Pruebe a preguntar a la comunidad de Power BI
¿Sugerencias? Ideas para contribuir a mejorar Power BI
 Trabajo con Vista de modelo en Power BI Desktop
02/07/2020 • 3 minutes to read • Edit Online

Con Vista de modelo de Power BI Desktop , puede ver y trabajar con conjuntos de datos complejos que
contienen muchas tablas.

Uso de Vista de modelo

Para acceder a Vista de modelo, seleccione el icono correspondiente que se encuentra a la izquierda de Power BI
Desktop , como se muestra en la imagen siguiente.

Creación de diagramas independientes

Con Vista de modelo, puede crear diagramas de su modelo que contengan solo un subconjunto de las tablas del
modelo. Esto puede ayudar a proporcionar una visión más clara de las tablas con las que desea trabajar y a facilitar
el trabajo con conjuntos de datos complejos. Para crear un diagrama con solo un subconjunto de las tablas, haga
clic en el signo + junto a la pestaña Todas las tablas en la parte inferior de la ventana de Power BI Desktop.

A continuación, puede arrastrar una tabla desde la lista Campos hasta la superficie del diagrama. Haga clic con el
botón derecho en la tabla y, luego, seleccione Agregar tablas relacionadas en el menú que aparece.
Al hacerlo, las tablas que están relacionadas con la tabla original se muestran en el nuevo diagrama. En la imagen
siguiente se ilustra cómo se muestran las tablas relacionadas tras seleccionar la opción de menú Agregar tablas
relacionadas .

Definición de las propiedades comunes

Puede seleccionar varios objetos a la vez en Vista de modelo; para ello, mantenga presionada la tecla CTRL y haga
clic en varias tablas. Al seleccionar varias tablas, se resaltan en esta vista. Cuando varias tablas están resaltadas, los
cambios aplicados en el panel Propiedades se aplican a todas las tablas seleccionadas.
Por ejemplo, podría cambiar el modo de almacenamiento para varias tablas en la vista de diagrama; para ello,
mantendría presionada la tecla CTRL , seleccionaría las tablas y, luego, cambiaría la opción de modo de
almacenamiento en el panel Propiedades .
Pasos siguientes
En los artículos siguientes se proporciona más información sobre los modelos de datos y también se describe
DirectQuery de forma detallada.
Agregaciones en Power BI Desktop (versión preliminar)
Modelos compuestos en Power BI Desktop
Modo de almacenamiento en Power BI Desktop (versión preliminar)
Relaciones de varios a varios en Power BI Desktop
Artículos sobre DirectQuery:
Uso de DirectQuery en Power BI
Orígenes de datos admitidos por DirectQuery en Power BI
 Uso de agregaciones en Power BI Desktop
02/07/2020 • 32 minutes to read • Edit Online

El uso de agregaciones en Power BI permite reducir el tamaño de las tablas para que pueda centrarse en los datos
importantes y mejorar el rendimiento de las consultas. Las agregaciones permiten la realización de análisis
interactivos de macrodatos que, de otro modo, no sería posible. Además, pueden reducir drásticamente el costo de
desbloquear grandes conjuntos de datos para la toma de decisiones.
Estas son algunas de las ventajas de usar agregaciones:
Mejora del rendimiento de las consultas sobre macrodatos . Cada interacción con objetos visuales de
Power BI envía consultas DAX al conjunto de datos. Los datos agregados almacenados en memoria caché usan
una fracción de los recursos necesarios para los datos detallados, por lo que puede desbloquear macrodatos
que, de otro modo, serían inaccesibles.
Optimización de la actualización de los datos . Un tamaño de caché menor permite reducir el tiempo de
actualización, por lo que los datos se obtienen más rápidamente.
Equilibrio de las arquitecturas . La caché en memoria de Power BI puede controlar consultas agregadas, lo
cual limita las consultas enviadas en el modo DirectQuery le ayuda a cumplir los límites de simultaneidad. El
resto de las consultas de nivel de detalles tienden a ser consultas filtradas de nivel transaccional, algo que
suelen controlar bien los almacenes de datos y los sistemas de macrodatos.

Los orígenes de datos dimensionales, como los almacenes de datos y data marts, pueden usar agregaciones
basadas en relaciones. Los orígenes de macrodatos basados en Hadoop suelen ser agregaciones base en columnas
GroupBy. En este artículo se describen las diferencias de modelado habitual en Power BI para cada tipo de origen
de datos.

Creación de una tabla agregada

Para crear una tabla agregada:
1. Configure una nueva tabla con los campos que quiera, según el origen de datos y el modelo.
2. Defina las agregaciones en el cuadro de diálogo Administrar agregaciones .
3. Si procede, cambie el modo de almacenamiento para la tabla agregada.
Administrar agregaciones
Después de crear la nueva tabla que contiene los campos deseados, en el panel Campos de cualquier vista de
Power BI Desktop, haga clic con el botón derecho en la tabla y seleccione Administrar agregaciones .

El cuadro de diálogo Administrar agregaciones muestra una fila para cada columna de la tabla, donde se puede
especificar el comportamiento de la agregación. En el ejemplo siguiente, las consultas a la tabla de detalles Sales
se redirigen internamente a la tabla de agregación Sales Agg .
En la lista desplegable Resumen del cuadro de diálogo Administrar agregaciones , se ofrecen los valores
siguientes:
Count
GroupBy
Máx.
Mín.
Sumar
Contar filas de tabla
En este ejemplo de agregación basada en relaciones, las entradas de GroupBy son opcionales. Excepto
DISTINCTCOUNT, no afectan al comportamiento de la agregación y su función principal es mejorar la legibilidad.
Sin las entradas GroupBy, se seguirían obteniendo agregaciones en función de las relaciones. Esto es diferente del
ejemplo de macrodatos que aparece más adelante en este artículo, donde se requieren entradas GroupBy.
Después de definir las agregaciones que quiera, seleccione Aplicar todo .
Validaciones
El cuadro de diálogo Administrar agregaciones aplica las siguientes validaciones importantes:
La columna de detalles debe tener el mismo tipo de datos que la columna de agregación , excepto las
funciones de Resumen de las filas Recuento y Contar filas de tabla. Recuento y Contar filas de tabla solo están
disponibles para las columnas de agregación de enteros y no necesitan un tipo de datos coincidente.
No se permiten las agregaciones encadenadas que abarcan tres o más tablas. Por ejemplo, las agregaciones en
la Tabla A no pueden hacer referencia a una Tabla B que tenga agregaciones que hagan referencia a una Tabla
C.
No se permiten las agregaciones duplicadas donde dos entradas usen la misma función de Resumen y hagan
referencia a la misma tabla de detalles y a la misma columna de detalles .
La tabla de detalles debe usar el modo de almacenamiento DirectQuery, no Importar.
No se admite la agrupación por una columna de clave externa usada por una relación inactiva, ni tampoco
recurrir a la función USERELATIONSHIP para los aciertos de agregación.
La mayoría de las validaciones se aplican al deshabilitar los valores de la lista desplegable y mostrar el texto
explicativo de la información sobre herramientas, como se muestra en esta imagen.
Tablas de agregación ocultas
Los usuarios con acceso de solo lectura al conjunto de datos no pueden consultar las tablas de agregación. Esto
evita problemas de seguridad cuando se usan con seguridad de nivel de fila (RLS) . Los consumidores y las
consultas hacen referencia a la tabla de detalles, no a la tabla de agregación, y no necesitan saber que dicha tabla
de agregación existe.
Por este motivo, las tablas de agregación están ocultas en la vista Informes . Si la tabla no está oculta, el cuadro de
diálogo Administrar agregaciones la establecerá como oculta al seleccionar Aplicar todo .
Modos de almacenamiento
La característica de agregación interactúa con los modos de almacenamiento de nivel de tabla. Las tablas de
Power BI pueden usar los modos de almacenamiento DirectQuery, Importar o Dual. DirectQuery consulta el back-
end directamente, mientras que Importar almacena los datos en la memoria caché y envía las consultas a los datos
almacenados en caché. Todos los orígenes de datos de Importar de Power BI y DirectQuery no multidimensionales
funcionan con agregaciones.
Para establecer el modo de almacenamiento de una tabla agregada en Importar a fin de acelerar las consultas,
seleccione la tabla agregada en la vista Modelo de Power BI Desktop. En el panel Propiedades , expanda
Avanzado y, en la lista desplegable situada bajo Modo de almacenamiento , seleccione Impor tar . Tenga en
cuenta que esta acción es irreversible.
Para obtener más información sobre el modo de almacenamiento de tablas, consulte Administración del modo de
almacenamiento en Power BI Desktop.
RLS para agregaciones
Para funcionar correctamente con las agregaciones, las expresiones de RLS deben filtrar la tabla de agregación y la
tabla de detalles.
En el ejemplo siguiente, la expresión RLS en la tabla Geography funciona con las agregaciones, dado que
Geografía se encuentra en el lado de filtrado de las relaciones con las tablas Sales y Sales Agg . RLS se aplicará
correctamente tanto en las consultas que alcanzan la tabla de agregación como en las que no.
Una expresión de RLS en la tabla Product solo filtrará la tabla Sales , no la tabla agregada Sales Agg . Como la
tabla de agregación es otra representación de los datos de la tabla de detalles, no sería seguro responder a las
consultas de la tabla de agregación si no se puede aplicar el filtro RLS. No se recomienda filtrar solo la tabla de
detalles, ya que las consultas de usuario de este rol no se beneficiarán de los aciertos de agregación.
No se permite una expresión de RLS que filtre solo la tabla de agregación Sales Agg y no la tabla de detalles
Sales .

En las agregaciones basadas en columnas GroupBy, se puede usar una expresión RLS aplicada a la tabla de detalles
para filtrar la tabla de agregación, ya que todas las columnas GroupBy de la tabla de agregación se incluyen en la
tabla de detalles. Por otro lado, un filtro RLS en la tabla de agregación no se puede aplicar a la tabla de detalles, por
lo que no se permite.

Agregación basada en relaciones

Los modelos dimensionales suelen usar agregaciones basadas en relaciones. Los conjuntos de datos de Power BI
que proceden de almacenes de datos y data marts son similares a esquemas de estrella o copo de nieve, con
relaciones entre tablas de dimensiones y de hechos.
En el siguiente modelo de un solo origen de datos, las tablas usan el modo de almacenamiento DirectQuery. La
tabla de hechos Sales contiene miles de millones de filas. Si se establece el modo de almacenamiento de Sales en
Importar para almacenamiento en caché, se consumirá una cantidad considerable de memoria y habrá una
sobrecarga de la administración.
En su lugar, cree la tabla de agregación Sales Agg . En la tabla Sales Agg , el número de filas es igual a la suma de
SalesAmount , agrupadas por CustomerKey , DateKey y ProductSubcategor yKey . La tabla Sales Agg tiene
una granularidad más alta que Sales , por lo que, en lugar de miles de millones, podría contener solo millones de
filas, que son mucho más fáciles de administrar.
Si las siguientes tablas de dimensiones son las que se usan con más frecuencia para las consultas con un valor de
negocio alto, pueden filtrar Sales Agg mediante relaciones uno a varios o varios a uno.
Geography
Customer
Date (Fecha)
Subcategoría de producto
Categoría de productos
La siguiente imagen muestra este modelo.
En esta tabla se muestran las agregaciones para la tabla Sales Agg .

NOTE
La tabla Sales Agg , como cualquier tabla, tiene la flexibilidad de cargarse de distintas formas. Se puede realizar la agregación
en la base de datos de origen mediante procesos ETL/ELT, o mediante la expresión M para la tabla. La tabla agregada puede
usar el modo de almacenamiento Importar con o sin actualización incremental en Power BI Premium, o puede usar
DirectQuery y optimizarse para consultas rápidas con índices de almacén de columnas. Esta flexibilidad permite arquitecturas
equilibradas que pueden distribuir la carga de consultas para evitar cuellos de botella.

Si se cambia el modo de almacenamiento de la tabla Sales Agg agregada a Impor tar , se abre un cuadro de
diálogo que indica que las tablas de dimensiones relacionadas pueden establecerse en el modo de
almacenamiento Dual.
Al configurar las tablas de dimensiones relacionadas en Dual, pueden actuar como Importar o DirectQuery, según
la subconsulta. En el ejemplo:
De la caché en memoria se pueden devolver consultas que agregan métricas desde la tabla Sales Agg , cuyo
modo es Importar, y se agrupan por atributos desde las tablas Dual relacionadas.
Las consultas que agregan métricas desde la tabla Sales de DirectQuery, y se agrupan por atributos desde las
tablas Dual, pueden devolverse en el modo DirectQuery. La lógica de consulta, incluida la operación GroupBy, se
pasará a la base de datos de origen.
Para obtener más información sobre el modo de almacenamiento Dual, consulte Administración del modo de
almacenamiento en Power BI Desktop.
Relaciones seguras frente a débiles
Los aciertos de agregaciones basadas en relaciones requieren relaciones fuertes.
Las relaciones fuertes incluyen las siguientes combinaciones de modo de almacenamiento, en las que ambas tablas
proceden de un único origen:

TA B L A EN LO S L A DO S DE VA RIO S TA B L A EN EL L A DO DE UN O

Dual Dual

Importación Importación o dual

DirectQuery DirectQuery o dual

El único caso en el que una relación de origen cruzado se considera fuerte es cuando ambas tablas se establecen
en Importar. Las relaciones varios a varios siempre se consideran débiles.
Para los aciertos de agregaciones de origen cruzado que no dependen de las relaciones, consulte Agregaciones
basadas en columnas GroupBy.
Ejemplos de consulta de agregación basada en relaciones
La siguiente consulta alcanzará la agregación porque las columnas de la tabla Date están en la granularidad que
les permite alcanzar la agregación. La columna SalesAmount usa la agregación SUM .

La siguiente consulta no alcanza la agregación. A pesar de solicitar la suma de SalesAmount , la consulta realiza
una operación GroupBy en una columna en la tabla Product , que no está en la granularidad que puede alcanzar la
agregación. Si observa las relaciones en el modelo, una subcategoría de producto puede tener varias filas Product .
La consulta no podría determinar a qué producto se agrega. En este caso, la consulta revierte a DirectQuery y envía
una consulta SQL al origen de datos.

Las agregaciones no son solo para cálculos sencillos que realizan una suma sencilla. También se pueden beneficiar
los cálculos complejos. Conceptualmente, un cálculo complejo se desglosa en subconsultas para cada SUM, MIN,
MAX y COUNT, y cada subconsulta se evalúa para determinar si puede alcanzar la agregación. Esta lógica no es
verdadera en todos los casos debido a la optimización del plan de consulta, pero en general debería aplicarse. En el
ejemplo siguiente se alcanza la agregación:

La función COUNTROWS puede beneficiarse de las agregaciones. La siguiente consulta alcanza la agregación
porque hay una agregación Contar filas de tabla definida para la tabla Sales .
La función AVERAGE puede beneficiarse de las agregaciones. La siguiente consulta alcanza la agregación porque
AVERAGE se dobla internamente en SUM dividido por COUNT. Puesto que la columna UnitPrice tiene
agregaciones definidas para SUM y COUNT, se alcanza la agregación.

En algunos casos, la función DISTINCTCOUNT puede beneficiarse de las agregaciones. La siguiente consulta
alcanza la agregación porque hay una entrada de GroupBy para CustomerKey , que mantiene la diferenciación de
CustomerKey en la tabla de agregación. Esta técnica todavía podría alcanzar el umbral de rendimiento donde más
de entre dos y cinco millones de valores distintos pueden afectar al rendimiento de las consultas. A pesar de ello,
puede ser útil en escenarios donde hay miles de millones de filas en la tabla de detalles, pero entre dos y cinco
millones de valores distintos en la columna. En este caso, DISTINCTCOUNT puede realizarse más rápido que si se
examina la tabla con miles de millones de filas, aunque se hayan almacenado en caché en memoria.

Las funciones de inteligencia de tiempo de DAX reconocen las agregaciones. La siguiente consulta encuentra la
agregación porque la función DATESYTD genera una tabla de valores de CalendarDay y la tabla de agregación se
encuentra en una granularidad cubierta para las columnas de agrupación de la tabla Date . Este es un ejemplo de
un filtro con valores de tabla en la función CALCULATE, que puede funcionar con agregaciones.

Agregación basada en columnas GroupBy

Los modelos de macrodatos basados en Hadoop tienen características diferentes de modelos dimensionales. Para
evitar combinaciones entre tablas grandes, los modelos de macrodatos no suelen usar relaciones, sino que
desnormalizan los atributos de dimensión en tablas de hechos. Estos modelos de datos tan grandes pueden
desbloquearse para un análisis interactivo mediante agregaciones basadas en columnas GroupBy.
Esta tabla contiene la columna numérica Movement que se va a agregar. El resto de las columnas son atributos
para GroupBy. La tabla contiene datos de IoT y un gran número de filas. El modo de almacenamiento es
DirectQuery. Las consultas en el origen de datos que se agregan a través de todo el conjunto de datos son lentas
debido simplemente al volumen.
Para habilitar los análisis interactivos en este conjunto de datos, se puede agregar una tabla de agregación que se
agrupa por la mayoría de los atributos, pero excluye los atributos de alta cardinalidad, como la longitud y la latitud.
De este modo se reduce drásticamente el número de filas y es lo suficientemente pequeña como para encajar
cómodamente en una caché en memoria.
En el cuadro de diálogo Administrar agregaciones , se definen las asignaciones de agregaciones para la tabla
Actividad de conductor agregada .
En las agregaciones basadas en columnas GroupBy, las entradas de GroupBy no son opcionales. Sin ellas, las
agregaciones no se alcanzarán. Esto es diferente de usar agregaciones basadas en relaciones, en las que las
entradas de GroupBy son opcionales.
En esta tabla se muestran las agregaciones para la tabla Driver Activity Agg .
El modo de almacenamiento de la tabla Actividad de conductor agregada se puede establecer en Importar.
Ejemplo de consulta de agregación de GroupBy
La siguiente consulta alcanza la agregación porque la tabla de agregación abarca la columna Activity Date . La
función COUNTROWS usa la agregación Contar filas de tabla .

Especialmente para los modelos que contienen atributos de filtro en tablas de hechos, es buena idea usar
agregaciones de Contar filas de tabla . Es posible que Power BI envíe consultas al conjunto de datos mediante
COUNTROWS en casos donde el usuario no lo pida expresamente. Por ejemplo, en el cuadro de diálogo de filtro se
muestra el recuento de filas para cada valor.

Técnicas de agregación combinadas

Las técnicas de relaciones y las columnas GroupBy se pueden combinar para las agregaciones. Puede que para las
agregaciones basadas en relaciones sea necesario que las tablas de dimensiones desnormalizadas se dividan en
varias tablas. Si esto resulta costoso o poco práctico para algunas tablas de dimensión, se pueden replicar los
atributos necesarios en la tabla de agregación para ciertas dimensiones y usar relaciones para otras.
Por ejemplo, en este modelo se replica Mes , Trimestre , Semestre y Año en la tabla Sales Agg . No hay ninguna
relación entre Sales Agg y la tabla Date , pero sí que hay relaciones para Customer y Product Subcategor y . El
modo de almacenamiento de Sales Agg es Import.
En esta tabla se muestran las entradas establecidas en el cuadro de diálogo Administrar agregaciones para la
tabla Sales Agg . Las entradas GroupBy donde Date es la tabla de detalles son obligatorias para alcanzar
agregaciones para las consultas que se agrupan por atributos de tipo Date . Como se muestra en el ejemplo
anterior, las entradas GroupBy para CustomerKey y ProductSubcategor yKey no afectan a los aciertos de
agregaciones debido a la presencia de relaciones (a excepción de DISTINCTCOUNT).

Ejemplo de consulta de agregación combinada

Esta consulta alcanza la agregación porque CalendarMonth está cubierto por la tabla de agregación y
Categor yName es accesible a través de relaciones de uno a varios. SalesAmount usa la agregación SUM .
La siguiente consulta no alcanza la agregación porque la tabla de agregación no abarca CalendarDay .

La siguiente consulta de inteligencia de tiempo no alcanzará la agregación porque la función DATESYTD genera
una tabla de valores de tipo CalendarDay y la tabla de agregación no abarca CalendarDay .

Prioridad de agregación
La prioridad de agregación permite que una única subconsulta tenga en cuenta varias tablas de agregación.
El ejemplo siguiente es un modelo compuesto que contiene varios orígenes:
La tabla Driver Activity es DirectQuery y contiene más de un billón de filas de datos de IoT procedentes de un
sistema de macrodatos. Atiende consultas de obtención de detalles para ver lecturas de IoT individuales en
contextos de filtro controlado.
La tabla Drive Activity Agg es una tabla de agregación intermedia en el modo DirectQuery. Contiene más de
mil millones de filas en Azure SQL Data Warehouse y está optimizada en el origen mediante índices de almacén
de columnas.
La tabla Driver Activity Agg2 es Importar y tiene una granularidad alta porque los atributos group-by son
pocos y de baja cardinalidad. El número de filas podría ser de tan solo unos miles, por lo que puede adaptarse
fácilmente a una caché en memoria. Estos atributos suelen usarse en un panel ejecutivo de alto perfil, por lo que
las consultas que hacen referencia a ellos deben ser tan rápidas como sea posible.

NOTE
Las tablas de agregación de DirectQuery que usan un origen de datos distinto al de la tabla de detalles solo se admiten si la
tabla de agregación procede de un origen de SQL Server, Azure SQL o Azure SQL Data Warehouse.

La superficie de memoria de este modelo es relativamente pequeña, pero desbloquea un enorme conjunto de
datos. Representa una arquitectura equilibrada porque distribuye la carga de consultas a través de los
componentes de la arquitectura y los usa en función de sus puntos fuertes.
El cuadro de diálogo Administrar agregaciones de Driver Activity Agg2 establece el campo Prioridad en 10,
que es mayor que para Driver Activity Agg . La configuración de mayor prioridad significa que las consultas que
usan agregaciones tendrán primero en cuenta Driver Activity Agg2 . En su lugar, las subconsultas que no están
en la granularidad a la que se puede responder mediante Driver Activity Agg2 contemplarán Driver Activity
Agg . Las consultas de detalles que no se pueden responder mediante cualquier tabla de agregación se dirigirán a
Driver Activity .
La tabla especificada en la columna Tabla de detalles es Driver Activity , en lugar de Driver Activity Agg
porque no se permiten las agregaciones encadenadas.
En esta tabla se muestran las agregaciones para la tabla Driver Activity Agg2 .

Detección de si las consultas alcanzan o no las agregaciones

SQL Profiler puede detectar si las consultas se devuelven desde el motor de almacenamiento en caché en memoria
o si se insertan en el origen de datos mediante DirectQuery. Ese proceso también puede usarse para detectar si se
están alcanzando las agregaciones. Para obtener más información, vea Consultas que aciertan o pierden la
memoria caché.
SQL Profiler también proporciona el evento extendido Query Processing\Aggregate Table Rewrite Query .
El siguiente fragmento de código JSON muestra un ejemplo de la salida del evento cuando se usa una agregación.
matchingResult muestra que la subconsulta ha usado una agregación.
dataRequest muestra las columnas GroupBy y las columnas agregadas usadas por la subconsulta.
mapping muestra las columnas en la tabla de agregación que se les asignó.
Sincronización de las cachés
Las agregaciones que combinan los modos de almacenamiento DirectQuery, Importar y Dual pueden devolver
datos diferentes a menos que la caché en memoria se mantenga sincronizada con los datos de origen. Por ejemplo,
la ejecución de consultas no intentará enmascarar los problemas de datos mediante el filtrado de los resultados de
DirectQuery para coincidir con los valores en caché. Hay técnicas establecidas para controlar este tipo de
problemas en el origen, si es necesario. Las optimizaciones de rendimiento deben usarse solo de forma que no
pongan en peligro su capacidad para satisfacer los requisitos de negocio. Es su responsabilidad conocer los flujos
de datos, así que conviene diseñarlos en consecuencia.

Pasos siguientes
Para obtener más información sobre los modelos compuestos, vea:
Usar modelos compuestos en Power BI Desktop
Aplicación de relaciones de varios a varios en Power BI Desktop
Administración del modo de almacenamiento en Power BI Desktop
Para obtener más información sobre DirectQuery, vea:
Acerca del uso de DirectQuery en Power BI
Orígenes de datos de Power BI
 Usar modelos compuestos en Power BI Desktop
02/07/2020 • 25 minutes to read • Edit Online

Anteriormente en Power BI Desktop, cuando se usaba DirectQuery en un informe, no se permitía usar ninguna
otra conexión de datos en ese informe, ya fuese que se tratara de DirectQuery o importación. Con los modelos
compuestos esa restricción ya no existe. Un informe puede incluir sin problemas conexiones de datos de más de
una conexión de datos de DirectQuery o de importación, en la combinación de su preferencia.
La funcionalidad de modelos compuestos de Power BI Desktop consta de tres características relacionadas:
Modelos compuestos : esta característica permite que un informe tenga varias conexiones de datos,
incluidas conexiones de DirectQuery o importación, en cualquier combinación. En este artículo se
describen los modelos compuestos en detalle.
Relaciones de varios a varios : con los modelos compuestos, puede establecer relaciones de varios a
varios entre las tablas. Este enfoque elimina los requisitos de valores únicos en tablas. También permite
descartar las soluciones alternativas anteriores, como el hecho de presentar nuevas tablas solo para
establecer relaciones. Para más información, consulte Relaciones de varios a varios en Power BI Desktop.
Modo de almacenamiento : ahora puede especificar los objetos visuales que consultan los orígenes de
datos back-end. Los objetos visuales que no requieran una consulta se importarán incluso aunque estén
basados en DirectQuery. Esta característica permite mejorar el rendimiento y reducir la carga de back-end.
Anteriormente, incluso los objetos visuales simples, como las segmentaciones, iniciaban consultas a los
orígenes de back-end. Para más información, consulte Administración del modo de almacenamiento en
Power BI Desktop.

