INTRODUCCION AL

CURSO
¿Qué es SQL Server Analysis Services?

You can delete this slide when you’re done editing the presentation.
MULTIDIMENSIONAL TABULAR
SQL
SERVER
DATA
TOOLS
Prerrequisitos del
Curso SQL Server
Analysis Servicess
 Pre - Requisitos
➢ Conocimientos básicos
de Base de datos

➢ Conocimientos básicos
de Excel
Arquitectura Business
Intelligence (BI)
 Business Intelligence
Semantic Model (BISM)
Base de Datos Relacional
vs Data Warehouse
Base de Datos
Relacional
Una base de datos contiene información organizada en
columnas, filas y tablas que se indexa periódicamente para que
el acceso a la información relevante sea más accesible.

Las organizaciones utilizan con mayor frecuencia bases de datos

para el procesamiento de transacciones en línea (OLTP). El
software de base de datos debe proporcionar un acceso fácil a la
información y consultas rápidas para que las transacciones
puedan llevarse a cabo de manera eficiente.
 Estructura de datos
La mayoría de las bases de datos utilizan una estructura de
datos normalizada. La normalización de datos significa
reorganizar los datos para que no contengan datos
redundantes, y todos los elementos de datos relacionados se
almacenan juntos, con los datos relacionados separados en
varias tablas. La normalización de los datos garantiza que la
base de datos ocupe un espacio mínimo en el disco, mientras
que los tiempos de respuesta se maximizan.
Data Warehouse
En términos más completos, un Data Warehouse es una vista
consolidada de un depósito de datos físicos o lógicos recopilados de
varios sistemas. El objetivo principal de un almacén de datos es
proporcionar una correlación entre los datos de los sistemas
existentes, es decir, el inventario de productos almacenado en las
órdenes de compra de un sistema para un cliente específico,
almacenado en otro sistema. Los almacenes de datos se utilizan para
el procesamiento analítico en línea (OLAP), que utiliza consultas
complejas para analizar en lugar de procesar transacciones.
Base de Datos Relacional VS
Data Warehouse
La diferencia entre la ”Base de Datos Relacional” y el “Data
Warehouse” es que una base de datos relacional es una base de datos
que almacena datos en tablas que consisten en filas y columnas. Cada
fila tiene una clave principal y cada columna tiene un nombre único. Un
entorno de procesamiento de archivos utiliza los términos archivo,
registro y campo para representar datos. Una base de datos relacional
usa términos diferentes de un sistema de procesamiento de
archivos. Mientras que una aplicación que generalmente usa bases de
datos multidimensionales es un “Data Wrehouse”. Un “Data
Wrehouse” es una gran base de datos que almacena y gestiona los
datos necesarios para analizar las transacciones históricas y
actuales. A través de un almacén de datos, los gerentes y otros
usuarios acceden a transacciones y resúmenes de transacciones de
manera rápida y eficiente.
DATA WAREHOUSE
VS
DATA MART
 Data Warehouse y Data Mart
DIMENSIONES TABLA DE HECHOS

la tabla de dimensiones contiene El registro de una tabla de hechos

atributos a lo largo de los cuales se es una combinación de atributos de
toman medidas en la tabla de diferentes tablas de dimensiones.
hechos. La tabla de hechos ayuda al
usuario a analizar las dimensiones
del negocio, lo que lo ayuda a
tomar decisiones para mejorar su
negocio.
Data Warehouse y Data Mart
MODELO ESTRELLA

El modelo estrella es el más sencillo en

estructura. Consta de una tabla central de
"Hechos" y varias "dimensiones", incluida
una dimensión de "Tiempo". Lo
característico de la arquitectura de estrella
es que sólo existe una tabla de dimensiones
para cada dimensión.
Esto quiere decir que la única tabla que
tiene relación con otra es la de hechos, lo
que significa que toda la información
relacionada con una dimensión debe estar
en una sola tabla.
Data Warehouse y Data Mart
MODELO COPO DE NIEVE

El modelo copo de nieve es una variación o

derivación del modelo estrella. En este modelo la
tabla de hechos deja de ser la única relacionada
con otras tablas ya que existen otras tablas que se
relacionan con las dimensiones y que no tienen
relación directa con la tabla de hechos. El modelo
fue concebido para facilitar el mantenimiento de las
dimensiones, sin embargo esto hace que se
vinculen más tablas a las secuencias SQL,
haciendo la extracción de datos más difícil así como
vuelve compleja la tarea de mantener el modelo.
 MODELO ESTRELLA
VS
MODELO COPO DE NIEVE
Para la creación de un “Datawarehouse” podemos usar dos modelos:
estrella o copo de nieve.
El estrella es el más sencillo además de ser quizás el más utilizado ya
que su estructura es simple y hace que la extracción de datos sea más
rápida, sin embargo para su uso mucha información debe estar
contenida en cada una de las tablas de dimensión.
Si se desea más orden en ese aspecto se puede utilizar el modelo copo
de nieve sin embargo al existir más relaciones en el modelo este se
volvería poco eficiente para buscar la información además de volverse
complejo de mantener.
Por eso es muy recomendable definir bien que se espera del
“Datawarehouse” para utilizar uno de los dos modelos, factores como
tamaño, uso y velocidad de proceso pueden hacer tomar un modelo u
otro.
DATA WAREHOUSE
VS
DATA MART
Un Data Warehouse es un gran depósito de datos recopilados de
diferentes organizaciones o departamentos dentro de una
corporación.

Un Data Mart, en cambio, es un subconjunto único de un Data

Warehouse. Está diseñado para satisfacer las necesidades de un
determinado grupo de usuarios.

Un Data mart se centra en un solo tema, mientras que los datos de

un Data Warehouse comprende datos de todos los departamentos
de la organización donde se actualiza continuamente para eliminar
datos redundantes.
Instalación de
SQL Server 2019
Requisitos
Memory * Minimum:

Express Editions: 512 MB

All other editions: 1 GB

Recommended:

Express Editions: 1 GB

All other editions: At least 4 GB and

should be increased as database size
increases to ensure optimal
performance.
Processor Speed Minimum: x64 Processor: 1.4 GHz

Recommended: 2.0 GHz or faster

Feature Disk space requirement
Database Engine and data files, 1480 MB
Replication, Full-Text Search, and
Data Quality Services
Database Engine (as above) with R 2744 MB
Services (In-Database)
Database Engine (as above) with 4194 MB
PolyBase Query Service for External
Data
Analysis Services and data files 698 MB
Reporting Services 967 MB
Microsoft R Server (Standalone) 280 MB
Reporting Services - SharePoint 1203 MB
Reporting Services Add-in for 325 MB
SharePoint Products
Data Quality Client 121 MB
Client Tools Connectivity 328 MB
Integration Services 306 MB
Client Components (other than SQL 445 MB
Server Books Online components and
Integration Services tools)
Master Data Services 280 MB
SQL Server Books Online 27 MB
Components to view and manage help
content*
All Features 8030 MB
Instalación de
SQL Server
Management Studio
¿Qué es SQL Server
Management Studio
(SSMS)?
SQL Server Management Studio
(SSMS) es un entorno integrado
para administrar cualquier
infraestructura SQL. Usamos
SSMS para acceder, configurar,
administrar y desarrollar todos
los componentes de SQL Server,
Azure SQL Database y SQL Data
Warehouse.
Instalación de
SQL Server Data
Tools
¿Qué es SQL Server
Data Tools (SSDT)?
SQL Server Data Tools se considera
como la siguiente evolución de
Visual Studio basada en
herramientas de base de datos que
proporciona a los desarrolladores
una herramienta única para apoyar
las necesidades del desarrollo de
bases de datos.
Instalación de
Power BI
¿Qué es POWER BI?
Power BI es una colección de
servicios de software,
aplicaciones y conectores que
funcionan conjuntamente para
convertir orígenes de datos sin
relación entre sí en información
coherente, interactiva y
atractiva visualmente.

