Las empresas controladas por datos toman decisiones basadas en la narrativa que

transmiten sus datos y, en el mundo actual, los datos no se usan en todo su

potencial, un desafío al que la mayoría de las empresas se debe enfrentar. El
análisis de datos es y debe ser un aspecto fundamental de todas las organizaciones
para ayudar a determinar el impacto para su negocio, y debe incluir la evaluación
de la opinión de los clientes, la realización de investigaciones de mercado y
productos, y la identificación de tendencias u otra conclusión sobre los datos.

Aunque el proceso de análisis de datos se centra en las tareas de limpieza,

modelado y visualización de datos, el concepto de análisis de datos y su
importancia para las empresas no se debe subestimar. Para analizar los datos, los
componentes principales del análisis se dividen en las siguientes categorías:

 Descriptivo
 Diagnóstico
 Predictivo
 Prescriptivo
 Cognitivo

Análisis descriptivo
El análisis descriptivo ayuda a responder preguntas sobre lo que ha sucedido, en
función de datos históricos. Las técnicas de análisis descriptivo resumen grandes
conjuntos de datos para describir resultados para las partes interesadas.

Mediante el desarrollo de indicadores clave de rendimiento (KPI), estas estrategias

pueden facilitar el seguimiento del éxito o el fracaso de los objetivos clave. En
muchos sectores se usan métricas como la rentabilidad de la inversión (ROI), y las
métricas especializadas se desarrollan para realizar un seguimiento del rendimiento
en sectores específicos.

Un ejemplo de análisis descriptivo es la generación de informes para proporcionar

una visión de los datos financieros y de ventas de una organización.

Análisis de diagnóstico
El análisis de diagnóstico ayuda a responder preguntas sobre por qué se ha
producido un evento. Las técnicas de análisis de diagnóstico complementan el
análisis descriptivo básico y usan los resultados del análisis descriptivo para
identificar la causa de estos eventos. Después, los indicadores de rendimiento se
investigan aún más para descubrir por qué estos eventos han mejorado o
empeorado. Este proceso se suele realizar en tres pasos:

1. Identificación de anomalías en los datos. Estas anomalías pueden ser

cambios inesperados en una métrica o en un mercado determinado.
2. Recopilación de datos relacionados con estas anomalías.
3. Uso de técnicas estadísticas para detectar relaciones y tendencias que
expliquen estas anomalías.

Análisis predictivo
El análisis predictivo ayuda a responder a preguntas sobre lo que ocurrirá en el
futuro. Las técnicas de análisis predictivo usan datos históricos para identificar
tendencias y determinar la probabilidad de que se repitan. Las herramientas de
análisis predictivo proporcionan conclusiones valiosas sobre lo que podría ocurrir
en el futuro. Engloban diversas técnicas estadísticas y de aprendizaje automático,
como las de redes neuronales, árboles de decisión y regresión.

Análisis prescriptivo
El análisis prescriptivo ayuda a responder preguntas sobre las acciones que se
deben llevar a cabo para lograr un objetivo. Mediante las conclusiones del análisis
predictivo, las organizaciones pueden tomar decisiones basadas en datos. Esta
técnica permite que, en caso de incertidumbre, las empresas tomen decisiones
fundamentadas. Las técnicas de análisis prescriptivo dependen de estrategias de
aprendizaje automático para buscar patrones en conjuntos de datos de gran
tamaño. Mediante el análisis de eventos y decisiones anteriores, las organizaciones
pueden calcular la probabilidad de otros resultados.

Análisis cognitivo
El análisis cognitivo intenta obtener inferencias a partir de datos y patrones
existentes, derivar conclusiones en función de bases de conocimiento existentes y,
después, devolver estos resultados a la base de conocimiento para futuras
inferencias, un bucle de comentarios de autoaprendizaje. El análisis cognitivo ayuda
a saber lo que podría ocurrir si cambiaran las circunstancias y a determinar cómo
se podrían controlar estas situaciones.
Las inferencias no son consultas estructuradas basadas en una base de datos de
reglas, sino supuestos no estructurados que se recopilan de varios orígenes y se
expresan con distintos grados de confianza. El análisis cognitivo eficaz depende de
algoritmos de aprendizaje automático y usa varios conceptos del procesamiento de
lenguaje natural para entender orígenes de datos desaprovechados anteriormente,
como los registros de conversaciones de centros de llamadas y revisiones de
productos.

Ejemplo

Mediante la habilitación de informes y visualizaciones de datos, una empresa

minorista usa análisis descriptivos para examinar patrones de compras de años
anteriores a fin de determinar qué productos podrían ser populares el año
siguiente. Es posible que la empresa también examine datos complementarios para
comprender el éxito de un producto concreto y si esa tendencia se mantiene, lo
que le ayudará a determinar si debe mantener existencias de ese producto.

Es posible que una empresa determine que un producto concreto fue popular en
un período de tiempo determinado. Y entonces puede usar este análisis para saber
si los esfuerzos de marketing o las actividades en redes sociales han contribuido al
aumento de las ventas.

Una faceta subyacente del análisis de datos es que las empresas necesitan ser
capaces de confiar en sus datos. Como práctica, el proceso de análisis de datos
toma datos de fuentes de confianza y los convierte en algo que es consumible,
significativo y fácil de comprender para ayudar con el proceso de toma de
decisiones. El análisis de datos permite a las empresas comprender sus datos de
manera integral a través de procesos y decisiones controladas por datos, para de
ese modo confiar en sus decisiones.

A medida que la cantidad de datos crece, también lo hace la necesidad de analistas

de datos. Un analista de datos sabe cómo organizar la información y sintetizarla en
algo relevante y comprensible. También sabe cómo recopilar los datos correctos y
qué hacer con ellos, es decir, dar sentido a los datos a pesar de la sobrecarga de
datos.

Roles en los datos

Completado100 XP
  5 minutos

La narración de historias mediante datos es un recorrido que normalmente no

comienza con usted. Los datos tienen que provenir de alguna parte. Llevar esos
datos a un lugar que pueda usar requiere esfuerzo, y es probable que se escape a
su ámbito, sobre todo cuando se trata de la empresa.

Las aplicaciones y los proyectos actuales pueden ser grandes y complejos, y a

menudo implican el uso de los conocimientos y las aptitudes de varios individuos.
Cada individuo aporta un talento y una experiencia únicos, se comparte el esfuerzo
de trabajar de manera conjunta y se coordinan tareas y responsabilidades para ver
cómo un proyecto pasa del concepto a producción.

Hace poco tiempo, roles como los de analistas de negocios y desarrolladores de

inteligencia empresarial eran los habituales para el procesamiento y la
comprensión de los datos. Pero el aumento excesivo del tamaño de los datos y sus
diferentes tipos ha provocado que estos roles evolucionen hacia conjuntos de
aptitudes más especializadas que modernizan y simplifican los procesos de
ingeniería y análisis de datos.

En las siguientes secciones se resaltan los distintos roles en los datos y su

responsabilidad específica en todo el espectro de la detección y comprensión de
los datos:

 Analista de negocios

 Analista de datos

 Ingeniero de datos

 Científico de datos

 Administrador de base de datos

Analista de negocios
Aunque existen algunas similitudes entre un analista de datos y un analista de
negocios, el diferenciador clave entre ambos es lo que hacen con los datos. Un
analista de negocios está más cerca de la empresa y es un especialista en la
interpretación de los datos que proceden de la visualización. A menudo, las tareas
del analista de datos y el analista de negocios pueden ser responsabilidad de una
misma persona.

Analista de datos
Un analista de datos permite a las empresas maximizar el valor de sus recursos de
datos a través de herramientas de visualización y creación de informes como
Microsoft Power BI. El analista de datos es responsable de la generación de perfiles,
la limpieza y la transformación de los datos. Sus responsabilidades también
incluyen el diseño y la creación de modelos de datos escalables y eficaces, y la
habilitación e implementación de las funciones de análisis avanzado en informes
para su análisis. Un analista de datos trabaja con las partes interesadas pertinentes
para identificar los requisitos de datos y de creación de informes necesarios y,
después, se encarga de convertir los datos sin procesar en conclusiones relevantes
y significativas.

Además, también es responsable de administrar los recursos de Power BI, incluidos

los informes, paneles, áreas de trabajo y los conjuntos de datos subyacentes que se
usan en los informes. Se le encomienda la implementación y configuración de los
procedimientos de seguridad adecuados, junto con los requisitos de las partes
interesadas, para garantizar la seguridad de todos los recursos de Power BI y sus
datos.

Un analista de datos trabaja con ingenieros de datos para determinar y localizar los
orígenes de datos adecuados que satisfacen los requisitos de las partes
interesadas. Además, trabaja con ingenieros de datos y administradores de bases
de datos para asegurarse de tener el acceso adecuado a los orígenes de datos que
necesita. El analista de datos también trabaja con ingenieros de datos para
identificar nuevos procesos o mejorar los ya existentes a fin de recopilar datos para
su análisis.

Ingeniero de datos
Los ingenieros de datos aprovisionan y configuran las tecnologías de plataforma de
datos locales y en la nube. Administran y protegen el flujo de datos estructurados y
no estructurados procedentes de múltiples orígenes. Entre las plataformas de datos
que usan están las bases de datos relacionales, las bases de datos no relacionales,
los flujos de datos y los almacenes de archivos. Los ingenieros de datos también se
aseguran de que los servicios de datos se integren de forma segura y sin
problemas en los servicios de datos.

Entre sus responsabilidades principales se incluye el uso de servicios datos locales y

en la nube, y herramientas para la ingesta, la salida y la transformación de datos
procedentes de múltiples orígenes. Los ingenieros de datos colaboran con las
partes interesadas de la empresa para identificar y cumplir los requisitos de los
datos. Además, diseñan e implementan soluciones.

Aunque podría haber cierta semejanza entre las tareas y responsabilidades de un

ingeniero de datos y un administrador de bases de datos, el ámbito de trabajo de
un ingeniero de datos va más allá del mantenimiento de una base de datos y del
servidor en el que se hospeda, y es probable que no incluya la administración
general de los datos operativos.

El ingeniero de datos agrega un valor enorme a los proyectos de ciencia de datos y

de inteligencia empresarial. Cuando el ingeniero de datos aglutina los datos, lo que
se suele describir como limpieza y transformación de los datos, los proyectos se
mueven más rápidamente porque los científicos de datos pueden centrarse en sus
áreas de trabajo específicas.