Usar modelos compuestos

Con los modelos compuestos puede conectarse a diferentes clases de orígenes de datos al usar Power BI Desktop
o el servicio Power BI. Puede realizar esas conexiones de datos de dos maneras:
Mediante la importación de datos a Power BI, que es la manera más común para obtener datos.
Mediante una conexión directa a los datos en su repositorio de origen inicial con DirectQuery. Para obtener
más información acerca de DirectQuery, vea Uso de DirectQuery en Power BI.
El hecho de usar DirectQuery con los modelos compuestos posibilita crear un modelo de Power BI (como un
archivo .pbix de Power BI Desktop único) que tiene como resultado una de las siguientes acciones o ambas:
Combina los datos de uno o varios orígenes de DirectQuery.
Combina los datos de orígenes de DirectQuery e importa los datos.
Por ejemplo, mediante el uso de modelos compuestos, puede crear un modelo que combine los siguientes tipos
de datos:
Datos de ventas de un almacenamiento de datos empresarial.
Datos de objetivos de ventas de una base de datos de SQL Server departamental.
Datos que se importan a partir de una hoja de cálculo.
Un modelo que combina datos de más de un origen de DirectQuery o que combina DirectQuery con datos
importados se conoce como un modelo compuesto.
Puede crear relaciones entre las tablas como siempre, incluso cuando las tablas procedan de orígenes diferentes.
Cualquier relación entre orígenes se crea con una cardinalidad de varios a varios, independientemente de su
cardinalidad real. Puede cambiar a una cardinalidad de uno a varios, de varios a uno o de uno a uno. Sea cual sea
la cardinalidad que se establezca, las relaciones entre orígenes tienen un comportamiento diferente. No se
pueden usar las funciones de expresiones de análisis de datos (DAX) para recuperar valores en el lado one del
lado many . También puede observarse un impacto en el rendimiento en comparación con las relaciones de varios
a varios dentro del mismo origen.

NOTE
En el contexto de los modelos compuestos, todas las tablas importadas son efectivamente un solo origen,
independientemente del origen de datos.

Ejemplo de un modelo compuesto

Un ejemplo de modelo compuesto podría ser un informe que se ha conectado a un almacenamiento de datos
corporativos en SQL Server mediante el uso de DirectQuery. En este caso, el almacenamiento de datos contiene
datos de Sales by Countr y (Ventas por país), Quar ter (Trimestre) y Bike (Product) (Bicicleta [Producto]), como
se muestra en la siguiente imagen:

En este momento, podría crear objetos visuales sencillos con campos de este origen. La siguiente imagen
muestra las ventas totales por ProductName para un trimestre seleccionado.

Pero ¿qué ocurre si tiene datos en una hoja de cálculo de Excel de Office sobre el administrador de producto
asignado a cada artículo con la prioridad de marketing? Si quiere conocer el valor de Sales Amount (Cantidad
de ventas) por Product Manager (Administrador de producto), es posible que no se puedan agregar estos datos
locales en el almacenamiento de datos corporativos. O bien, en el mejor de los casos, se trata de una tarea que
puede llevar meses.
Es posible importar los datos de ventas del almacenamiento de datos, en lugar de usar DirectQuery. Después, se
podrían combinar los datos de ventas con los datos que haya importado desde la hoja de cálculo. No obstante,
este enfoque es poco razonable, por los motivos que llevaron a usar DirectQuery en primer lugar. Los motivos
pueden incluir:
Alguna combinación de las reglas de seguridad aplicadas en el origen subyacente.
Existencia de la necesidad de poder consultar los datos más recientes.
Dimensiones de los datos, que pueden ser bastante grandes.
Aquí es donde aparecen los modelos compuestos. Los modelos compuestos le permiten conectarse al
almacenamiento de datos a través de DirectQuery y luego usar Obtener datos para los orígenes adicionales. En
este ejemplo, establecemos primero la conexión de DirectQuery al almacén de datos corporativos. Utilice
Obtener datos , elija Excel y, después, vaya a la hoja de cálculo que contiene los datos locales. Por último,
importe la hoja de cálculo que contiene los valores Product Names (Nombres de producto), Sales Manager
(Administrador de ventas) asignado y Priority (Prioridad).

En la lista Campos , puede ver dos tablas: la tabla Bike (Bicicleta) original de SQL Server y una tabla
ProductManagers nueva. La nueva tabla contiene los datos que se han importado de Excel.
Del mismo modo, en la vista Relaciones en Power BI Desktop, ahora veremos una tabla adicional denominada
ProductManagers (Administradores de productos).

Ahora necesitamos relacionar estas tablas con las otras en el modelo. Como siempre, creamos una relación entre
la tabla Bike (Bicicleta) de SQL Server y la tabla ProductManagers importada. Es decir, la relación se establece
entre Bike[ProductName] y ProductManagers[ProductName] . Como se ha explicado anteriormente, todas
las relaciones entre el origen tienen la cardinalidad de varios a varios de forma predeterminada.
Una vez que se ha establecido esta relación, se muestra en la vista Relaciones en Power BI Desktop tal como se
esperaría.

Ahora podemos crear objetos visuales mediante cualquiera de los campos de la lista Campos . Este enfoque
combina sin problemas datos de varios orígenes. Por ejemplo, el valor SalesAmount (Cantidad de ventas) total
para cada Product Manager (Administrador de productos) se muestra en la siguiente imagen:
En el ejemplo siguiente se muestra un caso común de una tabla de dimensiones, como Producto o Cliente , que
se extiende con algunos datos adicionales que se importan desde otro lugar. También es posible hacer que las
tablas usen DirectQuery para conectarse a diversos orígenes. Para continuar con el ejemplo, imaginemos que
Sales Targets (Objetivos de ventas) por Countr y (País) y Period (Período) se almacenan en una base de datos
departamental independiente. Como es habitual, puede usar Obtener datos para conectarse a esos datos, tal
como se muestra en la siguiente imagen:
Como hicimos anteriormente, podemos crear relaciones entre la tabla nueva y las demás tablas del modelo, y
después crear objetos visuales que combinen los datos de la tabla. Volvamos a examinar la vista Relaciones ,
donde establecimos relaciones nuevas:

La siguiente imagen se basa en los nuevos datos y las relaciones que hemos creado. El objeto visual en la esquina
inferior izquierda muestra el valor Sales Amount (Cantidad de ventas) total frente a Target (Objetivo), mientras
que el cálculo de la varianza muestra la diferencia. Los datos de Sales Amount (Cantidad de ventas) y Target
(Objetivo) proceden de dos bases de datos de SQL Server diferentes.

Establecer el modo de almacenamiento

Cada tabla de un modelo compuesto tiene un modo de almacenamiento que indica si la tabla se basa en
DirectQuery o en importación. El modo de almacenamiento se puede ver y modificar en el panel Propiedad .
Para mostrar el modo de almacenamiento, haga clic en una tabla en la lista Campos y, después, seleccione
Propiedades . En la siguiente imagen se muestra el modo de almacenamiento para la tabla SalesTargets
(Objetivos de ventas).
El modo de almacenamiento también se puede ver en la información sobre herramientas de cada tabla.
En el caso de los archivos de Power BI Desktop (. .pbix) que contengan tablas DirectQuery e Importación, la barra
de estado mostrará un modo de almacenamiento denominado Combinado . Puede hacer clic en ese término en
la barra de estado y cambiar fácilmente todas las tablas para importación.
Para más información sobre el modo de almacenamiento, consulte Administración del modo de almacenamiento
en Power BI Desktop.

NOTE
Puede usar el modo de almacenamiento mixto en Power BI Desktop y en el servicio Power BI.

Tablas calculadas
Puede agregar tablas calculadas a un modelo que use DirectQuery. Las expresiones de análisis de datos (DAX)
que definen la tabla calculada pueden hacer referencia a cualquier tabla importada o de DirectQuery, o una
combinación de ambas.
Las tablas calculadas siempre se importan y los datos se actualizan cuando se actualizan las tablas. Si una tabla
calculada hace referencia a una tabla DirectQuery, los objetos visuales que hagan referencia a la tabla
DirectQuery siempre mostrarán los valores más recientes en el origen subyacente. Como alternativa, los objetos
visuales que hacen referencia a la tabla calculada muestran los valores en el momento de la última actualización
de la tabla calculada.

Implicaciones de seguridad
Los modelos compuestos tienen algunas implicaciones de seguridad. Una consulta enviada a un origen de datos
puede incluir valores de datos que se han recuperado desde otro origen de datos. En el ejemplo anterior, el objeto
visual que muestra Sales Amount (Cantidad de ventas) por Product Manager (Administrador de productos)
envía una consulta SQL para la base de datos relacional Sales (Ventas). La consulta SQL puede contener los
nombres de Product Managers (Administradores de producto) y sus productos asociados.
Por lo tanto, la información que se almacena en la hoja de cálculo ahora se incluye en una consulta enviada a la
base de datos relacional. Si esta información es confidencial, se deben considerar las implicaciones de seguridad.
En concreto, tenga en cuenta lo siguiente:
Cualquier administrador de la base de datos que pueda ver los seguimientos o registros de auditoría
puede ver esta información, incluso sin permisos para los datos de su fuente original. En este ejemplo, el
administrador necesitaría permisos para el archivo de Excel.
Se debe considerar la configuración de cifrado para cada origen. Lo habitual es querer evitar tener que
recuperar la información desde un origen mediante una conexión cifrada y, después, incluirla de forma
accidental en una consulta que se envía a otro origen mediante una conexión no cifrada.
Con el fin de permitir la confirmación de que se consideraron todas las implicaciones de seguridad, Power BI
Desktop muestra un mensaje de advertencia cuando se realiza una acción para crear un modelo compuesto.
Por motivos similares, se debe tener cuidado al abrir un archivo de Power BI Desktop enviado desde un origen
que no es de confianza. Si el archivo contiene modelos compuestos, la información que alguien recupere de un
origen con las credenciales del usuario que abre el archivo se enviará a otro origen de datos como parte de la
consulta. El autor del archivo de Power BI Desktop malintencionado podría ver esta información. Por lo tanto, al
abrir inicialmente un archivo de Power BI Desktop que contiene varios orígenes, Power BI Desktop muestra una
advertencia. La advertencia es similar a la que aparece al abrir un archivo que incluye consultas SQL nativas.

Implicaciones de rendimiento
Siempre se debe considerar el rendimiento al usar DirectQuery, principalmente para garantizar que el origen de
back-end tenga los recursos suficientes para proporcionar una buena experiencia para los usuarios. Para que la
experiencia se considere buena, los objetos visuales deben actualizarse en cinco segundos o menos. Para más
información sobre el rendimiento, consulte Acerca del uso de DirectQuery en Power BI.
El uso de modelos compuestos agrega consideraciones de rendimiento adicionales. Un solo objeto visual puede
producir que se envíen consultas a varios orígenes, lo que a menudo pasa los resultados de una consulta a un
segundo origen. Esta situación puede generar las siguientes formas de ejecución:
Consulta SQL con un gran número de valores literales : por ejemplo, un objeto visual que solicita el
valor Sales Amount (Cantidad de ventas) total para un conjunto de Product Managers
(Administradores de productos) seleccionado primero tendría que determinar qué Products (Productos)
administraban. Esta secuencia debe realizase antes de que el objeto visual envíe una consulta SQL que
incluya todos los identificadores de producto en una cláusula WHERE .
Consulta SQL con un nivel de granularidad inferior y en la que los datos se agregan de forma
local posteriormente : como el número de Products (Productos) que cumplen los criterios de filtro de
Product Manager (Administrador de productos) va en aumento, puede resultar ineficaz o imposible
incluir todos los productos en una cláusula WHERE . En su lugar, puede consultar el origen relacional en el
 nivel inferior de Product (Producto) y después agregar los resultados localmente. Si la cardinalidad de los
Productos (Productos) supera un límite de 1 millón, la consulta generará un error.
Varias consultas SQL, una por grupo por valor : cuando la agregación usa DistinctCount (Recuento
continuo) y la agrupa por una columna desde otro origen y si el origen externo no admite pasar de
manera eficaz varios valores literales que definen la agrupación, es necesario enviar una consulta SQL por
grupo por valor.
Un objeto visual que solicita un recuento distinto de CustomerAccountNumber (Número de cuenta de
cliente) (desde la tabla de SQL Server) por Product Manager (Administrador de productos) (importado
desde una hoja de cálculo) debería pasar los detalles de la tabla Product Managers (Administradores de
productos) en la consulta enviada a SQL Server. Esta acción es inviable a través de otros orígenes, por
ejemplo, Redshift. En su lugar, habría una consulta SQL enviada por el administrador de ventas , hasta
algún límite práctico, momento en el cual se generaría un error en la consulta.
Cada uno de estos casos tiene sus propias implicaciones en el rendimiento y los detalles exactos varían en
función de cada origen de datos. Aunque la cardinalidad de las columnas usadas en la relación que combina
ambos orígenes permanece baja (unos pocos miles), el rendimiento no debería verse afectado. A medida que
crece esta cardinalidad, debe prestar más atención a la repercusión en el rendimiento resultante.
Además, el uso de las relaciones de varios a varios significa que se deben enviar consultas independientes al
origen subyacente de cada nivel total o subtotal, en lugar de agregar localmente los valores detallados. Un objeto
visual de tabla simple con totales podría enviar dos consultas SQL en lugar de una.

Limitaciones y consideraciones
Existen algunas limitaciones para esta versión de los modelos compuestos:
En estos momentos, la actualización incremental solo es compatible con modelos compuestos que se conectan
con orígenes de datos de SQL, Oracle y Teradata.
Los orígenes multidimensionales de Live Connect siguientes no se pueden usar con los modelos compuestos:
SAP HANA
SAP Business Warehouse
SQL Server Analysis Services
Conjuntos de datos de Power BI
Azure Analysis Services
Al conectarse a esos orígenes multidimensionales mediante DirectQuery, no se puede conectar a otro origen de
DirectQuery ni combinar con los datos importados.
Las limitaciones existentes de DirectQuery siguen aplicándose cuando se usan los modelos compuestos. Muchas
de esas limitaciones son ahora por tabla, en función del modo de almacenamiento de la tabla. Por ejemplo, una
columna calculada en una tabla de importación puede hacer referencia a otras tablas, pero una columna
calculada en una tabla DirectQuery puede hacer referencia solo a columnas de la misma tabla. Otras limitaciones
se aplican al modelo como un todo, si cualquiera de las tablas dentro del modelo son DirectQuery. Por ejemplo,
las características Conclusiones rápidas y Preguntas y respuestas no están disponibles en un modelo si cualquiera
de las tablas dentro del mismo tiene un modo de almacenamiento de DirectQuery.

Pasos siguientes
Para obtener más información sobre los modelos compuestos y DirectQuery, consulte los siguientes artículos:
Relaciones de varios a varios en Power BI Desktop
Modo de almacenamiento en Power BI Desktop
Uso de DirectQuery en Power BI
Orígenes de datos admitidos por DirectQuery en Power BI
 Aplicación de relaciones de varios a varios en
Power BI Desktop
05/10/2020 • 17 minutes to read • Edit Online

Con las relaciones con una cardinalidad de varios a varios de Power BI Desktop, se pueden combinar tablas con
una cardinalidad de varios a varios. Puede crear modelos de datos que contengan dos o más orígenes de datos
de forma más fácil e intuitiva. Las relaciones con una cardinalidad de varios a varios forman parte del conjunto
de funcionalidades de los modelos compuestos de Power BI Desktop.

Una relación con una cardinalidad de varios a varios de Power BI Desktop consta de una de tres características
relacionadas:
Modelos compuestos : un modelo compuesto permite que un informe tenga dos o más conexiones de
datos, incluidas conexiones DirectQuery o Importación, en cualquier combinación. Para más información,
consulte Usar modelos compuestos en Power BI Desktop.
Relaciones con una cardinalidad de varios a varios : con los modelos compuestos se pueden
establecer relaciones con una cardinalidad de varios a varios entre tablas. Este enfoque elimina los
requisitos de valores únicos en tablas. También permite descartar las soluciones alternativas anteriores,
como el hecho de presentar nuevas tablas solo para establecer relaciones. La característica se describe
más detalladamente en este artículo.
Modo de almacenamiento : ahora puede especificar los objetos visuales que requieren una consulta a
 los orígenes de datos back-end. Los objetos visuales que no requieran una consulta se importarán incluso
aunque estén basados en DirectQuery. Esta característica permite mejorar el rendimiento y reducir la
carga de back-end. Anteriormente, incluso los objetos visuales simples, como las segmentaciones,
iniciaban consultas que se enviaban a orígenes de back-end. Para obtener más información, consulte
Modo de almacenamiento en Power BI Desktop.

Qué resuelve una relación con una cardinalidad de varios a varios

Antes de que las relaciones con una cardinalidad de varios a varios estuviesen disponibles, la relación entre dos
tablas se definía en Power BI. Al menos una de las columnas de las tablas implicadas en la relación tenía que
contener valores únicos. No obstante, a menudo ninguna columna contiene valores únicos.
Por ejemplo, dos tablas podían tener una columna con la etiqueta Country. Pero los valores de Country no eran
únicos en ninguna de las tablas. Para combinar esas tablas, había que crear una solución alternativa. Una
solución alternativa podía ser incorporar tablas adicionales con los valores únicos necesarios. Con las relaciones
con una cardinalidad de varios a varios, puede combinar esas tablas directamente si usa una relación con una
cardinalidad de varios a varios.

Uso de relaciones con una cardinalidad de varios a varios

Cuando define una relación entre dos tablas de Power BI, debe definir la cardinalidad de la relación. Por ejemplo,
la relación entre ProductSales y Product (con las columnas ProductSales [ProductCode] y Product[ProductCode])
se definiría como de varios a uno. La relación se define de esta manera porque cada producto tiene muchas
ventas y la columna de la tabla Product (ProductCode) es única. Al definir la cardinalidad de una relación como
de varios a uno, de uno a varios o de uno a uno, Power BI la valida para que la cardinalidad seleccionada coincida
con los datos reales.
Por ejemplo, observe el modelo simple de esta imagen:

Ahora, imagine que la tabla Product solo muestra dos filas, como se muestra a continuación:

Además, imagine que la tabla Sales solo tiene cuatro filas, incluida una para un producto C. Debido a un error de
integridad referencial, la fila del producto C no existe en la tabla Product .
Los elementos ProductName y Price (de la tabla Product ), junto con el elemento Qty total de cada producto
(de la tabla ProductSales) se mostrarían así:

Como puede ver en la imagen anterior, hay una fila ProductName en blanco asociada a las ventas del producto
C. Esta fila en blanco se aplica para lo siguiente:
Cualquier fila de la tabla ProductSales para la que no existe ninguna fila correspondiente en la tabla
Producto . Hay un problema de integridad referencial, como se observa en el producto C de este ejemplo.
Cualquier fila de la tabla ProductSales para la que la columna de clave externa es NULL.
Por estas razones, en ambos casos la fila en blanco se contabiliza para las ventas en las que no se conoce el valor
de ProductName ni de Precio .
A veces las tablas se combinan por dos columnas, aunque ninguna de ellas es única. Por ejemplo, observe estas
dos tablas:
La tabla Ventas contiene los datos de ventas por Estado y cada fila contiene el importe de ventas para el
tipo de ventas de este estado. Los estados incluyen CA, WA y TX.

La tabla CityData muestra datos sobre las ciudades, incluida la población y el estado (como CA, WA y
Nueva York).
Ahora hay una columna para State en ambas tablas. Es razonable querer informar sobre las ventas totales por
estado y la población total de cada estado. Pero hay un problema: la columna State no es única en ninguna de
las tablas.

Solución anterior
Antes de la versión de julio de 2018 de Power BI Desktop, no se podía crear una relación directa entre estas
tablas. Una solución alternativa era:
Crear una tercera tabla que solo incluía los identificadores de estado únicos. La tabla podía ser una o
todas las siguientes:
Tabla calculada (definida mediante el uso de expresiones de análisis de datos [DAX]).
Tabla basada en una consulta que se define en el Editor de consultas, que puede mostrar los
identificadores únicos procedentes de una de las tablas.
Conjunto combinado completo.
Luego se relacionaban las dos tablas originales con esa tabla nueva mediante relaciones comunes de
varios a uno.
La tabla de la solución alternativa se podía dejar visible. También se podía ocultar para que no apareciera en la
lista Campos . Al ocultar la tabla, las relaciones de varios a uno normalmente se establecían para filtrar en ambas
direcciones y se podía usar el campo State de cualquiera de las tablas. El filtrado cruzado posterior se propaga a
la otra tabla. Este enfoque se muestra en la siguiente imagen:

Un objeto visual que muestra Estado (desde la tabla CityData ) junto con el valor de Población y Ventas
totales sería como aparece a continuación:
 NOTE
Dado que en esta solución alternativa se usa el estado de la tabla CityData , solo aparecen los estados de esa tabla, así
que TX no está incluido. Además, a diferencia de las relaciones de varios a uno, si bien la fila total incluye todas las ventas
(incluidas las de TX), los detalles no incluyen una fila en blanco que cubre esas filas no coincidentes. Del mismo modo,
ninguna fila en blanco cubriría las ventas en las que hubiera un valor nulo en State .

Imagine que también agrega la ciudad a ese objeto visual. Aunque se conoce la población por ciudad, las ventas
mostradas por ciudad simplemente repiten las ventas del estado correspondiente. Este escenario normalmente
se produce cuando la agrupación de columnas no está relacionada con alguna medida de agregado, como se
muestra aquí:

Imagine que define la nueva tabla Sales como la combinación de todos los estados y que la hace visible en la
lista Campos . El mismo objeto visual mostraría el estado (en la nueva tabla), la población total y las ventas
totales:

Como puede ver, se incluirían TX (con datos de ventas pero datos de población desconocidos) y Nueva York (con
datos de población conocidos pero sin datos de ventas ). Esta solución no es óptima y presenta muchos
problemas. En las relaciones con una cardinalidad de varios a varios se abordan estos problemas, como se
explica en la sección siguiente.
Uso de una relación con una cardinalidad de varios a varios en lugar
de la solución alternativa
Con la versión de julio de 2018 de Power BI Desktop, es posible relacionar tablas directamente, como las que se
han descrito anteriormente, sin tener que recurrir a soluciones alternativas similares. Ahora es posible establecer
la cardinalidad de una relación como de varios a varios. Este valor indica que ninguna tabla contiene valores
únicos. En estas relaciones se puede controlar qué tabla filtra a la otra tabla. O bien se puede aplicar filtrado
bidireccional, donde cada tabla filtra a la otra.
En Power BI Desktop, la cardinalidad se establece de manera predeterminada en varios a varios cuando se
determina que ninguna tabla contiene valores únicos para las columnas de la relación. En estos casos, un
mensaje de advertencia pide confirmación de que se quiere establecer una relación, de modo que el cambio no
sea el efecto no deseado de un problema de los datos.
Por ejemplo, al crear una relación directamente entre CityData y Sales (donde los filtros fluirían desde CityData a
Sales), Power BI Desktop muestra el cuadro de diálogo Editar relación :

La vista de relaciones resultante mostrará la relación de varios a varios directa entre las dos tablas. La
apariencia de las tablas en la lista Campos , así como su comportamiento posterior al crear los objetos visuales,
son similares a cuando se aplica la solución alternativa. En la solución alternativa, la tabla adicional que muestra
los datos de estado distintos no está visible. Como se ha explicado anteriormente, se mostraría un objeto visual
con los datos de State , Population y Sales :
Las principales diferencias entre las relaciones con una cardinalidad de varios a varios y las relaciones de varios a
uno más típicas son las siguientes:
Los valores mostrados no incluyen una fila en blanco dedicada a las filas que no coinciden en la otra tabla.
Además, los valores no se aplican a las filas donde la columna usada en la relación de la otra tabla es nula.
No se puede usar la función RELATED() , ya que se podría relacionar más de una fila.
Usar la función ALL() en una tabla no quita los filtros aplicados a otras tablas relacionadas con una
relación de varios a varios. En el ejemplo anterior, una medida definida como se muestra aquí no quitaría
los filtros de las columnas de la tabla CityData relacionada:

Un objeto visual que mostrara datos de State , Sales y Sales total daría lugar a este gráfico:

Teniendo en cuenta las diferencias anteriores, asegúrese de que los cálculos que usen ALL(<Table>) , como % del
total general, devuelvan los resultados deseados.

Limitaciones y consideraciones
Existen algunas limitaciones para esta versión de las relaciones con una cardinalidad de varios a varios y los
modelos compuestos.
Los siguientes orígenes de Live Connect (multidimensionales) no se pueden usar con modelos compuestos:
SAP HANA
SAP Business Warehouse
SQL Server Analysis Services
Conjuntos de datos de Power BI
Azure Analysis Services
Al conectarse a estos orígenes multidimensionales mediante DirectQuery, no es posible conectar a otro origen
de DirectQuery ni combinarlo con datos importados.
Las limitaciones existentes del uso de DirectQuery se siguen aplicando cuando se utilizan las relaciones con una
cardinalidad de varios a varios. Muchas limitaciones ahora son por tabla, en función del modo de
almacenamiento de la tabla. Por ejemplo, una columna calculada en una tabla importada puede hacer referencia
a otras tablas, pero una columna calculada en una tabla DirectQuery puede hacer referencia solo a columnas de
la misma tabla. Otras limitaciones se aplican al modelo completo si cualquiera de las tablas del modelo es de
DirectQuery. Por ejemplo, las características Conclusiones rápidas y Preguntas y respuestas no están disponibles
en un modelo si alguna tabla de este tiene un modo de almacenamiento de DirectQuery.