Sus datos pueden ser una hoja de cálculo de Excel o una colección
de almacenes de datos híbridos locales y basados en la nube. Power
BI permite conectarse con facilidad a los orígenes de datos,
visualizar y descubrir qué es importante y compartirlo con
cualquiera o con todos los usuarios que desee.
DIMENSIONES
¿Qué son las
Dimensiones?
Las dimensiones SSAS son grupos de
atributos basados ​en columnas de
tablas o vistas en una vista de origen
de datos. Las dimensiones existen
independientemente de un cubo, se
pueden usar en varios cubos, se
pueden usar varias veces en un solo
cubo y se pueden vincular entre
instancias de Analysis Services.
Ejercicio
 Realizar la implementación de la Dimensión
Currency, con las siguientes especificaciones:

Tabla de Dimensión Dim Currency

Key Columns Currency Key

Column containing the member CurrencyAlternateKey

name
Atributos adicionales Ninguno

Jerarquías Ninguno
JERARQUÍAS Y
NIVELES
 ¿Qué son las
Jerarquías y niveles?
Las jerarquías son grupos de
columnas dispuestas en niveles.
Las jerarquías pueden aparecer
separadas de otras columnas en
una lista de campos de
aplicación cliente de generación
de informes, lo que facilita que
los usuarios puedan navegar
por ellas e incluirlas en un
informe.
Navegación entre niveles de una jerarquía

Padre (parent)
Hermanos (siblings)
Hijos (children)
Ancestros (ancestors)
Descendientes (descendants)
Primos (cousin)
Ejercicio
 Realizar la implementación de la Dimensión
Promotion, con las siguientes especificaciones:

Tabla de Dimensión Dim Promotion

Key Columns Promotion Key

Column containing the member English Promotion Name

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Discount Pct [Link] Pct

English Promotion Type [Link]

English Promotion Category [Link]

Jerarquía Niveles

i. PromotionCategory
Promotion Categories ii. PromotionType
iii. PromotionName
DIMENSIONES
SNOWFLAKE
 ¿Qué son las
Dimensiones SnowFlake?
Se considera Dimensión
SnowFlake por que a través de
una dimensión podemos traer
dimensiones que mantienen una
relación.
Se muestran las tablas de
Dimensión
DimProductSubcategory y
Dimensión DimProductCategory
que se encuentran enlazadas
entre sí a través de relaciones.
Ejercicio
Realizar la implementación de la Dimensión
Product, con las siguientes especificaciones:

Tabla de Dimensión Dim Product

Key Columns Product Key

Column containing the member English Product Name

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

English Product Category Name [Link]

English Product Subcategory Name [Link]

English Description [Link]

Desmarcar el Atributo Product Subcateory Key

Desmarcar el Atributo Product Category Key
Jerarquía Niveles

i. ProductCategoryName
Products Categories ii. ProductSubcategoryName
iii. ProductName
Cálculos con Nombre o
Named Calculation
¿Qué son los Cáculos con
Nombre?
un cálculo con nombre no es más que
crear una nueva columna y agregarla a
una tabla o vista en la vista de origen de
datos.
El cálculo con nombre le permite agregar
una columna adicional a las tablas o
vistas presentes en la vista de fuente de
datos SSAS.
Los named calculations no afectan la
estructura del origen de datos. Solo
afectan al data source view
Ejercicio
 Vamos a crear los name calculation en las
siguientes dimensiones:
Tabla de Dimensión Name Calculation Script
FirstName + ' ' + ISNULL(MiddleName,'') + ' ' + LastName
FullName

CASE
WHEN MaritalStatus = 'M' THEN 'Married'
DimEmployee MaritalStatusDescription WHEN MaritalStatus = 'S' THEN 'Single'
ELSE 'Not defined'
END
CASE
WHEN Gender = 'M' THEN 'Male'
GenderDescription WHEN Gender = 'F' THEN 'Female'
END
Tabla de Dimensión Name Calculation Script
FirstName + ' ' + isnull(MiddleName, '') + ' ' + LastName +
FullName isnull(Suffix,'') + ' - ' + CustomerAlternateKey

CASE
WHEN MaritalStatus = 'M' THEN 'Married'
DimCustomer MaritalStatusDescription WHEN MaritalStatus = 'S' THEN 'Single'
ELSE 'Not defined'
END
CASE
WHEN Gender = 'M' THEN 'Male'
GenderDescription WHEN Gender = 'F' THEN 'Female'
END
Tabla de Dimensión Name Calculation Script
'Semester ' + CAST(CalendarSemester AS CHAR(1)) + '
Semester – ' + CAST(CalendarYear AS CHAR(4))

DimDate 'Trimester ' + CAST(CalendarQuarter AS CHAR(1)) + ' – '

Trimester + CAST(CalendarYear AS CHAR(4))

EnglishMonthName + ' ' + CAST(CalendarYear AS

Month CHAR(4))
DIMENSIONES
PADRE - HIJO
¿Qué son las Dimensiones
Padre - Hijo?
Una jerarquía padre-hijo es una
jerarquía en una dimensión
estándar que contiene un
atributo padre. Un atributo
padre describe una relación de
autorreferencia , o autounión ,
dentro de una tabla principal de
dimensiones. Las jerarquías
padre-hijo se construyen a
partir de un solo atributo padre.
Ejercicio
 Realizar la implementación de la Dimensión
Employee, con las siguientes especificaciones:

Tabla de Dimensión Dim Employee

Key Columns Employee Key

Column containing the member FullName (Named Calculation)

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Parent Employee Key [Link]

Title [Link]

Email Address [Link]

Department Name [Link] Name

Sales Territory Region [Link]

Sales Territory Country [Link]

Sales Territory Group [Link]

Desmarcar el Atributo Sales Territory Key

Jerarquía Niveles

i. DepartmentName
Departament ii. Title
iii. FullName
i. SalesTerritoryGroup
ii. SalesTerritoryCountry
Employee Ubication
iii. SalesTerritoryRegion
iv. FullName
RELACIONES DE
ATRIBUTOS
¿Qué son las Relaciones
de Atributos?
Las relaciones de atributos se
utiliza los Para optimizar el
funcionamiento de las
dimensiones.
Ejercicio
Realizar las Relaciones de Atributos de las
siguientes Dimensiones:
Dimensiones

Promotion

Product

Employee
DIMENSION
TIEMPO
¿Qué es la Dimensiones
Tiempo?
En Microsoft SQL Server
Analysis Services, una
dimensión de tiempo es un tipo
de dimensión cuyos atributos
representan períodos de
tiempo, como años, semestres,
trimestres, meses y días. Los
períodos en una dimensión de
tiempo proporcionan niveles de
granularidad basados en el
tiempo para análisis e informes.
Ejercicio
Realizar la implementación de la Dimensión
Date, con las siguientes especificaciones:

Tabla de Dimensión Dim Date

Key Columns Date Key

Column containing the member Date Key

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Full Date Alternate Key [Link]

Calendar Year [Link]

Semester [Link]

Trimester [Link]

Month [Link]
Jerarquía Niveles

i. Year
ii. Semestre
Calendar
iii. Trimestre
iv. Month
AGRUPACIÓN DE
MIEMBROS
¿Qué es la Agrupación
de Miembros?
La agrupación de miembros crea
agrupaciones. De forma
predeterminada, Analysis Services
no realiza agrupaciones. Si habilita
las agrupaciones automáticas,
puede permitir que Analysis
Services determine
automáticamente el mejor método
de agrupación en función de la
estructura del atributo
Ejercicio
En el presente ejercicio vamos a definir
las propiedades de agrupamiento en la
Dimensión Producto.
IMPLEMENTANDO LA
DIMENSION SALES
TERRITORY
Ejercicio
 Realizar la implementación de la Dimensión
Sales Territory, con las siguientes especificaciones:

Tabla de Dimensión Dim Sales Territory

Key Columns Sales Territory Key

Column containing the member Sales Territory Region

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Sales Territory Country [Link]

Sales Territory Group [Link]

Jerarquía Niveles

i. Sales Territory Group

Sales Territory Ubication ii. Sales Territory Country
iii. Sales Territory Region
IMPLEMENTANDO LA
DIMENSION RESELLER
Ejercicio
 Realizar la implementación de la Dimensión
Reseller, con las siguientes especificaciones:

Tabla de Dimensión Dim Reseller

Key Columns Reseller Key

Column containing the member Reseller Name

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Sales Territory Country [Link]

Sales Territory Group [Link]

Sales Territory Region [Link]

Country – Region [Link]

State Province Name [Link]

City [Link]

Business Type [Link]

Desmarcar los atributos Geography Key.

Desmarcar los atributos Sales Territory Key

Establecer el “key” del atributo City en combinación con State Province Name
y el Name Column como City.
Jerarquía Niveles

i. Sales Territory Group

ii. Sales Territory Country
Reseller Sales Territories
iii. Sales Territory Region
iv. Reseller Name
i. Country – Region
ii. State Province Name
Reseller Ubication
iii. City
iv. Reseller Name
i. Business Type
Business Types
ii. Reseller Name
 IMPLEMENTANDO LA
DIMENSION CUSTOMER
Ejercicio
 Realizar la implementación de la Dimensión
Customer, con las siguientes especificaciones:

Tabla de Dimensión Dim Customers

Key Columns Customer Key

Column containing the member Full Name(Named Calculation)

name
Atributos adicionales Si

Jerarquías Si
 Atributo(os) Columna de Origen

Sales Territory Country [Link]

Sales Territory Group [Link]
Sales Territory Region [Link]
Country – Region [Link]
State Province Name [Link]
City [Link]
Marital Status [Link]
Gender [Link]
Education [Link]
Occupation [Link]
Last Name [Link]

Desmarcar los atributos Geography Key y Sales Territory Key.

Establecer el “key” del atributo City en combinación con State Province Name y el
Name Column como City.
El atributo “Customer Name” debe estar ordenado a través del atributo “Last Name”
Jerarquía Niveles

i. Sales Territory Group

ii. Sales Territory Country
Customer Sales Territories
iii. Sales Territory Region
iv. Customer Name
i. Country – Region
ii. State Province Name
Customer Ubication
iii. City
iv. Customer Name
i. Marital Status
By Marital Status
ii. Customer Name
i. Education
Education Level
ii. Customer Name
i. Occupation
Occupation Type
ii. Customer Name
i. Gender
Customer Gender
ii. Customer Name
CREACION DEL
CUBO
Definición
Un cubo es una estructura de
datos que supera las
limitaciones de las bases de
datos relacionales y
proporciona un análisis
rápido de datos.

Los cubos pueden mostrar y sumar grandes cantidades de

datos, a la vez que proporcionan a los usuarios acceso
mediante búsqueda a los puntos de datos para que los
datos se puedan acumular, segmentar y reorganizar según
sea necesario para administrar la variedad más amplia de
preguntas relevantes para el área de interés de un usuario.
Ejercicio
Realizar la creación de Cubo con las dimensiones
que se han ido creando anteriormente.
Utilizar las siguientes especificaciones:

Measure Group Table FactInternetSales y FactResellerSales

FactInternetSales Promotion Key

FactResellerSales English Promotion Name

MeasureGroup FactInternetSales Si

MeasureGroup FactResellerSales Si
MeasureGroup – Fact Internet Sales

Order Quantity

Discount Amount

Sales Amount

Tax Amt

Freight
MeasureGroup – Fact Reseller Sales

Order Quantity

Discount Amount

Sales Amount

Tax Amt

Freight
DIMENSION
ROLE PLAYING
Definición
Las dimensiones a menudo se
reciclan para múltiples
propósitos dentro de la misma
base de datos. Por ejemplo, una
dimensión "Fecha" se puede
utilizar para "Fecha de venta", así
como "Fecha de entrega" o
"Fecha de contratación". Esto a
menudo se conoce como una
"dimensión de juego de roles".

Básicamente, si la misma dimensión se usa más de una vez

con diferentes nombres en el cubo, entonces se llama
dimensión Role Playing.
Ejercicio
 Mediante la Dimensión Role Playing,
utilizarlo para realizar análisis de datos
en la pestaña de Browser.
RELACIONES
REFERENCIADAS
Definición
Una relación de dimensión referenciada nos permite crear una
relación entre un grupo de medida y una dimensión que está
indirectamente relacionada con el grupo de medida utilizando
una dimensión intermedia.
Ejercicio 1
Realizar la implementación de la Dimensión
Geography y Dimensión Customer, con las
siguientes especificaciones:

Tabla de Dimensión Dim Geography

Key Columns Geography Key

Column containing the member City

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

State Province Name [Link]

Country Region Name [Link]

Jerarquía Niveles

i. Country Region Name

Geographic Location ii. State Province Name
iii. City
Ejercicio 2
Una vez realizado el ejercicio 1, realizar los mismos
pasos para la relación referenciada en la Dimensión
Customer.
RELACION FACT
Definición
Los usuarios a veces desean poder
dimensionar medidas por elementos de
datos que están en la tabla de hechos o
consultar la tabla de hechos para
obtener información relacionada
adicional específica, como números de
factura o números de orden de compra
relacionados con hechos de ventas
específicos.
Cuando define una dimensión basada en
dicho elemento de la tabla de hechos, la
dimensión se denomina dimensión de
hechos.
Ejercicio
Realizar la implementación de la Tabla de Hechos
Fact Internet Sales, con las siguientes
especificaciones:

Tabla de Dimensión Fact Internet Sales

Key Columns Sales Order Number

Sales Order Line Number
Column containing the member Sales Order Number
name
Atributos adicionales No

Jerarquías No
RELACION
MUCHOS A MUCHOS
Definición
En Analysis Services, define una relación de muchos a
muchos entre una dimensión y un grupo de medida
especificando una tabla de hechos intermedia que se une a
la tabla de dimensiones. Una tabla de hechos intermedia se
une, a su vez, a una tabla de dimensiones intermedias a la
que se une la tabla de hechos.
Ejercicio
 Realizar la implementación de la Dimensión
Sales Reason, con las siguientes especificaciones:

Tabla de Dimensión Dim Sales Reason

Key Columns SalesReasonKey

Column containing the member SalesReasonName

name
Atributos adicionales Si

Jerarquías Si
Atributo(os) Columna de Origen

Type [Link]
Jerarquía Niveles

i. Type
Sales Reasons
ii. Reason
IMPLEMENTANDO
FACT RESELLER SALES
Ejercicio
 Realizar la implementación de la Tabla de Hechos
Reseller Sales, con las siguientes especificaciones:

Tabla de Dimensión Fact Reseller Sales

Key Columns Sales Order Number

Sales Order Line Number
Column containing the member Sales Order Number
name
Atributos adicionales No

Jerarquías No
Miembros y
Medidas
¿Qué es MDX?
El lenguaje Multidimensional Expressions (MDX) proporciona
una sintaxis especializada para consultar y manipular los
datos multidimensionales almacenados en cubos OLAP

La consulta de expresiones multidimensionales (MDX) básica

es la instrucción SELECT: la consulta utilizada con más
frecuencia en MDX. Si comprende cómo una instrucción MDX
SELECT debe especificar un conjunto de resultados, en qué
consiste la sintaxis de la instrucción SELECT y cómo crear una
consulta simple mediante la instrucción SELECT.
Miembros
Miembro: el atributo de dimensión se llama
miembro
Medidas
Medida: El atributo de la “tabla de hecho” se
llama Medida.
Estructura
del Query
SELECT
miembro1(.members) ON COLUMNS,
miembro2(.members) ON ROWS
FROM cubo
WHERE filtro(medida)
SELECT
[Source].[Eastem Hemisphere].[Africa],
[Time].[2nd half].[4th quarter]
FROM CuboVentas
WHERE [Measure].[CantidadVentas]
Ejercicio1
Mediante el lenguaje MDX mostrar
la suma total de filas.
Ejercicio2
Mediante el lenguaje MDX mostrar
la cantidad total de filas.
Ejercicio3
Mediante el lenguaje MDX obtener la
Cantidad de Ventas por Internet de
los Productos de Todos los años de
la Fecha de Pedido(Order Date).
Ejercicio4
Mediante el lenguaje MDX obtener la
Cantidad de Ventas por Internet del
Productos “Mountain Bottle Cage”
del año 2014 de la fecha de
pedido(Order Date).
Ejercicio5
Mediante el lenguaje MDX
obtener el Impuesto Acumulado
de Internet(Tax amt) por Países
de Todos los Años de la Fecha de
Envio(Ship Date).
Ejercicio6
Mediante el lenguaje MDX
obtener el Impuesto Acumulado
de Internet(Tax amt) del País de
“Francia” para el año 2012 de la
Fecha de Envío(Ship Date).
Tupas y
Set
Tuplas
Tupla: La colección de medidas o miembros se
llama Tupla y se construye utilizando “( )”,
separado por “,”.
SELECT
[Measure].[CantidadVentas] ON COLUMNS,
(Source.[Eastem Hemisphere].[Africa],
Time.[2nd half].[4th quarter])
FROM CuboVentas
Set
 Set: El grupo de tuplas se llama SET y se
construye utilizando “{ }”, separado por “,”.
SELECT
[Measure].[CantidadVentas] ON COLUMNS,
{
(Source.[Eastem Hemisphere].[Africa]),
(Source.[Western Hemisphere].[Europe])
} ON ROWS
FROM CuboVentas
Ejercicio1
Mediante el lenguaje MDX obtener la
Cantidad de Ventas por Internet del
Genero “Masculino” de los Clientes
de Todos los años de la Fecha de
Pedido(Order Date).
Ejercicio2
Mediante el lenguaje MDX obtener la
Cantidad de Ventas por Internet del
Genero “Masculino” y Genero
“Femenino” de los Clientes de Todos
los años de la Fecha de Pedido(Order
Date).
Ejercicio3
Mediante el lenguaje MDX
obtener las Ventas Totales de
Reseller Sales(Sales Amount)
del Genero “Masculino” de los
Clientes de Todos los Años de la
Fecha de Envio(Ship Date)..
Ejercicio4
Mediante el lenguaje MDX
obtener las Ventas Totales de
Reseller Sales(Sales Amount)
del Genero “Masculino” y Genero
“Femenino” de los Clientes de
Todos los años de la Fecha de
Envío(Ship Date).
With Member
Definición
Un miembro calculado solo es necesario para una
sola consulta de Expresiones multidimensionales
(MDX), puede definir ese miembro calculado
utilizando la palabra clave WITH.
Un miembro calculado que se crea utilizando la
palabra clave WITH, ya no existe una vez que la
consulta ha terminado de ejecutarse.

WITH MEMBER dimensió[Link] AS ‘expresión’

Ejercicio1
Realizar la suma "Sales amount -
Internet Sales" y "Sales amount -
Reseller Sales" para obtener las
Ventas Totales y realizar el calculo
por Países de los distintos años
por fecha de pedido(Order Date).
Ejercicio2
Mediante el lenguaje MDX obtener la el
porcentaje de las ventas acumuladas de
Internet Sales sobre el total de las ventas
acumuladas("Sales amount - Internet Sales" y
"Sales amount - Reseller Sales“) de los Países
correspondientes a los años de fecha de
pedido(Order Date)
Ejercicio3
Mediante el lenguaje MDX
obtener las ventas acumuladas
de Internet del “1er Bimestre” y
“2do Bimestre” del año 2012 de
los distintos Países.
With Set
Definición
Un miembro calculado solo es necesario para una
sola consulta de Expresiones multidimensionales
(MDX), puede definir ese miembro calculado
utilizando la palabra clave WITH.
Un miembro calculado que se crea utilizando la
palabra clave WITH, ya no existe una vez que la
consulta ha terminado de ejecutarse.

WITH SET dimensió[Link] AS ‘expresión’

Ejercicio1
Mostrar las ventas acumuladas de
internet de los distintos productos
de los paises de "Francia" y
"Estados Unidos"
Ejercicio2
Mostrar las ventas acumuladas de internet de
los distintos Clientes de los paises de
"Australia" y "Canada“.
NAVEGACIÓN POR
JERARQUÍA
(PARTE 1)
Definición
Las funciones de dimensión, jerarquía y nivel
resultan útiles para recorrer las estructuras
multidimensionales de Analysis Services. Por lo
general, estas funciones se suelen utilizar junto
con otras para obtener información acerca de los
miembros de una dimensión, jerarquía o nivel.

PARENT – ANCESTOR – EXCEPT

Ejercicio1
Utilizando la navegación PARENT
selecciona la provincia de
Tasmania para saber a que País
pertenece, también mostrar las
ventas acumuladas de internet por
los nombres de sub-categoria.
Ejercicio2
Utilizando la navegación ANCESTORS realizar
las ventas acumuladas de internet de un
producto en particular.
Ejercicio3
Utilizando la navegación EXCEPT mostrar las
ventas totales de internet y el impuesto total
de internet, también mostrar los países
excepto “Francia” y “Canada”
NAVEGACIÓN POR
JERARQUÍA
(PARTE 2)
Definición
Las funciones de dimensión, jerarquía y nivel
resultan útiles para recorrer las estructuras
multidimensionales de Analysis Services. Por lo
general, estas funciones se suelen utilizar junto
con otras para obtener información acerca de los
miembros de una dimensión, jerarquía o nivel.