Como analista de datos, trabajará junto a un ingeniero de datos para asegurarse de

que puede acceder a los distintos orígenes de datos estructurados y no
estructurados, ya que le ayudarán a optimizar los modelos de datos que
normalmente se sirven desde un almacén de datos o lago de datos moderno.

Tanto los administradores de base de datos como los profesionales de inteligencia

empresarial pueden adoptar un rol de ingeniero de datos si se familiarizan con las
herramientas y tecnologías usadas para procesar grandes cantidades de datos.

Científico de datos
Los científicos de datos realizan un análisis avanzado para extraer valor de los
datos. Su trabajo puede variar del análisis descriptivo al análisis predictivo. El
análisis descriptivo evalúa los datos a través de un proceso conocido como análisis
de datos exploratorio (EDA). El análisis predictivo se usa en el aprendizaje
automático para aplicar técnicas de modelado que pueden detectar anomalías o
patrones. Estos análisis son una parte importante de los modelos de previsión.

El análisis descriptivo y el predictivo solo representan aspectos parciales del trabajo

de los científicos de datos. Algunos científicos de datos pueden adentrarse en el
aprendizaje profundo, realizando experimentos iterativos para resolver un
problema de datos complicado mediante el uso de algoritmos personalizados
complejos.

Las pruebas anecdóticas sugieren que la mayor parte del trabajo de un proyecto de
ciencia de datos se invierte en la limpieza y transformación de datos y en la
ingeniería de características. Los científicos de datos pueden acelerar el proceso de
experimentación cuando los ingenieros de datos usan sus conocimientos para
limpiar y transformar correctamente los datos.

A simple vista, es posible que parezca que el trabajo de un científico de datos y un

analista de datos son diferentes, pero no es así. Un científico de datos examina los
datos para determinar las preguntas que necesitan respuestas y, a menudo,
diseñará una hipótesis o un experimento, y luego recurrirá al analista de datos para
que le ayude con la visualización de datos y la creación de informes.

Administrador de base de datos

Un administrador de bases de datos implementa y administra los aspectos
operativos de las soluciones de plataforma de datos híbridas y nativas de la nube
que se basan en servicios de datos de Microsoft Azure y Microsoft SQL Server.
También es responsable de la disponibilidad general y de las optimizaciones y el
rendimiento coherentes de las soluciones de base de datos. Trabaja con las partes
interesadas para identificar e implementar las directivas, las herramientas y los
procesos para los planes de copia de seguridad y recuperación de datos.

El rol de un administrador de base de datos es diferente del de un ingeniero de

datos. Un administrador de bases de datos supervisa y administra el estado general
de una base de datos y el hardware en el que se encuentra, mientras que un
ingeniero de datos está implicado en el proceso de limpieza y transformación de
datos, es decir, la ingesta, transformación, validación y limpieza de los datos para
satisfacer las necesidades y los requisitos empresariales.
El administrador de bases de datos también es responsable de administrar la
seguridad general de los datos, y de conceder y restringir el acceso y los privilegios
de los usuarios a los datos en función de las necesidades y los requisitos
empresariales.

Tareas de un analista de datos

Completado100 XP

 7 minutos

Un analista de datos es uno de los distintos roles críticos de una organización, que
ayuda a descubrir y a comprender la información necesaria para mantener el
equilibrio y el funcionamiento eficaz de la empresa. Por eso, es fundamental que
un analista de datos entienda claramente sus responsabilidades y las tareas que se
realizan de forma casi diaria. Los analistas de datos son esenciales para ayudar a las
organizaciones a obtener conclusiones valiosas sobre el alcance de sus datos, y
trabajan estrechamente con otros roles dentro la organización para ayudar a
revelar información valiosa.

En la siguiente ilustración se muestran las cinco áreas clave en las que participará
durante el proceso de análisis de datos.

Preparación
Como analista de datos, probablemente pasará la mayor parte del tiempo entre las
tareas de preparación y modelado. Los datos imprecisos o incorrectos pueden
tener un gran impacto y generar informes no válidos, una pérdida de confianza y
un efecto negativo en las decisiones empresariales, lo que puede conducir a la
pérdida de ingresos, un impacto empresarial negativo y mucho más.

Antes de que se pueda crear un informe, es necesario preparar los datos. La

preparación de datos es el proceso de generación de perfiles y de limpieza y
transformación de los datos para prepararlos para el modelado y la visualización.

La preparación de datos consiste en tomar datos sin procesar y convertirlos en

información de confianza y comprensible. Implica, entre otras cosas, garantizar la
integridad de los datos, corregir datos incorrectos o inexactos, identificar los datos
que falten, convertir datos de una estructura a otra o de un tipo a otro, o incluso
una tarea tan sencilla como hacer que los datos sean más legibles.

La preparación de datos también implica comprender cómo va a obtener los datos

y a conectarse a ellos, y conocer las implicaciones de rendimiento de las decisiones.
Al conectarse a los datos, necesita tomar decisiones para asegurarse de que los
modelos y los informes cumplen y llevan a cabo las expectativas y los requisitos
confirmados.

Las garantías de privacidad y seguridad también son importantes. Estas pueden

incluir la anonimización de los datos para evitar que se compartan en exceso o
impedir que los usuarios vean información de identificación personal cuando no es
necesario. Ayudar a garantizar que la privacidad y la seguridad también puede
implicar la eliminación completa de los datos si no se ajustan a la historia que está
intentando narrar.

La preparación de datos a menudo puede ser un proceso largo. Los analistas de

datos siguen una serie de pasos y métodos para preparar los datos con el fin de
colocarlos en un contexto y un estado adecuados que eliminen la calidad deficiente
de los datos y permitan convertirlos en conclusiones valiosas.

Modelado
Cuando los datos están en un estado correcto, están listos para modelarse. El
modelado de datos es el proceso de determinar cómo se relacionan las tablas
entre sí. Este proceso se realiza mediante la definición y creación de relaciones
entre las tablas. A partir de ahí, puede mejorar el modelo si define métricas y
agrega cálculos personalizados para enriquecer los datos.
La creación de un modelo de datos eficaz y adecuado es un paso esencial para
ayudar a las organizaciones a comprender y obtener conclusiones valiosas sobre
los datos. Un modelo de datos eficaz hace que los informes sean más precisos,
permite que los datos se exploren de manera más rápida y eficaz, reduce la
duración del proceso de creación de informes y simplifica el mantenimiento futuro
del informe.

El modelo es otro componente importante que tiene un efecto directo en el

rendimiento del informe y el análisis de datos global. Un modelo mal diseñado
puede tener un impacto drásticamente negativo en la precisión general y el
rendimiento del informe. Por el contrario, un modelo bien diseñado con datos bien
preparados garantizará un informe eficaz y de confianza. Esto es incluso más
importante cuando se trabaja con datos a escala.

Desde una perspectiva de Power BI, si el informe funciona con lentitud o las

actualizaciones tardan mucho tiempo en completarse, probablemente tendrá que
volver a revisar las tareas de preparación y modelado de datos para optimizar el
informe.

El proceso de preparación y modelado de datos es iterativo. La preparación de

datos es la primera tarea en el análisis de datos. Comprender y preparar los datos
antes de modelarlos hará que el paso de modelado sea mucho más fácil.

Visualización
En la tarea de visualización es donde se hace que los datos cobren vida. El objetivo
final de la tarea de visualización es solucionar los problemas de la empresa. Un
informe bien diseñado debe contar una historia atractiva sobre esos datos, lo que
permite a los responsables de la toma de decisiones empresariales obtener
rápidamente las conclusiones que necesitan. Con las visualizaciones e interacciones
adecuadas, puede proporcionar un informe eficiente que guíe al lector a través del
contenido de forma rápida y eficaz, lo que le permitirá seguir una narrativa en los
datos.

Los informes que se crean durante la tarea de visualización ayudan a las empresas
y a los responsables de la toma de decisiones a comprender el significado de los
datos para que se puedan tomar decisiones acertadas y precisas. Los informes
impulsan las acciones, las decisiones y los comportamientos generales de una
organización que confía y depende de la información detectada en los datos.
La empresa puede comunicar que necesita todos los puntos de datos de un
informe concreto para la toma de decisiones. Como analista de datos, debe dedicar
tiempo a comprender por completo el problema que la empresa intenta resolver.
Determine si todos los puntos de datos son necesarios, ya que un exceso de datos
puede dificultar la detección de los puntos clave. Una historia de datos pequeña y
concisa puede ayudar a encontrar la información rápidamente.

Con las funciones integradas de inteligencia artificial en Power BI, los analistas de

datos pueden crear informes eficaces, sin necesidad de escribir código, lo que
permite a los usuarios obtener conclusiones y respuestas, y encontrar objetivos
alcanzables. Las funciones de inteligencia artificial en Power BI, como los objetos
visuales de IA integrados, permiten la detección de datos mediante la formulación
de preguntas, el uso de la característica Conclusiones rápidas o la creación de
modelos de Machine Learning o directamente en Power BI.

Un aspecto importante de la visualización de datos es el diseño y la creación de

informes para la accesibilidad. A medida que crea informes, es importante pensar
en las personas que van a acceder a ellos y leerlos. Los informes se deben diseñar
pensando en la accesibilidad desde el principio, de modo que no se necesite
ninguna modificación especial en el futuro.

Muchos componentes del informe facilitarán la narrativa. Desde una combinación

de colores que sea complementaria y accesible, fuentes y tamaños, hasta la
elección de los objetos visuales adecuados para lo que se muestra, todo se
combina para contar la historia.

Análisis
La tarea de análisis es el paso importante de entender e interpretar la información
que se muestra en el informe. En su rol como analista de datos, debe comprender
las funciones analíticas de Power BI y usarlas para buscar conclusiones, identificar
patrones y tendencias, predecir resultados y, después, comunicar esas conclusiones
de una forma comprensible para todos.

El análisis avanzado permite a empresas y organizaciones impulsar mejores

decisiones en toda la empresa y crear conclusiones eficaces y resultados
significativos. Con el análisis avanzado, las organizaciones pueden profundizar en
los datos para predecir patrones y tendencias futuros, identificar actividades y
comportamientos, y permitir a las empresas formular las preguntas adecuadas
sobre sus datos.
Anteriormente, el análisis de los datos era un proceso difícil y complejo que
normalmente realizaban ingenieros de datos o científicos de datos. En la
actualidad, Power BI lo pone al alcance de todos, lo que simplifica el proceso de
análisis de datos. Los usuarios pueden obtener con rapidez conclusiones sobre sus
datos mediante objetos visuales y métricas directamente desde el escritorio y,
después, pueden publicarlas en paneles para que otros puedan encontrar la
información necesaria.