Pasos siguientes
Para obtener más información sobre los modelos compuestos y DirectQuery, consulte los siguientes artículos:
Usar modelos compuestos en Power BI Desktop
Modo de almacenamiento en Power BI Desktop
Uso de DirectQuery en Power BI
Orígenes de datos de Power BI
 Administración del modo de almacenamiento en
Power BI Desktop
02/07/2020 • 18 minutes to read • Edit Online

En Microsoft Power BI Desktop, puede especificar el modo de almacenamiento de una tabla. El modo de
almacenamiento le permite controlar si Power BI Desktop almacena datos en caché en memoria para los
informes.
El hecho de establecer el modo de almacenamiento proporciona varias ventajas. Puede establecer el modo de
almacenamiento para cada tabla individualmente en el modelo. Esta acción permite un único conjunto de
datos, lo cual proporciona las siguientes ventajas:
Rendimiento de las consultas : cuando los usuarios interactúan con objetos visuales en los informes
de Power BI, las consultas de expresiones de análisis de datos (DAX) se envían al conjunto de datos. Si
almacena datos en caché en memoria establecimiento correctamente el modo de almacenamiento,
puede mejorar el rendimiento de consulta y la interactividad de los informes.
Conjuntos de datos de gran tamaño : las tablas que no se almacenan en caché no consumen
memoria para el almacenamiento en caché. Puede habilitar el análisis interactivo de conjuntos de datos
de gran tamaño que son demasiado grandes o costosos de almacenar completamente en caché en la
memoria. Puede elegir las tablas que merezca la pena almacenar en caché y las que no.
Optimización de la actualización de datos : no es necesario actualizar las tablas que no se
almacenan en caché. Puede reducir los tiempos de actualización mediante el almacenamiento en caché
solo de los datos necesarios para cumplir los acuerdos de nivel de servicio y los requisitos del negocio.
Requisitos casi en tiempo real : las tablas con requisitos casi en tiempo real se pueden beneficiar de
que no se almacenan en caché con el fin de reducir la latencia de los datos.
Escritura diferida : la escritura diferida permite que los usuarios profesionales exploren escenarios
hipotéticos cambiando los valores de las celdas. Las aplicaciones personalizadas pueden aplicar cambios
al origen de datos. Las tablas que no se almacenan en caché pueden mostrar los cambios de inmediato,
lo que permite analizar los efectos de manera instantánea.
La configuración del modo de almacenamiento de Power BI Desktop es una de tres características relacionadas:
Modelos compuestos : esta característica permite que un informe tenga dos o varias conexiones de
datos, incluidas conexiones DirectQuery o Importación, en cualquier combinación. Para más
información, consulte Usar modelos compuestos en Power BI Desktop.
Relaciones de varios a varios : con los modelos compuestos, puede establecer relaciones de varios a
varios entre las tablas. En una relación varios a varios se eliminan los requisitos de valores únicos en
tablas. También permite descartar las soluciones alternativas anteriores, como la presentación de nuevas
tablas solo para establecer relaciones. Para obtener más información, vea Relaciones de varios a varios
en Power BI Desktop.
Modo de almacenamiento : con el modo de almacenamiento, ahora puede especificar los objetos
visuales que requieren una consulta a los orígenes de datos de back-end. Los objetos visuales que no
requieran una consulta se importarán incluso aunque estén basados en DirectQuery. Esta característica
permite mejorar el rendimiento y reducir la carga de back-end. Anteriormente, incluso los objetos
visuales simples, como las segmentaciones, iniciaban consultas que se enviaban a los orígenes de back-
end.
Uso de la propiedad de modo de almacenamiento
Modo de almacenamiento es una propiedad que se puede establecer en cada tabla del modelo y controla
cómo Power BI almacena en caché los datos de tabla.
Para establecer la propiedad Modo de almacenamiento o ver su configuración actual:
1. En la vista Modelo , seleccione la tabla cuyas propiedades quiera ver o establecer.
2. En el panel Propiedades , expanda la sección Opciones avanzadas y la lista desplegable Modo de
almacenamiento .

Establezca la propiedad Modo de almacenamiento en uno de estos tres valores:

Impor tación : las tablas importadas con esta configuración se almacenan en caché. Las consultas
enviadas al conjunto de datos de Power BI que devuelven datos desde las tablas de importación solo se
pueden satisfacer desde los datos en caché.
DirectQuer y : las tablas con esta configuración no se almacenan en caché. Las consultas que envíe al
conjunto de datos de Power BI (por ejemplo, las consultas DAX) y que devuelvan datos desde las tablas
DirectQuery solo se pueden satisfacer mediante la ejecución de consultas a petición al origen de datos.
Las consultas que envíe al origen de datos usan el lenguaje de consulta de ese origen de datos (por
ejemplo, SQL).
Dual : las tablas con esta configuración pueden actuar como tablas en caché o no en caché, en función
del contexto de la consulta enviada al conjunto de datos de Power BI. En algunos casos, puede satisfacer
las consultas a partir de datos en caché. Sin embargo, en otros casos puede hacerlo ejecutando una
consulta a petición al origen de datos.
El cambio del modo de almacenamiento de una tabla a Impor tación es una operación irreversible. Una vez
establecida, esta propiedad no se puede cambiar después a DirectQuer y o Dual .
 NOTE
Puede usar el modo de almacenamiento Dual en Power BI Desktop y en el servicio Power BI.

Restricciones en las tablas de DirectQuery y las tablas duales

Las tablas duales tienen las mismas restricciones funcionales que las tablas de DirectQuery. Estas restricciones
pueden incluir transformaciones M limitadas y funciones DAX restringidas en las columnas calculadas. Para
obtener más información, vea Implicaciones de usar DirectQuery.

Propagación de la configuración Dual

Considere el modelo sencillo siguiente, donde todas las tablas provienen de un solo origen que admite la
importación y DirectQuery.

Imagine que todas las tablas de este modelo están establecidas inicialmente en DirectQuer y . Si después
cambia el modo de almacenamiento de la tabla Sur veyResponse a Impor tación , se mostrará la siguiente
ventana de advertencia:
Puede establecer las tablas de dimensiones (Customer , Geography y Date ) en Dual para reducir el número
de relaciones débiles en el conjunto de datos y mejorar el rendimiento. Las relaciones débiles implican
normalmente al menos una tabla de DirectQuery, donde no se puede insertar lógica de combinación en los
sistemas de origen. Como las tablas duales pueden actuar como tablas de DirectQuery o Importación, se evita
esta situación.
La lógica de propagación está diseñada para ayudar con los modelos que contienen muchas tablas. Imagine
que tiene un modelo con 50 tablas y solo se deben almacenar en caché algunas tablas de hechos
(transaccionales). La lógica de Power BI Desktop calcula el conjunto mínimo de tablas de dimensiones que se
deben establecer en Dual para que no tenga que hacerlo el usuario.
La lógica de propagación solo se desplaza al lado "uno" de las relaciones uno a varios.

Ejemplo de uso del modo de almacenamiento

Continuemos con el ejemplo de la sección anterior e imaginemos que se aplica la configuración de la
propiedad de modo de almacenamiento siguiente:

TA B L A M O DO DE A L M A C EN A M IEN TO

Ventas DirectQuery

SurveyResponse Importación

Fecha Dual

Cliente Dual

Geografía Dual

Al establecer estas propiedades de modo de almacenamiento se producen los comportamientos siguientes,

siempre que la tabla Sales (Ventas) tenga un volumen de datos considerable:
Power BI Desktop almacena en caché las tablas de dimensiones (Date , Customer y Geography ), por lo
que los tiempos de carga de los informes iniciales son rápidos al recuperar los valores de segmentación
que se van a mostrar.
Power BI Desktop no almacena en caché la tabla Sales . Al no almacenar esta tabla en caché, Power BI
Desktop proporciona los resultados siguientes:
Se mejoran los tiempos de actualización de los datos y se reduce el consumo de memoria.
Las consultas de informes que se basan en la tabla Sales se ejecutan en el modo DirectQuer y . Es
posible que estas consultas tarden más tiempo, pero están más cerca de realizarse en tiempo real, ya
que no se ha introducido ninguna latencia de almacenamiento en caché.
Las consultas de informes que se basan en la tabla Sur veyResponse se devuelven desde la caché en
memoria y, por tanto, son relativamente rápidas.

Consultas que aciertan o pierden la memoria caché

Si conecta SQL Profiler al puerto de diagnóstico de Power BI Desktop, puede ver las consultas que alcanzan o
no la caché en memoria mediante un seguimiento basado en los eventos siguientes:
Eventos de consultas\Inicio de consulta
Procesamiento de consulta\Inicio de consulta de Vertipaq SE
Procesamiento de consulta\Inicio de consulta DirectQuery
Para cada evento de Inicio de consulta, compruebe otros eventos con el mismo ActivityID. Por ejemplo, si no
hay ningún evento Inicio de consulta DirectQuery, pero sí un evento Inicio de consulta de Vertipaq SE, significa
que la consulta se responde desde la caché.
Las consultas que hacen referencia a las tablas Dual devuelven datos de la caché si es posible; de lo contrario,
se revierten a DirectQuery.
Siguiendo con el ejemplo anterior, la consulta siguiente solo hace referencia a una columna de la tabla Date
(Fecha) que está en el modo Dual . Por tanto, la consulta debe alcanzar la caché:

La consulta siguiente solo hace referencia a una columna de la tabla Sales (Ventas), que está en el modo
DirectQuer y . Por tanto, no debe alcanzar la caché:

La consulta siguiente resulta interesante porque combina ambas columnas. Esta consulta no alcanza la caché.
Inicialmente podría esperar que recuperase los valores de CalendarYear desde la caché y los valores de
SalesAmount desde el origen y, luego, combinase los resultados, pero este enfoque sería menos eficaz que
enviar la operación SUM/GROUP BY al sistema de origen. Si la operación se transfiere al origen, el número de
filas devueltas probablemente será mucho menor:
 NOTE
Este comportamiento es distinto del de las relaciones de varios a varios de Power BI Desktop, donde se combinan tablas
en caché y no en caché.

Las cachés se deben mantener sincronizadas

Las consultas de la sección anterior muestran que las tablas de tipo Dual a veces alcanzan la caché y, otras, no.
Como resultado, si la caché está obsoleta, se pueden devolver distintos valores. La ejecución de consultas no
intentará enmascarar los problemas de datos mediante, por ejemplo, el filtrado de los resultados de
DirectQuery para coincidir con los valores en caché. Es su responsabilidad conocer los flujos de datos y debe
diseñar en consecuencia. En caso de ser necesario, hay técnicas establecidas para controlar este tipo de casos
en el origen.
El modo de almacenamiento dual es una optimización del rendimiento. Solo se debe usar de maneras que no
pongan en peligro la capacidad de cumplir con los requisitos empresariales. Para el comportamiento
alternativo, considere la posibilidad de usar las técnicas que se describen en Relaciones de varios a varios en
Power BI Desktop.

Vista de datos
Si al menos una tabla del conjunto de datos tiene el modo de almacenamiento establecido en Impor tación o
Dual , aparece la pestaña de la vista Datos .

Al seleccionar tablas de tipo Dual e Importación en la vista Datos , muestran los datos en caché. Las tablas
DirectQuery no muestran datos, y se muestra un mensaje en el que se indica que las tablas DirectQuery no se
pueden mostrar.

Limitaciones y consideraciones
Existen algunas limitaciones para esta versión del modo de almacenamiento y su correlación con los modelos
compuestos.
Los orígenes de conexión dinámica (multidimensionales) siguientes no se pueden usar con los modelos
compuestos:
 SAP HANA
SAP Business Warehouse
SQL Server Analysis Services
Conjuntos de datos de Power BI
Azure Analysis Services
Al conectarse a esos orígenes multidimensionales mediante DirectQuery, no se puede conectar a otro origen
de DirectQuery ni combinarlo con los datos importados.
Las limitaciones existentes del uso de DirectQuery siguen aplicándose cuando se usan los modelos
compuestos. Muchas de esas limitaciones son ahora por tabla, en función del modo de almacenamiento de la
tabla. Por ejemplo, una columna calculada en una tabla importada puede hacer referencia a otras tablas, pero
una columna calculada en una tabla de DirectQuery sigue restringida para hacer referencia solo a columnas de
la misma tabla. Otras limitaciones se aplican al modelo como un todo, si cualquiera de las tablas dentro del
modelo son DirectQuery. Por ejemplo, las características Conclusiones rápidas y Preguntas y respuestas no
están disponibles en un modelo si cualquiera de las tablas dentro del mismo tiene un modo de
almacenamiento de DirectQuery.

Pasos siguientes
Para obtener más información sobre los modelos compuestos y DirectQuery, consulte los siguientes artículos:
Modelos compuestos en Power BI Desktop
Relaciones de varios a varios en Power BI Desktop
Uso de DirectQuery en Power BI
Orígenes de datos admitidos por DirectQuery en Power BI
 Habilitación del filtrado cruzado bidireccional para
DirectQuery en Power BI Desktop
02/07/2020 • 2 minutes to read • Edit Online

Al filtrar las tablas para crear la vista adecuada de los datos, los creadores de informes y los modeladores de datos
se enfrentan a desafíos que determinan cómo aplicar filtros a un informe. Anteriormente, el contexto de filtro de la
tabla se ha retenido en un lado de la relación, pero no en el otro. Esta organización a menudo requiere una fórmula
DAX compleja para obtener los resultados deseados.
Con el filtrado cruzado bidireccional, los creadores de informes y los modeladores de datos ahora tienen más
control sobre cómo pueden aplicar filtros al trabajar con tablas relacionadas. El filtrado cruzado bidireccional
permite aplicar filtros en ambos lados de una relación de tabla. Puede aplicar los filtros propagando el contexto de
filtro en una segunda tabla relacionada en el otro lado de una relación de tabla.

Habilitación del filtrado cruzado bidireccional para DirectQuery

Puede habilitar el filtrado cruzado en el cuadro de diálogo Editar relación . Para habilitar el filtrado cruzado de una
relación, debe configurar las opciones siguientes:
Establezca Dirección del filtro cruzado en Ambos .
Seleccione Aplicar filtro de seguridad en ambas direcciones .
 NOTE
Al crear fórmulas DAX de filtrado cruzado en Power BI Desktop, use UserPrincipalName. Este campo suele ser el mismo que el
inicio de sesión de un usuario, por ejemplo [email protected], en lugar de UserName. Por tanto, puede que necesite crear una
tabla relacionada que asigne UserName o EmployeeID a UserPrincipalName.

Para obtener más información y ejemplos de cómo funciona el filtrado cruzado bidireccional, consulte las notas del
producto sobre el filtrado cruzado bidireccional para Power BI Desktop.
 Trabajo con modelos multidimensionales en Power BI
23/09/2020 • 10 minutes to read • Edit Online

Puede conectarse a modelos multidimensionales en Power BI y crear informes que en los que se visualizan todos
los tipos de datos dentro del modelo. Cuando se trabaja con modelos multidimensionales, Power BI aplica reglas al
modo de procesar datos, en función de la columna que se defina como miembro predeterminado.
Cuando se trabaja con los modelos multidimensionales, Power BI trata los datos del modelo en función de dónde
se utilice la columna que contiene el valor DefaultMember . El atributo DefaultMember se establece en CSDL
(lenguaje de definición de esquemas conceptuales) para una columna determinada en un modelo
multidimensional. Puede aprender más sobre el miembro predeterminado en el artículo de las propiedades de su
atributo. Cuando se ejecuta una consulta de DAX, el miembro predeterminado especificado en el modelo se aplica
automáticamente.
En este artículo se describe cómo se comporta Power BI en diversas circunstancias cuando se trabaja con modelos
multidimensionales, en función de dónde se encuentre el modelo predeterminado.

Trabajo con tarjetas de filtro

Al crear una tarjeta de filtro en un campo con un miembro predeterminado, el valor del campo del miembro
predeterminado se selecciona automáticamente en la tarjeta de filtro. Como resultado, todos los objetos visuales
que se ven afectados por la tarjeta de filtro conservan sus modelos predeterminados en la base de datos. Los
valores de dichas tarjetas de filtro reflejan ese miembro predeterminado.
Si se quita el miembro predeterminado, la anulación de la selección del valor lo borra para todos los objetos
visuales a los que se aplica la tarjeta de filtro, y los valores mostrados no reflejan el miembro predeterminado.
Por ejemplo, imagine que tenemos una columna Currency que tiene el miembro predeterminado establecido en
USD:
En este caso de ejemplo, si tenemos una tarjeta que muestra Total Sales, el valor tendrá el miembro
predeterminado aplicado y vemos las ventas que corresponden a "USD".
Si arrastramos Currency al panel de la tarjeta de filtro, vemos USD como valor predeterminado seleccionado. El
valor de Total Sales sigue siendo el mismo, porque está aplicado el miembro predeterminado.
Sin embargo, si desactivamos el valor USD de la tarjeta de filtro, el miembro predeterminado Currency se
elimina y ahora Total Sales refleja todas las monedas.
Por lo tanto, cuando se selecciona otro valor en la tarjeta de filtro (supongamos que seleccionamos EURO) junto
con el miembro predeterminado, Total Sales refleja el filtro Currency IN {USD, EURO} .

Comportamiento de agrupación
En Power BI, cada vez que agrupa un objeto visual en una columna que tiene un miembro predeterminado, Power
BI borra el miembro predeterminado de esa columna y su ruta de acceso de relación de atributo. De este modo se
garantiza que el objeto visual muestre todos los valores, en lugar de solo los valores predeterminados.

Rutas de acceso de relación de atributo

Las rutas de acceso de relación de atributo proporcionan miembros predeterminados con funciones eficaces, pero
también presentan cierta complejidad. Cuando se encuentran rutas de acceso de relación de atributo, Power BI
sigue la ruta de acceso de tales rutas para borrar los miembros predeterminados adicionales de otras columnas, a
fin de ofrecer un control coherente y preciso de los datos para los elementos visuales.
Veamos un ejemplo para aclarar este comportamiento. Supongamos que la configuración de las rutas de acceso de
relación de atributo es la siguiente:

Ahora imaginemos que se establecen los siguientes miembros predeterminados para estas columnas:
City > Seattle
State > WA
Country > US
Population > Large
Ahora examinemos lo que sucede cuando cada una de las columnas se usa en Power BI. Cuando los objetos
visuales se agrupan en las siguientes columnas, estos son los resultados:
City : Power BI muestra todas las ciudades borrando todos los miembros predeterminados para City, State,
Country, pero conserva el miembro predeterminado para Population; Power BI borra toda la ruta de acceso
de relación de atributo para City.

NOTE
Population no está en la ruta de acceso de relación de atributo de City, está relacionado únicamente con State y, por
tanto, Power BI no la desactiva.

State : Power BI muestra todos los valores de State borrando todos los miembros predeterminados para City,
State, Country y Population.
Countr y : Power BI muestra todos los países borrando todos los miembros predeterminados para City, State
y Country, pero conserva el miembro predeterminado para Population.
City y State : Power BI borra todos los miembros predeterminados para todas las columnas.
Los grupos que se muestran en el objeto visual tienen toda su ruta de acceso de relación de atributo borrada.
Si un grupo no se muestra en el objeto visual, pero forma parte de la ruta de acceso de relación de atributo de otra
alumna agrupada, se aplica lo siguiente:
No todas las ramas de la ruta de acceso de relación de atributo se borran automáticamente.
Ese grupo todavía se filtra por ese miembro predeterminado no borrado.
Segmentaciones de datos y tarjetas de filtro
Cuando se trabaja con segmentaciones de datos o tarjetas de filtro, se produce el siguiente comportamiento:
Cuando se carga con datos una segmentación de datos o una tarjeta de filtro, Power BI agrupa según la columna
en el objeto visual, así que el comportamiento de la visualización es el mismo que se describe en la sección
anterior.
Puesto que las segmentaciones de datos y las tarjetas de filtro a menudo se utilizan para interactuar con otros
objetos visuales, la lógica de borrado de miembros predeterminados de los objetos visuales afectados se
produce como se explica en la tabla siguiente.
Para esta tabla, se utilizan los mismos datos de ejemplo usados anteriormente en este artículo:

Se aplican las siguientes reglas al funcionamiento de Power BI en estas circunstancias.

Power BI borra un miembro predeterminado para una columna determinada si:
Power BI agrupa según esa columna
Power BI agrupa según una columna relacionada con esa columna (en cualquier lugar de la ruta de acceso de
relación de atributo, hacia arriba o hacia abajo)
Power BI filtra según una columna que está en la ruta de acceso de relación de atributo (arriba o abajo)
La columna tiene una tarjeta de filtro con el estado ALL
La columna tiene una tarjeta de filtro con cualquier valor seleccionado (Power BI recibe un filtro para la
columna)
Power BI NO borra un miembro predeterminado para una columna determinada si:
La columna tiene una tarjeta de filtro con el estado predeterminado y Power BI agrupa según una columna en su
ruta de acceso de relación de atributo.
La columna está por encima de otra columna en la ruta de acceso de relación de atributo y Power BI tiene una
tarjeta de filtro para esa otra columna en estado predeterminado.

Pasos siguientes
En este artículo se describe el comportamiento de Power BI cuando se trabaja con miembros predeterminados en
modelos multidimensionales. Puede que también esté interesado en los siguientes artículos:
Característica Mostrar elementos sin datos de Power BI
Orígenes de datos en Power BI Desktop
 Realización de tareas de consultas comunes en
Power BI Desktop
02/07/2020 • 17 minutes to read • Edit Online

En la ventana Editor de Power Query de Power BI Desktop, hay una serie de tareas de uso frecuente. En este
artículo se muestran las tareas comunes y vínculos para obtener información adicional.
Las tareas comunes de consultas que aquí se explican son las siguientes:
Conectar a datos
Dar forma a los datos y combinarlos
Agrupar filas
Dinamizar columnas
Crear columnas personalizadas
Fórmulas de consulta
Usaremos algunas conexiones de datos para completar estas tareas. Los datos están disponibles para descargar o
conectarse, en caso de que desee realizar paso a paso las tareas.
La primera conexión de datos es un libro de Excel, que puede descargar y guardar localmente. La otra es un
recurso web que se usa también en otros artículos de Power BI Desktop:
https://www.bankrate.com/retirement/best-and-worst-states-for-retirement/
Las tareas comunes de la consulta comienzan por los pasos necesarios para conectarse a ambos orígenes de
datos.

Conectar a datos
Para conectarse a los datos de Power BI Desktop, seleccione Inicio y, a continuación, Obtener datos . Power BI
Desktop presenta un menú con los orígenes de datos más comunes. Para obtener una lista completa de los
orígenes de datos a los que Power BI Desktop se puede conectar, seleccione Más situado al final del menú. Para
más información, consulte Orígenes de datos en Power BI Desktop.
Para comenzar, seleccione Excel , especifique el libro de Excel mencionado anteriormente y, a continuación,
seleccione Abrir . La consulta inspecciona el libro y, a continuación, muestra los datos encontrados en el cuadro de
diálogo Navegador tras seleccionar una tabla.

Puede seleccionar Transformar datos para editar, ajustar o dar forma a los datos antes de cargarlos en Power BI
Desktop. La edición es especialmente útil si trabaja con conjuntos de datos grandes que desea reducir antes de
cargar.
Conectarse a distintos tipos de datos es igual de fácil. También quiere conectarse a un recurso web. Elija Obtener
datos > Más y, a continuación, seleccione Otros > Web > Conectar .

Aparece la ventana Desde web , donde puede escribir la dirección URL de la página web.

Seleccione Aceptar . Al igual que antes, Power BI inspecciona los datos de la página web y muestra opciones de
vista previa en el cuadro de diálogo Navegador . Al seleccionar una tabla, muestra una vista previa de los datos.
Las demás conexiones de datos son similares. Si se requiere autenticación para realizar una conexión de datos,
Power BI Desktop solicitará las credenciales correspondientes.
Para una demostración paso a paso de la conexión a datos en Power BI Desktop, consulte Conectarse a los datos
en Power BI Desktop.

Dar forma a los datos y combinarlos

Puede fácilmente combinar y dar forma a los datos con el Editor de Power Query. Esta sección incluye algunos
ejemplos de cómo puede dar forma a los datos. Para una demostración más completa de cómo combinar y dar
forma a los datos, consulte Combinar datos y darles forma en Power BI Desktop.
En la sección anterior se conectó a dos conjuntos de datos: un libro de Excel y un recurso web. Una vez que se
carguen los datos en el Editor de Power Query, seleccione la consulta de la página web entre las consultas
disponibles en el panel Consultas , tal como se muestra aquí:

Dar forma a datos significa transformar un origen de datos a la forma y formato que se ajuste a sus necesidades.
En el Editor de Power Query, muchos comandos pueden encontrarse en la cinta de opciones y en los menús
contextuales. Por ejemplo, cuando hace clic con el botón derecho en una columna, el menú contextual le permite
quitar la columna. También puede seleccionar una columna y, a continuación, seleccionar el botón Quitar
columnas de la pestaña Inicio de la cinta de opciones.
Puede dar forma a los datos de muchas otras formas en esta consulta. Puede quitar cualquier número de filas de
la parte superior o inferior. O bien, puede agregar columnas, dividir columnas, reemplazar valores y realizar otras
tareas de modelado. Con estas características, puede dirigir el Editor de Power Query para obtener los datos de la
forma que desee.

Agrupar filas
En el Editor de Power Query, puede agrupar los valores de muchas filas en un único valor. Esta característica puede
ser útil cuando se quiere resumir el número de productos ofrecidos, las ventas totales o el número de alumnos.
En este ejemplo, se agruparon filas en un conjunto de datos de inscripción a recursos educativos. Los datos
pertenecen al libro de Excel. Se ha dado forma en el Editor de Power Query para obtener solo las columnas que
necesita, quitar la tabla y realizar algunas otras transformaciones.
Descubramos cuántas instituciones tiene cada estado (las instituciones pueden incluir distritos escolares, otras
instituciones educativas como distritos de servicios regionales, etc.). Seleccione la columna Agency ID - NCES
Assigned [District] Latest available year . A continuación, seleccione el botón Agrupar por de la pestaña
Transformar o la pestaña Inicio de la cinta de opciones (Agrupar por está disponible en ambas pestañas).
Aparece el cuadro de diálogo Agrupar por . Cuando el Editor de Power Query agrupa filas, se crea una nueva
columna donde se colocan los resultados de la acción Agrupar por . Puede ajustar la operación Agrupar por de
las siguientes maneras:
1. La lista desplegable sin etiquetar especifica la columna que se va a agrupar. El Editor de Power Query aplica de
forma predeterminada este valor a la columna seleccionada, pero puede cambiarlo para que sea cualquier
columna de la tabla.
2. Nuevo nombre de columna : El Editor de Power Query sugiere un nombre para la nueva columna, en
función de la operación que aplica a la columna que se agrupa. Puede dar el nombre que desee a la nueva
columna, sin embargo.
3. Operation : puede elegir la operación que aplica el Editor de Power Query, como Suma , Mediana o Contar
filas distintas . El valor predeterminado es Contar filas .
4. Agregar agrupación y Agregar agregación : estos botones están disponibles solo si selecciona la opción
Opciones avanzadas . En una sola operación, puede realizar operaciones de agrupación (acciones Agrupar
por ) en muchas columnas y crear varias agregaciones mediante estos botones. Según las selecciones
realizadas en este cuadro de diálogo, el Editor de Power Query crea una nueva columna que opera en varias
columnas.
Seleccione Agregar agrupación o Agregar agregación para agregar más agrupaciones o agregaciones a una
operación Agrupar por . Para quitar una agrupación o agregación, seleccione el icono de puntos suspensivos ( ... )
a la derecha de la fila y, a continuación, Eliminar . No se detenga y pruebe la operación Agrupar por mediante los
valores predeterminados para ver qué ocurre.
Cuando se selecciona Aceptar , la consulta realiza la operación Agrupar por y devuelve los resultados. Vaya, ahí
están: Ohio, Texas, Illinois, Texas y California ahora tienen cada uno más de mil instituciones.