FIRSTCHILD – LASTCHILD - CHILDREN

Ejercicio1
Utilizando la navegación FIRSTCHILD
consultar las ventas acumuladas del
Primer Semestre del año 2013.
Ejercicio2
Utilizando la navegación LASTCHILD
consultar las ventas acumuladas del
Ultimo Semestre del año 2013.
Ejercicio3
Utilizando la navegación CHILDREN mostrar
las ventas totales de internet y el impuesto
total de internet, también mostrar los hijos de
“Promotion Category – Customer” y
“Promotion Category – Reseller”
FUNCION TIME,
FILTER Y ORDER
 Definición
Función Time
Al realizar prácticamente cualquier tipo de
análisis de datos con un cubo, nos familiarizamos
desde el principio con la necesidad de hacerlo
con referencia al tiempo.
Las funciones de Tiempo están específicamente
diseñadas para admitir análisis basados ​en hora
o fecha. Se aplican en gran medida a las
dimensiones del tipo "hora" o "fecha", pero
también se pueden aplicar a otras dimensiones.
Ejercicio1
Mostrar las ventas acumuladas de internet de los años
2012 y 2013, también agregar una columna adicional
donde identifique el crecimiento que ha tenido con
respecto al año anterior correspondiente a la fecha de
pedido(Order Date).
 Definición
Función Filter
La función Filtro evalúa la expresión lógica
especificada contra cada tupla en el conjunto
especificado. La función devuelve un conjunto
que consta de cada tupla en el conjunto
especificado donde la expresión lógica se evalúa
como verdadera . Si ninguna tupla se evalúa
como verdadera , se devuelve un conjunto vacío.
Ejercicio2
Mediante la instrucción "Filter" mostrar las Ventas
Acumuladas de Internet y los Años de fecha de
pedido(Order Date) donde las Ventas Acumuladas de
Internet sea mayor a 450000.
 Definición
Función Order
La función Orden clasifica los miembros de un
conjunto en orden ascendente o descendente.
Ejercicio3
Mediante la función "Order" mostrar las
Ventas Totales de Internet por País, también
Ordenar por Ventas Totales de Internet.
MIEMBROS
CALCULADOS
Definición
Los miembros calculados son miembros de una
dimensión o un grupo de medida que se define en
función de una combinación de datos de cubo,
operadores aritméticos, números y funciones.

Al agregar cada medida calculada en los

proyectos de Cubo y Modelos en Visual Studio,
estos proyectos se implementarán y procesarán
para actualizar la base de datos y luego en SSMS,
la base de datos deberá actualizarse para ver las
nuevas medidas calculadas agregadas.
Ejercicio1
Realizar la creación de la Medida Calculada
llamada "Ventas del Periodo Pasado", donde se va
a realizar la comparación del Periodo Actual con
la Medida Calculada que se ha procedido a crear.
Ejercicio2
Crear la Medida Calculada llamada "Porcentaje de
Venta", donde se tiene que indicar el Porcentaje de
crecimiento correspondiente.
KEY PERFORMANCE INDICATOR
KPI
Definición
En Analysis Services, un KPI es una colección de
cálculos asociados con un grupo de medida en un
cubo que se utilizan para evaluar el éxito
empresarial. Normalmente, estos cálculos son
una combinación de expresiones de Expresiones
multidimensionales (MDX) o miembros
calculados.
Ejercicio1
Desarrollar un KPI para las Ventas Acumuladas
de Internet para el País de los "Estados Unidos",
donde el objetivo es poder identificar si las
Ventas Totales de Internet es "Mayor" al 50% de
las Ventas Acumuladas de Reseller.
Ejercicio2
Desarrollar un KPI para las Ventas Acumuladas de
Internet para el País de los “Francia", donde el objetivo
es poder identificar si las Ventas Totales de Internet es
"Mayor" al 50% de las Ventas Acumuladas de Reseller.
TRADUCCIONES
Definición
Se puede definir traducciones en las Herramientas
de datos de SQL Server utilizando el diseñador
apropiado para el objeto de Analysis Services que
se traducirá.
La definición de una traducción crea un objeto de
traducción asociado con el objeto apropiado de
Analysis Services que tiene los valores literales
explícitos especificados, en el idioma
especificado, para las propiedades del objeto
asociado de Analysis Services.
Ejercicio
Mediante “Traducciones” en SQL Server Anslisys
Services, realizar la traducción al lenguaje que
corresponda a tu País.
PERSPECTIVA
Definición
Para agregar una perspectiva a un cubo, primero
debemos decidir qué objetos incluir en nuestra
perspectiva.
Cada perspectiva es vista por el usuario final
como un cubo distinto, en el cual solo participan
las medidas y dimensiones de su interés, también
permite la navegación mas rápida y sencilla por el
cubo.
Ejercicio
Mediante “Perspectiva” en SQL Server Anslisys
Services, realizar la perspectiva para las ventas
realizadas correspondiente a Internet.
VISTA PREVIA Y
FILTRO
Definición
Puede aplicar filtros al importar datos para
controlar las filas que se cargan en una tabla. Una
vez importados los datos, no se pueden eliminar
filas individuales. Sin embargo, puede aplicar
filtros personalizados para controlar la manera en
que se muestran las filas. Las filas que no
cumplen los criterios de filtrado están ocultas.
Puede filtrar por una o varias columnas.
Ejercicio
Una vez establecida la conexión a la Base de Datos
AdventureWorkDW2016 seleccionar las tablas:
Nombre de la Tabla Nuevo Nombre de la Tabla

DimDate Tiempo

DimGeography Geografia

DimProduct Producto

DimProductCategory Categoria del Producto

DimProductSubCategory Sub Categoria del Producto

DimCustomer Cliente

FactInternerSales Internet Sales

 Cliente
NameStyle
Suffix
Title
Seleccione la Dimensión Cliente, SpanishEducation
luego haga click en Vista Previa FrenchEducation
y Filtro y desactive las SpanishOccupation
siguientes columnas: FrenchOccupation
HouseOwnerFlag
NumberCarsOwned
DateFirstPurchase
CommuteDistance
Seleccione la Dimensión Tiempo, luego haga
click en Vista Previa y Filtro y desactive las
siguientes columnas:

Tiempo
DateKey
SpanishDayNameOfWeek
FrenchDayNameOfWeek
SpanishMonthName
FrenchMonthName
Seleccione la Dimensión Geografia, luego haga
click en Vista Previa y Filtro y desactive las
siguientes columnas:

Geografia
SpanishCountryRegionName
FrenchCountryRegionName
IpAddressLocator
 Producto Producto
WeightUnitMeasureCode LargePhoto
SizeUnitMeasureCode SpanishProductName

Seleccione la Dimensión ProductLine FrenchProductName

Producto, luego haga DealerPrice FrenchDescription

click en Vista Previa y Class ChineseDescription

Filtro y desactive las Style ArabicDescription

siguientes columnas: ModelName HebrewDescription

Status ThaiDescription
FinishedGoodFlag GermanDescription
ReorderPoint JapaneseDescription
Weight TurkishDescription
 Seleccione la Dimensión Categoria del
Producto, luego haga click en Vista Previa y
Filtro y desactive las siguientes columnas:

Categoria del Producto

SpanishProductCategoryName

FrenchProductCategoryName
Seleccione la Dimensión Sub Categoria del
Producto, luego haga click en Vista Previa y
Filtro y desactive las siguientes columnas:

Sub Categoria del Producto

SpanishProductSubcategoryName

FrenchProductSubcategoryName
Seleccione la Dimensión Internet Sales, luego
haga click en Vista Previa y Filtro y desactive
las siguientes columnas:

Internet Sales
OrderDateKey

DueDateKey

ShipDateKey
CAMBIAR NOMBRE
DE LAS COLUMNAS
Definición
Después de haber cargado los datos en modo de
importación se sugiere que se cambie los nombres
de las columnas para que de esa forma sea mas
amigable poder entender los datos de cada
Dimensión.
Ejercicio
 CustomerKey IdCliente
GeographKey IdGeografia
CustomerAlternateKey IdAlternativoCliene
FirstName Nombre
MiddleName SegundoNombre
LastName Apellido

Cambiar los nombres de la BirthDate

MaritalStatus
FechaNacimiento
EstadoCivil
Dimensión Cliente tal como Gender Genero

se especifica: EmailAddress
YearlyIncome
Email
IngresoAnual
TotalChildren Hijos
NumberChildrenAtHome NumeroHijosEnCasa
EnglishEducation Educacion
EnglishOcupation Ocupacion
AddressLine1 Direccion1
AddressLine2 Direccion2
Phone Telefono
 FullDateAlternateKey Fecha
DayNumberOfWeek DiaDeSemana
EnglishDayNameOfWeek NombreDelDia
DayNumberOfMonth DiaDeMes
Cambiar los nombres DayNumberOfYear DiaDelAño
WeekNumberOfYear NumeroDeSemanaDelAño
de la Dimensión EnglishMonthName NombreMes
Tiempo tal como se MonthNumberOfYear
CalendarQuarter
NumeroMes
Trimestre
especifica: CaleandarYear Año
CalendarSemester Semestre
FiscalQuarter TrimestreFiscal
FiscalYear AñoFiscal
FiscalSemester SemestreFiscal
ESTABLECER FECHA E
IMPLEMENTARCIÓN
Definición
Se establecen las Fechas en SQL Server Analysis Services para
poder identificar que la tabla se considere como Fecha para la
utilización del análisis y poder explotar la información
durante el tiempo.

Los modelos tabulares se definen con varias propiedades

específicas de implementación. Cuando implementa, se
establece una conexión a la instancia especificada en la
propiedad Servidor . Una nueva base de datos o conjunto de
datos con el nombre especificado en la Base de datos se crea
en esa instancia, si aún no existe.
Ejercicio
 En la Dimensión Tiempo que se a creado
anteriormente, especificar la columna de “Fecha”
como “Tipo de Dato a Fecha”.

Finalmente realizar la Implementación y verificar

en la Base de Datos SQL Server que se halla
creado la base de datos del Modelo Tabular.
RELACIONES Y
DIMENSIÓN ROLE PLAYING
 Relaciones
En los modelos tabulares, una relación es una conexión
entre dos tablas de datos. La relación establece cómo
deben correlacionarse los datos en las dos tablas.
 Dimensión Role Playing
Las dimensiones a menudo se
reciclan para múltiples propósitos
dentro de la misma base de datos.
Básicamente, si la misma dimensión
se usa más de una vez con
diferentes nombres, entonces se
llama dimensión Role Playing.
Ejercicio
Establecer la Relación de la Dimensión Tiempo
con la Tabla de Hechos “Internet Sales” o
también llamado Fact.
FUNCIONES MATEMATICAS
Y TRIGONOMETRICAS
Definición - DAX
 DAX - Data Analytics Expression
Expresiones de análisis de datos (DAX) es un lenguaje de
expresiones de fórmulas que se usa en Analysis Services, en
Power BI Desktop y en Power Pivot en Excel. Las fórmulas
DAX abarcan funciones, operadores y valores para realizar
cálculos avanzados y consultas en los datos de las tablas y
columnas relacionadas de los modelos de datos tabulares.
 Operadores
Tipo de operador Símbolo Utilizar
Orden de precedencia y agrupación de
Operadores de paréntesis () argumentos

+ Adición
- Resta / Signo
Operadores aritméticos * Multiplicación
/ División
^ Exponenciación
= Igual a
> Mayor que
< Menor que
Operadores de comparación
>= Mayor o igual qué
<= Menor o igual qué
<> No es igual a

Operador de concatenación de texto & Concatenación

&& Y
Operadores Lógicos
|| O
 Columnas Calculadas
Una columna calculada es una columna que se agrega a una
tabla existente (en el diseñador de modelos) y, después, se
crea una fórmula DAX que define los valores de esa columna.
Como se crea una columna calculada en una tabla del modelo
de datos, no se admiten en los modelos que recuperan datos
exclusivamente de un origen de datos relacional a través del
modo DirectQuery.
 Funciones Matemáticas y
Trigonométricas
Las funciones matemáticas se utilizan para realizar
operaciones matemáticas con los valores numéricos
contenidos en las celdas deseadas. Éstos cálculos
pueden ser la suma, producto, obtener números
enteros, logaritmos, redondeos, etc.

Las funciones trigonométricas sirven para calcular

las razones trigonométricas, tales como seno,
coseno hiperbólico, arcotangente, etc.
Ejercicio
 Crear la Columna Calculada en la Dimensión
Internet Sales llamado “daxMargenGanancia”,
que se obtiene de la resta de la Columna
“SalesAmount” menos “TotalProductCost”
FUNCIONES DE FECHA Y
HORA
Definición
Las funciones de Fecha y Hora ayudan a crear cálculos
basados en fechas y horas. Muchas de las funciones en DAX
son similares a las funciones de fecha y hora de Excel y
PowerBI.
Ejercicio1
 Crear la Columnas Calculadas en la Dimensión
Tiempo llamado “daxFechaActual”, utilizando la
función Now.

Crear la Columnas Calculadas en la Dimensión

Tiempo llamado “daxFechaConversion”, utlizando la
función DateValue.
Ejercicio2
Crear la Columnas Calculadas en la Dimensión
Tiempo llamado “daxAño”, utilizando la
función Year.

Crear la Columnas Calculadas en la Dimensión

Tiempo llamado “daxNumeroMes”, utilizando
la función Month.

Crear la Columnas Calculadas en la Dimensión

Tiempo llamado “daxNumeroDia”, utilizando
la función Day.
Ejercicio3
Crear la Columnas Calculadas en la Dimensión
Tiempo llamado “daxFecha”, utilizando la
función Date.

Crear la Columnas Calculadas en la Dimensión

Tiempo llamado “daxDiferenciaAño”,
utilizando la función DateDiff.

Crear la Columnas Calculadas en la Dimensión

Tiempo llamado “daxNombreMes”, utilizando
la función Format.
FUNCIONES DE TEXTO
Definición
Data Analysis Expressions (DAX) incluye un conjunto de
funciones de texto basadas en la biblioteca de funciones de
cadena en Excel, pero que se han modificado para trabajar
con tablas y columnas en modelos tabulares.
Ejercicio1
Crear la Columnas Calculadas en la Dimensión Cliente
llamado “daxLongitud”, utilizando la función Len.

Crear la Columnas Calculadas en la Dimensión Cliente

llamado “daxMinuscula”, utlizando la función Lower.