Esta característica es otra área en la que las integraciones de IA dentro de Power BI

permiten llevar el análisis al siguiente nivel. Las integraciones con Azure Machine
Learning, los servicios cognitivos y los objetos visuales de IA integrados ayudan a
enriquecer los datos y el análisis.

Administración
Power BI consta de muchos componentes, como informes, paneles, áreas de
trabajo, conjuntos de datos y mucho más. Como analista de datos, es responsable
de administrar estos recursos de Power BI, de supervisar el uso compartido y la
distribución de elementos como informes y paneles, y de garantizar la seguridad
de los recursos de Power BI.

Las aplicaciones pueden ser un método de distribución valioso para el contenido y

permiten una administración más sencilla para públicos de gran tamaño. Esta
característica también permite tener experiencias de navegación personalizadas y
vincular a otros recursos de la organización para complementar los informes.

La administración del contenido ayuda a fomentar la colaboración entre equipos y

usuarios. El uso compartido y la detección de contenido es importante para que las
personas adecuadas obtengan las respuestas que necesitan. También es
importante asegurarse de que los elementos sean seguros. Querrá asegurarse de
que las personas adecuadas tienen acceso y de que los datos no se pierden más
allá de las partes interesadas correctas.

La administración adecuada también puede ayudar a reducir los silos de datos

dentro de la organización. La duplicación de los datos puede dificultar la
administración y reducción de la latencia de estos cuando los recursos se usan en
exceso. Power BI ayuda a reducir los silos de datos mediante el uso de conjuntos
de datos compartidos, y permite reutilizar los datos que se han preparado y
modelado. En el caso de datos empresariales clave, la aprobación de un conjunto
de datos como certificado puede ayudar a garantizar la confianza en esos datos.
La administración de los recursos de Power BI ayuda a reducir la duplicación de
esfuerzos y a garantizar la seguridad de los datos.

Power BI

Introducción

Terminado

100 XP

6 minutos

Microsoft Power BI es una colección de servicios de software, aplicaciones y conectores que

funcionan en conjunto para convertir sus fuentes de datos no relacionadas en conocimientos
coherentes, visualmente inmersivos e interactivos. Ya sea que sus datos sean un simple libro de
trabajo de Microsoft Excel o una colección de almacenes de datos híbridos locales y basados en la
nube, Power BI le permite conectarse fácilmente a sus fuentes de datos, visualizar (o descubrir) lo
que es importante y compartirlo con cualquier persona o persona. todos.

Power BI puede ser simple y rápido, capaz de crear conocimientos rápidos a partir de un libro de
Excel o una base de datos local. Pero Power BI también es robusto y de nivel empresarial, listo no
solo para modelado extenso y análisis en tiempo real, sino también para desarrollo personalizado.
Por lo tanto, puede ser su herramienta de visualización e informe personal, pero también puede
servir como motor de análisis y decisión detrás de proyectos grupales, divisiones o corporaciones
enteras.

Si es un principiante con Power BI, este módulo lo ayudará a comenzar. Si es un veterano de

Power BI , este módulo unirá conceptos y llenará los vacíos.

Aquí hay un informe de Power BI en funcionamiento. Siéntase libre de hacer clic y explorar.

Las partes de Power BI

Power BI consta de una aplicación de escritorio de Microsoft Windows llamada Power BI Desktop ,
un servicio SaaS ( Software as a Service ) en línea llamado servicio Power BI y aplicaciones móviles
de Power BI que están disponibles en cualquier dispositivo, con aplicaciones de BI móviles nativas
para Windows. iOS y Android.

Estos tres elementos , el escritorio , el servicio y las aplicaciones móviles , están diseñados para
permitir que las personas creen, compartan y consuman información empresarial de la forma que
les resulte más eficaz, o para su función.

Cómo Power BI coincide con su rol

La forma de usar Power BI puede depender de su rol en un proyecto o equipo. Y otras personas,
en otros roles, pueden usar Power BI de manera diferente, lo cual está bien.

Por ejemplo, puede ver informes y paneles en el servicio Power BI , y eso podría ser todo lo que
hace con Power BI. Pero su compañero de trabajo que procesa números y crea informes
comerciales puede hacer un uso extensivo de Power BI Desktop (y publicar informes de Power BI
Desktop en el servicio Power BI, que luego usa para verlos). Y otro compañero de trabajo, en
ventas, podría usar principalmente su aplicación de teléfono Power BI para monitorear el progreso
de sus cuotas de ventas y profundizar en los detalles de los nuevos prospectos de ventas.

También puede usar cada elemento de Power BI en diferentes momentos, según lo que esté
tratando de lograr o cuál sea su función para un proyecto o esfuerzo determinado.

Quizás vea el progreso del inventario y la fabricación en un panel en tiempo real en el servicio y
también use Power BI Desktop para crear informes para su propio equipo sobre las estadísticas de
participación del cliente. La forma en que use Power BI puede depender de qué característica o
servicio de Power BI sea la mejor herramienta para su situación. Pero cada parte de Power BI está
disponible para usted, por eso es tan flexible y convincente.

Analizaremos estos tres elementos: escritorio , servicio y aplicaciones móviles , con más detalle
más adelante. En las próximas unidades y módulos, también crearemos informes en Power BI
Desktop, los compartiremos en el servicio y, finalmente, los profundizaremos en nuestro
dispositivo móvil.

Descarga Power BI Desktop

Puede descargar Power BI Desktop desde la web o como una aplicación desde Microsoft Store en
la pestaña Windows.

DESCARGA POWER BI DESKTOP

Descargar estrategia Enlace Notas

Aplicación de la Tienda Windows Tienda de Windows Se mantendrá actualizado

automáticamente

Descarga de la web Descarga .msi Debe actualizarse manualmente de forma periódica

Iniciar sesión en el servicio Power BI

Antes de poder iniciar sesión en Power BI, necesitará una cuenta. Para obtener una prueba
gratuita, vaya a app.powerbi.com y regístrese con su dirección de correo electrónico.

Para conocer los pasos detallados sobre cómo configurar una cuenta, consulte Iniciar sesión en el
servicio Power BI

El flujo de trabajo en Power BI

Un flujo de trabajo común en Power BI comienza en Power BI Desktop , donde se crea un informe.
Luego, ese informe se publica en el servicio Power BI y finalmente se comparte, para que los
usuarios de las aplicaciones Power BI Mobile puedan consumir la información.

No siempre sucede de esa manera, y está bien. Pero usaremos ese flujo para ayudarlo a aprender
las diferentes partes de Power BI y cómo se complementan entre sí.

Bien, ahora que tenemos una descripción general de este módulo, qué es Power BI y sus tres
elementos principales, echemos un vistazo a cómo es usar Power BI .

Usar Power BI
Terminado100 XP

 2 minutos

Ahora que hemos presentado los conceptos básicos de Microsoft Power BI, veamos
algunas experiencias prácticas y una visita guiada.

Las actividades y los análisis que aprenderá con Power BI generalmente siguen un
flujo común. El flujo de actividad común se ve así:
 1. Traiga datos a Power BI Desktop y cree un informe.
2. Publique en el servicio Power BI, donde puede crear nuevas visualizaciones o
crear paneles.
3. Comparta paneles con otras personas, especialmente con personas que están
en movimiento.
4. Vea e interactúe con paneles e informes compartidos en las aplicaciones de
Power BI Mobile.

Como se mencionó anteriormente, puede pasar todo su tiempo en el servicio

Power BI , viendo imágenes e informes que han sido creados por otros. Y eso está
bien. Alguien más en su equipo podría pasar su tiempo en Power BI Desktop , lo
cual también está bien. Para ayudarlo a comprender el continuo completo de
Power BI y lo que puede hacer, se lo mostraremos todo. Entonces puede decidir
cómo usarlo para su mejor ventaja.

Entonces, entremos y avancemos a través de la experiencia. Su primera tarea es

aprender los componentes básicos de Power BI, que proporcionarán una base
sólida para convertir los datos en informes y elementos visuales interesantes.

Bloques de construcción de Power BI

Terminado100 XP
  12 minutos

Todo lo que hace en Microsoft Power BI se puede dividir en algunos bloques de

construcción básicos . Una vez que comprenda estos componentes básicos,
puede ampliar cada uno de ellos y comenzar a crear informes elaborados y
complejos. Después de todo, incluso las cosas aparentemente complejas se
construyen a partir de bloques de construcción básicos. Por ejemplo, los edificios
se crean con madera, acero, hormigón y vidrio, y los automóviles están hechos de
metal, tela y caucho. Por supuesto, los edificios y los automóviles también pueden
ser básicos o elaborados, dependiendo de cómo estén organizados esos bloques
de construcción básicos.

Echemos un vistazo a estos bloques de construcción básicos, analicemos algunas

cosas simples que se pueden construir con ellos y luego echemos un vistazo a
cómo las cosas complejas también se pueden crear.

Estos son los componentes básicos de Power BI: Here are the basic building blocks
in Power BI:

 Visualizaciones
 Conjuntos de datos
 Informes
 Cuadros de mando
 Losas

Visualizaciones
Una visualización (a veces también denominada visual ) es una representación
visual de datos, como un gráfico, un mapa codificado por colores u otras cosas
interesantes que puede crear para representar sus datos visualmente. Power BI
tiene todo tipo de tipos de visualización y cada vez hay más. La siguiente imagen
muestra una colección de visualizaciones que se crearon en Power BI.
Las visualizaciones pueden ser simples, como un solo número que representa algo
significativo, o pueden ser visualmente complejas, como un mapa de color
degradado que muestra el sentimiento de los votantes sobre un determinado
problema o preocupación social. El objetivo de un objeto visual es presentar los
datos de una manera que proporcione contexto y conocimientos, los cuales
probablemente serían difíciles de discernir en una tabla sin procesar de números o
texto.

Conjuntos de datos
Un conjunto de datos es una colección de datos que Power BI usa para crear sus
visualizaciones.