Además, con el Editor de Power Query, siempre puede quitar la última operación de modelado. En el panel
Configuración de la consulta , en Pasos aplicados , solo tiene que seleccionar X junto al paso completado
recientemente. No se detenga, experimente. Si no le complacen los resultados, repita el paso hasta que el Editor de
Power Query forme los datos tal como lo requiere.

Dinamizar columnas
Puede dinamizar columnas y crear una tabla con valores agregados para cada valor único en una columna. Por
ejemplo, para saber cuántos productos diferentes hay en cada categoría, puede crear rápidamente una tabla que
muestre eso.
Veamos un ejemplo. La siguiente tabla Products_by_Categories se ha formado para mostrar únicamente
productos únicos (por nombre) y la categoría a la que pertenece cada producto. Para crear una nueva tabla que
muestre el número de productos de cada categoría (según la columna Categor yName ), seleccione la columna y
después seleccione Transformar > Dinamizar columna .

Aparece el cuadro de diálogo Dinamizar columna , que le permite saber qué valores de la columna se usarán
para crear nuevas columnas (1) (si no se muestra el nombre de la columna deseada de Categor yName ,
selecciónelo en la lista desplegable). Al expandir Opciones avanzadas (2), puede seleccionar la función que se
aplicará a los valores agregados (3).

Al seleccionar Aceptar , la consulta muestra la tabla según las instrucciones de transformación proporcionadas en
el cuadro de diálogo Dinamizar columna .
Crear columnas personalizadas
En el Editor de Power Query, puede crear fórmulas personalizadas que operen en varias columnas de su tabla. A
continuación, puede colocar los resultados de estas fórmulas en una nueva columna (personalizada). El Editor de
Power Query facilita la creación de columnas personalizadas.
Con los datos del libro de Excel en el Editor de Power Query, vaya a la pestaña Agregar columna de la cinta de
opciones y, a continuación, seleccione Columna personalizada .

Aparecerá el siguiente cuadro de diálogo. En este ejemplo, se creó una columna personalizada denominada
Porcentaje de ELL que calcula el porcentaje total de alumnos que estudian el idioma inglés (ELL, por sus siglas en
inglés).
Al igual que con cualquier otro paso aplicado en el Editor de Power Query, si la nueva columna personalizada no
proporciona los datos que busca, puede eliminar el paso. En el panel Configuración de la consulta , en Pasos
aplicados , solo tiene que seleccionar X junto al paso Personalizada agregada .

Fórmulas de consulta
Puede editar los pasos que genera el Editor de Power Query. También puede crear fórmulas personalizadas, que le
permiten conectarse a sus datos y darles forma con mayor precisión. Cada vez que el Editor de Power Query
realiza una acción en los datos, se muestra la fórmula asociada con la acción en la barra de fórmulas. Para ver la
barra de fórmulas, vaya a la pestaña Vista y, a continuación, seleccione Barra de fórmulas .

El Editor de Power Query conserva todos los pasos aplicados para cada consulta como texto que se puede ver o
modificar. Puede ver o modificar el texto de cualquier consulta mediante el Editor avanzado . Solo tiene que
seleccionar Vista y,a continuación, Editor avanzado .

Aquí se puede ver el Editor avanzado , con los pasos de consulta asociados a la consulta
USA_StudentEnrollment mostrada. Estos pasos se crean en el lenguaje de fórmulas de Power Query, que se
conoce a menudo como M. Para obtener más información, consulte Más información acerca de las fórmulas de
Power Query. Para ver la especificación del lenguaje, consulte la Especificación del lenguaje M de Power Query.
Power BI Desktop proporciona un amplio conjunto de categorías de fórmulas. Para más información y una
referencia completa de todas las fórmulas del Editor de Power Query, consulte Referencia de funciones M de
Power Query.

Pasos siguientes
Puede hacer todo tipo de cosas con Power BI Desktop. Para obtener más información sobre sus funcionalidades,
consulte los siguientes recursos:
¿Qué es Power BI Desktop?
Información general sobre consultas con Power BI Desktop
Orígenes de datos en Power BI Desktop
Conectarse a los datos en Power BI Desktop
Combinar datos y darles forma con Power BI Desktop
 Crear y administrar relaciones en Power BI Desktop
23/09/2020 • 37 minutes to read • Edit Online

Al importar varias tablas, lo más probable es que vaya a realizar un análisis con los datos de todas ellas. Las
relaciones entre esas tablas son necesarias para calcular los resultados de forma precisa y mostrar la información
correcta en los informes. Power BI Desktop facilita la creación de esas relaciones. De hecho, en la mayoría de los
casos no tendrá que hacer nada; la característica de detección automática lo hace por usted. Aunque es posible que,
en ocasiones, tenga que crear relaciones o realizar cambios en una relación. En cualquier caso, es importante
entender las relaciones en Power BI Desktop y cómo crearlas y editarlas.

Detección automática durante la carga

Si consulta dos o más tablas al mismo tiempo, cuando se carguen los datos, Power BI Desktop intenta buscar y
crear relaciones automáticamente. Las opciones de relación Cardinalidad , Dirección de filtro cruzado y
Activar esta relación se establecen automáticamente. Power BI Desktop examina los nombres de columna en las
tablas que se consultan para determinar si hay posibles relaciones. Si las hay, esas relaciones se crean
automáticamente. Si Power BI Desktop no puede determinar con un alto nivel de confianza que hay una
coincidencia, no crea automáticamente la relación. Sin embargo, puede usar el cuadro de diálogo Administrar
relaciones para crear o modificar manualmente las relaciones.

Creación de una relación con detección automática

En la pestaña Inicio , haga clic en Administrar relaciones > Detección automática .

Crear una relación de forma manual

1. En la pestaña Inicio , haga clic en Administrar relaciones > Nuevo .
2. En el cuadro de diálogo Crear relación , en la primera lista desplegable de tablas, seleccione una tabla.
Seleccione la columna que quiera usar en la relación.
3. En la segunda lista desplegable de tablas, seleccione la otra tabla que quiera incluir en la relación. Seleccione
la otra columna que quiera usar y elija Aceptar .

De forma predeterminada, Power BI Desktop configura automáticamente las opciones Cardinalidad (dirección),
Dirección de filtro cruzado y Activar esta relación en la nueva relación. Sin embargo, puede cambiar esta
configuración si es necesario. Para obtener más información, consulte Descripción de las opciones adicionales.
Si ninguna de las tablas seleccionadas para la relación tiene valores únicos, verá el siguiente error: Una de las
columnas debe tener valores únicos. Al menos una tabla de una relación debe tener una lista distinta y única de
valores de clave, que es un requisito común para todas las tecnologías de bases de datos relacionales.
Si detecta ese error, hay un par de formas de corregir el problema:
Usar Quitar filas duplicadas para crear una columna con valores únicos. El inconveniente de este enfoque es
que podría perder información al quitar filas duplicadas; a menudo, una clave (fila) se duplica por un buen
motivo.
Agregar una tabla intermedia hecha de la lista de valores de claves distintos en el modelo, que luego se
vinculará a ambas columnas originales de la relación.
Para más información, consulte esta entrada de blog.

Editar una relación

1. En la pestaña Inicio , seleccione Administrar relaciones .
2. En el cuadro de diálogo Administrar relaciones , seleccione la relación y elija Editar .
Configuración de opciones adicionales
Al crear o editar una relación, puede configurar opciones adicionales. De forma predeterminada, Power BI Desktop
configura automáticamente las opciones adicionales en función de una mejor aproximación, que puede ser
diferente para cada relación según los datos de las columnas.
Cardinalidad
La opción Cardinalidad puede tener una de las siguientes opciones:
Varios a uno (*:1) : una relación de varios a uno es el tipo más común de relación predeterminada. Significa que
la columna de una tabla concreta puede tener más de una instancia de un valor y que la otra tabla relacionada, a
menudo conocida como tabla de búsqueda, solo tiene una instancia de un valor.
Uno a uno (1:1) : en una relación uno a uno, la columna de una tabla solo tiene una instancia de un valor
determinado y la otra tabla relacionada solo tiene una instancia de un valor determinado.
Uno a varios (1:*) : en una relación uno a varios, la columna de una tabla solo tiene una instancia de un valor y la
otra tabla relacionada puede tener más de una instancia de un valor.
Varios a varios (*:*) : con los modelos compuestos, puede establecer relaciones de varios a varios entre tablas, lo
que elimina los requisitos de los valores únicos de las tablas. También permite descartar las soluciones alternativas
anteriores, como el hecho de presentar nuevas tablas solo para establecer relaciones. Para obtener más
información, consulte Relaciones con una cardinalidad de varios a varios.
Para obtener más información sobre cuándo cambiar la cardinalidad, consulte Descripción de las opciones
adicionales.
Dirección de filtro cruzado
La opción Dirección de filtro cruzado puede tener una de las siguientes opciones:
Ambos : indica que, a efectos de filtrado, ambas tablas se tratan como si fueran una sola tabla. La opciónAmbos
funciona bien con una única tabla que tenga varias tablas de búsqueda a su alrededor. Un ejemplo es una tabla de
datos reales de ventas con una tabla de búsqueda del departamento. Esta configuración suele denominarse
configuración de esquema de estrella (una tabla central con varias tablas de búsqueda). Aunque, si tiene dos o más
tablas que también tengan tablas de búsqueda (con algo en común), no querrá usar la opción Ambos . Para
continuar con el ejemplo anterior, en este caso, también dispone de una tabla de ventas de presupuesto que
registra el presupuesto de destino para cada departamento. Además, la tabla de departamento está conectada a la
tabla de presupuesto y de ventas. Evite la opción Ambos para este tipo de configuración.
Único : dirección predeterminada más común, que significa que las opciones de filtrado en tablas conectadas
trabajan sobre la tabla donde se agregan los valores. Si importa un modelo de datos de Power Pivot o anterior en
Excel 2013, todas las relaciones tendrán una dirección única.
Para obtener más información sobre cuándo cambiar la dirección de filtro cruzado, consulte Descripción de las
opciones adicionales.
Activar esta relación
Si se activa, significa que la relación actúa como la relación predeterminada y activa. En casos donde hay más de
una relación entre dos tablas, la relación activa proporciona una manera para que Power BI Desktop cree
automáticamente visualizaciones que incluyan las dos tablas.
Consulte Descripción de las opciones adicionales para obtener más información sobre cuándo activar determinada
relación.

Descripción de las relaciones

Una vez que haya conectado dos tablas con una relación, puede trabajar con los datos en ambas tablas como si
fueran una sola tabla, lo que le libera de tener que preocuparse sobre los detalles de la relación o de tener que
acoplar esas tablas en una sola tabla antes de importarlas. En muchas situaciones, Power BI Desktop puede crear
automáticamente relaciones por usted. Sin embargo, si Power BI Desktop no puede determinar con un grado alto
de certeza que deba existir una relación entre dos tablas, no creará la relación automáticamente. En ese caso,
deberá hacerlo usted.
Vamos a hacer un breve tutorial para mostrarle mejor cómo funcionan las relaciones en Power BI Desktop.

TIP
Puede completar esta lección por su cuenta:
1. Copie la siguiente tabla ProjectHours en una hoja de cálculo de Excel (sin incluir el título), seleccione todas las celdas y
elija Inser tar > Tabla .
2. En el cuadro de diálogo Crear tabla , seleccione Aceptar .
3. Seleccione cualquier celda de la tabla, seleccione Diseño de tabla > Nombre de tabla y especifique ProjectHours.
4. Haga lo mismo para la tabla CompanyProject .
5. Importe los datos mediante Obtener datos en Power BI Desktop. Seleccione ambas tablas como origen de datos y,
luego, Cargar .

Esta primera tabla, ProjectHours , es un registro de los vales de trabajo que registran el número de horas que una
persona ha trabajado en determinado proyecto.
ProjectHours

T IC K ET SUB M IT T EDB Y H O URS P RO JEC T DAT ESUB M IT

1001 Brewer, Alan 22 Azul 1/1/2013

1002 Brewer, Alan 26 Rojo 2/1/2013

1003 Ito, Shu 34 Amarillo 12/4/2012

1004 Brewer, Alan 13 Naranja 1/2/2012

1005 Bowen, Eli 29 Púrpura 1/10/2013

1006 Bento, Nuno 35 Verde 2/1/2013

1007 Hamilton, David 10 Amarillo 1/10/2013

1008 Han, Mu 28 Naranja 1/2/2012

1009 Ito, Shu 22 Púrpura 2/1/2013

1010 Bowen, Eli 28 Verde 10/1/2013

1011 Bowen, Eli 9 Azul 10/15/2013

Esta segunda tabla, CompanyProject , es una lista de proyectos con una prioridad asignada: A, B o C.
CompanyProject
 P RO JN A M E P RIO RIT Y

Azul A

Rojo B

Verde C

Amarillo C

Púrpura B

Naranja C

Observe que cada tabla tenga una columna de proyecto. Cada una tiene un nombre ligeramente distinto, pero los
valores parecen iguales. Esto es importante y volveremos a abordarlo en breve.
Ahora que tenemos nuestras dos tablas importadas en un modelo, vamos a crear un informe. Lo primero que
queremos obtener es el número de horas presentadas por prioridad del proyecto, así que seleccionamos Priority
y Hours en el panel Campos .

Si observamos nuestra tabla en el lienzo del informe, verá que el número de horas es de 256 para cada proyecto,
que es también el total. Claramente este número no es correcto. ¿Por qué? Esto se debe a que no se puede calcular
una suma total de valores de una tabla (Hours en la tabla Project ), segmentada por valores en otra tabla (Priority
en la tabla CompanyProject ) sin establecer una relación entre estas dos tablas.
Por lo tanto, vamos a crear una relación entre estas dos tablas.
¿Recuerda las columnas que vimos en ambas tablas, con un nombre de proyecto, pero con valores similares?
Utilizaremos estas dos columnas para crear una relación entre las tablas.
¿Por qué estas columnas? Bueno, si miramos la columna Project de la tabla ProjectHours , veremos valores como
Azul, Rojo, Amarillo, Naranja, etc. De hecho, veremos varias filas que tienen el mismo valor. En efecto, tenemos
muchos valores de color para Project .
Si miramos la columna ProjName de la tabla CompanyProject , veremos que solo hay uno de cada uno de los
valores de color para el nombre de proyecto. El valor de cada color en esta tabla es único y eso es importante,
porque podemos crear una relación entre estas dos tablas. En este caso, una relación varios a uno. En una relación
de varios a uno, al menos una columna en una de las tablas debe contener valores únicos. Hay algunas opciones
adicionales para ciertas relaciones, que veremos más adelante. Por ahora, vamos a crear una relación entre las
columnas del proyecto en cada una de nuestras dos tablas.
Para crear la nueva relación
1. Seleccione Administrar relaciones en la pestaña Inicio .
2. En Administrar relaciones , seleccione Nuevo para abrir el cuadro de diálogo Crear relación , donde se
pueden seleccionar las tablas, las columnas y cualquier otra opción adicional que queramos para nuestra
relación.
3. En la primera lista desplegable, seleccione ProjectHours como primera tabla y, luego, elija la columna
Project . Se trata del lado varios de nuestra relación.
4. En la segunda lista desplegable, CompanyProject está preseleccionada como segunda tabla. Seleccione la
columna ProjName . Se trata del lado uno de nuestra relación.
5. Conserve los valores predeterminados para las opciones de relación y seleccione Aceptar .

6. En el cuadro de diálogo Administrar relaciones , seleccione Cerrar .

En aras de una divulgación completa, acaba de crear esta relación por las malas. Habría bastado con seleccionar
Detección automática en el cuadro de diálogo Administrar relaciones . De hecho, la detección automática
habría creado automáticamente la relación por usted al cargar los datos si las dos columnas tuvieran el mismo
nombre. Pero, ¿cuál es el desafío?
Ahora, echemos un vistazo en la tabla del lienzo del informe una vez más.
Ahora se ve mucho mejor, ¿verdad?
Cuando se suman horas por Priority , Power BI Desktop busca todas las instancias de los valores de color únicos
en la tabla de búsqueda CompanyProject , busca todas las instancias de cada uno de esos valores en la tabla
ProjectHours y calcula una suma total para cada valor único.
Eso es fácil. De hecho, con la detección automática, puede que ni siquiera tuviera que hacer tanto.

Descripción de las opciones adicionales

Cuando se crea una relación, ya sea con detección automática o de forma manual, Power BI Desktop configura
automáticamente las opciones adicionales según los datos de las tablas. Estas propiedades de relación adicionales
se encuentran en la parte inferior de los cuadros de diálogo Crear relación y Editar relación .

Power BI establece estas opciones automáticamente y no habría que ajustarlas. Sin embargo, hay varias situaciones
en las que tal vez quiera configurar estas opciones.

Actualización de relaciones automáticas

Puede administrar cómo Power BI trata y ajusta automáticamente las relaciones en los informes y modelos. Para
especificar cómo Power BI controla las opciones de relaciones, seleccione Archivo > Opciones y configuración
> Opciones en Power BI Desktop y elija Carga de datos en el panel izquierdo. Aparecerán las opciones para
Relaciones .
Hay tres opciones que se pueden seleccionar y habilitar:
Impor tar relaciones de orígenes de datos en la primera carga : Esta opción está activada de forma
predeterminada. Si se selecciona, Power BI comprobará las relaciones definidas en el origen de datos, tales
como las relaciones entre la clave externa y la clave principal en el almacenamiento de datos. Si existen
dichas relaciones, se reflejarán en el modelo de datos de Power BI al cargar los datos por primera vez. Esta
opción permite empezar a trabajar rápidamente con el modelo, sin necesidad de tener que buscar o definir
esas relaciones por su cuenta.
Actualizar o eliminar las relaciones al actualizar los datos : Esta opción está desactivada de forma
predeterminada. Si se selecciona, Power BI comprobará si hay cambios en las relaciones del origen de datos
al actualizar el conjunto de datos. Si dichas relaciones cambian o se quitan, Power BI refleja esos cambios en
su propio modelo de datos, y las actualiza o elimina para que coincidan.

WARNING
No se recomienda seleccionar esta opción si utiliza la seguridad de nivel de fila basada en las relaciones definidas. Si se
quita una relación de la que depende la configuración de RLS, el modelo puede resultar menos seguro.

Detectar automáticamente nuevas relaciones después de cargar los datos : Esta opción se describe
en Detección automática durante la carga.

Las futuras actualizaciones de datos requieren una cardinalidad

diferente
Normalmente, Power BI Desktop puede determinar automáticamente la mejor cardinalidad para la relación. Si
tiene que reemplazar la configuración automática, porque sabe que los datos cambiarán en el futuro, puede
cambiarla en el control Cardinalidad . Veamos un ejemplo donde se debe seleccionar una cardinalidad diferente.
La tabla CompanyProjectPriority es una lista de todos los proyectos de la empresa y su prioridad. La tabla
ProjectBudget es el conjunto de proyectos para los que se ha aprobado presupuesto.
CompanyProjectPriority

P RO JN A M E P RIO RIT Y

Azul A

Rojo B

Verde C

Amarillo C

Púrpura B

Naranja C

ProjectBudget

P RO Y EC TO S A P RO B A DO S B UDGETA L LO C AT IO N A L LO C AT IO N DAT E

Azul 40,000 12/1/2012

Rojo 100,000 12/1/2012

Verde 50 000 12/1/2012

Si creamos una relación entre la columna ApprovedProjects de la tabla ProjectBudget y la columna

ProjectName de la tabla CompanyProjectPriority , Power BI establece automáticamente Cardinalidad en Uno
a uno (1:1) y Dirección de filtro cruzado en Ambos .
El motivo por el que Power BI crea esta configuración es porque, para Power BI Desktop, la mejor combinación de
las dos tablas es la siguiente:

P RO JN A M E P RIO RIT Y B UDGETA L LO C AT IO N A L LO C AT IO N DAT E

Azul A 40,000 12/1/2012

Rojo B 100 000 12/1/2012

Verde C 50,000 12/1/2012

Amarillo C

Púrpura B

Naranja C

Hay una relación uno a uno entre nuestras dos tablas porque no hay ningún valor que se repita en la columna
ProjName de la tabla combinada. La columna ProjName es única porque cada valor se produce solo una vez, por
lo que las filas de las dos tablas se pueden combinar directamente sin ninguna duplicación.
Sin embargo, supongamos que sabe que los datos cambiarán la próxima vez que los actualice. Una versión
actualizada de la tabla ProjectBudget tiene ahora filas adicionales para los proyectos Azul y Rojo:
ProjectBudget
 P RO Y EC TO S A P RO B A DO S B UDGETA L LO C AT IO N A L LO C AT IO N DAT E

Azul 40,000 12/1/2012

Rojo 100,000 12/1/2012

Verde 50 000 12/1/2012

Azul 80,000 6/1/2013

Rojo 90,000 6/1/2013

Estas filas adicionales implican que la mejor combinación de las dos tablas tiene ahora el siguiente aspecto:

P RO JN A M E P RIO RIT Y B UDGETA L LO C AT IO N A L LO C AT IO N DAT E

Azul A 40,000 12/1/2012

Rojo B 100 000 12/1/2012

Verde C 50,000 12/1/2012

Amarillo C

Púrpura B

Naranja C

Azul A 80000 6/1/2013

Rojo B 90000 6/1/2013

En esta nueva tabla combinada, la columna ProjName tiene valores repetidos. Las dos tablas originales no tienen
una relación uno a uno, una vez que se actualiza la tabla. En este caso, como sabemos que las actualizaciones
futuras harán que la columna ProjName tenga duplicados, queremos establecer Cardinalidad en Muchos a
uno (*:1) , donde el lado muchos se asigna a ProjectBudget y el lado uno, a CompanyProjectPriority .

Ajuste de la dirección del filtro cruzado para un conjunto complejo de

tablas y relaciones
Para la mayoría de las relaciones, la dirección de filtro cruzado se establece en Ambos . Sin embargo, hay algunas
circunstancias poco comunes en las que tal vez necesite establecer esta opción de forma diferente al valor
predeterminado, como si estuviera importando un modelo de una versión anterior de Power Pivot, donde cada
relación se establece en un sola dirección.
La opción Ambos permite que Power BI Desktop trate todos los aspectos de las tablas conectadas como si fueran
una sola tabla. Sin embargo, existen algunas situaciones en las que Power BI Desktop no puede establecer la
dirección de filtro cruzado de una relación en Ambos y también mantener un conjunto ambiguo de valores
predeterminados disponibles a efectos de la elaboración de informes. Si la dirección de filtro cruzado de una
relación no se establece en Ambos , suele ser porque se crearía ambigüedad. Si el valor predeterminado del filtro
cruzado no funciona en su caso, intente configurarlo en una tabla determinada o en Ambos .
El filtro cruzado de una sola dirección funciona para muchas situaciones. De hecho, si ha importado un modelo de
PowerPivot en Excel 2013 o versiones anteriores, todas las relaciones se establecerán en una dirección única. Una
dirección única significa que las opciones de filtrado en tablas conectadas funcionan en la tabla donde sucede el
trabajo de agregación. A veces, comprender el filtrado cruzado puede ser un poco complicado; veamos un ejemplo.
Con el filtro cruzado de dirección única, si crea un informe que resuma las horas del proyecto, podrá optar por
resumir (o filtrar) por la tabla CompanyProject y su columna Priority o por la tabla CompanyEmployee y su
columna City . Sin embargo, si quiere contar el número de empleados por proyecto (una pregunta menos común),
esto no funcionará. Obtendrá una columna de valores que son los mismos. En el ejemplo siguiente, la dirección de
filtro cruzado de ambas relaciones se establece en una dirección única: hacia la tabla ProjectHours . En el cuadro
Valores , el campo Proyecto se establece en Recuento :

La especificación del filtro fluirá de CompanyProject a ProjectHours (como se muestra en la imagen siguiente),
pero no hasta CompanyEmployee .

Sin embargo, si establece la dirección de filtro cruzado en Ambos , sí funcionará. La opción Ambos permite que la
especificación del filtro fluya hasta CompanyEmployee .
Con la dirección de filtro cruzado establecida en Ambos , nuestro informe parece ahora correcto:

El filtrado cruzado en ambas direcciones funciona bien con un modelo de relaciones de tablas como el patrón
anterior. Este esquema se denomina habitualmente esquema de estrella, similar al siguiente:

La dirección del filtro cruzado no funciona bien con un patrón más general que se suele encontrarse en las bases
de datos, como en este diagrama:

Si tiene un patrón de tabla como este, con bucles, el filtro cruzado puede crear un conjunto ambiguo de relaciones.
Por ejemplo, si suma un campo de Tabla X y después elige filtrar por un campo en la Tabla Y, no resulta claro cómo
debe viajar el filtro, si a través de la tabla superior o la tabla inferior. Un ejemplo común de este tipo de patrón se
presenta con TableX como tabla de ventas con datos reales y TableY como tabla de datos de presupuesto. A
continuación, las tablas en la parte central son tablas de búsqueda que utilizan las dos tablas, como la de división o
de región.
De igual modo que con las relaciones activas e inactivas, Power BI Desktop no permitirá que una relación se
establezca en Ambos si eso crease ambigüedad en los informes. Hay varias maneras de controlar esta situación.
Estas son las dos más comunes:
Eliminar o marcar las relaciones como inactivas para reducir la ambigüedad. A continuación, puede establecer
un filtro cruzado de relación en Ambos .
Agregar una tabla dos veces (con un nombre diferente la segunda vez) para eliminar los bucles. Esto hace que el
patrón de relaciones sea como un esquema de estrella. Con un esquema de estrella, todas las relaciones pueden
establecerse en Ambos .