Crear la Columnas Calculadas en la Dimensión Cliente

llamado “daxMayuscula”, utlizando la función Upper.
Ejercicio2
Crear la Columnas Calculadas en la Dimensión Cliente
llamado “daxIzquierda”, utilizando la función Left.

Crear la Columnas Calculadas en la Dimensión Cliente

llamado “daxDerecha”, utlizando la función Right.

Crear la Columnas Calculadas en la Dimensión Cliente

llamado “daxLimpiar”, utlizando la función TRIM.
Ejercicio3
 Crear la Columnas Calculadas en la Dimensión Cliente
llamado “daxRemplazo”, utilizando la función Replace.
FUNCIONES LOGICAS
Definición
Las funciones lógicas actúan sobre una expresión para
devolver información sobre los valores o los conjuntos de la
expresión.
Ejercicio1
 Importar la Dimensión DimSalesTerritory, luego
establecer la Relación con la Dimensión Geografía.

Luego mediante la Función Lógica “IF” crear la

Columna Calculada llamada “Continente”
correspondiente a cada País que se encuentra en la
columna “SalesTerritoryCountry”.
Ejercicio2
Crear la Columnas Calculadas en la Dimensión Categoria
del Producto llamado “CategoriaProducto”, utilizando la
Función SWITCH establecer los nombres de la columna
EnglishProductCategoryName a Español.
FUNCIONES MATEMATICAS
Y TRIGONOMETRICAS
Definición
 Medidas Calculadas
Las Medidas Calculadas son fórmulas de cálculo dinámico en
las que los resultados cambian en función del contexto. Las
medidas calculadas se usan en informes en los que se
pueden combinar y filtrar datos del modelo mediante varios
atributos, como en SQL Server Analysis Services, Power BI o
en Power Povit en Excel. Las medidas se crean con la barra
de fórmulas DAX del diseñador de modelos.
Ejercicio1
 Crear la Medida Calculada en la Dimensión Internet
Sales llamado “VentaTotal”, utilizando la función Sum.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “MargenGanancia”, utilizando la función
Sum.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “MargenGanancia_SumX”, utilizando la
función SumX.
Ejercicio2
 Crear la Medida Calculada en la Dimensión Internet
Sales llamado “MargenTotal”, utilizando la función All.

Utilizando la función Round establecer solo 2 dígitos

decimales en la Medida Calculada que se ha creado
“MargenTotal”.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “%Margen”, utilizando la función Divide.
FUNCIONES ESTADISTICAS
Definición
Las expresiones de análisis de datos (DAX)
proporcionan muchas funciones para crear
agregaciones como sumas, recuentos y promedios.
Estas funciones son muy similares a las funciones de
agregación que usa Microsoft Excel. En esta sección se
enumeran las funciones estadísticas y de agregación
que se proporcionan en DAX.
Ejercicio1
 Crear la Medida Calculada en la Dimensión Internet
Sales llamado “MinPrecioProducto”, utilizando la
función Min.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “MaxPrecioProducto”, utilizando la
función Max.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “PromedioPrecioProducto”, utilizando la
función Average.
Ejercicio2
 Crear la Medida Calculada en la Dimensión Internet
Sales llamado “MediaPrecioProducto”, utilizando la
función Median.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “CantidadTotalRegistros”, utilizando la
función Count.

Crear la Medida Calculada en la Dimensión Internet

Sales llamado “CantidadDiferenteRegistro”, utilizando
la función DistinctCount.
FUNCIONES DE FILTRO
Definición
El propósito general de la función “Filter” es permitirnos
filtrar partes de un conjunto que no necesitamos en una
situación dada y, como resultado, devolver un
subconjunto de un conjunto más grande. Los usos de la
función “Filter”, como con muchas funciones, pueden
variar desde lo sublimemente simple hasta lo
impresionantemente avanzado, y se pueden usar de
muchas maneras innovadoras
Ejercicio1
 Crear la Medida Calculada en la Dimensión Internet
Sales llamado “VentaAcumudaPorBicicleta” y obtener
la VentaTotal(Medida que se ha creando en los
capítulos anteriores) para la Categoría del Producto
“Bicicleta”.
Ejercicio2
 Despues de haber creado la Medida Calculada
“VentaAcumudaPorBicicleta”, también obtener “Filtrar”
por los países de Australia y Canada.
Ejercicio3
Crear la Medida Calcula en la Dimensión Internet Sales
llamado(“IngresoTotal”) que se obtiene se la
multiplicación de Cliente[IngresoAnual] multiplicado
por Timepo[daxDiferenciaAño] utilizando la función
Related.
INTELIGENCIA DE
TIEMPO
Definición
Data Analysis Expressions (DAX) incluye funciones de
inteligencia de tiempo que le permiten manipular datos
utilizando períodos de tiempo, incluidos días, meses,
trimestres y años, y luego construir y comparar cálculos
durante esos períodos.
Ejercicio1
Crear la Medida Calculada en la Dimensión Internet Sales llamado
“VentasAcumuladoMensual” y obtener las ventas acumuladas
Mensualmente, utilizando la función TotalMTD

Crear la Medida Calculada en la Dimensión Internet Sales llamado

“VentasAcumuladoTrimestral” y obtener las ventas acumuladas
Trimestral, utilizando la función TotalQTD

Crear la Medida Calculada en la Dimensión Internet Sales llamado

“VentasAcumuladoAnual” y obtener las ventas acumuladas
Anualmente, utilizando la función TotalYTD
Ejercicio2
Crear la Medida Calculada en la Dimensión Internet
Sales llamado “VentasLY, VentasMesAnterior y
VentasLastMonth” utilizando las funciones
“SamePeriodLastYear, DateAdd y ParallelPeriod”
respectivamente.
KEY PERFORMANCE INDICATOR
KPI
Definición
Las bases de datos tabulares nos dan la capacidad de crear
indicadores clave de rendimiento (KPI) para métricas comerciales,
que se pueden usar para representar visualmente el rendimiento
de una métrica comercial del rendimiento real a fin de mostrarlo
rápidamente a una unidad comercial o gerente. La creación del KPI
en SQL Server Analysis Services en el Modelo Tabular es muy
similar la creación en Power Pivot y PowerBI. Para crear nuestro
KPI, necesitaremos al menos 2 piezas diferentes de información:
cuál es nuestro rendimiento real y cuál es nuestro rendimiento
objetivo.
Ejercicio1
Desarrollar un KPI llamado “KpiVentas1” de las
“Ventas Acumuladas” que evalúa si las ventas
son superiores a las “Ventas del Periodo
Anterior”.
Ejercicio2
Desarrollar un KPI llamado “KpiVentas2” de las
“Ventas Acumuladas” que evalúa si las ventas
son superiores a 15000.
PERSPECTIVAS
Definición
Las perspectivas, en modelos tabulares, definen subconjuntos
visibles de un modelo que proporcionan puntos de vista
enfocados, específicos del negocio o específicos de la aplicación
del modelo.
En una perspectiva, las tablas, columnas y medidas (incluidos los
KPI) se definen como objetos de campo. Puede seleccionar los
campos visibles para cada perspectiva.
Ejercicio
 Crear la perspectiva “VentasInternet” que van a
ser conformadas por las Dimensiones “Producto,
Categoria del Producto, Sub Categoria del
Producto, Tiempo y InternetSales.
JERARQUÍA
Definición
Las jerarquías en un modelo tabular proveen una ruta de
navegación predefinida por un conjunto de columnas en la misma
tabla, están diseñadas para proporcionar una mejor experiencia
para el usuario y se compone a través de niveles.
Por ejemplo podemos crear una jerarquía Geografía que puede
tener subniveles de País –> Provincia –> Ciudad
Ejercicio
 Crear las siguientes Jerarquías:

Calendario Ubicación
Año (daxAño) Continente (Continente)

Trimestre (Trimestre) Pais (SalesTerritoryCountry)

Mes (daxNombreMes) Region (SalesTerritoryRegion)

Dia (Fecha)
SSAS Tabular –
Modo DirectQuery
Definición
En el modo DirectQuery, solo retiene la estructura
de su modelo en la base de datos tabular y cuando
la herramienta del cliente emite una consulta, lee
los datos del origen debajo de la línea que se
conecta para construir el modo tabular. Podría ser
un almacén de datos de SQL Server, una base de
datos OLTP de Oracle o cualquier tipo de fuente
que sea compatible actualmente.
Ejercicio
Una vez establecida la conexión a la Base de Datos
AdventureWorkDW2016 seleccionar las tablas:
Nombre de la Tabla Nuevo Nombre de la Tabla
DimReseller Distribuidor
DimEmployee Empleado
DimProduct Producto
DimProductCategory Categoria del Producto
DimProductSubCategory Sub Categoria del Producto
DimSalesTerritory Territorio de Ventas
DimDate Tiempo
DimPromotion Promocion
FactResellerSales ResellerSales
 Seleccione la Dimensión Empleado
Empleado, luego haga click en LoginID
Vista Previa y Filtro y desactive EmployeePhoto
las siguientes columnas:
EVALUATE
Definición
Obtener datos del modelo Tabular
Al usar DAX para recuperar datos tabulares, toda su
declaración se basa en la cláusula evaluate. La cláusula
comienza con la palabra clave evaluate, seguida de una
expresión de tabla, entre paréntesis. La expresión de
tabla define los resultados de su consulta. La expresión
de tabla más simple es aquella que especifica el nombre
de la tabla, entre comillas simples. Cuando especifica
solo el nombre de la tabla, se devuelven todas las filas y
columnas.
Ejercicio
Mediante los distintos modos de la instrucción
“Evaluate” comenzar a seleccionar las tablas
del proyecto implementado en el Modo
DirectQuery.
ORDER BY Y VALUES
 Definición – OrderBy
Ordena el resultado de la consulta según la columna
seleccionada como parámetro.

Estructura:
evaluate(Tabla)
order by [Nombre de la Columnas]
 Definición - Values
La Función “Values” devuelve los valores distintos de las
columnas que se requiere.
Estructura:
evaluate(
values(
Tabla[Nombre de la Columnas]
)
)
Ejercicio1
Mediante la instrucción Order By mostrar la tabla de
los Empleados, ordenados por su nombre(FirstName).

Mediante la instrucción Order By mostrar la tabla de

Distribuidor, ordenados por su “Nombre de
Distribuidor”(ResellerName) y “Tipo de
Negocio”(BusinessType).
Ejercicio2
Mediante la instrucción Values mostrar los distintos
“Precios Unitarios”(UnitPrice) de la tabla
ResellerSales, ordenado de manera ascendente.
START AT Y FILTER
 Definición – Start At
Esta función establece el punto de partida (primera fila)
desde el que se mostrarán los valores.
Estructura:
Evaluate(Tabla)
Order by Tabla[Nombre de la Columna]
Start at “Valor a empezar"
 Definición - Filter
Con la función FILTER, se pueden aislar valores de columna
particulares con filas distintivas como en la instrucción
WHERE de T-SQL.
Estructura: Signo Significado

Evaluate( = Igual que

Filter( > Mayor que

Tabla, < Menor que

Tabla[Nombre de la Columna]=“Filtro" >= Mayor o igual que
) <= Menor o igual que
) <> Diferente de
Ejercicio1
Mediante la instrucción Start At mostrar la tabla de los
Empleados, ordenados por su nombre(FirstName) y que
comience a partir del nombre(FirstName)=“Candy”.
Ejercicio2
Mediante la instrucción Filter mostrar la tabla de
Empleado y establecer el Filtro donde MaritalStatus
sea igual a “M”.

Mediante la instrucción Filter mostrar la tabla de

Empleado y establecer el Filtro donde EmployeeKey
sea mayor o igual a 100.
SUMMARIZE
Definición
Esta función actúa como un sustituto agregado y
simplificado de las declaraciones T-SQL GROUP BY o JOIN
en T-SQL. En un caso, las columnas deseadas se
recuperan y se muestran como resultado de la consulta,
sin ninguna operación matemática.
Estructura:
evaluate(
summarize(
‘Tabla', ‘Tabla’[Columna],‘Tabla’[Columna]
)
)
ORDER BY ‘Tabla’[Columna]
Ejercicio1
Mediante la instrucción Summarize mostrar la tabla de
“Territorio de Ventas” en las columnas
“SalesTerritoryCountry y SalesTerritoryRegion”,
ordenados por la columna “SalesTerritoryCountry”.
Ejercicio2
Mediante la instrucción Summarize establecer relación entre las
tablas “ResellerSales, Producto,Sub Categoria del Producto,
Categoria del Producto y tiempo” y mostrar las columnas
“'Producto'[EnglishProductName], 'Sub Categoria del
Producto'[EnglishProductSubCategoryName], 'Categoria del
Producto'[EnglishProductCategoryName],
'Tiempo'[CalendarYear].
Luego Filtrar los datos donde el año de la columna CalendarYear
sea mayor al 2010. Finalmente ordenarlo por
'Tiempo'[CalendarYear] y 'Producto'[EnglishProductName]
AGREGAR COLUMNAS
Definición
A veces, es posible que desee agregar columnas a una
tabla sin agrupar o resumir esos datos. Una forma de
hacerlo es usar la “AddColumns”.

Estructura:
evaluate(
addcolumns(
Tabla,
“Nombre Columna", Operación a realizar
)
)
Ejercicio1
Mostrar la tabla “Producto”, luego mediante la instrucción
“AddColumna” agregar una columna adicional con el nombre
“Beneficio Neto” que va ser la resta de la lista de precio(ListPrice)
menos el costo estándar(StandardCost). Después filtrar donde la
Lista de precio(ListPrice) sea mayor a 0.
Finalmente ordenarlo por el “ProduckKey”.
Ejercicio2
Mediante la instrucción Summarize establecer relación entre las
tablas “ResellerSales, Producto,Sub Categoria del Producto,
Categoria del Producto y tiempo” y mostrar las columnas
“'Producto'[EnglishProductName], 'Sub Categoria del
Producto'[EnglishProductSubCategoryName], 'Categoria del
Producto'[EnglishProductCategoryName],
'Tiempo'[CalendarYear], luego mediante la instrucción
“AddColumns” agregar las columnas “Total Ventas Acumuladas”
que va a ser la suma de “SalesAmount” y “Costo Total” que va a
ser la suma de “TotalProductCost”
Luego Filtrar los datos donde el año de la columna CalendarYear
sea mayor al 2010. Finalmente ordenarlo por
'Tiempo'[CalendarYear] y 'Producto'[EnglishProductName]
¡FELICITACIONES!