Puede tener un conjunto de datos simple que se base en una sola tabla de un libro
de trabajo de Microsoft Excel, similar a lo que se muestra en la siguiente imagen.
Los conjuntos de datos también pueden ser una combinación de muchas fuentes
diferentes, que puede filtrar y combinar para proporcionar una colección única de
datos (un conjunto de datos) para usar en Power BI.

Por ejemplo, puede crear un conjunto de datos a partir de tres campos de base de
datos, una tabla de sitio web, una tabla de Excel y los resultados en línea de una
campaña de marketing por correo electrónico. Esa combinación única todavía se
considera un conjunto de datos único , a pesar de que se obtuvo de muchas
fuentes diferentes.

Filtrar los datos antes de incorporarlos a Power BI le permite concentrarse en los

datos que le interesan. Por ejemplo, puede filtrar su base de datos de contactos
para que solo los clientes que recibieron correos electrónicos de la campaña de
marketing estén incluidos en el conjunto de datos. Luego, puede crear imágenes
basadas en ese subconjunto de clientes (la colección filtrada) que se incluyeron en
la campaña. El filtrado lo ayuda a enfocar sus datos y sus esfuerzos.

Una parte importante y habilitadora de Power BI es la multitud de conectores de

datos que se incluyen. Ya sea que los datos que desee estén en Excel o en una base
de datos de Microsoft SQL Server, en Azure u Oracle, o en un servicio como
Facebook, Salesforce o MailChimp, Power BI tiene conectores de datos integrados
que le permiten conectarse fácilmente a esos datos, filtrar si es necesario, e
introdúzcalo en su conjunto de datos.

Una vez que tenga un conjunto de datos, puede comenzar a crear visualizaciones
que muestren diferentes partes del mismo de diferentes maneras y obtener
información basada en lo que ve. Ahí es donde entran los informes.

Informes
En Power BI, un informe es una colección de visualizaciones que aparecen juntas
en una o más páginas. Al igual que cualquier otro informe que pueda crear para
una presentación de ventas o escribir para una tarea escolar, un informe en Power
BI es una colección de elementos relacionados entre sí. La siguiente imagen
muestra un informe en Power BI Desktop. En este caso, es la segunda página de
un informe de cinco páginas. También puede crear informes en el servicio Power BI.

Los informes le permiten crear muchas visualizaciones, en varias páginas si es

necesario, y le permiten organizar esas visualizaciones de la manera que mejor
cuente su historia.
Es posible que tenga un informe sobre las ventas trimestrales, el crecimiento del
producto en un segmento en particular o los patrones de migración de los osos
polares. Sea cual sea su tema, los informes le permiten recopilar y organizar sus
visualizaciones en una página (o más).

Cuadros de mando
Cuando esté listo para compartir un informe o una colección de visualizaciones,
cree un panel . Al igual que el panel de un automóvil, un panel de Power BI es una
colección de elementos visuales de una sola página que puede compartir con
otros. A menudo, es un grupo seleccionado de elementos visuales que brindan una
visión rápida de los datos o la historia que está tratando de presentar.

Un tablero debe caber en una sola página, a menudo llamada lienzo. El lienzo es el
fondo en blanco en Power BI Desktop o el servicio, donde coloca las
visualizaciones. Piense en ello como el lienzo que utiliza un artista o pintor: un
espacio de trabajo donde crea, combina y reelabora imágenes interesantes y
convincentes. Puede compartir paneles con otros usuarios o grupos, que luego
pueden interactuar con sus paneles cuando están en el servicio Power BI o en sus
dispositivos móviles.

Losas
En Power BI, un icono es una visualización única en un panel. Es la caja rectangular
que contiene una imagen individual. En la siguiente imagen, verá un mosaico, que
también está rodeado por otros mosaicos.
Cuando crea un panel en Power BI, puede mover u organizar mosaicos como
desee. Puede hacerlos más grandes, cambiar su altura o ancho y acurrucarlos con
otros mosaicos.

Cuando está viendo o consumiendo un panel o informe, lo que significa que no es

el creador ni el propietario, pero el informe o panel se ha compartido con usted,
puede interactuar con él, pero no puede cambiar el tamaño. de los azulejos o su
disposición.

Todos juntos ahora

Estos son los conceptos básicos de Power BI y sus componentes básicos. Tomemos
un momento para revisar.

Power BI es una colección de servicios, aplicaciones y conectores que le permite

conectarse a sus datos, donde sea que residan, filtrarlos si es necesario y luego
llevarlos a Power BI para crear visualizaciones atractivas que puede compartir con
otros.
Ahora que ha aprendido sobre el puñado de componentes básicos de Power BI,
debe quedar claro que puede crear conjuntos de datos que tengan sentido para
usted y crear informes visualmente atractivos que cuenten su historia. Las historias
contadas con Power BI no tienen que ser complicadas para ser atractivas.

Para algunas personas, usar una sola tabla de Excel en un conjunto de datos y
luego compartir un tablero con su equipo es una forma increíblemente valiosa de
usar Power BI.

Para otros, el valor de Power BI está en el uso de tablas de Azure Synapse Analytics
en tiempo real que se combinan con otras bases de datos y fuentes en tiempo real
para crear un conjunto de datos momento a momento.

Para ambos grupos, el proceso es el mismo: crear conjuntos de datos, crear

elementos visuales atractivos y compartirlos con otros. Y el resultado también es el
mismo para ambos grupos: aproveche su mundo de datos en constante expansión
y conviértalo en información útil.

Ya sea que sus conocimientos de datos requieran conjuntos de datos sencillos o

complejos, Power BI lo ayuda a comenzar rápidamente y puede expandirse con sus
necesidades para ser tan complejo como lo requiera su mundo de datos. Y como
Power BI es un producto de Microsoft, puede contar con que será robusto,
extensible, compatible con Microsoft Office y listo para la empresa.

Ahora veamos cómo funciona esto. Comenzaremos por echar un vistazo rápido al

servicio Power BI.

Recorre y usa el servicio Power BI

Terminado100 XP

 12 minutos

Como aprendimos en la unidad anterior, el flujo de trabajo común en Microsoft

Power BI es crear un informe en Power BI Desktop, publicarlo en el servicio Power
BI y luego compartirlo con otros para que puedan verlo en el servicio. o en una
aplicación móvil.

Pero debido a que algunas personas comienzan en el servicio Power BI, echemos
un vistazo rápido a eso primero y aprendamos sobre una forma fácil y popular de
crear rápidamente elementos visuales en Power BI: aplicaciones .
Una aplicación es una colección de informes e imágenes preestablecidos y listos
para usar que se comparten con toda una organización. Usar una aplicación es
como calentar una cena en el microondas o pedir una comida rápida: solo tiene
que presionar algunos botones o hacer algunos comentarios, y rápidamente se le
servirá una colección de platos principales diseñados para ir juntos, todos
presentados en un paquete ordenado y listo para consumir.

Entonces, echemos un vistazo rápido a las aplicaciones, el servicio y cómo

funcionan. Entraremos en más detalles sobre las aplicaciones (y el servicio) en los
próximos módulos, pero puede pensar en esto como un gusto para abrir el
apetito. Puede iniciar sesión en el servicio en https://powerbi.microsoft.com .

Cree paneles de control listos para usar con

servicios en la nube
Con Power BI, conectarse a los datos es fácil. Desde el servicio Power BI, puede
seleccionar el botón Obtener datos en la esquina inferior izquierda de la página de
inicio.

El lienzo (el área en el centro del servicio Power BI) muestra las fuentes de datos
disponibles en el servicio Power BI. Además de fuentes de datos comunes como
archivos de Microsoft Excel, bases de datos o datos de Microsoft Azure, Power BI
puede conectarse fácilmente a una variedad completa
de servicios de software (también llamados proveedores de SaaS o servicios en la
nube): Salesforce, Facebook, Google Analytics y más.

Para estos servicios de software, el servicio Power BI proporciona una colección de

elementos visuales listos para usar que se organizan previamente en paneles e
informes para su organización. Esta colección de elementos visuales se
llama aplicación . Las aplicaciones lo ponen en funcionamiento rápidamente, con
datos y paneles que su organización ha creado para usted. Por ejemplo, cuando
usa la aplicación GitHub, Power BI se conecta a su cuenta de GitHub (después de
proporcionar sus credenciales) y luego completa una colección predefinida de
elementos visuales y paneles en Power BI.

Hay aplicaciones para todo tipo de servicios en línea. La siguiente imagen muestra
una página de aplicaciones que están disponibles para diferentes servicios en línea,
en orden alfabético. Esta página se muestra cuando selecciona
el botón Obtener en el cuadro Servicios (que se muestra en la imagen
anterior). Como puede ver en la siguiente imagen, hay muchas aplicaciones para
elegir.
Para nuestros propósitos, elegiremos GitHub . GitHub es una aplicación para el
control de fuentes en línea. Cuando selecciona el botón Obtener ahora en el
cuadro de la aplicación GitHub, aparece el cuadro de diálogo Conectar a
GitHub . Tenga en cuenta que GitHub no es compatible con Internet Explorer, así
que asegúrese de estar trabajando en otro navegador.
Después de ingresar la información y las credenciales para la aplicación GitHub,
comienza la instalación de la aplicación.
Una vez cargados los datos, aparece el panel de control de la aplicación GitHub
predefinido.

Además del panel de la aplicación , el informe que se generó (como parte de la

aplicación GitHub) y se usó para crear el panel está disponible, al igual que
el conjunto de datos (la colección de datos extraídos de GitHub) que se creó
durante la importación de datos y se usó para crear el informe de GitHub.

Puede seleccionar cualquiera de los elementos visuales e interactuar con

ellos. Mientras lo hace, todos los demás elementos visuales de la página
responderán. Por ejemplo, cuando selecciona el informe Solicitudes de extracción
en el mapa de árbol, los demás elementos visuales de la página se ajustan para
reflejar esa selección.
Actualizar datos en el servicio Power BI
También puede optar por actualizar el conjunto de datos de una aplicación u
otros datos que usa en Power BI. Para establecer la configuración de actualización,
seleccione el icono de actualización programada para el conjunto de datos que
desea actualizar y luego use el menú que aparece. También puede seleccionar el
ícono de actualización (el círculo con una flecha) junto al ícono de actualización del
programa para actualizar el conjunto de datos de inmediato.
La pestaña Conjuntos de datos se selecciona en la página Configuración que
aparece. En el panel derecho, seleccione la flecha junto a Actualización
programada para expandir esa sección. El cuadro de
diálogo Configuración aparece en el lienzo, lo que le permite establecer la
configuración de actualización que se adapte a sus necesidades.
Eso es suficiente para nuestro rápido vistazo al servicio Power BI. Hay muchas más
cosas que puede hacer con el servicio, y las cubriremos más adelante en este
módulo y en los próximos módulos. Además, recuerde que hay muchos tipos de
datos a los que puede conectarse, y todo tipo de aplicaciones, y hay más de ambos
disponibles todo el tiempo.