Relación activa incorrecta

Cuando Power BI Desktop crea automáticamente relaciones, a veces encuentra más de una relación entre dos
tablas. Cuando esto sucede, solo una de las relaciones se establece para estar activa. La relación activa actúa como
la relación predeterminada para que, al elegir los campos de dos tablas diferentes, Power BI Desktop pueda crear
automáticamente una visualización por usted. Sin embargo, en algunos casos la relación seleccionada de forma
automática puede ser incorrecta. Puede usar el cuadro de diálogo Administrar relaciones para establecer una
relación como activa o inactiva, o bien establecer la relación activa en el cuadro de diálogo Editar relación .
Para garantizar que haya una relación predeterminada, Power BI Desktop solo permite una sola relación activa
entre dos tablas en un momento dado. Por lo tanto, debe establecer primero la relación actual como inactiva y,
luego, establecer la relación que quiere que esté activa.
Veamos un ejemplo. La primera tabla es ProjectTickets y la segunda tabla es EmployeeRole .
ProjectTickets

T IC K ET O P EN EDB Y SUB M IT T EDB Y H O URS P RO JEC T DAT ESUB M IT

1001 Perham, Tom Brewer, Alan 22 Azul 1/1/2013

1002 Roman, Daniel Brewer, Alan 26 Rojo 2/1/2013

1003 Roth, Daniel Ito, Shu 34 Amarillo 12/4/2012

1004 Perham, Tom Brewer, Alan 13 Naranja 1/2/2012

1005 Roman, Daniel Bowen, Eli 29 Púrpura 1/10/2013

1006 Roth, Daniel Bento, Nuno 35 Verde 2/1/2013

1007 Roth, Daniel Hamilton, David 10 Amarillo 1/10/2013

1008 Perham, Tom Han, Mu 28 Naranja 1/2/2012

1009 Roman, Daniel Ito, Shu 22 Púrpura 2/1/2013

1010 Roth, Daniel Bowen, Eli 28 Verde 10/1/2013

1011 Perham, Tom Bowen, Eli 9 Azul 10/15/2013

EmployeeRole
 EM P LO Y EE RO L E

Bento, Nuno Administrador del proyecto

Bowen, Eli Responsable del proyecto

Brewer, Alan Administrador del proyecto

Hamilton, David Responsable del proyecto

Han, Mu Responsable del proyecto

Ito, Shu Responsable del proyecto

Perham, Tom Patrocinador del proyecto

Roman, Daniel Patrocinador del proyecto

Roth, Daniel Patrocinador del proyecto

En realidad hay dos relaciones aquí:

Entre Employee en la tabla EmployeeRole y SubmittedBy en la tabla ProjectTickets .
Entre OpenedBy en la tabla ProjectTickets y Employee en la tabla EmployeeRole .

Si agregamos ambas relaciones al modelo (OpenedBy primero), el cuadro de diálogo Administrar relaciones
mostrará que OpenedBy está activa:
Ahora, si creamos un informe que usa los campos Role y Employee de EmployeeRole y el campo Hours de
ProjectTickets en una visualización de la tabla en el lienzo del informe, solo veremos patrocinadores del proyecto
porque son los únicos que abrieron un vale del proyecto.

Podemos cambiar la relación activa y obtener SubmittedBy en lugar de OpenedBy . En Administrar relaciones ,
desactivamos la relación ProjectTickets(OpenedBy) con EmployeeRole(Employee) y, luego, activamos la
relación EmployeeRole(Employee) con Project Tickets(SubmittedBy) .
Consulta de todas las relaciones en la vista Relación
A veces, el modelo tiene varias tablas y relaciones complejas entre ellas. La vista Relación de Power BI Desktop
muestra todas las relaciones del modelo, su dirección y cardinalidad en un diagrama personalizable y fácil de
entender.
Para obtener más información, consulte Vista de relaciones en Power BI Desktop.
 Uso del panel Análisis en Power BI Desktop
02/07/2020 • 8 minutes to read • Edit Online

Con el panel Análisis en Power BI Desktop, puede agregar líneas de referencia dinámicas en objetos visuales y
destacar las tendencias o detalles importantes. El panel e icono Análisis se encuentran en el área Visualizaciones
de Power BI Desktop.

NOTE
El panel Analytics solo se muestra cuando se selecciona un objeto visual en el lienzo de Power BI Desktop.

Búsqueda en el panel Análisis

Desde la versión de febrero de 2018 de Power BI Desktop (versión 2.55.5010.201 o posterior), puede buscar en el
panel Análisis , que es una subsección del panel Visualizaciones . El cuadro de búsqueda aparece cuando se
selecciona el icono Análisis .
Uso del panel Analytics
Con el panel Análisis , puede crear estos tipos de líneas de referencias dinámicas:
Línea constante del eje X
Línea constante del eje Y
Línea mínima
Línea máxima
Línea promedio
Línea mediana
Línea de percentil
Sombreado de simetría

NOTE
No todas las líneas están disponibles para todos los tipos de objetos visuales.

Las secciones siguientes muestran cómo se puede usar el panel Analytics y las líneas de referencia dinámicas en
las visualizaciones.
Para ver las líneas de referencia dinámicas disponibles para un objeto visual, siga estos pasos:
1. Seleccione o cree un objeto visual y, a continuación, seleccione el icono Analytics desde la sección
Visualizaciones .
2. Seleccione el tipo de línea que desea crear para expandir sus opciones. En este caso, seleccionaremos Línea
promedio .
3. Para crear una línea, seleccione + Agregar . Luego, puede asignarle un nombre a la línea. Haga doble clic en
el cuadro de texto y escriba su nombre.
Ahora tiene todo tipo de opciones para la línea. Puede especificar su Color , el porcentaje de Transparencia ,
el Estilo de línea y la Posición (en comparación con los elementos de datos del objeto visual). También
puede elegir si quiere incluir la Etiqueta de datos . Para especificar la medida visual en la que se basará la
línea, seleccione la lista desplegable Medida , que se rellena automáticamente con los elementos de datos
del objeto visual. Aquí seleccionaremos Referencia cultural como medida, la etiquetaremos como
Promedio de referencia cultural y personalizaremos algunas de las otras opciones.
4. Si quiere que aparezca una etiqueta de datos, cambie Etiqueta de datos de Desactivada a Activada . Al
hacerlo, obtendrá una gran variedad de opciones adicionales para la etiqueta de datos.
5. Observe el número que aparece junto al elemento Línea promedio en el panel Analytics . Eso le indica
cuántas líneas dinámicas tiene actualmente en el objeto visual y de qué tipo son. Si agregamos una Línea
máxima para Affordability (Asequibilidad), el panel Análisis muestra que ahora también tenemos una
línea de referencia dinámica de Línea máxima aplicada a este objeto visual.
Si el objeto visual seleccionado no puede tener líneas de referencia dinámica aplicadas (en este caso, un objeto
visual de Mapa ), verá el mensaje siguiente al seleccionar el panel Análisis .

Puede resaltar distintos tipos de información interesante mediante la creación de líneas de referencia dinámicas
con el panel Análisis .
Estamos planeando más características y funcionalidades, como la ampliación de los objetos visuales que pueden
tener líneas de referencia dinámicas aplicadas. Vuelva periódicamente para ver las novedades.
Aplicación de Previsión
Si tiene datos de tiempo en el origen, puede usar la característica de previsión. Simplemente debe seleccionar un
objeto visual y, luego, expandir la sección Previsión del panel Análisis . Puede especificar muchas entradas para
modificar la previsión, como Predecir duración o el Inter valo de confianza . En la imagen siguiente se muestra
un objeto visual de línea básica con la previsión aplicada. Use su imaginación (y juegue con la previsión) para ver
cómo se puede aplicar a los modelos.

NOTE
La característica de previsión solo está disponible para los objetos visuales de gráfico de líneas.

Limitaciones
La capacidad de usar líneas de referencia dinámicas se basa en el tipo de objeto visual que se está usando. En las
listas siguientes se describen estas limitaciones de manera más específica.
Puede usar la línea constante del eje x, la línea constante del eje y y el sombreado de simetría en el objeto visual
siguiente:
Gráfico de dispersión
El uso de línea constante, línea mínima, línea máxima, línea promedio, línea mediana y línea de percentil solo está
disponible en estos objetos visuales:
Gráfico de áreas
Gráfico de barras agrupadas
Gráfico de columnas agrupadas
Gráfico de líneas
Gráfico de dispersión
Los siguientes objetos visuales solo pueden usar una línea constante del panel Analytics :
Gráfico de áreas apiladas
Gráfico de barras apiladas
Gráfico de columnas apiladas
Gráfico de cascada
Gráfico de barras 100 % apiladas
Gráfico de columnas 100 % apiladas
Los objetos visuales siguientes pueden usar una línea de tendencia si hay datos de tiempo:
Gráfico de áreas
Gráfico de columnas agrupadas
Gráfico de líneas
Gráfico de líneas y columnas agrupadas
Por último, actualmente no se pueden aplicar líneas dinámicas a muchos objetos visuales, incluidos, entre otros, los
siguientes:
Embudo
Gráfico de líneas y columnas agrupadas
Gráfico de líneas y columnas apiladas
Gráfico de la barra de herramientas
Objetos visuales no cartesianos, como gráficos de anillos, medidores, matrices, gráficos circulares y tablas
La línea de percentil solo está disponible cuando se usan datos importados en Power BI Desktop o cuando se
establece una conexión dinámica con un modelo en un servidor que ejecuta Analysis Ser vice 2016 o posterior,
Azure Analysis Ser vices o un conjunto de datos en el servicio Power BI.

Pasos siguientes
Puede hacer todo tipo de cosas con Power BI Desktop. Para obtener más información sobre sus capacidades,
consulte los siguientes recursos:
Novedades de Power BI Desktop
Obtener Power BI Desktop
¿Qué es Power BI Desktop?
Información general sobre consultas con Power BI Desktop
Tipos de datos en Power BI Desktop
Combinar datos y darles forma con Power BI Desktop
Realización de tareas de consultas comunes en Power BI Desktop
 Trabajo con Vista de datos en Power BI Desktop
02/07/2020 • 4 minutes to read • Edit Online

La vista Datos permite inspeccionar, explorar y analizar los datos de su modelo de Power BI Desktop. Es distinto de
cómo se visualizan las tablas, las columnas y los datos en el Editor de Power Query. Con la vista Datos, se ven los
datos después de que se hayan cargado en el modelo.

NOTE
Dado que la vista Datos muestra los datos después de cargarse en el modelo, el icono de la vista Datos no está visible si
todos los orígenes de datos se basan en DirectQuery.

Cuando se están modelando los datos, a veces quiere ver lo que hay realmente en una tabla o columna sin crear un
objeto visual en el lienzo del informe. Es posible que quiera ver hasta el nivel de fila. Esta capacidad es útil sobre
todo cuando crea columnas calculadas y medidas o cuando tiene que identificar un tipo de datos o una categoría
de datos.
Eche un vistazo más de cerca a algunos de los elementos de la vista Datos.

1. Icono de la vista Datos . Seleccione este icono para entrar en la vista Datos.
2. Cuadrícula de datos . Esta área muestra la tabla seleccionada y todas las columnas y filas que hay en ella.
Las columnas ocultas de la vista Informes están atenuadas. Puede hacer clic con el botón derecho en una
columna para ver las opciones.
3. Cinta de opciones de modelado . Aquí se pueden administrar relaciones, crear cálculos y cambiar el tipo
de datos, el formato y la categoría de datos de una columna.
4. Barra de fórmulas . Introduzca fórmulas de expresiones de análisis de datos (DAX) para las columnas
calculadas y las medidas.
5. Búsqueda . Busque una tabla o una columna en el modelo.
6. Lista de campos . Seleccione una tabla o una columna para verla en la cuadrícula de datos.
Filtrado en la vista Datos
También se pueden filtrar y ordenar datos en la vista Datos. En cada columna se muestra un icono que identifica la
dirección de ordenación, si procede.

Puede filtrar valores concretos o puede usar el filtrado avanzado en función de los datos de la columna.

NOTE
Al crear un modelo de Power BI en una referencia cultural diferente con respecto a la interfaz de usuario actual, el cuadro de
búsqueda solo aparecerá en la interfaz de usuario de la vista Datos para los campos de texto. Por ejemplo, esto se aplicaría
para un modelo creado en inglés de EE. UU. que se ve en español.

Pasos siguientes
Puede hacer todo tipo de cosas con Power BI Desktop. Para obtener más información sobre sus capacidades,
consulte los siguientes recursos:
¿Qué es Power BI Desktop?
Información general sobre consultas con Power BI Desktop
Tipos de datos en Power BI Desktop
Combinar datos y darles forma con Power BI Desktop
Tareas de consultas comunes en Power BI Desktop
 Aplicación de los aspectos básicos de DAX en
Power BI Desktop
02/07/2020 • 28 minutes to read • Edit Online

Este artículo está destinado a usuarios sin experiencia en Power BI Desktop. Le proporciona una introducción
rápida y fácil al uso de expresiones de análisis de datos (DAX) para solucionar una variedad de problemas de
análisis de datos y cálculo básico. Abordaremos información conceptual, una serie de tareas que puede
completar y una prueba de conocimientos para probar lo que ha aprendido. Al finalizar este artículo, debe tener
una buena comprensión de los conceptos fundamentales más importantes en DAX.

¿Qué es DAX?
DAX es una colección de funciones, operadores y constantes que se pueden usar en una fórmula o expresión,
para calcular y devolver uno o más valores. En pocas palabras, DAX le ayuda a crear información nueva a partir
de datos ya incluidos en un modelo.

¿Por qué es tan importante DAX?

Crear un archivo de Power BI Desktop nuevo e importar algunos datos en él es fácil. Incluso puede crear
informes que muestren información valiosa sin usar las fórmulas DAX en absoluto. Pero, ¿qué ocurre si necesita
analizar el porcentaje de crecimiento por categorías de producto y para intervalos de fechas diferentes? ¿O bien,
si debe calcular el crecimiento interanual en comparación con las tendencias del mercado? Las fórmulas DAX
proporcionan esta y muchas otras capacidades igual de importantes. Obtener información sobre cómo crear
fórmulas DAX eficaces le ayudará a aprovechar los datos al máximo. Cuando obtiene la información que necesita,
puede empezar a resolver problemas empresariales reales que afectan los resultados finales. Ese es el potencial
de Power BI y DAX le ayuda a alcanzarlo.

Requisitos previos
Posiblemente ya esté familiarizado con la creación de fórmulas en Microsoft Excel. Esa información será útil para
comprender DAX, pero incluso si no tiene ninguna experiencia con las fórmulas de Excel, los conceptos descritos
aquí le ayudarán a empezar a crear fórmulas de DAX y solucionar problemas de inteligencia empresarial del
mundo real inmediatamente.
Nos centraremos en comprender las fórmulas DAX que se usan en los cálculos, más específicamente, en
columnas calculadas y medidas. Debe estar familiarizado con el uso de Power BI Desktop para importar datos y
agregar campos a un informe. También debe estar familiarizado con los conceptos fundamentales de medidas y
columnas calculadas.
Libro de Excel
La mejor manera de aprender a usar DAX es crear algunas fórmulas básicas, usarlas con datos reales y
comprobar los resultados con sus propios ojos. Los ejemplos y tareas que se exponen aquí utilizan el archivo de
ventas de muestra de Contoso para Power BI Desktop. Este es el mismo archivo de ejemplo que se utilizó en el
artículo Tutorial: Crear medidas propias en Power BI Desktop.

¡Comencemos!
Centraremos nuestro estudio de DAX en torno a tres conceptos fundamentales: sintaxis, funciones y contexto.
Hay otros conceptos importantes en DAX, pero la comprensión de estos tres conceptos le proporcionará una
base óptima para desarrollar sus habilidades de DAX.
Sintaxis
Antes de crear sus propias fórmulas, echemos un vistazo a la sintaxis de las fórmulas DAX. La sintaxis incluye los
distintos elementos que componen una fórmula, o en términos más simples, cómo se escribe la fórmula. Por
ejemplo, aquí tiene una fórmula DAX simple para una medida:

Esta fórmula incluye los siguientes elementos de sintaxis:

A. El nombre de medida Total Sales .
B. El operador signo igual ( = ) que indica el principio de la fórmula. Al calcular, devolverá un resultado.
C. La función DAX SUM que suma todos los números en la columna Sales[SalesAmount] . Aprenderá más
acerca de las funciones más adelante.
D. Los paréntesis () que rodean una expresión que contiene uno o varios argumentos. Todas las funciones
requieren al menos un argumento. Un argumento pasa un valor a una función.
E. La tabla de referencia Sales .
F. La columna de referencia [SalesAmount] en la tabla Sales. Con este argumento, la función SUM detecta en
qué columna se agrega una suma.
Al tratar de comprender una fórmula DAX, a menudo resulta útil descomponer cada uno de los elementos en un
lenguaje común. Por ejemplo, puede leer esta fórmula como:

Para la medida denominada Total Sales, calcular (=) la SUMA de los valores de la columna [SalesAmount] en
la tabla Sales.

Cuando se agrega a un informe, esta medida calcula y devuelve valores que resulten de sumar los importes de
las ventas de cada uno de los demás campos que se incluyen, por ejemplo, el de teléfonos móviles de Estados
Unidos.
Quizás se pregunte "¿Esta medida no hace lo mismo que si simplemente agregara el campo SalesAmount a mi
informe?" Bueno, sí. Pero hay una buena razón para crear nuestra propia medida que suma los valores del
campo SalesAmount: podemos usarla como argumento en otras fórmulas. Esto puede parecer un poco confuso
ahora, pero a medida que desarrolle sus habilidades con las fórmulas DAX, conocer esta medida hará sus
fórmulas y modelos más eficientes. De hecho, verá que la medida Ventas totales aparece como argumento en
otras fórmulas más adelante.
Veamos algunos otros aspectos de esta fórmula. En concreto, introdujimos una función, SUM. Las funciones son
fórmulas previamente escritas que facilitan el realizar cálculos complejos y manipulaciones con números, fechas,
horas, texto y mucho más. Aprenderá más acerca de las funciones más adelante.
También puede ver que el nombre de la columna [SalesAmount] estaba precedido de la tabla Sales a la que
pertenece la columna. Este nombre se conoce como un nombre de columna completo porque incluye el nombre
de la columna precedido por el nombre de la tabla. Las columnas a las que se hace referencia en la misma tabla
no requieren que el nombre de la tabla se incluya en la fórmula, lo que puede hacer que las fórmulas largas que
hacen referencia a muchas columnas sean más cortas y fáciles de leer. Sin embargo, es recomendable incluir el
nombre de la tabla en las fórmulas de medida, incluso cuando estén en la misma tabla.
 NOTE
Si un nombre de tabla contiene espacios, palabras clave reservadas o caracteres no permitidos, deberá incluir el nombre de
la tabla entre comillas simples. También deberá escribir los nombres de tabla entre comillas si el nombre contiene algún
carácter fuera del rango de caracteres alfanuméricos ANSI, independientemente de si la configuración regional es
compatible con el conjunto de caracteres o no.

Es importante que las fórmulas tengan la sintaxis correcta. En la mayoría de los casos, si la sintaxis no es correcta,
se devolverá un error de sintaxis. En otros casos, la sintaxis puede ser correcta, pero los valores devueltos
podrían no ser los que esperaba. El editor de DAX en Power BI Desktop incluye una característica de sugerencias
que lo ayuda a seleccionar los elementos correctos para crear fórmulas sintácticamente correctas.
Vamos a crear una fórmula simple. Esta tarea le ayudará a entender mejor la sintaxis de fórmulas y la utilidad de
la característica de sugerencias en la barra de fórmulas.
Tarea: Crear una fórmula de medida
1. Descargue y abra el archivo de muestra de ventas de Contoso de Power BI Desktop.
2. En la vista Informes, en la lista de campos, haga clic con el botón derecho en la tabla Sales y, a
continuación, seleccione Nueva medida .
3. En la barra de fórmulas, reemplace Medida con un nuevo nombre de medida: Ventas del trimestre
anterior.
4. Después del signo igual, escriba las primeras letras CAL y luego haga doble clic en la función que quiere
usar. En esta fórmula, se quiere usar la función CALCUL ATE .
Usará la función CALCULATE para filtrar los importes que deseamos sumar mediante un argumento que
pasamos a la función CALCULATE. Esto es lo que se conoce como funciones anidadas. La función
CALCULATE tiene al menos dos argumentos. El primero es la expresión que se evalúa; el segundo, un
filtro.
5. Después del paréntesis de apertura ( para la función CALCUL ATE , escriba SUM seguido por otro
paréntesis de apertura ( .
A continuación, vamos a pasar un argumento a la función SUM.
6. Comience a escribir Sal y luego seleccione Sales[SalesAmount] , seguido de un paréntesis de cierre ) .
Este es el primer argumento de expresión de nuestra función CALCULATE.
7. Escriba una coma ( , ) seguida de un espacio para especificar el primer filtro y luego escriba
PREVIOUSQUARTER.
Se usará la función de inteligencia de tiempo PREVIOUSQUARTER para filtrar los resultados de SUM por
el trimestre anterior.
8. Después del paréntesis de apertura ( para la función PREVIOUSQUARTER, escriba Calendar[DateKey] .
La función PREVIOUSQUARTER tiene un argumento, una columna que contiene un intervalo de fechas
contiguas. En este caso, es la columna DateKey de la tabla Calendar.
9. Cierre los dos argumentos que se pasan a la función PREVIOUSQUARTER y la función CALCULATE
mediante dos paréntesis de cierre )) .
La fórmula debe tener el siguiente aspecto:
Previous Quar ter Sales = CALCUL ATE(SUM(Sales[SalesAmount]),
PREVIOUSQUARTER(Calendar[DateKey]))
10. Seleccione la marca de verificación en la barra de fórmulas o presione Entrar para validar la fórmula y
agregarla al modelo.
¡Lo logró! Acaba de crear una medida compleja mediante DAX (¡y no una de las fáciles!). Lo que hará esta
fórmula es calcular el total de ventas del trimestre anterior, según los filtros aplicados en un informe. Por
ejemplo, si incluimos SalesAmount y nuestra nueva medida de ventas del trimestre anterior en un gráfico y, a
continuación, agregamos Year y QuarterOfYear como segmentaciones de datos, obtendríamos algo parecido a
esto:

Le acabamos de presentar varios aspectos importantes de las fórmulas DAX:

Esta fórmula incluye dos funciones. PREVIOUSQUARTER, una función de inteligencia de tiempo, se anida
como un argumento pasado a la función de filtro CALCULATE.
Las fórmulas DAX pueden contener hasta 64 funciones anidadas. Es poco probable que una fórmula
llegue a contener tantas funciones anidadas. De hecho, una fórmula así sería difícil de crear y depurar, y
probablemente tampoco sería muy rápida.
En esta fórmula, también usó filtros. Los filtros limitan lo que se calculará. En este caso, se seleccionó un
filtro como argumento, que es, de hecho, el resultado de otra función. Aprenderá más acerca de los filtros
más adelante.
Usó la función CALCULATE. Esta función es una de las funciones más potentes de DAX. A medida que cree
modelos y fórmulas más complejas, seguramente volverá a usar esta función muchas veces. Aunque un
análisis más detallado de la función CALCULATE está fuera del ámbito de este artículo, le recomendamos
prestar especial atención a esta función conforme aumente sus conocimientos de DAX.
Cuestionario rápido sobre sintaxis
1. ¿Qué hace este botón de la barra de fórmulas?

2. ¿Qué rodea siempre a un nombre de columna en una fórmula DAX?