Resumen
Terminado100 XP

 5 minutos

Hagamos una revisión rápida de lo que cubrimos en este módulo.

Microsoft Power BI es una colección de servicios de software, aplicaciones y

conectores que trabajan juntos para convertir sus datos en información
interactiva. Puede utilizar datos de fuentes básicas únicas, como un libro de trabajo
de Microsoft Excel, o extraer datos de varias bases de datos y fuentes en la nube
para crear conjuntos de datos e informes complejos. Power BI puede ser tan
sencillo como desee o tan preparado para la empresa como lo requiera su
complejo negocio global.

Power BI consta de tres elementos principales: Power BI Desktop , el servicio

Power BI y Power BI Mobile, que funcionan en conjunto para permitirle crear,
interactuar, compartir y consumir sus datos de la forma que desee.

También discutimos los bloques de construcción básicos en Power BI:

  Visualizaciones : representaciones visuales de datos, a veces simplemente
llamadas visuales.
 Conjuntos de datos: colecciones de datos que Power BI usa para crear
visualizaciones
 Informes : colecciones de elementos visuales de un conjunto de datos, que
abarcan una o más páginas.
 Paneles : colecciones de elementos visuales de una sola página creadas a
partir de informes
 Mosaicos : visualizaciones únicas en informes o paneles

En el servicio Power BI , instalamos una aplicación con unos pocos

clics. Esa aplicación , una colección preparada de imágenes e informes, nos
permite conectarnos fácilmente a un servicio de software para completar la
aplicación y dar vida a esos datos.

Finalmente, configuramos un programa de actualización para nuestros datos, de

modo que sepamos que los datos estarán actualizados cuando regresemos al
servicio Power BI.

Próximos pasos
¡Felicidades! Ha terminado el primer módulo de la ruta de aprendizaje de Power
BI. Ahora tiene una base sólida de conocimientos para cuando pase al siguiente
módulo, que describe los pasos para crear su primer informe.

Mencionamos esto antes, pero vale la pena repetirlo: esta ruta de aprendizaje
construye su conocimiento siguiendo el flujo de trabajo común en Power BI:

 Traiga datos a Power BI Desktop y cree un informe.

 Publique en el servicio Power BI, donde crea nuevas visualizaciones o crea
paneles.
 Comparta sus paneles con otras personas, especialmente con personas que
están en movimiento.
 Vea e interactúe con paneles e informes compartidos en las aplicaciones
de Power BI Mobile .
Es posible que no haga todo ese trabajo usted mismo: algunas personas solo verán
los paneles creados por otra persona y solo usarán el servicio. Eso está bien, y
pronto tendremos un módulo dedicado a mostrar cómo puede navegar y usar
fácilmente el servicio Power BI para ver e interactuar con informes y aplicaciones.

Pero el siguiente módulo sigue el flujo de trabajo en Power BI y le muestra cómo

crear un informe y publicarlo en el servicio Power BI. Aprenderá cómo se crean
esos informes y paneles y cómo se conectan a los datos. Incluso puede decidir
crear su propio informe o panel de control.

¡Nos vemos en el próximo módulo!

Conectar datos en power bi

Introducción
Completado100 XP

 2 minutos

Como muchos de nosotros, trabaja para una empresa en la que debe crear
informes de Microsoft Power BI. Los datos residen en diversas bases de datos y
archivos. Estos repositorios de datos son diferentes entre sí; algunos están en
Microsoft SQL Server, otros en Microsoft Excel, pero todos los datos están
relacionados.

En el escenario de este módulo, trabaja para Tailwind Traders. Sus superiores le han
encargado que cree un conjunto de informes que dependen de datos que residen
en varias ubicaciones diferentes. La base de datos que realiza el seguimiento de las
transacciones de ventas está en SQL Server. Se trata de una base de datos
relacional que contiene los artículos que compró cada cliente y cuándo. También
lleva un seguimiento de qué empleado realizó la venta, junto con su nombre e
identificador. Aun así, esta base de datos no contiene la fecha de contratación del
empleado, su cargo o su superior. Para conseguir esa información, debe acceder a
los archivos de Excel del departamento de recursos humanos. Les ha solicitado en
varias ocasiones que usen una base de datos SQL, pero todavía no han podido
implementarla.

Cuando se envía un artículo, el envío se registra en la aplicación de

almacenamiento, que es nueva en la empresa. Los desarrolladores optaron por
almacenar los datos en CosmosDB, como un conjunto de documentos JSON.

Tailwind Traders tiene una aplicación que ayuda a realizar proyecciones financieras,
de modo que puedan predecir cuáles serán sus ventas en los próximos meses y
años, en función de las tendencias pasadas. Dichas proyecciones se almacenan en
Microsoft Azure Analysis Services. Esta es una vista de los numerosos orígenes de
datos de los que se debe combinar datos.
Antes de crear informes, debe extraer datos de los distintos orígenes de datos. No
es lo mismo interactuar con SQL Server que con Excel, por lo que debe conocer los
matices de ambos sistemas. Una vez que haya aprendido los detalles de cada
sistema, puede usar Power Query (el motor de consultas que emplean Power BI y
Excel) para limpiar los datos mediante acciones como cambiar el nombre de las
columnas, reemplazar valores, eliminar errores y combinar los resultados de la
consulta. Una vez que los datos se han limpiado y organizado, ya puede generar
informes en Power BI. Por último, publicará el conjunto de datos combinado y los
informes en el servicio Power BI (PBIS). De este modo, otras personas podrán usar
el conjunto datos y generar sus propios informes, o bien usar los informes que ya
están creados. Además, si otra persona ha creado un conjunto de datos que a
usted le gustaría usar, también puede crear informes a partir de él.

Este módulo se centra en el primer paso, que consiste en obtener datos de

distintos orígenes de datos e importarlos en Power BI mediante Power Query.

Al término de este módulo, podrá:

 Identificar un origen de datos y conectarse a él

 Obtener datos de una base de datos relacional, como Microsoft SQL Server
 Obtener datos de un archivo, como Microsoft Excel
 Obtener datos de aplicaciones
  Obtener datos de Azure Analysis Services
 Seleccionar un modo de almacenamiento
 Corregir problemas de rendimiento
 Resolver errores de importación de datos

Siguiente unidad: Obtención de datos de archivos

Obtención de datos de archivos
Completado100 XP

 5 minutos

A menudo, las organizaciones exportan y almacenan datos en archivos. Uno de los

posibles formatos de archivo es el archivo plano. Un archivo plano es aquel que
solo tiene una tabla de datos y en el que cada fila de datos está en la misma
estructura. El archivo no contiene jerarquías. Probablemente, estará familiarizado
con los tipos más comunes de archivos planos: los archivos de valores separados
por comas (.csv), los archivos de texto delimitado (.txt) y los archivos de ancho fijo.
Otro tipo serían los archivos de salida de diversas aplicaciones, como los libros de
Microsoft Excel (.xlsx).

Power BI Desktop permite obtener datos de muchos tipos de archivos. Encontrará

una lista de las opciones disponibles cuando use la característica  Obtener datos 
en Power BI Desktop. En las secciones siguientes se explica cómo se puede
importar datos desde un archivo de Excel almacenado en un equipo local.

Escenario
El equipo de recursos humanos de Tailwind Traders ha preparado un archivo plano
que contiene parte de los datos de los empleados de la organización, como el
nombre, la fecha de contratación, el cargo y la persona responsable de su
departamento. Le han solicitado que cree informes de Power BI con estos datos y
con otros que se encuentran en diferentes orígenes de datos.

Ubicación del archivo plano

El primer paso consiste en determinar la ubicación del archivo que quiere usar para
exportar y almacenar los datos.

Puede haber archivos de Excel en las siguientes ubicaciones:

 Local: puede importar datos de un archivo local en Power BI. El archivo

no se mueve a Power BI y no permanece vinculado. En su lugar, se crea
un conjunto de datos en Power BI, donde se cargan los datos del
archivo de Excel. Por lo tanto, los cambios que se realicen en el archivo
de Excel original no se reflejarán en el conjunto de datos de Power BI.
Puede usar la importación de datos locales para los datos que no
cambien.

 OneDrive para la Empresa : puede extraer datos de OneDrive para la

Empresa en Power BI. Este método es eficaz para mantener
sincronizados un archivo de Excel y el conjunto de datos, los informes y
los paneles de Power BI. Power BI se conecta periódicamente al archivo
en OneDrive. Si se encuentra algún cambio, el conjunto de datos, los
informes y los paneles se actualizan automáticamente en Power BI.

 OneDrive - Personal : puede usar datos de archivos en una cuenta

personal de OneDrive y aprovechar muchas de las ventajas que
disfrutaría con OneDrive para la Empresa. Aun así, deberá iniciar sesión
con su cuenta personal de OneDrive y seleccionar la opción Mantener
la sesión iniciada. Consulte al administrador del sistema para saber si
este tipo de conexión está permitido en la organización.

 SharePoint: sitios de grupo : el proceso de guardar archivos de

Power BI Desktop en sitios de grupo de SharePoint es similar al de
guardar en OneDrive para la Empresa. La principal diferencia es cómo
se conecta al archivo desde Power BI. Puede especificar una dirección
URL o conectarse a la carpeta raíz.
El uso de una opción en la nube, como OneDrive o los sitios de grupo de
SharePoint, es la manera más eficaz de mantener el archivo sincronizado con el
conjunto de archivos, los informes y los paneles de Power BI. Aun así, si los datos
no cambian periódicamente, el almacenamiento de archivos en un equipo local es
una opción adecuada.  

Conexión a los datos de un archivo

En Power BI, en la pestaña Inicio, seleccione  Obtener datos. En la lista que se

muestra, seleccione la opción que necesite, como  Texto o CSV o  XML. En este
ejemplo, seleccionará  Excel.