Encontrará las respuestas al final de este artículo.
Funciones
Las funciones son fórmulas predefinidas que realizan cálculos por medio de valores específicos, denominados
argumentos, en un orden o estructura determinados. Los argumentos pueden ser otras funciones, otra fórmula,
una expresión, referencias de columna, números, texto, valores lógicos como TRUE o FALSE, o constantes.
DAX incluye las siguientes funciones de funciones: Fecha y hora, Inteligencia de tiempo, Información, Lógicas,
Matemáticas, Estadísticas, Texto, Primarias/Secundarias y Otras. Si está familiarizado con las funciones en las
fórmulas de Excel, muchas de las funciones DAX le parecerán semejantes; sin embargo, las funciones DAX son
únicas de las maneras siguientes:
Una función DAX siempre hace referencia a una columna o tabla completa. Si desea usar solo
determinados valores de una tabla o columna, puede agregar filtros a la fórmula.
Si necesita personalizar los cálculos fila por fila, DAX ofrece funciones para usar el valor de la fila actual o
un valor relacionado como un tipo de argumento, lo que permite realizar cálculos que varían según el
contexto. Aprenderá más acerca del contexto más adelante.
DAX incluye muchas funciones que devuelven una tabla en lugar de un valor. La tabla no se muestra, pero
se usa para proporcionar datos para otras funciones. Por ejemplo, puede recuperar una tabla y después
contar los diferentes valores que contenga o calcular sumas dinámicas en tablas o columnas filtradas.
DAX incluye una variedad de funciones de inteligencia de tiempo. Estas funciones permiten definir o
seleccionar intervalos de fechas y realizar cálculos dinámicos con base en ellos. Por ejemplo, puede
comparar sumas de períodos paralelos.
Excel tiene una función popular, BUSCARV. Las funciones DAX no toman una celda o rango de celdas como
una referencia como BUSCARV en Excel. Las funciones DAX toman una columna o una tabla como
referencia. Tenga en cuenta que, en Power BI Desktop, está trabajando con un modelo de datos
relacionales. Buscar valores en otra tabla es fácil y en la mayoría de los casos no es necesario crear
ninguna fórmula.
Como puede ver, las funciones de DAX pueden ayudarle a crear fórmulas eficaces. En realidad, solo hemos
tratado los conceptos básicos de las funciones. A medida que desarrolle sus habilidades de DAX, podrá
crear fórmulas con muchas funciones diferentes. Uno de los mejores lugares para obtener información
detallada sobre cada una de las funciones de DAX es la referencia de funciones de DAX.
Cuestionario rápido sobre funciones
1. Una función siempre hace referencia a...
2. ¿Puede una fórmula contener más de una función?
3. ¿Qué categoría de funciones usaría para concatenar dos cadenas de texto en una sola cadena?
Encontrará las respuestas al final de este artículo.
Contexto
El contexto es uno de los conceptos de DAX más importantes. Hay dos tipos de contexto en DAX: contexto de fila
y contexto de filtro. En primer lugar, examinaremos el contexto de fila.
Contexto de fila
Es más fácil pensar en el contexto de fila como la fila actual. Se aplica siempre que una fórmula tiene una función
use filtros para identificar una fila individual en una tabla. De manera inherente, la función aplicará un contexto
de fila para cada fila de la tabla que está filtrando. Este tipo de contexto de fila se aplica con mayor frecuencia en
medidas.
Contexto de filtro
El contexto de filtro es un poco más difícil de entender que el contexto de fila. Para simplificarlo, piense en el
contexto de filtro como uno o varios filtros aplicados en un cálculo que determina un resultado o valor.
El contexto de filtro no existe en lugar del contexto de fila; más bien, se aplica además del contexto de fila. Por
ejemplo, para restringir aún más los valores que quiera incluir en un cálculo, puede aplicar un contexto de filtro
que no solo especifique el contexto de fila, sino que también especifique un valor determinado (filtro) en ese
contexto de fila.
El contexto de filtro se puede identificar fácilmente en los informes. Por ejemplo, cuando agrega el costo total a
una visualización y, a continuación, el año y región, define un contexto de filtro que selecciona un subconjunto de
datos basándose en un año y región determinados.
¿Por qué es tan importante para DAX el contexto de filtro? Porque aunque el contexto de filtro se puede aplicar
más fácilmente agregando campos a una visualización, también puede aplicarse en una fórmula DAX al definir
un filtro mediante funciones como ALL, RELATED, FILTER, CALCULATE, por relaciones, así como por otras
medidas y columnas. Por ejemplo, echemos un vistazo a la siguiente fórmula en una medida denominada Store
Sales:

Para entender mejor esta fórmula, podemos desglosarla, similar a como podemos hacerlo otras fórmulas.
Esta fórmula incluye los siguientes elementos de sintaxis:
A. El nombre de medida, Store Sales .
B. El operador signo igual ( = ) que indica el principio de la fórmula.
C. La función CALCUL ATE , que evalúa una expresión, como argumento, en un contexto modificado por los
filtros especificados.
D. Los paréntesis () que envuelven una expresión que contiene uno o más argumentos.
E. Una medida [Total Sales] en la misma tabla como una expresión. La medida Total Sales tiene la fórmula:
=SUM(Sales[SalesAmount]).
F. Una coma ( , ), que separa el primer argumento de expresión del argumento de filtro.
G. La columna completa a la que se hace referencia, Channel[ChannelName] . Se trata de nuestro contexto de
fila. Cada fila de esta columna especifica un canal como Store, Online, etc.
H. El valor concreto Store como filtro. Este es el contexto de filtro.
Esta fórmula garantiza que únicamente se calculen los valores de ventas definidos por la medida Total Sales y
solamente para las filas de la columna Channel[ChannelName] con el valor Store utilizado como filtro.
Como puede imaginar, la posibilidad de definir el contexto de filtro dentro de una fórmula ofrece grandes y
potentes capacidades. La capacidad de hacer referencia solamente a un valor determinado en una tabla
relacionada es solo un ejemplo. No se preocupe si no comprende por completo el concepto de contexto
inmediatamente. A medida que cree sus propias fórmulas, comprenderá mejor el contexto y por qué es tan
importante en DAX.
Cuestionario rápido sobre el contexto
1. ¿Cuáles son los dos tipos de contexto?
2. ¿Qué es el contexto de filtro?
3. ¿Qué es el contexto de fila?
Encontrará las respuestas al final de este artículo.

Resumen
Ahora que tiene conocimientos básicos de los conceptos más importantes en DAX, puede empezar a crear
fórmulas DAX para medidas por su cuenta. En efecto, las expresiones DAX pueden ser un poco complicadas de
aprender, pero hay muchos recursos a su disposición. Después de leer este artículo y experimentar con algunas
de fórmulas propias, puede obtener más información acerca de otros conceptos y fórmulas de DAX que le
ayudarán a solucionar sus problemas de negocios. Existen muchos recursos de DAX disponibles; el más
importante es la Referencia de expresiones de análisis de datos (DAX).
DAX se usa desde hace varios años en otras herramientas de Microsoft BI, como los modelos tabulares de Power
Pivot y Analysis Services, por lo que hay una gran cantidad de información disponible. Puede encontrar más
información en libros, notas de producto y blogs tanto de Microsoft como de profesionales líderes de BI. El Wiki
del Centro de recursos de DAX de TechNet también es un excelente punto de partida.
Respuestas de los cuestionarios rápidos
Sintaxis:
1. Valida e introduce la medida en el modelo.
2. Corchetes [].
Funciones:
1. Una tabla y una columna.
2. Sí. Una fórmula puede contener hasta 64 funciones anidadas.
3. Funciones de texto.
Contexto:
1. Contexto de fila y contexto de filtro.
2. Uno o más filtros en un cálculo que determina un valor único.
3. La fila actual.
 Trabajo con la vista Modelo en Power BI Desktop
02/07/2020 • 2 minutes to read • Edit Online

La vista Modelo muestra todas las tablas, columnas y relaciones en el modelo. Esta vista puede resultar
especialmente útil cuando el modelo tiene relaciones complejas entre muchas tablas.
Seleccione el icono Modelo cerca del lateral de la ventana para ver una vista del modelo existente. Mantenga el
cursor sobre una línea de relación para mostrar las columnas que se han usado.

En la ilustración, puede ver que la tabla Stores tiene una columna StoreKey que está relacionada con la tabla Sales,
que también tiene una columna StoreKey. Las dos tablas tienen una relación del tipo varios a uno (*:1). Una flecha
en el centro de la línea muestra la dirección del flujo de contexto del filtro. Las flechas dobles significan que la
dirección del filtro cruzado se establece en Ambos.
Se puede hacer doble clic en una relación para abrirla en el cuadro de diálogo Editar relación . Para obtener más
información acerca de las relaciones, vea Creación y administración de relaciones en Power BI Desktop.
 Combinación de archivos (binarios) en Power BI
Desktop
02/07/2020 • 4 minutes to read • Edit Online

Este es un enfoque eficaz para la importación de datos en Power BI Desktop : Si dispone de varios archivos que
tienen el mismo esquema, combínelos en una sola tabla lógica. Se han aumentado la comodidad y la expansión de
esta popular técnica.
Para iniciar el proceso de combinar archivos de una misma carpeta, seleccione Obtener datos , elija Archivo >
Carpeta y, a continuación, seleccione Conectar .

Especifique la ruta de acceso a la carpeta, seleccione Aceptar y, a continuación, seleccione Transformar datos
para ver los archivos de la carpeta en el Editor de Power Query.

Comportamiento al combinar archivos

Para combinar archivos binarios en el Editor de Power Query, seleccione Contenido (la primera etiqueta de
columna) y seleccione Inicio > Combinar archivos . O bien, basta con que seleccione el icono Combinar
archivos situado junto a Contenido .
La transformación Combinar archivos se comporta como se especifica debajo:
La transformación Combinar archivos analiza todos los archivos de entrada para determinar el formato de
archivo correcto que debe usarse, como texto, libro de Excel o archivo JSON.
La transformación permite seleccionar un objeto específico del primer archivo (por ejemplo, un libro de
Excel) para extraerlo.

A continuación, la transformación Combinar archivos realiza automáticamente estas acciones:

Crea una consulta de ejemplo que realiza todos los pasos de extracción necesarios en un único
archivo.
 Crea una consulta de función que parametriza la entrada de archivo/binario en la consulta de
ejemplo. La consulta de ejemplo y la consulta de función se vinculan, de modo que los cambios
hechos en la consulta de ejemplo se reflejan en la consulta de función.
Aplica la consulta de función a la consulta original con archivos binarios de entrada, como la consulta
Carpeta. Aplica la consulta de función para entradas binarias en cada fila y, a continuación, expande la
extracción de datos resultante como columnas de nivel superior.

NOTE
El ámbito de la selección en un libro de Excel afectará al comportamiento de combinar binarios. Por ejemplo, puede
seleccionar una hoja de cálculo específica para combinar esa hoja de cálculo o seleccionar la raíz para combinar el archivo
completo. Al seleccionar una carpeta se combinan los archivos que se encuentran en esa carpeta.

Con el comportamiento de combinar archivos, se pueden combinar fácilmente todos los archivos de una
determinada carpeta, siempre y cuando tengan el mismo tipo de archivo y estructura (como, por ejemplo, las
mismas columnas).
Además, se pueden aplicar fácilmente pasos de transformación o extracción adicionales mediante la modificación
de la consulta de ejemplo creada automáticamente y sin necesidad de preocuparse de la modificación o creación de
más pasos de consulta de función. Cualquier cambio hecho en la consulta de ejemplo se generará
automáticamente en la consulta de función vinculada.

Pasos siguientes
Puede conectarse a todo tipo de datos con Power BI Desktop. Para obtener más información sobre orígenes de
datos, consulte los siguientes recursos:
¿Qué es Power BI Desktop?
Orígenes de datos en Power BI Desktop
Combinar datos y darles forma con Power BI Desktop
Conectarse a archivos CSV en Power BI Desktop
Especificar datos directamente en Power BI Desktop
 Uso de Conclusiones de IA en Power BI Desktop
23/09/2020 • 28 minutes to read • Edit Online

En Power BI, puede usar Conclusiones de IA para obtener acceso a una colección de modelos de Machine Learning
entrenados previamente que mejoran los esfuerzos de preparación de datos. A Conclusiones de IA se accede en el
Editor de Power Quer y y es posible acceder a sus características y funciones asociadas a través de las pestañas
Inicio y Agregar columna del Editor de Power Quer y .

En este artículo se describen las funciones de Text Analytics y Vision, ambas de Azure Cognitive Services. En este
artículo también hay una sección en la que se describen las funciones personalizadas disponibles en Power BI de
Azure Machine Learning.

Habilitación de Conclusiones de IA
Conclusiones de IA ha pasado a estar disponible con carácter general en la versión de junio de 2020 de Power BI
Desktop. En el caso de las versiones anteriores de Power BI Desktop, habilite Conclusiones de IA en Power BI
seleccionando Archivos > Opciones y configuración > Opciones y luego Características en versión
preliminar en la columna izquierda. En el panel de la derecha hay una selección del explorador de funciones
de Conclusiones de IA . Active la casilla junto al explorador de funciones de Conclusiones de IA para
habilitar la característica en vista previa (GB). Para que el cambio de la característica en vista previa (GB) se aplique,
debe reiniciar Power BI Desktop.

NOTE
Conclusiones de IA está disponible con carácter general para todas las versiones de Power BI Desktop a partir de la versión
de junio de 2020 y, para esas versiones, no es necesario habilitarla como una característica en versión preliminar.
Uso de Text Analytics y Vision
Con Text Analytics y Vision en Power BI, puede aplicar algoritmos distintos de Azure Cognitive Services para
enriquecer los datos en Power Query.
Estos son los servicios compatibles actualmente:
Análisis de sentimiento
Extracción de frases clave
Detección de idioma
Etiquetado de imágenes
Las transformaciones se ejecutan en el servicio Power BI y no requieren una suscripción a Azure Cognitive Services.

IMPORTANT
El uso de las características de Text Analytics o de Vision requiere Power BI Premium.

Habilitación de Text Analytics y Vision en capacidades Premium

Cognitive Services son compatibles con los nodos de la capacidad Premium EM2, A2 o P1 y posteriores. Una carga
de trabajo de IA independiente en la capacidad se usa para ejecutar Cognitive Services. Durante la versión
preliminar pública de estas características (antes de junio de 2019), esta carga de trabajo se deshabilita de manera
predeterminada. Antes de usar Cognitive Services en Power BI, la carga de trabajo de IA debe habilitarse en la
configuración de capacidad del portal de administración. Puede activar la carga de trabajo de IA en la
sección de cargas de trabajo y definir la cantidad máxima de memoria que desea que consuma esta carga de
trabajo. El límite de memoria recomendado es del 20 %. Superar este límite hace que la consulta se ralentice.
Funciones disponibles
En esta sección se describen las funciones disponibles en Cognitive Services en Power BI.
Detección de idioma
La función de detección de idioma evalúa la entrada de texto y, para cada campo, devuelve el nombre del idioma y
el identificador ISO. Esta función es útil para las columnas de datos que recopilan texto arbitrario, donde se
desconoce el idioma. La función espera los datos en formato de texto como entrada.
Text Analytics reconoce hasta 120 idiomas. Para obtener más información, consulte los idiomas admitidos.
Extracción de frases clave
La función Extracción de frases clave evalúa el texto no estructurado y, para cada campo de texto, devuelve una
lista de frases clave. La función requiere un campo de texto como entrada y acepta una entrada opcional para
información de referencia cultural .
La extracción de frases clave funciona mejor si proporciona fragmentos de texto más grandes con los que trabajar.
Con el análisis de sentimiento ocurre lo contrario, ya que su rendimiento es mejor en bloques de texto más
pequeños. Para obtener los mejores resultados de ambas operaciones, considere la posibilidad de reestructurar las
entradas en consecuencia.
Puntuación de opiniones
La función Score Sentiment (Puntuar opiniones) evalúa la entrada de texto y devuelve una puntuación de
opiniones para cada documento, que va desde 0 (negativa) a 1 (positiva). Esta función es útil para detectar
opiniones positivas y negativas en las redes sociales, revisiones del cliente y foros de debate.
Text Analytics usa un algoritmo de clasificación de aprendizaje automático para generar una puntuación de
opiniones entre 0 y 1. Las puntuaciones más cercanas a 1 indican opiniones positivas, mientras que las más
cercanas a 0 indican opiniones negativas. El modelo se entrena previamente con un cuerpo de texto extenso con
asociaciones de opiniones. Actualmente, no es posible proporcionar sus propios datos de aprendizaje. El modelo
usa una combinación de técnicas durante el análisis de texto, incluidas el procesamiento de texto, el análisis de
funciones de sintaxis, la colocación de palabras y las asociaciones de palabras. Para obtener más información sobre
el algoritmo, consulte Introducción a Text Analytics.
El análisis de sentimiento se realiza en todo el campo de entrada, en lugar de extraerse opiniones para una entidad
concreta del texto. En la práctica, existe una tendencia a la precisión de la puntuación para mejorar cuando los
documentos contienen una o dos frases en lugar de un gran bloque de texto. Durante una fase de evaluación de
objetividad, el modelo determina si un campo de entrada como un todo es objetivo o contiene opiniones. Un
campo de entrada que es principalmente objetivo no avanza a la fase de detección de sentimiento, lo que da lugar a
una puntuación de 0,50 sin ningún procesamiento adicional. Para los campos de entrada que continúan en la
canalización, la siguiente fase genera una puntuación superior o inferior a 0,50, dependiendo del grado de
sentimiento detectado en el campo de entrada.
Actualmente, Análisis de sentimiento admite inglés, alemán, español y francés. Otros idiomas están en versión
preliminar. Para obtener más información, consulte los idiomas admitidos.
Etiquetado de imágenes
La función Etiquetar imágenes devuelve etiquetas basadas en más de 2000 objetos reconocibles, seres vivos,
paisajes y acciones. Cuando las etiquetas son ambiguas o no son conocimientos habituales, el resultado
proporciona sugerencias para aclarar el significado de la etiqueta en el contexto de una configuración conocida. Las
etiquetas no se organizan como taxonomía y no existe ninguna jerarquía de herencia. Una colección de etiquetas de
contenido constituye la base de una descripción de la imagen mostrada como lenguaje legible para el ser humano
con formato en frases completas.
Después de cargar una imagen o especificar una dirección URL de la imagen, los algoritmos de Computer Vision
generan etiquetas basadas en los objetos, seres vivos y acciones identificados en la imagen. El etiquetado no se
limita al sujeto principal, como una persona en primer plano, sino que también incluye la configuración (interior o
exterior), muebles, plantas, animales, accesorios, gadgets, etc.
Esta función requiere una dirección URL de la imagen o un campo Base 64 como entrada. En este momento, el
etiquetado de imágenes admite inglés, español, japonés, portugués y chino simplificado. Para obtener más
información, consulte los idiomas admitidos.
Invocación de funciones de Text Analytics o Vision en Power Query
Para enriquecer sus datos con funciones de Text Analytics o Vision, abra el Editor de Power Quer y . En este
ejemplo se describe la puntuación de la opinión de un texto. Los mismos pasos se pueden usar para extraer frases
clave, detectar el idioma y etiquetar las imágenes.
Seleccione el botón Text Analytics en la cinta de opciones Inicio o Agregar columna . Se le pedirá que inicie
sesión.

Después de iniciar sesión, seleccione la función que quiere usar y la columna de datos que quiere transformar en la
ventana emergente.
Power BI selecciona una capacidad Premium en la que se ejecutará la función y se devolverán los resultados a
Power BI Desktop. La capacidad seleccionada solo se usa para la función de Text Analytics y Vision durante la
aplicación y se actualiza en Power BI Desktop. Una vez que se publica el informe, las actualizaciones se ejecutan en
la capacidad Premium del área de trabajo en que se publica el informe. Puede cambiar la capacidad usada para
todas las instancias de Cognitive Services en la lista desplegable situada en la esquina inferior izquierda de la
ventana emergente.
Cultureinfo es una entrada opcional para especificar el idioma del texto. Este campo es un código ISO. Puede usar
una columna como entrada para Cultureinfo, o bien un campo estático. En este ejemplo, se especifica el idioma
como inglés (en) para toda la columna. Si deja este campo en blanco, Power BI detectará automáticamente el
idioma antes de aplicar la función. A continuación, seleccione Aplicar .
La primera vez que use Conclusiones de IA en un origen de datos nuevo, se le pedirá que establezca el nivel de
privacidad de los datos.

NOTE
Las actualizaciones del conjunto de datos en Power BI solo funcionarán para los orígenes de datos en los que el nivel de
privacidad esté establecido en público o en organizacional.

Tras invocar la función, se agregará el resultado como una nueva columna a la tabla. También se agregará la
transformación como un paso aplicado en la consulta.
En los casos de etiquetado de imágenes y extracción de frases clave, los resultados pueden devolver varios valores.
Cada resultado individual se devuelve en un duplicado de la fila original.
Publicación de un informe con las funciones de Text Analytics o Vision
Al editar en Power Query y realizar actualizaciones en Power BI Desktop, Text Analytics y Vision usan la capacidad
Premium que se seleccionó en el Editor de Power Query. Después de publicar el informe en Power BI, usa la
capacidad Premium del área de trabajo en la que se publicó.
Los informes con funciones de Text Analytics y Vision aplicadas se deben publicar en un área de trabajo que no esté
en una capacidad Premium. De lo contrario, se producirá un error al actualizar del conjunto de datos.
Administración del impacto en una capacidad Premium
En las secciones siguientes se describe cómo se pueden administrar los impactos de Text Analytics y Vision en una
capacidad.
Selección de una capacidad
Los autores de los informes pueden seleccionar en qué capacidad Premium ejecutar Conclusiones de IA. De manera
predeterminada, Power BI selecciona la primera capacidad creada a la que tiene acceso el usuario.
Supervisión con la aplicación Métricas de capacidad
Los propietarios de la capacidad Premium pueden supervisar el impacto de las funciones de Text Analytics y Vision
en una capacidad con la aplicación Métricas de capacidad de Power BI Premium. La aplicación proporciona métricas
detalladas sobre el estado de las cargas de trabajo de IA dentro de la capacidad. En el gráfico superior se muestra el
consumo de memoria por parte de las cargas de trabajo de IA. Los administradores de capacidad Premium pueden
establecer el límite de memoria para la carga de trabajo de IA por capacidad. Cuando el uso de memoria alcanza el
límite de memoria, puede considerar la posibilidad de aumentar el límite de memoria o mover algunas áreas de
trabajo a una capacidad distinta.
Comparación de Power Query y Power Query Online
Las funciones de Text Analytics y Vision que se usan en Power Query y Power Query Online son las mismas. Estas
son las únicas diferencias entre ambas experiencias:
Power Query tiene botones independientes para Text Analytics, Vision y Azure Machine Learning. En Power
Query Online, se combinan en un menú.
En Power Query, el autor del informe puede seleccionar la capacidad Premium que se usa para ejecutar las
funciones. Esto no es necesario en Power Query Online, debido a que un flujo de datos ya está en una capacidad
específica.
Consideraciones y limitaciones de Text Analytics
Hay algunas consideraciones y limitaciones que se deben tener en cuenta al usar Text Analytics.
Se admite la actualización incremental, pero puede causar problemas de rendimiento cuando se usa en
consultas con Conclusiones de IA.
No se admite DirectQuery.

Uso de Azure ML
Numerosas organizaciones usan modelos de Machine Learning para obtener mejores conclusiones y
predicciones sobre sus negocios. La capacidad de visualizar e invocar conclusiones de estos modelos en sus
informes, paneles y otros análisis puede ayudar a divulgar estas conclusiones a los usuarios profesionales que más
lo necesiten. Power BI facilita la incorporación de las conclusiones de modelos hospedados en Azure Machine
Learning, mediante movimientos sencillos de apuntar y hacer clic.
Para usar esta funcionalidad, un científico de datos puede conceder acceso al modelo de Azure ML al analista de BI
simplemente mediante Azure Portal. A continuación, al inicio de cada sesión, Power Query detecta todos los
modelos de Azure ML a los que tiene acceso el usuario y los expone como funciones de Power Query dinámicas.
Después, el usuario puede invocar esas funciones obteniendo acceso a ellas desde la cinta de opciones del Editor de
Power Query o invocando directamente la función M. Power BI también procesa por lotes las solicitudes de acceso
de forma automática al invocar el modelo de Azure ML para que un conjunto de filas logre un mejor rendimiento.
Esta funcionalidad es compatible con Power BI Desktop, los flujos de datos de Power BI y Power Query Online en el
servicio Power BI.
Para más información sobre los flujos de datos, consulte Preparación de datos de autoservicio en Power BI.
Para más información sobre Azure Machine Learning, consulte los artículos siguientes:
Información general: ¿Qué es Azure Machine Learning?
Guías de inicio rápido y tutoriales de Azure Machine Learning: Documentación de Azure Machine Learning
Concesión de acceso a un modelo de Azure ML
Para obtener acceso a un modelo de Azure ML desde Power BI, el usuario debe tener acceso de lectura a la
suscripción a Azure. Además, deben tener lo siguiente:
En los modelos de Machine Learning Studio (clásico), acceso de lectura al servicio web Machine Learning
Studio (clásico)
En los modelos de Machine Learning, acceso de lectura al área de trabajo de Machine Learning
En los pasos de esta sección se describe cómo conceder un acceso de usuario de Power BI a un modelo hospedado
en el servicio Azure ML de modo que pueda tener acceso a este modelo como función de Power Query. Para más
detalles, consulte Manage access using RBAC and the Azure portal (Administrar el acceso mediante RBAC y Azure
Portal).
1. Inicie sesión en Azure Portal.
2. Vaya a la página Suscripciones . Encontrará la página Suscripciones a través de la lista Todos los ser vicios
del menú de navegación izquierdo de Azure Portal.
3. Seleccionar su suscripción
4. Seleccione Control de acceso (IAM) y, a continuación, el botón Agregar .
5. Seleccione Lector como rol. Seleccione el usuario de Power BI a quien desea conceder acceso al modelo de
Azure ML.
6. Seleccione Guardar .
7. Repita los pasos del tres al seis para conceder acceso de lectura al usuario para el servicio web Machine
Learning Studio (clásico) específico, o bien al área de trabajo de Machine Learning que hospeda el modelo.
Detección de esquema para modelos de Machine Learning
Los científicos de datos usan principalmente Python para desarrollar e incluso implementar sus modelos de
aprendizaje automático para Machine Learning. A diferencia de Machine Learning Studio (clásico), que ayuda a
automatizar la tarea de creación de un archivo de esquema para el modelo, en el caso de Machine Learning, el
científico de datos debe generar de forma explícita el archivo de esquema mediante Python.
Este archivo de esquema se debe incluir en el servicio web implementado para los modelos de Machine Learning.
Para generar de forma automática el esquema para el servicio web, debe proporcionar un ejemplo de la entrada y
salida en el script de entrada para el modelo implementado. Consulte la subsección sobre Generación automática
de esquemas de Swagger (opcional) en los modelos de implementación con la documentación del servicio Azure
Machine Learning. El vínculo incluye el script de entrada de ejemplo con las instrucciones para la generación de
esquemas.
En concreto, las funciones _@input\_schema_ y _@output\_schema_ del script de entrada hacen referencia a los
formatos de ejemplo de entrada y salida de las variables input_sample y output_sample, y usan estos ejemplos
para generar una especificación OpenAPI (Swagger) para el servicio web durante la implementación.
Estas instrucciones para la generación de esquemas mediante la actualización del script de entrada también se
deben aplicar a los modelos creados mediante experimentos automatizados de aprendizaje automático con el SDK
de Azure Machine Learning.
 NOTE
Actualmente, en los modelos creados con la interfaz visual de Azure Machine Learning no se admite la generación de
esquemas, pero se admitirá en versiones posteriores.

Invocación de un modelo de Azure ML en Power Query

Puede invocar cualquier modelo de Azure ML al que se le haya concedido acceso directamente desde el Editor de
Power Query. Para tener acceso a los modelos de Azure ML, seleccione el botón Azure Machine Learning en la
cinta de opciones Inicio o Agregar columna del Editor de Power Query.

Todos los modelos de Azure ML a los que tiene acceso se recogen aquí como funciones de Power Query. Asimismo,
los parámetros de entrada para el modelo de Azure ML se asignan automáticamente como parámetros de la
función de Power Query correspondiente.
Para invocar un modelo de Azure ML, puede especificar cualquiera de las columnas de la entidad seleccionadas
como entrada del menú desplegable. También puede especificar un valor constante que se va a usar como entrada
cambiando el icono de la columna a la izquierda del cuadro de diálogo de entrada.