 Sugerencia

La pestaña Inicio contiene opciones de acceso rápido al origen de datos, como

Excel, junto al botón  Obtener datos .  
En función de la selección, deberá buscar y abrir el origen de datos. Es posible que
se le pida que inicie sesión en un servicio, como OneDrive, para autenticar su
solicitud. En este ejemplo, abrirá el libro de Excel  Employee Data  (Datos de los
empleados) que está almacenado en el escritorio.

Selección de los datos de archivo que se van a importar

Una vez que el archivo se haya conectado a Power BI Desktop, se abrirá la

ventana Navegador. En esta ventana se muestran los datos que están disponibles
en el origen de datos (en este ejemplo, el archivo de Excel). Puede seleccionar una
tabla o entidad para obtener una vista previa de su contenido, con el fin de
asegurarse de que se cargan los datos correctos en el modelo de Power BI.

Active las casillas de las tablas que quiera incluir en Power BI. Esta acción activa los
botones  Cargar  y  Transformar datos , como se muestra en la siguiente imagen.
Ahora tiene la opción de seleccionar el botón  Cargar  para cargar los datos
automáticamente en el modelo de Power BI, o bien seleccionar el botón
Transformar datos  para iniciar el Editor de Power Query, donde puede revisar y
limpiar los datos antes de cargarlos en el modelo de Power BI.

Solemos recomendar que se transformen los datos, pero este proceso se tratará
más adelante en este módulo. En este ejemplo, puede seleccionar  Cargar.

Cambio del archivo de origen

Es posible que tenga que cambiar la ubicación de un archivo de origen para un

origen de datos durante el desarrollo o en caso de que la ubicación de
almacenamiento de un archivo cambie. Para mantener los informes actualizados,
deberá actualizar las rutas de conexión de los archivos en Power BI.

Power Query proporciona varias formas de llevar a cabo esta tarea para que pueda
realizar este tipo de cambio cuando sea necesario.

1. Configuración del origen de datos  

2. Configuración de consulta  
3. Editor avanzado
 Advertencia
Si va a cambiar una ruta de acceso de archivo, asegúrese de volver a conectarse al
mismo archivo con la misma estructura de archivos. Cualquier cambio estructural
en un archivo, como eliminar columnas del archivo de origen o cambiarles el
nombre, interrumpirá el modelo de informes.

Por ejemplo, intente cambiar la ruta de acceso del archivo de origen de datos en la
configuración del origen de datos. Seleccione  Configuración de origen de datos 
en Power Query. En la ventana  Configuración de origen de datos , elija el archivo
y seleccione  Cambiar origen. Actualice la  Ruta de acceso del archivo  o use la
opción  Examinar  para buscar el archivo, seleccione  Aceptar y, luego,  Cerrar.

Obtención de datos de orígenes de datos relacionales

Completado100 XP

 6 minutos

Si la organización usa una base de datos relacional para registrar las transacciones
de ventas, puede recurrir a Power BI Desktop para establecer una conexión con la
base de datos relacional de la organización, en lugar de obtener los datos de
archivos planos individuales.

El hecho de conectar Power BI a la base de datos le ayudará a supervisar el

progreso del negocio e identificar las tendencias, de modo que pueda pronosticar
cifras de ventas, planear presupuestos y establecer indicadores y objetivos de
rendimiento.  Power BI Desktop puede conectarse a muchas bases de datos
relacionales que están en la nube o en un entorno local.

Escenario
El equipo de ventas de Tailwind Traders le ha pedido que se conecte a la base de
datos de SQL Server local de la organización y que obtenga los datos de ventas en
Power BI Desktop para poder crear informes de ventas.

Conexión a los datos de una base de datos relacional

Puede usar la característica  Obtener datos de Power BI Desktop y seleccionar la

opción aplicable para la base de datos relacional. En este ejemplo, seleccionaría la
opción  SQL Server , como se muestra en la captura de pantalla siguiente.  

 Sugerencia
Junto al botón Obtener datos se encuentran opciones de acceso rápido al origen
de datos, como SQL Server.

El siguiente paso consiste en escribir el nombre del servidor de base de datos y un

nombre de base de datos en la ventana Base de datos SQL Server. Las dos
opciones del modo de conectividad de datos son Importar (opción recomendada
y seleccionada de forma predeterminada) y DirectQuery. En general,
seleccionará Importar . También hay disponibles otras opciones avanzadas en la
ventana Base de datos SQL Server, pero puede omitirlas por ahora.
Una vez que haya agregado los nombres del servidor y de la base de datos, se le
pedirá que inicie sesión con un nombre de usuario y una contraseña. Tendrá tres
opciones de inicio de sesión:

 Windows : use la cuenta de Windows (credenciales de Azure Active

Directory).

 Base de datos : use las credenciales de la base de datos.  Por ejemplo,

SQL Server tiene su propio sistema de inicio de sesión y autenticación,
que se usa a veces.  Si el administrador de la base de datos le ha
proporcionado un inicio de sesión único para la base de datos, es
posible que tenga que escribir esas credenciales en la pestaña Base de
datos.

 Cuenta de Microsoft : use las credenciales de la cuenta de

Microsoft. Esta opción suele usarse para los servicios de Azure.

Elija una opción de inicio de sesión, escriba su nombre de usuario y contraseña y

seleccione  Conectar.  
Selección de los datos para importar

Una vez que la base de datos se ha conectado a Power BI Desktop, en la ventana

Navegador  se muestran los datos que están disponibles en el origen de datos (en
este ejemplo, la base de datos SQL). Puede seleccionar una tabla o entidad para
obtener una vista previa de su contenido y asegurarse de que se cargan los datos
correctos en el modelo de Power BI.  

Active las casillas de las tablas que quiere incluir en Power BI Desktop y seleccione
la opción  Cargar  o  Transformar datos .

 Cargar : cargue automáticamente los datos en un modelo de Power BI

en su estado actual.

 Transformar datos : abra los datos en Microsoft Power Query, donde

puede realizar acciones como eliminar filas o columnas innecesarias,
agrupar los datos, quitar errores y muchas otras tareas relacionadas
con la calidad de los datos.
Importación de los datos mediante la escritura de una consulta SQL  

Otra manera de importar datos consiste en escribir una consulta SQL para
especificar solo las tablas y las columnas que se necesitan.

Para escribir una consulta SQL, en la ventana  Base de datos SQL Server , escriba
los nombres del servidor y de la base de datos y, luego, seleccione la flecha situada
junto a  Opciones avanzadas para expandir esta sección y ver las opciones. En el
cuadro  Instrucción SQL , escriba la instrucción de consulta y
seleccione Aceptar. En este ejemplo, usará la instrucción SQL Select  para cargar
las columnas ID, NAME y SALESAMOUNT  desde la tabla SALES.
Modificación de la configuración del origen de datos  

Después de crear una conexión a un origen de datos y de cargar los datos en

Power BI Desktop, puede regresar en cualquier momento y cambiar la
configuración de conexión. Esta acción suele ser necesaria cuando lo requiere una
directiva de seguridad de la organización, por ejemplo, si es necesario actualizar la
contraseña cada 90 días. Puede cambiar el origen de datos, editar los permisos o
borrarlos.

En la pestaña  Inicio, seleccione  Transformar datos  y elija la opción

Configuración de origen de datos .
En la lista de orígenes de datos que se muestra, seleccione el origen de datos que
quiere actualizar. Después, puede hacer clic con el botón derecho en ese origen de
datos para ver las opciones de actualización disponibles, o bien puede usar los
botones de la opción de actualización que aparecen en la parte inferior izquierda
de la ventana. Seleccione la opción de actualización que necesite, cambie la
configuración según sea necesario y aplique los cambios.

También puede cambiar la configuración del origen de datos desde Power

Query. Seleccione la tabla y elija la opción  Configuración de origen de datos  en
la cinta de opciones Inicio . También puede ir al panel  Configuración de la
consulta  en el lado derecho de la pantalla y seleccionar el icono de configuración
situado junto a Origen (o hacer doble clic en Origen). En la ventana que aparece,
actualice los detalles del servidor y de la base de datos y, luego, seleccione
Aceptar.

Una vez que haya realizado los cambios, seleccione  Cerrar y aplicar  para
aplicarlos a la configuración del origen de datos.

Escritura de una instrucción SQL

Como ya se ha indicado, puede importar datos en el modelo de Power BI mediante

una consulta SQL. SQL, o Lenguaje de consulta estructurado, es un lenguaje de
programación normalizado que se usa para administrar bases de datos relacionales
y realizar diversas operaciones de administración de datos.

Considere una base de datos con una tabla grande que se compone de los datos
de ventas a lo largo de varios años.  Los datos de ventas a partir de 2009 no son
pertinentes para el informe que está creando. En esta situación, SQL es beneficioso
porque permite cargar solo el conjunto de datos necesario. Para ello, se especifican
columnas y filas concretas en la instrucción SQL y, luego, se importan en el modelo
de datos. También se pueden combinar tablas diferentes, ejecutar cálculos
específicos, crear instrucciones lógicas y filtrar datos en la consulta SQL.

En el ejemplo siguiente se muestra una consulta simple en la que se seleccionan los

elementos ID, NAME y SALESAMOUNT de la tabla SALES.

La consulta SQL empieza con una instrucción  Select, que le permite elegir los
campos específicos que quiere extraer de la base de datos. En este ejemplo, le
interesa cargar las columnas ID, NAME y SALESAMOUNT.
SQLCopiar
SELECT
ID
, NAME
, SALESAMOUNT
FROM

FROM especifica el nombre de la tabla de la que quiere extraer los datos. En este
caso, es la tabla SALES. El ejemplo siguiente es la consulta SQL completa:

SQLCopiar
SELECT
ID
, NAME
, SALESAMOUNT
FROM
SALES

Al usar una consulta SQL para importar datos, procure evitar el uso del carácter
comodín (*) en la consulta. Si usa el carácter comodín (*) en la instrucción SELECT,
importará todas las columnas que no necesita de la tabla especificada.

En el ejemplo siguiente se muestra la consulta con el carácter comodín.  

SQLCopiar
SELECT *
FROM
SALES

El carácter comodín (*) importará todas las columnas de la tabla  Sales. No se

recomienda este método porque producirá una redundancia en los datos del
modelo, lo que conllevará problemas de rendimiento y requerirá pasos adicionales
para normalizar los datos para la creación de informes.  