Seleccione Aceptar para ver la versión preliminar del resultado del modelo de Azure ML como nueva columna en
la tabla de entidades. También verá la invocación de modelos como paso aplicado para la consulta.
Si el modelo devuelve varios parámetros de salida, se agrupan como registro en la columna de salida. Puede
expandir la columna para producir parámetros de salida individuales en columnas independientes.
Consideraciones y limitaciones de Azure ML
Las consideraciones y limitaciones siguientes se aplican a Azure ML en Power BI Desktop.
Actualmente, en los modelos creados con la interfaz visual de Azure Machine Learning no se admite la
generación de esquemas. Se prevé compatibilidad en versiones posteriores.
Se admite la actualización incremental, pero puede causar problemas de rendimiento cuando se usa en
consultas con Conclusiones de IA.
No se admite DirectQuery.

Pasos siguientes
En este artículo se proporcionó información de la integración de Machine Learning en Power BI Desktop. Los
siguientes artículos también podrían ser interesantes y útiles.
Tutorial: Invocación de un modelo de Machine Learning Studio (clásico) en Power BI
Tutorial: Uso de Cognitive Services en Power BI
Cognitive Services en Power BI
Integración de Azure Machine Learning en Power BI
Supervisión de capacidades Premium con la aplicación
Métricas de IA en la aplicación Métricas de capacidad Premium
 Uso de medidas rápidas para cálculos comunes
23/09/2020 • 12 minutes to read • Edit Online

Puede usar medidas rápidas para realizar fácilmente cálculos eficaces y comunes. Una medida rápida ejecuta un
conjunto de comandos de Expresiones de análisis de datos (DAX) en segundo plano y, después, presenta los
resultados para que los use en el informe. No tiene que escribir DAX, ya que se realiza de forma automática en
función de la entrada proporcionada en un cuadro de diálogo. Hay muchas categorías disponibles de cálculos, y
formas de modificarlos para ajustarlo a sus necesidades. Y posiblemente lo mejor de todo es que puede ver la
fórmula DAX que ejecuta la medida rápida y empezar a poner en práctica los conocimientos sobre DAX, o
ampliarlos.

Creación de una medida rápida

Para crear una medida rápida en Power BI Desktop, haga clic con el botón derecho o seleccione los puntos
suspensivos ... junto a cualquier elemento del panel Campos y seleccione Nueva medida rápida en el menú
que aparece.

También puede hacer clic con el botón derecho o seleccionar la flecha desplegable situada junto a cualquier valor
del área Valores de un objeto visual existente y seleccionar Nueva medida rápida en el menú.
Al seleccionar Nueva medida rápida , aparece la ventana Medidas rápidas , en la que puede seleccionar el
cálculo deseado y los campos en los que se va a ejecutar.
Seleccione el campo Seleccionar un cálculo para ver una larga lista de medidas rápidas disponibles.
Los cinco tipos de cálculo de medida rápida, con sus cálculos, son los siguientes:
Agregado por categoría
Promedio por categoría
Varianza por categoría
Valor máximo por categoría
Valor mínimo por categoría
Media ponderada por categoría
Filtros
Valor filtrado
Diferencia respecto al valor filtrado
Diferencia porcentual respecto al valor filtrado
Ventas de los nuevos clientes
Inteligencia de tiempo
Total anual hasta la fecha
Total trimestral hasta la fecha
Total mensual hasta la fecha
Cambio de año a año
Cambio de trimestre a trimestre
Cambio mes a mes
 Media móvil
Totales
Total acumulado
Total por categoría (con filtros aplicados)
Total por categoría (sin filtros aplicados)
Operaciones matemáticas
Suma
Resta
Multiplicación
División
Diferencia porcentual
Coeficiente de correlación
Texto
Clasificación por estrellas
Lista de valores concatenados
Para enviar ideas sobre las nuevas medidas rápidas que le gustaría ver, las fórmulas DAX subyacentes u otras
ideas de medidas rápidas para tener en cuenta, vea el final de este artículo.

NOTE
Al usar las conexiones dinámicas de SQL Server Analysis Services (SSAS), hay algunas medidas rápidas disponibles.
Power BI Desktop muestra solo las medidas rápidas que son compatibles con la versión de SSAS a la que se conecta. Si está
conectado a un origen de datos dinámico de SSAS y no ve determinadas medidas rápidas en la lista, se debe a que la
versión de SSAS a la que está conectado no admite los comandos de DAX usados para implementar esas medidas rápidas.

Después de seleccionar los cálculos y los campos que quiere para la medida rápida, seleccione Aceptar . La nueva
medida rápida aparece en el panel Campos y la fórmula DAX subyacente en la barra de fórmulas.

Ejemplo de medida rápida

A continuación se analizará una medida rápida en acción.
El siguiente objeto visual de matriz muestra una tabla de ventas de distintos productos. Es una tabla básica que
incluye el total de ventas de cada categoría.
Con el objeto visual de matriz seleccionado, seleccione la flecha de lista desplegable situada junto a TotalSales en
la sección Valores y seleccione Nueva medida rápida .
En la ventana Medidas rápidas , en Cálculo , seleccione Promedio por categoría .
Arrastre Promedio de precio unitario desde el panel Campos hasta el campo Valor base . Deje Categoría en
el campo Categoría y seleccione Aceptar .
Al seleccionar Aceptar , se producen varias cosas interesantes.

1. El objeto visual de matriz tiene una nueva columna en la que se muestra el Promedio de precio unitario
por categoría calculado.
2. La fórmula DAX para la nueva medida rápida aparece en la barra de fórmulas. Vea la sección siguiente para
obtener más información sobre la fórmula DAX.
3. La nueva medida rápida aparece seleccionada y resaltada en el panel Campos .
La nueva medida rápida está disponible para cualquier objeto visual del informe, no solo para el que se ha creado.
En la imagen siguiente se muestra un objeto visual de gráfico de columnas rápido creado mediante el nuevo
campo de medida rápida.
Aprendizaje de DAX mediante el uso de medidas rápidas
Una gran ventaja de las medidas rápidas es que muestran la fórmula DAX que implementa la medida. Al
seleccionar una medida rápida en el panel Campos , aparece la barra de fórmulas , con la fórmula DAX que
Power BI ha creado para implementar la medida.

La barra de fórmulas no solo muestra la fórmula subyacente a la medida, sino que probablemente lo más
importante es que permite ver cómo crear las fórmulas DAX subyacentes a las medidas rápidas.
Imagine que tiene que realizar un cálculo interanual, pero no sabe muy bien cómo estructurar la fórmula DAX, o
bien no sabe por dónde empezar. En lugar de desesperarse, puede crear una medida rápida mediante el cálculo
Cambio año a año y ver cómo aparece en el objeto visual y cómo funciona la fórmula DAX. Después, puede
realizar cambios directamente en la fórmula DAX, o bien crear una medida similar que satisfaga sus necesidades y
expectativas. Es como tener un profesor que responde inmediatamente a las preguntas condicionales que le
formula con unos pocos clics.
Si no le gustan, siempre puede eliminar medidas rápidas del modelo. Es tan sencillo como hacer clic con el botón
derecho o seleccionar ... junto a la medida y, después, seleccionar Eliminar . También puede cambiar el nombre de
una medida rápida por el que prefiera si selecciona Cambiar nombre en el menú.

Limitaciones y consideraciones
Hay algunas limitaciones y consideraciones que debe tener en cuenta.
Puede usar las medidas rápidas agregadas al panel Campos con cualquier objeto visual del informe.
Siempre puede ver la fórmula DAX asociada con una medida rápida si la selecciona en la lista Campos y la
examina en la barra de fórmulas.
Las medidas rápidas solo están disponibles si puede modificar el modelo. Este no es el caso cuando se trabaja
con algunas conexiones dinámicas. Se admiten las conexiones dinámicas tabulares de SSAS, como se ha
descrito antes.
No se pueden crear medidas rápidas de inteligencia de tiempo cuando se trabaja en el modo DirectQuery. Las
funciones DAX que se usan en estas medidas rápidas conllevan implicaciones de rendimiento cuando se
convierten en las instrucciones T-SQL que se envían al origen de datos.

IMPORTANT
Las instrucciones DAX para las medidas rápidas solo usan comas para los separadores de argumentos. Si la versión de
Power BI Desktop está en un idioma en el que se usan comas como separador de decimales, las medidas rápidas no
funcionarán correctamente.

Inteligencia de tiempo y medidas rápidas

Puede usar tablas de fechas personalizadas propias con medidas rápidas de inteligencia de tiempo. Si va a usar un
modelo tabular externo, asegúrese de que al compilar el modelo, la columna de fecha principal de la tabla se haya
marcado como una tabla de fechas, como se describe en Especificación de Marcar como tabla de fechas para su
uso en la inteligencia de tiempo. Si va a importar una tabla de fechas propia, asegúrese de marcarla como una
tabla de fechas, como se describe en Configuración y uso de tablas de fechas en Power BI Desktop.
Información adicional y ejemplos
¿Tiene alguna idea para una medida rápida que todavía no se haya proporcionado? Magnífico. Consulte la página
Ideas de Power BI y envíe las ideas y fórmulas DAX para medidas rápidas que le gustaría ver en Power BI Desktop.
Consideraremos la posibilidad de agregarlas a la lista de medidas rápidas en una versión futura.
 Creación y uso de parámetros what-if para visualizar
variables en Power BI Desktop
02/07/2020 • 5 minutes to read • Edit Online

A partir de la versión de agosto de 2018 de Power BI Desktop, puede crear variables what-if para los informes,
interactuar con la variable como una segmentación, y visualizar y cuantificar diferentes valores clave de los
informes.

Cree un parámetro what-if en la pestaña Modelado de Power BI Desktop. Al seleccionarlo, aparece un cuadro de
diálogo donde puede configurarlo.

Creación de un parámetro what-if

Para crear un parámetro what-if, seleccione Nuevo parámetro en la pestaña Modelado de Power BI Desktop. En
la imagen siguiente, se ha creado un parámetro llamado Discount percentage y se ha establecido su tipo de datos
en Número decimal . El valor mínimo es cero. El valor máximo es 0,50 (50 por ciento). También se Incremento
en 0,05, o cinco por ciento. Esto indica cuánto se ajustará el parámetro cuando se interactúe con él en un informe.
 NOTE
Para los números decimales, asegúrese de que el valor vaya precedido por un cero, como en 0,50, y no simplemente ,50. En
caso contrario, el número no se validará y no se podrá seleccionar el botón Aceptar .

Para su comodidad, la casilla Agregar segmentación en esta página coloca automáticamente una
segmentación de datos con el parámetro what-if en la página actual del informe.

Al crear el parámetro what-if también se crea una medida, que puede usar para visualizar el valor actual de dicho
parámetro.

Es importante y resulta útil advertir que, una vez creado un parámetro what-if, el parámetro y la medida se
convierten en parte del modelo. Por tanto, están disponibles en todo el informe y se pueden usar en otras de sus
páginas. Además, dado que forman parte del modelo, puede eliminar la segmentación de datos de la página del
informe. Si quiere recuperarlo, solo tiene que tomar el parámetro what-if de la lista Campos y arrastrarlo hasta el
lienzo y, después, cambiar el objeto visual a una segmentación de datos.
Uso de un parámetro what-if
Vamos a crear un ejemplo sencillo de uso de un parámetro what-if. Hemos creado el parámetro what-if en la
sección anterior. Ahora lo vamos a usar creando una nueva medida cuyo valor se ajuste con el control deslizante.

La nueva medida será algo sencillo, como el importe de ventas total, con la tarifa de descuento aplicada. Puede
crear medidas complejas e interesantes que permitan a los consumidores de los informes visualizar la variable del
parámetro what-if. Por ejemplo, podría crear un informe que permita al personal de ventas ver sus
compensaciones si satisfacen determinados objetivos o porcentajes de venta, o ver la influencia que tiene el
incremento en las ventas sobre unos mayores descuentos.
Escriba la fórmula de medida en la barra de fórmulas y asígnele el nombre Sales after Discount.

A continuación, se creará un objeto visual de columna con OrderDate en el eje, y los valores SalesAmount y la
medida que se acaba de crear Sales after Discount .
Seguidamente, conforme se mueve la segmentación, se puede ver que la columna Sales after Discount refleja el
importe de ventas descontado.

Y eso es todo. Puede usar los parámetros what-if en todo tipo de situaciones. Estos parámetros permiten que los
consumidores de informes interactúen con diferentes escenarios que se crean en los informes.
 Especificación de categorías de datos en Power BI
Desktop
20/07/2020 • 4 minutes to read • Edit Online

En Power BI Desktop, puede especificar la categoría de datos para una columna, de manera que Power BI Desktop
sepa cómo debe tratar sus valores en una visualización.
Cuando Power BI Desktop importa datos, obtiene más información aparte de los propios datos, como los nombres
de tabla y de columna, y si los datos son una clave principal. Con esa información, Power BI Desktop realiza
algunas suposiciones sobre cómo proporcionar una buena experiencia predeterminada al crear una visualización.
Por ejemplo, cuando una columna tiene valores numéricos, es posible que quiera agregarla de alguna manera, por
lo que Power BI Desktop la coloca en el área de Valores del panel Visualizaciones . O bien, para una columna con
valores de fecha y hora en un gráfico de líneas, Power BI Desktop supone que la va a usar probablemente como un
eje de la jerarquía de tiempo.
Sin embargo, existen algunos casos que son un poco más difíciles, como la ubicación geográfica. Tenga en cuenta
la tabla siguiente desde una hoja de cálculo de Excel:

¿Power BI Desktop debe tratar los códigos en la columna GeoCode como una abreviatura para un país o un
estado de EE. UU.? No está claro, porque un código como este puede hacer referencia a cualquiera de ellos. Por
ejemplo, AL puede significar Alabama o Albania, AR puede significar Arkansas o Argentina y CA puede significar
California o Canadá. Esto es diferente cuando nos dirigimos a nuestro campo de código geográfico en un mapa.
¿Power BI Desktop debe mostrar una imagen del mundo con países resaltados? ¿O debe mostrar una imagen de
Estados Unidos con estados resaltados? Puede especificar una categoría de datos como esta para los datos. La
categorización de datos restringe aún más la información que Power BI Desktop puede usar para proporcionar las
mejores visualizaciones.
Para especificar una categoría de datos
1. En las vistas Informes o Datos , en la lista Campos , seleccione el campo que quiera ordenar por una
categorización diferente.
2. En la cinta de opciones, en el área Propiedades de la pestaña Modelado , seleccione la flecha desplegable
situada junto a Categoría de datos . De esta forma, se muestra la lista de categorías de datos que puede
elegir para la columna. Es posible que algunas selecciones estén deshabilitadas si no funcionan con el tipo
de datos actual de la columna. Por ejemplo, si una columna es un tipo de fecha y hora, Power BI Desktop no
le permitirá elegir categorías de datos geográficos.
3. Seleccione la categoría que quiera.
También le podría interesar aprender sobre el filtrado geográfico para aplicaciones móviles de Power BI.
 Etiquetado de códigos de barras en Power BI
Desktop para su uso en las aplicaciones móviles
02/07/2020 • 2 minutes to read • Edit Online

En Power BI Desktop, puede clasificar datos en una columna, de modo que Power BI Desktop sepa cómo tratar los
valores en objetos visuales en un informe. También puede clasificar una columna como Código de barras .
Cuando usted o sus compañeros escaneen un código de barras en un producto con la aplicación Power BI en su
iPhone, verán cualquier informe que incluya ese código de barras. Cuando abra el informe en la aplicación móvil,
Power BI filtra automáticamente el informe con los datos relacionados con ese código de barras.
1. En Power BI Desktop, cambie a Vista de datos.
2. Seleccione una columna con datos de código de barras. Vea la lista de formatos de código de barras
admitidos a continuación.
3. En la pestaña Modelado , seleccione Categoría de datos > Código de barras .

4. En la vista Informes, agregue este campo a los objetos visuales que quiera filtrar por el código de barras.
5. Guarde el informe y publíquelo en el servicio Power BI.
Ahora, cuando abra el escáner en la aplicación Power BI para iPhone y escanee un código de barras, verá este
informe en la lista de informes. Al abrir el informe, los objetos visuales se filtran por el código de barras del
producto que ha escaneado.

Formatos de código de barras admitidos

Estos son los códigos de barras que Power BI reconoce si los puede etiquetar en un informe de Power BI:
UPCECode
Code39Code
A39Mod43Code
EAN13Code
EAN8Code
93Code
128Code
 PDF417Code
Interleaved2of5Code
ITF14Code

Pasos siguientes
Scan a barcode from the Power BI app on your iPhone (Digitalización de un código de barras desde Power BI en
su iPhone)
Problemas al digitalizar códigos de barras en un iPhone
Categorización de datos en Power BI Desktop
¿Preguntas? Pruebe a preguntar a la comunidad de Power BI
 Establecimiento del filtrado geográfico en Power BI
Desktop para su uso en las aplicaciones móviles
02/07/2020 • 4 minutes to read • Edit Online

En Power BI Desktop, puede clasificar datos geográficos para una columna, de modo que Power BI Desktop sepa
cómo tratar los valores en objetos visuales en un informe. Como ventaja adicional, si usted o sus compañeros ven
el informe en la aplicación móvil de Power BI, este proporciona automáticamente filtros geográficos que coinciden
con su ubicación.
Por ejemplo, usted es un director de ventas que viaja para reunirse con clientes y quiere filtrar rápidamente el total
de ventas e ingresos del cliente específico que va a visitar. Quiere dividir los datos para la ubicación actual, ya sea
por estado, ciudad o una dirección real. Más adelante, si le queda tiempo, le gustaría visitar a otros clientes que se
encuentren cerca. Puede filtrar el informe por su ubicación para encontrar esos clientes.

NOTE
Solo puede filtrar por ubicación en la aplicación móvil si los nombres geográficos en el informe están en inglés; por ejemplo,
"New York City" o "Germany".

Identificar datos geográficos en el informe

1. En Power BI Desktop, pase a Vista de datos .
2. Seleccione una columna con datos geográficos; por ejemplo, una columna Ciudad.

3. En la pestaña Modelado , seleccione Categoría de datos y después la categoría correcta, en este ejemplo,
Ciudad .
4. Siga estableciendo categorías de datos geográficos de los demás campos en el modelo.

NOTE
Puede establecer varias columnas para cada categoría de datos en un modelo, pero, si lo hace, el modelo no se
puede filtrar geográficamente en la aplicación móvil de Power BI. Para usar el filtrado geográfico en las aplicaciones
móviles, establezca solo una columna para cada categoría de datos; por ejemplo, solo una columna Ciudad , una
columna Estado o provincia y una columna País .

Crear objetos visuales con datos geográficos

1. Cambie a la vista Informe y cree objetos visuales que utilicen los campos geográficos de los datos.

En este ejemplo, el modelo también contiene una columna calculada que aúna la ciudad y el estado en una
única columna. Obtenga información acerca de cómo crear columnas calculadas en Power BI Desktop.
2. Publique el informe en el servicio Power BI.

Ver el informe en la aplicación móvil de Power BI

1. Abra el informe en cualquiera de las aplicaciones móviles de Power BI.
2. Si está en una ubicación geográfica con datos en el informe, puede filtrarlo automáticamente por su
ubicación.

Obtenga más información sobre cómo filtrar un informe por ubicación en las aplicaciones móviles de Power BI.

Pasos siguientes
Categorización de datos en Power BI Desktop
¿Preguntas? Pruebe a preguntar a la comunidad de Power BI
 Creación de columnas calculadas en Power BI
Desktop
20/07/2020 • 6 minutes to read • Edit Online

Con las columnas calculadas, se pueden agregar nuevos datos a una tabla ya existente en el modelo. Pero en lugar
de consultar y cargar los valores en la nueva columna desde un origen de datos, se crea una fórmula de
expresiones de análisis de datos (DAX) que define los valores de columna. En Power BI Desktop, las columnas
calculadas se crean mediante la característica nueva columna en la vista Informes .
A diferencia de las columnas personalizadas creadas como parte de una consulta con la opción Agregar
columnas personalizadas en el Editor de consultas, las columnas calculadas creadas en las vistas Informes o
Datos se basan en datos que ya se han cargado en el modelo. Por ejemplo, tal vez elija concatenar los valores de
dos columnas diferentes en dos tablas diferentes pero relacionadas, hacer sumas o extraer subcadenas.
Las columnas calculadas que cree aparecerán en la lista Campos como cualquier otro campo, pero tendrán un
icono especial para indicar que sus valores son resultado de una fórmula. Puede asignar el nombre que desee a
las columnas y agregarlas a la visualización de un informe, igual que cualquier otro campo.

Las columnas calculadas calculan los resultados usando DAX, un lenguaje de fórmulas diseñado para trabajar con
datos relacionales como en Power BI Desktop. DAX incluye una biblioteca de más de 200 funciones, operadores y
construcciones. Ofrece una gran flexibilidad en la creación de fórmulas para calcular los resultados ante casi
cualquier necesidad de análisis de datos. Para más información acerca de DAX, consulte Conceptos básicos de DAX
en Power BI Desktop.
Las fórmulas DAX son muy similares a las fórmulas de Excel. De hecho, DAX tiene muchas de las mismas
funciones que Excel. Las funciones de DAX, sin embargo, están diseñadas para trabajar con datos segmentados de
forma interactiva o filtrados en un informe, como en Power BI Desktop. En Excel, puede tener una fórmula
diferente para cada fila de una tabla. En Power BI, al crear una fórmula DAX para una nueva columna, calculará un
resultado para cada fila de la tabla. Los valores de columna se calculan varias veces, según sea necesario, como
cuando se actualizan los datos subyacentes y los valores cambian.

Ahora se verá un ejemplo.

Juan es administrador de envíos en Contoso y quiere crear un informe que muestre el número de envíos a
diferentes ciudades. Juan tiene una tabla Geography con campos independientes para las ciudades y los estados.
Sin embargo, Juan quiere que en sus informes se muestren los valores de ciudad y estado como un valor único en
la misma fila. En este momento la tabla Geography de Juan no tiene el campo que necesita.

Pero con una columna calculada, Juan puede reunir las ciudades de la columna City con los estados de la columna
State .
Juan hace clic con el botón derecho en la tabla Geography y, después, selecciona Nueva columna . Después,
Juan especifica la siguiente fórmula DAX en la barra de fórmulas:

Esta fórmula simplemente crea una nueva columna denominada CityState . Para cada fila de la tabla Geography ,
toma los valores de la columna City , agrega una coma y un espacio y, después, concatena los valores de la
columna State .
Ahora Juan tiene el campo que quiere.

Puede agregarlo al lienzo de su informe junto con el número de envíos. Con el mínimo esfuerzo, Juan tiene un
campo CityState , que puede agregar a casi cualquier tipo de visualización. Cuando Juan crea un mapa nuevo,
Power BI Desktop sabe cómo leer los valores de ciudad y estado de la nueva columna.
Pasos siguientes
Aquí solo se ha proporcionado una breve introducción a las columnas calculadas. Para más información, consulte
los siguientes recursos:
Para descargar un archivo de ejemplo y obtener lecciones paso a paso sobre cómo crear otras columnas,
consulte Tutorial: Creación de columnas calculadas en Power BI Desktop.
Para más información acerca de DAX, consulte Conceptos básicos de DAX en Power BI Desktop.
Para obtener más información sobre las columnas que se crean como parte de una consulta, consulte la
sección Crear columnas personalizadas en Realización de tareas de consultas comunes en Power BI
Desktop.
 Creación de tablas calculadas en Power BI Desktop
20/07/2020 • 5 minutes to read • Edit Online

La mayoría de las veces, las tablas se crean al importar datos en el modelo desde un origen de datos externo. Pero
las tablas calculadas permiten agregar nuevas tablas basadas en los datos que ya se han cargado en el modelo. En
lugar de consultar y cargar valores en las columnas de la nueva tabla desde un origen de datos, se crea una
fórmula de expresiones de análisis de datos (DAX) que define los valores de la tabla.
DAX es un lenguaje de fórmulas para trabajar con datos relacionales, como los de Power BI Desktop. DAX incluye
una biblioteca de más de 200 funciones, operadores y construcciones, lo que ofrece una gran flexibilidad al
momento de crear formulas para calcular los resultados de casi cualquier necesidad de análisis de datos. Las tablas
calculadas son más adecuadas para cálculos y datos intermedios que se quieran almacenar como parte del modelo
en lugar de calcularse sobre la marcha o como parte de una consulta. Por ejemplo, puede elegir entre realizar una
combinación o una combinación cruzada de dos tablas.
Al igual que otras tablas de Power BI Desktop, las tablas calculadas pueden establecer relaciones con otras tablas.
Las columnas de tabla calculada tienen tipos de datos y formato, y pueden pertenecer a una categoría de datos.
Puede asignar a las columnas el nombre que prefiera y agregarlas a la visualización de informes, igual que
cualquier otro campo. Las tablas calculadas se vuelven a calcular si alguna de las tablas de las que extraen datos se
actualiza o renueva, a menos que la tabla use datos de una tabla que use DirectQuery; en el caso de DirectQuery, la
tabla solo reflejará los cambios una vez que el conjunto de los mismos se haya actualizado. Si una tabla necesita
usar DirectQuery, es mejor tener también la tabla calculada en DirectQuery.

Creación de una tabla calculada

Las tablas calculadas se crean mediante la característica Nueva columna en la vista de informe o la vista de datos
de Power BI Desktop.
Por ejemplo, imagine que es director de personal y tiene una tabla de empleados del noroeste y otra de
empleados del suroeste . Quiere combinar las dos tablas en una sola tabla llamada Empleados de la región
occidental .
Empleados del noroeste

Empleados del suroeste

En la vista de informe o la vista de datos de Power BI Desktop, en el grupo Cálculos de la pestaña Modelado ,
seleccione Nueva tabla . Resulta un poco más fácil de hacer en la vista de datos, ya que puede ver inmediatamente
la nueva tabla calculada.
Escriba la fórmula siguiente en la barra de fórmulas:

Western Region Employees = UNION('Northwest Employees', 'Southwest Employees')

Se crea una tabla denominada Empleados de la región occidental que, como cualquier otra tabla, aparece en el
panel Campos . Puede crear relaciones con otras tablas, agregar medidas y columnas calculadas, y agregar
cualquiera los campos a los informes como con cualquier otra tabla.