Todas las consultas deben tener también una cláusula WHERE. Esta cláusula filtrará
las filas de modo que solo se seleccionen los registros filtrados que le interesen. En
este ejemplo, si quiere obtener datos de ventas recientes a partir del 1 de enero de
2020, agregue una cláusula WHERE. La consulta evolucionada tendría un aspecto
similar al siguiente.

SQLCopiar
SELECT
ID
, NAME
, SALESAMOUNT
FROM
SALES
WHERE
OrderDate >= ‘1/1/2020’

Se recomienda no hacerlo directamente en Power BI. En su lugar, considere la

posibilidad de escribir una consulta como esta en una vista. Una vista es un objeto
de una base de datos relacional, similar a una tabla. Las vistas tienen filas y
columnas y pueden contener casi todos los operadores del lenguaje SQL. Si
Power BI usa una vista, cuando recupera datos, participa en el plegado de
consultas, una característica de Power Query. El plegado de consultas se explicará
más adelante, pero, en pocas palabras, Power Query optimiza la recuperación de
datos en función de cómo se vayan a usar más adelante.

Obtención de datos de una base de datos NoSQL

Completado100 XP

 3 minutos

Algunas organizaciones no usan bases de datos relacionales, sino bases de datos

NoSQL . Una base de datos NoSQL (también denominada "no solo SQL" o  no
relacional) es un tipo de base de datos flexible que no usa tablas para almacenar
datos.  

Escenario
Los desarrolladores de software de Tailwind Traders han creado una aplicación
para administrar el envío y el seguimiento de los productos desde sus almacenes
que usa Cosmos DB (una base de datos NoSQL) como repositorio de datos.  Esta
aplicación recurre a Cosmos DB para almacenar documentos JSON, que son
formatos de archivo estándar abiertos que se usan principalmente para transmitir
datos entre un servidor y una aplicación web. Debe importar estos datos en un
modelo de datos de Power BI para la creación de informes.

Conexión con una base de datos NoSQL (Azure Cosmos DB)

En este escenario, usará la característica  Obtener datos  de Power BI Desktop. Esta

vez, en cambio, seleccionará la opción  Más…  para buscar el tipo de base de datos
que usa y conectarse a él. En este ejemplo, seleccionará la categoría  Azure ,
Azure Cosmos DB  y  Conectar.
En la ventana  Conector de vista previa , seleccione  Continuar y escriba las
credenciales de la base de datos. En este ejemplo, en la ventana  Azure Cosmos
DB , puede especificar los detalles de la base de datos. Indique la dirección URL del
punto de conexión de la cuenta de Azure Cosmos DB de la que quiere obtener los
datos (puede obtener la dirección URL en la hoja  Claves  de Azure Portal).
También puede escribir el nombre de la base de datos, el nombre de la colección o
usar el navegador para seleccionar la base de datos y la colección para identificar el
origen de datos.

Si se va a conectar a un punto de conexión por primera vez, como en este ejemplo,

asegúrese de especificar la clave de cuenta. La encontrará en el cuadro  Clave
principal  situado en la hoja  Claves de solo lectura  de Azure Portal.

Importación de un archivo JSON

Es necesario extraer y normalizar los registros de tipo JSON para poder informar
sobre ellos, por lo que debe transformar los datos antes de cargarlos en Power BI
Desktop.

Una vez que se haya conectado a la cuenta de la base de datos, se abrirá la ventana
Navegador , en la que se mostrará una lista de las bases de datos en dicha cuenta.
Seleccione la tabla que quiere importar. En este ejemplo, seleccionará la tabla
Product. En el panel de vista previa solo se muestran elementos Record porque
todos los registros del documento se representan como un tipo Record en
Power BI.

Seleccione el botón  Editar  para abrir los registros en Power Query.  

En Power Query, seleccione el botón  ampliador situado a la derecha del

encabezado  Column1 , que mostrará el menú contextual con una lista de campos.
Seleccione los campos que quiere cargar en Power BI Desktop, desactive la casilla
Usar el nombre de columna original como prefijo  y seleccione  Aceptar.
Revise los datos seleccionados para asegurarse de que está satisfecho con ellos y,
luego, seleccione  Cerrar y aplicar  para cargar los datos en Power BI Desktop.
Los datos ahora parecen una tabla con filas y columnas. Los datos de Cosmos DB
ya pueden relacionarse con los de otros orígenes de datos y usarse en un informe
de Power BI.

Obtención de datos de servicios en línea

Completado100 XP

 2 minutos

Para llevar a cabo sus operaciones cotidianas, las organizaciones suelen usar
diversas aplicaciones de software, como SharePoint, OneDrive, Dynamics 365,
Google Analytics, etc. Estas aplicaciones generan sus propios datos. Power BI
puede combinar los datos de varias aplicaciones para generar conclusiones e
informes más significativos.

Escenario
Tailwind Traders usa SharePoint para colaborar y almacenar datos de ventas. Al
principio del nuevo año financiero, los jefes de ventas quieren establecer nuevos
objetivos para el equipo de ventas. El formulario que usan los directivos ya existe
en SharePoint. Usted debe establecer una conexión con estos datos dentro de
Power BI Desktop, de modo que los objetivos de ventas se puedan usar junto con
otros datos de ventas con el fin de determinar el estado de la canalización de
ventas.

En las secciones siguientes se examina cómo usar la característica  Obtener datos 

de Power BI Desktop para conectarse a los orígenes de datos generados por
aplicaciones externas. Para ilustrar este proceso, se proporciona un ejemplo en el
que se muestra cómo conectarse a un sitio de SharePoint e importar datos de una
lista en línea.  

Conexión con los datos de una aplicación

Cuando se conecte a los datos de una aplicación, comenzará de la misma forma

que al conectarse a otros orígenes de datos, es decir, seleccionará la característica
Obtener datos en Power BI Desktop. Después, elija la opción que necesite en la
categoría  Servicios en línea . En este ejemplo, seleccionará Lista de SharePoint
Online.  
Una vez que haya seleccionado Conectar, se le pedirá la dirección URL de
SharePoint. Esta dirección URL es la que se usa para iniciar sesión en el sitio de
SharePoint a través de un explorador web. Puede copiar la dirección URL del sitio
de SharePoint y pegarla en la ventana de conexión de Power BI. No es necesario
escribir la ruta completa del archivo de dirección URL. Basta con cargar la dirección
URL del sitio, ya que, cuando esté conectado, podrá seleccionar la lista específica
que quiera cargar. En función de la dirección URL que haya copiado, puede que
tenga que eliminar la última parte de la URL, como se muestra en la siguiente
imagen.

Después de especificar la dirección URL, seleccione  Aceptar. Power BI debe

autorizar la conexión a SharePoint. Por lo tanto, inicie sesión con la cuenta de
Microsoft y seleccione  Conectar.

Selección de los datos de aplicación que se van a importar

Una vez que Power BI haya establecido la conexión con SharePoint, aparecerá la
ventana Navegador, como cuando se conecta a otros orígenes de datos. En la
ventana se muestran las tablas y entidades del sitio de SharePoint. Seleccione la
lista que quiere cargar en Power BI Desktop. Al igual que cuando se importa desde
otros orígenes de datos, tiene la opción de cargar los datos automáticamente en el
modelo de Power BI o iniciar el Editor de Power Query para transformar los datos
antes de cargarlos.

En este ejemplo, se selecciona la opción Cargar.

Cuando esté satisfecho con los datos, seleccione el botón  Cerrar y aplicar  para
activar los cambios y cargar los datos en Power BI Desktop.
Selección de un modo de almacenamiento
Completado100 XP

 4 minutos

La forma más popular de usar datos en Power BI consiste en importarlos en un

conjunto de datos de Power BI. La importación de datos conlleva su
almacenamiento en el archivo de Power BI y su publicación junto con los informes
de Power BI. Este proceso ayuda a facilitar la interacción directa con los datos. Aun
así, este enfoque podría no funcionar en todas las organizaciones.

Volviendo al escenario que nos ocupa, usted se dedica a la creación de informes de

Power BI para el departamento de ventas de Tailwind Traders, donde la
importación de los datos no es un método ideal. La primera tarea que debe llevar a
cabo consiste en crear los conjuntos de datos en Power BI para poder generar
objetos visuales y otros elementos de informe. El departamento de ventas cuenta
con numerosos conjuntos de datos diferentes de varios tamaños. Por motivos de
seguridad, no se le permite importar copias locales de los datos en los informes,
por lo que la importación directa de los datos no es una opción. Por lo tanto, debe
crear una conexión directa con el origen de datos del departamento de ventas. En
la siguiente sección se indica cómo puede garantizar el cumplimiento de estos
requisitos empresariales al importar datos en Power BI.

Aun así, a veces podrían aplicarse unos requisitos de seguridad a los datos que no
permiten importar directamente una copia. O simplemente los conjuntos de datos
podrían ser demasiado grandes y tardar demasiado en cargarse en Power BI, por lo
que quiere evitar que se cree un cuello de botella de rendimiento. Power BI
resuelve estos problemas mediante el uso del modo de almacenamiento
DirectQuery, que permite consultar directamente los datos del origen de datos, sin
necesidad de importar una copia en Power BI. DirectQuery es útil porque garantiza
que se vea siempre la versión más reciente de los datos.

Puede elegir entre tres tipos de modos de almacenamiento diferentes:

 Importar
 DirectQuery
 Dual (compuesto)

Para acceder a los modos de almacenamiento, cambie a la vista Modelo,

seleccione una tabla de datos y, en el panel Propiedades que aparece, elija el modo
que quiere usar en la lista desplegable Modo de almacenamiento, como se
muestra en el siguiente objeto visual.
Veamos con más detalle los diferentes modos de almacenamiento.

Modo Importar

El modo Importar permite crear una copia local de Power BI de los conjuntos de
datos desde el origen de datos. Puede usar todas las características del servicio
Power BI con este modo de almacenamiento, como Preguntas y respuestas y
Conclusiones rápidas. A pesar de ello, las actualizaciones de los datos deben
realizarse manualmente. El modo Importar es el valor predeterminado a la hora de
crear informes de Power BI.