Funciones para las tablas calculadas

Puede definir una tabla calculada mediante cualquier expresión DAX que devuelva una tabla, incluida una simple
referencia a otra tabla. Por ejemplo:

New Western Region Employees = 'Western Region Employees'

En este artículo solo se ofrece una breve introducción a las tablas calculadas. Puede usar tablas calculadas con DAX
para resolver muchos problemas de análisis. Estas son algunas de las funciones DAX para tabla más habituales que
puede usar:
DISTINCT
VALUES
CROSSJOIN
UNION
NATURALINNERJOIN
NATURALLEFTOUTERJOIN
INTERSECT
CALENDAR
CALENDARAUTO
Vea la referencia de funciones DAX para ver estas y otras funciones DAX que devuelven tablas.
 Creación de medidas para el análisis de datos en
Power BI Desktop
06/07/2020 • 10 minutes to read • Edit Online

Power BI Desktop le ayuda a crear información sobre sus datos en unos cuantos clics. Pero a veces los datos
simplemente no incluyen todo lo que necesita para responder algunas de las preguntas más importantes. En esos
casos, las medidas pueden ser de ayuda.
Las medidas se usan en algunos de los análisis de datos más comunes. Los resúmenes simples, como sumas,
promedios, mínimo, máximo y recuentos, también se pueden establecer a través del área Campos . Los resultados
calculados de las medidas cambian constantemente en respuesta a la interacción con los informes, lo que permite
la exploración rápida y dinámica de datos ad hoc. Analicemos la cuestión más detenidamente. Para más
información, consulte Crear medidas.

Descripción de las medidas

En Power BI Desktop, las medidas se crean y muestran en Vista de informes o Vista de datos. Las medidas que se
creen aparecerán en la lista Campos con un icono de calculadora. Puede asignar el nombre que desee a las
medidas y agregarlas a una visualización nueva o existente como cualquier otro campo.

NOTE
Quizá también esté interesado en las medidas rápidas, medidas listas para usar que puede seleccionar en los cuadros de
diálogo. Son una buena manera de crear medidas rápidamente y de aprender a usar la sintaxis de expresiones de análisis de
datos (DAX), ya que se trata de fórmulas DAX creadas automáticamente que están disponibles para su revisión. Para obtener
más información, vea el artículo sobre medidas rápidas.
Expresiones de análisis de datos
Las medidas calculan un resultado a partir de una fórmula de expresiones. Al crear sus propias medidas, debe usar
el lenguaje de fórmulas de expresiones de análisis de datos (DAX). DAX incluye una biblioteca de más de 200
funciones, operadores y construcciones. Su biblioteca ofrece una gran flexibilidad al momento de crear medidas
para calcular los resultados de casi cualquier necesidad de análisis de datos.
Las fórmulas DAX son muy similares a las fórmulas de Excel. DAX tiene incluso muchas de las mismas funciones
que Excel, tales como DATE , SUM y LEFT . Sin embargo, las funciones DAX están diseñadas para trabajar con datos
relacionales como los que tenemos en Power BI Desktop.

Veamos un ejemplo
Jan es jefa de ventas de Contoso. Le han pedido que presente los pronósticos de ventas de los revendedores para
el próximo año fiscal. Jan decide que basará las estimaciones en las cifras de ventas del año pasado, agregando un
seis por ciento anual, resultante de las distintas promociones programadas para los próximos seis meses.
Para informar de las estimaciones, Jan importa datos de las ventas del año pasado en Power BI Desktop. Busca el
campo SalesAmount de la tabla Venta del distribuidor . Debido a que los datos importados solo contienen los
importes de las ventas del año pasado, Jan cambia el nombre del campo SalesAmount a Ventas de los últimos
años. Después, Jan arrastra el campo Ventas de los últimos años al lienzo del informe. Aparece en una
visualización de gráfico como un valor único, que es la suma de las ventas de todos los distribuidores durante el
año pasado.
Jan se da cuenta de que, aunque no ha especificado ningún cálculo, se ha facilitado uno automáticamente. Power BI
Desktop creó su propia medida con la suma de todos los valores de Ventas de los últimos años .
Sin embargo, Jan necesita una medida para calcular las previsiones de ventas para el año siguiente, que se basarán
en las ventas del año anterior multiplicadas por 1,06 para tener en cuenta el aumento del 6 % previsto en los
negocios. Para este cálculo, Jan creará su propia medida. Mediante la característica Nueva medida, crea otra
medida y luego escribe la siguiente fórmula DAX:

Projected Sales = SUM('Sales'[Last Years Sales])*1.06

Después Jan arrastra la nueva medida Ventas previstas hasta el gráfico.

Rápidamente y con el mínimo esfuerzo, ahora Jan tiene una medida para calcular las ventas previstas. Jan puede
analizar con más detalle los pronósticos al filtrar por revendedores específicos o agregar otros campos al informe.
Categorías de datos de medidas
También puede elegir categorías de datos de medidas.
Entre otras cosas, estas categorías de datos le permiten usar medidas para crear direcciones URL de forma
dinámica y marcar la categoría de datos como URL web.
Puede crear tablas que muestren las medidas como URL web y en las que pueda hacer clic en la dirección URL que
se crea según su selección. Esto es especialmente útil si quiere establecer vínculos con otros informes de Power BI
con parámetros de filtro de URL.

Organización de las medidas

Las medidas tienen una tabla Inicio que define dónde se encuentran en la lista de campos. Puede cambiar su
ubicación eligiendo una ubicación de las tablas en el modelo.

También puede organizar los campos de una tabla en carpetas para mostrar. Seleccione Modelo en el margen
izquierdo de la ventana de Power BI Desktop. En el panel Propiedades , seleccione el campo que quiere mover de
la lista de campos disponibles. Escriba el nombre de una nueva carpeta en Carpeta para mostrar para crear una
carpeta. Al crear una carpeta, el campo seleccionado se mueve a esa carpeta.

Puede crear subcarpetas mediante un carácter de barra diagonal inversa. Por ejemplo Finance\Currencies crea una
carpeta Finance y, dentro de ella, una carpeta Currencies.
Puede hacer que un campo aparezca en varias carpetas mediante un punto y coma para separar los nombres de
carpeta. Por ejemplo, Products\Names;Departments hace que el campo aparezca en una carpeta Departments, así
como en una carpeta Names dentro de una carpeta Products.
Puede crear una tabla especial que solo contenga medidas. Esa tabla siempre aparece en la parte superior de la
lista Campos . Para ello, cree una tabla con una sola columna. Puede usar Especificar datos para crear esa tabla.
Luego, mueva las medidas a esa tabla. Por último, oculte la columna (no la tabla) que creó. Seleccione la flecha
situada en la parte superior de Campos para cerrar y volver a abrir la lista de campos para ver los cambios.

Más información
Aquí solo ofrecemos una breve introducción a las medidas. Hay mucho más para ayudarle a aprender a crear las
suyas propias. Para más información, consulte el Tutorial: Creación de medidas propias en Power BI Desktop. Puede
descargar un archivo de ejemplo y obtener lecciones paso a paso sobre cómo crear otras medidas.
Para profundizar un poco más en DAX, vea Aspectos básicos de DAX en Power BI Desktop. La referencia de
expresiones de análisis de datos proporciona artículos detallados sobre cada una de las funciones, la sintaxis, los
operadores y las convenciones de nomenclatura. DAX lleva varios años en Power Pivot en Excel y SQL Server
Analysis Services. También hay muchos otros excelentes recursos disponibles. Asegúrese de revisar el wiki del
centro de recursos de DAX, donde miembros destacados de la comunidad de BI comparten sus conocimientos
sobre DAX.
 Importar y mostrar KPI en Power BI
20/07/2020 • 2 minutes to read • Edit Online

Con Power BI Desktop , puede importar y mostrar los KPI en tablas, matrices y tarjetas.
Siga estos pasos para importar y mostrar los KPI.
1. Comience con un libro de Excel que tenga un modelo de Power Pivot y KPI. En este ejercicio se usa un libro
denominado KPI.
2. Importe el libro de Excel en Power BI, mediante Archivo -> Impor tar -> Contenido de libro de Excel .
También puede obtener información sobre cómo importar libros.
3. Después de la importación en Power BI, aparecerá el KPI en el panel Campos , marcado con el icono de .
Para usar un KPI en el informe, asegúrese de expandir su contenido, exponiendo los campos Valor ,
Objetivo y Estado .

4. Los KPI importados son útiles en los tipos de visualización estándar, como el tipo Tabla . Power BI también
incluye el tipo de visualización KPI , que solo se debe usar para crear nuevos KPI.
Y eso es todo. Puede usar los KPI para resaltar tendencias, el progreso u otros indicadores importantes.
 Aplicación de fecha y hora automáticas en Power BI
Desktop
14/07/2020 • 11 minutes to read • Edit Online

Este artículo se dirige a los modeladores de datos que desarrollan modelos compuestos o de importación en
Power BI Desktop. Presenta y describe la opción Fecha y hora automáticas.
La opción Fecha y hora automáticas es una opción de carga de datos de Power BI Desktop. El objetivo de esta
opción es facilitar la creación de prácticos informes de inteligencia de tiempo basados en columnas de fecha
cargadas en un modelo. En concreto, permite a los autores de los informes usar el modelo de datos para filtrar,
agrupar y explorar en profundidad empleando períodos de tiempo de calendario (años, trimestres, meses y días).
Lo importante es que no es necesario desarrollar de forma explícita estas funcionalidades de inteligencia de
tiempo.
Cuando se habilita esta opción, Power BI Desktop crea una tabla oculta de fecha y hora automáticas para cada
columna de fecha, siempre que se cumplan todas las condiciones siguientes:
El modo de almacenamiento de tabla es Importar
El tipo de datos de la columna es fecha o fecha/hora
La columna no es el lado "varios" de una relación de modelo

Cómo funciona
Cada tabla de fecha y hora automáticas es en realidad una tabla calculada que genera filas de datos mediante la
función DAX CALENDAR. Cada tabla también incluye seis columnas calculadas: Day , MonthNo , Month ,
Quar terNo , Quar ter y Year .

NOTE
Power BI traduce los nombres de las columnas y los valores según el idioma del modelo y les da formato. Por ejemplo, si el
modelo se ha creado con el idioma inglés, se seguirán mostrando los nombres de los meses (y similares) en inglés, incluso al
consultarlos mediante un cliente en coreano.

Power BI Desktop también crea una relación entre la columna Date de la tabla de fecha y hora automáticas y la
columna de fecha del modelo.
La tabla de fecha y hora automáticas contiene años naturales completos que abarcan todos los valores de fecha
almacenados en la columna de fecha del modelo. Por ejemplo, si el valor más antiguo de una columna de fecha es
el 20 de marzo de 2016 y el último valor es el 23 de octubre de 2019, la tabla contendrá 1461 filas. Representa una
fila por cada fecha en los cuatro años naturales de 2016 a 2019. Cuando Power BI actualiza el modelo, también se
actualizan todas las tablas de fecha y hora automáticas. De este modo, el modelo siempre contiene fechas que
abarcan los valores de la columna de fecha.
Si fuera posible ver las filas de una tabla de fecha y hora automáticas, podrían tener un aspecto similar al siguiente:
 NOTE
Las tablas de fecha y hora automáticas están ocultas permanentemente, incluso para los modeladores. No se pueden ver en
el panel Campos ni en el diagrama de vistas de modelos y sus filas no se pueden ver en la vista de datos. Además, las
expresiones DAX no pueden hacer referencia directamente a la tabla y a su columna.
Tampoco es posible trabajar con ellas al usar Analizar en Excel ni al conectarse al modelo mediante diseñadores de informes
que no sean de Power BI.

La tabla también define una jerarquía, que proporciona objetos visuales con una ruta de exploración en
profundidad a través de los niveles de año, trimestre, mes y día.
Si fuera posible ver una tabla de fecha y hora automáticas en el diagrama de vistas de modelos, podría tener el
siguiente aspecto (se resaltan las columnas relacionadas):

Trabajar con fecha y hora automáticas

Cuando existe una tabla de fecha y hora automáticas para una columna de fecha (y esa columna está visible), los
autores de informes no encontrarán esa columna como un campo en el panel Campos . En su lugar, buscan un
objeto expansible que tiene el nombre de la columna de fecha. Puede identificarlo fácilmente porque está indicado
con un icono de calendario. Cuando los autores de los informes expandan el objeto de calendario, encontrarán una
jerarquía denominada Jerarquía de fechas . Al expandir la jerarquía, encontrarán cuatro niveles: Year (Año),
Quar ter (Trimestre), Month (Mes) y Day (Día).
La jerarquía generada de fecha y hora automáticas se puede usar para configurar un objeto visual exactamente de
la misma manera que se pueden usar las jerarquías normales. Los objetos visuales se pueden configurar con la
jerarquía Date Hierarchy (Jerarquía de fechas) completa o con niveles específicos de la jerarquía.
Sin embargo, existe una funcionalidad agregada que no admiten las jerarquías normales. Cuando la jerarquía de
fecha y hora automáticas (o un nivel de la jerarquía) se agrega a un contenedor de objetos visuales, los autores de
los informes pueden usar la jerarquía o bien la columna de fecha. Este enfoque tiene sentido para algunos objetos
visuales, cuando lo único que necesitan es la columna de fecha, no la jerarquía y sus niveles. En primer lugar,
configurarán el campo visual (haga clic con el botón derecho en el campo visual o haga clic en la flecha hacia abajo)
y, a continuación, usarán el menú contextual para cambiar entre la columna de fecha o la jerarquía de fechas.

Por último, los cálculos del modelo, escritos en DAX, pueden hacer referencia a una columna de fecha directamente
o a las columnas de la tabla oculta de fecha y hora automáticas indirectamente.
La fórmula escrita en Power BI Desktop puede hacer referencia a una columna de fecha de la manera habitual. Sin
embargo, se debe hacer referencia a las columnas de la tabla de fecha y hora automáticas con una sintaxis
extendida especial. En primer lugar, debe hacer referencia a la columna de fecha seguida de un punto (.). A
continuación, la funcionalidad de autocompletar de la barra de fórmulas le permitirá seleccionar una columna de la
tabla de fecha y hora automáticas.
En Power BI Desktop, una expresión de medida válida podría ser:

Date Count = COUNT(Sales[OrderDate].[Date])

NOTE
Aunque esta expresión de medida es válida en Power BI Desktop, no es una sintaxis DAX correcta. Internamente, Power BI
Desktop transpone la expresión para hacer referencia a la columna de la tabla (oculta) de fecha y hora automáticas real.

Configuración de la opción de fecha y hora automáticas

La fecha y hora automáticas se pueden configurar globalmente o para el archivo actual. La opción global se aplica a
los nuevos archivos de Power BI Desktop y se puede activar o desactivar en cualquier momento. Para una nueva
instalación de Power BI Desktop, ambas opciones están activadas de forma predeterminada.
También se puede activar o desactivar la opción de archivo actual en cualquier momento. Cuando esta opción está
activada, se crean tablas de fecha y hora automáticas. Si está desactivada, todas las tablas de fecha y hora
automáticas se quitan del modelo.
Cau t i on

Tenga cuidado a la hora de desactivar la opción de archivo actual, ya que se quitarán las tablas de fecha y hora
automáticas. Asegúrese de corregir los objetos visuales o filtros de informes con errores que se hayan configurado
para usarse.
En Power BI Desktop, seleccione Archivo > Opciones y configuración > Opciones y, luego, seleccione la página
Global o Archivo actual . En cualquiera de las páginas, la opción está en la sección Inteligencia de tiempo .
Pasos siguientes
Para obtener más información sobre este artículo, consulte los recursos siguientes:
Guía sobre la fecha y hora automáticas en Power BI Desktop
Creación de tablas de fechas en Power BI Desktop
Configuración y uso de tablas de fechas en Power BI Desktop
¿Tiene alguna pregunta? Pruebe a preguntar a la comunidad de Power BI
¿Sugerencias? Ideas para contribuir a mejorar Power BI
 Promoción o certificación de flujos de datos (versión
preliminar)
05/10/2020 • 5 minutes to read • Edit Online

Power BI proporciona dos maneras de aumentar la visibilidad de los flujos de datos valiosos y de alta calidad: la
promoción y la cer tificación .
Promoción : permite a los usuarios resaltar los flujos de datos que piensan que son valiosos y que pueden
merecer la pena para otros usuarios. De esta manera, se fomenta la diseminación colaborativa de los flujos
de datos dentro de una organización. Cualquier propietario de flujos de datos, o cualquier miembro con
permisos de escritura en el área de trabajo donde se encuentra un flujo de datos, puede promoverlo
simplemente cuando crea que tiene la calidad suficiente como para compartirlo.
Cer tificación : la certificación significa que un revisor autorizado ha comprobado un flujo de datos y es
realmente un origen de datos con autoridad y confiable listo para usarlo en toda la organización. Un grupo
de revisores seleccionados por el administrador de Power BI determina qué flujos de datos se deben
certificar. Un usuario que considere que un flujo de datos concreto se debe certificar, pero que no esté
autorizado para certificarlo, debe ponerse en contacto con el administrador.
La certificación de flujos de datos solo es posible si el administrador de Power BI la ha habilitado.
La promoción o certificación de un flujo de datos se denomina aprobación. Los creadores de informes de Power BI
suelen tener muchos flujos de datos diferentes entre los que elegir, y la aprobación sirve para guiarlos a los que
son de confianza y de calidad.
Los flujos de datos aprobados se etiquetan con claridad en muchos lugares de Power BI, lo que facilita que los
creadores de informes los encuentren cuando buscan datos confiables y que, junto a los administradores, realicen
el seguimiento de cómo se usan en toda la organización.
En la imagen siguiente se muestra cómo se identifican fácilmente los flujos de datos promocionados y certificados
en Power Query.

En este artículo se describe

La promoción de un flujo de datos (por el propietario del flujo de datos o cualquier usuario con permisos de
miembro en el área de trabajo donde se encuentra el flujo de datos)
La certificación de un flujo de datos (por el certificador de flujo de datos autorizado, en función de lo que
 determine el administrador de Power BI)
Para obtener información sobre cómo configurar la certificación de flujo de datos (administrador), vea
Configuración de la certificación de conjuntos de datos y flujos de datos

Promoción de un flujo de datos

Para promover un flujo de datos, debe tener permisos de escritura en el área de trabajo donde se encuentra el flujo
de datos que quiera promover.
1. Vaya a la lista de flujos de datos en el área de trabajo.
2. Seleccione Más opciones (...) en el flujo de datos que quiera promocionar y, después, seleccione
Configuración .

3. Expanda la sección de aprobación y seleccione Promocionados .

4. Seleccione Aplicar .

Certificación de un flujo de datos

Esta sección está destinada a los usuarios que han recibido autorización de su administrador de Power BI para
certificar flujos de datos. La certificación de los flujos de datos es una gran responsabilidad. En esta sección se
explica el proceso de certificación que se realiza.
1. Obtenga permisos de escritura en el área de trabajo donde reside el flujo de datos que quiera certificar.
Podría ser del propietario del flujo de datos o de cualquiera que tenga permisos de administrador en el área
de trabajo.
2. Revise detenidamente el flujo de datos y determine si merece la certificación.
3. Si decide certificar el flujo de datos, vaya al área de trabajo donde se encuentre.
4. Localice el flujo de datos que busca, haga clic en Más opciones (...) y, después, seleccione Configuración .

5. Expanda la sección de aprobación y haga clic en Cer tificados .

6. Haga clic en Aplicar .

Pasos siguientes
Configuración de la certificación de conjuntos de datos y flujos de datos
¿Tiene alguna pregunta? Pruebe a preguntar a la comunidad de Power BI
 Conexión a datos creados por flujos de datos de
Power Platform en Power BI Desktop
23/09/2020 • 6 minutes to read • Edit Online

En Power BI Desktop , puede conectarse a datos creados por flujos de datos de Power Platform al igual que
con cualquier otro origen de datos en Power BI Desktop.

El conector de flujos de datos de Power Platform permite conectarse a las entidades creadas por flujos de
datos en el servicio Power BI.

Consideraciones y limitaciones
Para usar el conector de flujos d Power Platform , debe ejecutar una versión reciente de Power BI Desktop .
Siempre puede descargar Power BI Desktop e instalarlo en su equipo para asegurarse de que dispone de la versión
más reciente.
 NOTE
La versión anterior del conector de flujos de datos de Power Platform requiere que descargue un archivo .MEZ y que lo
coloque en una carpeta. Las versiones actuales de Power BI Desktop incluyen el conector de flujos de datos de
Power Platform, de manera que ya no se requiere el archivo y puede causar conflictos con la versión incluida del conector. Si
colocó manualmente el archivo .MEZ en la carpeta, debe eliminar ese archivo .MEZ descargado de la carpeta Documentos >
Power BI Desktop > Conectores personalizados para evitar conflictos.

Rendimiento de Desktop
Power BI Desktop se ejecuta localmente en el equipo donde está instalado. El rendimiento de la ingesta de los
flujos de datos se determina según una serie de factores. Dichos factores incluyen el tamaño de los datos, la CPU y
la RAM del equipo, el ancho de banda de red, la distancia desde el centro de datos y otros factores.
Puede mejorar el rendimiento de la ingesta de datos para los flujos de datos. Por ejemplo, si el tamaño de los datos
ingeridos es demasiado grande como para que Power BI Desktop los administre en el equipo, puede usar
entidades vinculadas y calculadas en los flujos de datos para agregar los datos (dentro de los flujos de datos) e
ingerir solo los datos agregados preparados previamente.
De esa forma, el procesamiento de datos grandes se realiza en línea en los flujos de datos, en lugar de realizarse
localmente en la instancia en ejecución de Power BI Desktop . Este enfoque permite que Power BI Desktop ingiera
cantidades de datos más pequeñas y mantiene la experiencia con los flujos de datos rápida y con capacidad de
respuesta.

Consideraciones y limitaciones
La mayoría de los flujos de datos residen en el inquilino del servicio Power BI. Sin embargo, los usuarios de Power
BI Desktop no pueden acceder a los flujos de datos almacenados en la cuenta de Azure Data Lake Storage Gen2, a
menos que sean propietarios del flujo de datos o que tengan autorización explícita para la carpeta de CDS del flujo
de datos. Considere la siguiente situación:
1. Anna crea un área de trabajo y la configura para almacenar flujos de datos en la instancia de Data Lake de la
organización.
2. Ben, que también es miembro del área de trabajo que ha creado Anna, quiere usar Power BI Desktop y el
conector de flujo de datos para obtener datos del flujo de datos que ha creado su compañera.
3. Ben recibe un error porque no se le ha agregado como usuario autorizado en la carpeta CDM del flujo de
datos de la instancia de Data Lake.

Para resolver este problema, Ben debe tener permisos de lector para la carpeta de CDS y sus archivos. Puede
aprender más sobre cómo acceder a la carpeta de CDS en este artículo.

Pasos siguientes
Hay un montón de cosas interesantes que puede hacer con los flujos de datos de Power Platform. Para más
información, consulte los siguientes recursos:
Preparación de datos de autoservicio con flujos de datos
Creación y uso de flujos de datos en Power BI
Uso de entidades calculadas en Power BI Premium (versión preliminar)
Uso de flujos de datos con orígenes de datos locales (versión preliminar)
Recursos de desarrollador para flujos de datos de Power Platform (versión preliminar)
Para más información sobre la integración con Azure Data Lake Storage Gen2, consulte los artículos siguientes:
Integración de flujos de datos y Azure Data Lake (versión preliminar)
Configuración de opciones de flujo de datos del área de trabajo (versión preliminar)
Incorporación de una carpeta de CDS a Power BI como flujo de datos (versión preliminar)
Conexión a Azure Data Lake Storage Gen2 para el almacenamiento del flujo de datos (versión preliminar)
También hay artículos sobre Power BI Desktop que pueden resultarle útiles:
Orígenes de datos en Power BI Desktop
Combinar datos y darles forma con Power BI Desktop
Especificar datos directamente en Power BI Desktop
 Editor de fórmulas de Power BI Desktop
23/09/2020 • 2 minutes to read • Edit Online

A partir de la versión de Power BI Desktop de octubre de 2018, el editor de fórmulas (a menudo denominado
editor de DAX) incluye eficaces mejoras de edición y métodos abreviados para que el proceso de creación y edición
de fórmulas sea más sencillo e intuitivo.

Uso del editor de fórmulas

Puede usar los siguientes métodos abreviados de teclado para aumentar la productividad y optimizar la creación
de fórmulas en el editor de fórmulas.

C O M A N DO DE T EC L A DO RESULTA DO

Ctrl+C Copiar línea (selección vacía)

Ctrl+G Ir a línea...

Ctrl+I Seleccionar la línea actual

Ctrl+M Cambiar de una pestaña a otra

Ctrl+U Deshacer la última operación de cursor

Ctrl+X Cortar línea (selección vacía)

Ctrl+Entrar Insertar línea debajo

Ctrl+Mayús+Entrar Insertar línea encima

Ctrl+Mayús+\ Saltar al corchete correspondiente

Ctrl+Mayús+K Eliminar línea

Ctrl+] / [ Aplicar sangría o anular sangría de línea

Ctrl+Inicio Ir al principio del archivo

Ctrl+Fin Ir al final del archivo

Ctrl+↑ / ↓ Desplazarse línea arriba/abajo

Ctrl+Mayús+Alt + (tecla de flecha) Selección de columnas (cuadro)

Ctrl+Mayús+Alt +Re Pág/Av Pág Página arriba/abajo para selección de columnas (cuadro)

Ctrl+Mayús+L Seleccionar todas las apariciones de la selección actual

Ctrl+Alt+ ↑ / ↓ Insertar el cursor encima o debajo

 C O M A N DO DE T EC L A DO RESULTA DO

Ctrl+F2 Seleccionar todas las apariciones de la palabra actual

Shift+Alt + (arrastrar mouse) Selección de columnas (cuadro)

Mayús+Alt + ↓ / ↑ Copiar línea arriba/abajo

Mayús+Alt+→ Ampliar selección

Mayús+Alt+← Contraer selección

Mayús+Alt+I Insertar el cursor al final de cada línea seleccionada

Alt+ ↑ / ↓ Mover línea arriba/abajo

Alt+Re pág / Av pág Desplazarse página arriba/abajo

Alt+Clic Insertar cursor

Inicio/fin Ir al principio o al final de la línea

Pasos siguientes
En los artículos siguientes se proporcionn más información sobre las fórmulas y DAX en Power BI Desktop.
Aspectos básicos de DAX en Power BI Desktop
DAX en Power BI Desktop Curso de Microsoft Learn
DAX reference (Referencia de DAX)