Modo DirectQuery

La opción DirectQuery es útil si no quiere guardar copias locales de los datos

porque los datos no se almacenarán en caché. En su lugar, puede consultar las
tablas específicas que necesite mediante consultas nativas de Power BI y los datos
necesarios se recuperarán del origen de datos subyacente. Básicamente, está
creando una conexión directa al origen de datos. El uso de este modelo garantiza
que se vean siempre los datos más actualizados y que se cumplan todos los
requisitos de seguridad. Además, este modo es adecuado cuando se tienen
grandes conjuntos de datos de los que extraer datos. En lugar de cargar grandes
cantidades de datos en Power BI, ya que ralentiza el rendimiento, puede usar
DirectQuery para crear una conexión al origen y, al mismo tiempo, resolver los
problemas de latencia de los datos.
Dual (modo compuesto)

En el modo dual, puede identificar los datos que se van a importar directamente y
los datos que se deben consultar. Todas las tablas que se incluyan en el informe
serán el resultado de los modos Importar y DirectQuery. El uso del modo dual
permite a Power BI elegir la forma más eficaz de recuperar los datos.

Para obtener más información sobre los modos de almacenamiento, vea  Modos
de almacenamiento.

Obtener datos de Azure Analysis Services

Completado100 XP

 2 minutos

Azure Analysis Services es un producto de Azure que permite ingerir datos de

varios orígenes de datos, generar relaciones entre los datos y crear cálculos en
ellos. Los cálculos se generan mediante el uso de expresiones de análisis de datos
(DAX). Azure Analysis Services es similar a la tecnología de almacenamiento y
modelado de datos de Power BI.

Volviendo al escenario que nos ocupa, Tailwind Traders usa Azure Analysis Services
para almacenar datos de proyección financiera. Se le ha pedido que los compare
con los datos de ventas reales de una base de datos diferente. La obtención de
datos de cubos de Azure Analysis Services es similar a la obtención de datos de
SQL Server, en el sentido de que se puede hacer lo siguiente:

 Autenticarse en el servidor.
 Elegir el cubo que se quiere usar.
 Seleccionar las tablas que se necesitan.

Las principales diferencias entre los cubos de Azure Analysis Services y SQL Server
son estas:

 Los cubos de Analysis Services ya tienen cálculos, sobre los que hablaremos
con detalle más adelante.
 Si no necesita una tabla completa, puede consultar los datos directamente.
En lugar de usar Transact-SQL (T-SQL) para consultar los datos, como haría
en SQL Server, puede usar expresiones multidimensionales (MDX) o
expresiones de análisis de datos (DAX).

Conexión con los datos de Azure Analysis Services  

Como ya se ha indicado, debe usar la característica Obtener datos de Power BI
Desktop. Al seleccionar Analysis Services, se le solicitará la dirección del servidor y
el nombre de la base de datos con dos opciones: Importar y Conectar en directo.

Conectar en directo es una nueva opción de Azure Analysis Services. Azure

Analysis Services usa el modelo tabular y DAX para generar cálculos, de forma
similar a Power BI. Estos modelos son compatibles entre sí. El uso de la opción
Conectar en directo ayuda a mantener los datos y los cálculos de DAX en su
ubicación original, sin necesidad de importarlos todos en Power BI. Azure Analysis
Services puede tener una programación de actualización rápida, lo que significa
que, cuando se actualizan los datos en el servicio, los informes de Power BI se
actualizan de inmediato, sin que haya que iniciar una programación de
actualización de Power BI. Este proceso puede mejorar la pertinencia de los datos
del informe.

Al igual que sucede en una base de datos relacional, puede elegir las tablas que
quiere usar. Si prefiere consultar directamente el modelo de Azure Analysis
Services, puede usar DAX o MDX.

Es probable que importe los datos directamente a Power BI. Una alternativa

aceptable consiste en importar todos los demás datos que quiera (de Excel, SQL
Server, etc.) en el modelo de Azure Analysis Services y, luego, usar una conexión en
directo. Con este enfoque, las medidas de modelado de datos y DAX se realizan en
un solo lugar, lo que es una manera mucho más sencilla y fácil de mantener la
solución.
Para obtener más información sobre cómo conectar Power BI a Azure Analysis
Services, vea la documentación de Conexión con Power BI.

Corregir problemas de rendimiento

Completado100 XP

 7 minutos

En ocasiones, las organizaciones tienen que solucionar problemas de rendimiento

al ejecutar informes. Power BI proporciona la herramienta Analizador de
rendimiento para ayudar a solucionar problemas y optimizar el proceso.

Imagine un escenario en el que va a crear informes para el equipo de ventas de la

organización. Ha importado los datos, que se encuentran en varias tablas en la
base de datos SQL del equipo de ventas, mediante la creación de una conexión de
datos a la base de datos a través de DirectQuery. Al crear objetos visuales y filtros
preliminares, observa que algunas tablas se consultan más rápido que otras y que
algunos filtros tardan más en procesarse que otros.

Optimización del rendimiento en Power Query

El rendimiento de Power Query depende del rendimiento en el nivel de origen de
datos. La diversidad de orígenes de datos que ofrece Power Query es muy amplia,
así como las técnicas de optimización del rendimiento para cada origen, también
muy variadas. Por ejemplo, si extrae datos de un servidor Microsoft SQL Server,
debe seguir las instrucciones del producto para la optimización del rendimiento.
Entre las técnicas recomendables de optimización del rendimiento de SQL Server
se incluye la creación de índices, las actualizaciones de hardware, la optimización
de los planes de ejecución y la compresión de datos. Estas cuestiones van más allá
del ámbito de este tema y solo se mencionan a modo de ejemplo para que se
familiarice con el origen de datos y aproveche las ventajas que supone usar
Power BI y Power Query.

Power Query saca partido del buen rendimiento en el origen de datos a través de
una técnica denominada "plegado de consultas".

Plegado de consultas

El plegado de consultas del Editor de Power Query ayuda a aumentar el

rendimiento de los informes de Power BI. El plegado de consultas es el proceso por
el que las transformaciones y las modificaciones realizadas en el Editor de Power
Query se siguen de forma simultánea como consultas nativas, o simples
instrucciones SQL Select, mientras se realizan transformaciones activamente. La
razón para implementar este proceso consiste en asegurarse de que estas
transformaciones puedan tener lugar en el servidor de origen de datos original y
los recursos informáticos de Power BI no se sobrecarguen.

Puede usar Power Query para cargar datos en Power BI. Con el Editor de Power
Query, puede realizar transformaciones adicionales en los datos, como cambiar el
nombre de las columnas o eliminarlas, o bien anexar, analizar, filtrar o agrupar los
datos.

Imagine un escenario en el que ha cambiado el nombre de algunas columnas de

los datos de ventas y ha combinado una columna de ciudad y de estado con el
formato "Ciudad/Estado". Mientras tanto, la característica de plegado de consultas
lleva un seguimiento de estos cambios en las consultas nativas. Después, al cargar
los datos, las transformaciones se producen de forma independiente en el origen
inicial, con lo que se garantiza la optimización del rendimiento en Power BI.

Entre las ventajas del plegado de consultas se incluyen las siguientes:

 Mayor eficacia en las actualizaciones incrementales y de

datos. Cuando se importan tablas de datos mediante el plegado de
consultas, Power BI asigna mejor los recursos y actualiza los datos con
más rapidez, ya que no tiene que ejecutarse en cada transformación
localmente.

 Compatibilidad automática con los modos de almacenamiento

DirectQuery y Dual. Todos los orígenes de datos de los modos de
almacenamiento DirectQuery y Dual deben tener capacidades de
procesamiento de servidor back-end para crear una conexión directa,
lo que significa que el plegado de consultas es una función automática
que se puede usar. Si todas las transformaciones se pueden reducir a
una sola instrucción Select, puede producirse el plegado de consultas.

En el siguiente escenario se muestra el plegado de consultas en acción. En este

escenario, aplicará un conjunto de consultas a varias tablas. Después de agregar un
nuevo origen de datos mediante Power Query, y una vez que se le haya redirigido
al Editor de Power Query, vaya al panel de Configuración de la consulta y haga
clic con el botón derecho en el último paso aplicado, como se muestra en la figura
siguiente.
Si la opción Ver consulta nativa no está disponible (es decir, no se muestra en
negrita), el plegado de consulta no es posible para este paso y tendrá que
retroceder al área Pasos aplicados hasta llegar al paso en el que esté
disponible Ver consulta nativa (mostrado en negrita). Este proceso revelará la
consulta nativa que se usa para transformar el conjunto de datos.

Las consultas nativas no son posibles para las transformaciones siguientes:

  Agregar una columna de índice
 Combinar y anexar columnas de tablas diferentes con dos orígenes diferentes
 Cambiar el tipo de datos de una columna
 Ejecutar funciones DAX complejas

Una buena pauta que conviene recordar es que, si se puede traducir una
transformación en una instrucción SQL Select, que incluya operadores y cláusulas
como GROUP BY, SORT BY, WHERE, UNION ALL y JOIN, se puede usar el plegado
de consultas.

Aunque el plegado de consultas es una opción para optimizar el rendimiento al

recuperar, importar y preparar los datos, otra opción es el Diagnóstico de
consultas.

Diagnóstico de consultas  

Otra herramienta que se puede usar para estudiar el rendimiento de las consultas
es el Diagnóstico de consultas. Esta característica permite determinar qué cuellos de
botella existen (en caso de que los haya) al cargar y transformar los datos,
actualizarlos en Power Query, ejecutar instrucciones SQL en el editor de consultas,
etc.

Para acceder al Diagnóstico de consultas en el Editor de Power Query, vaya

a Herramientas en la cinta de opciones Inicio. Cuando esté listo para empezar a
transformar los datos o realizar otras modificaciones en el Editor de Power Query,
seleccione Iniciar diagnósticos en la pestaña Diagnósticos de la sesión. Cuando
haya terminado, asegúrese de seleccionar Detener diagnósticos.

Al seleccionar Paso del diagnóstico, se muestra el tiempo que se tarda en ejecutar

el paso, como se muestra en la imagen siguiente. Esto puede indicarle si un paso
tarda más tiempo en completarse que otros, lo que servirá como punto de partida
para una investigación más detallada.
Esta herramienta es útil para analizar el rendimiento en Power Query al llevar a
cabo tareas como la carga de conjuntos de datos, la ejecución de actualizaciones
de datos o la realización de otras tareas de transformación.

Otras técnicas para optimizar el rendimiento  

Existen otras maneras de optimizar el rendimiento de las consultas en Power BI,
como las siguientes:

 Procesar tantos datos como sea posible en el origen de datos

inicial. Power Query y el Editor de Power Query permiten procesar
datos, pero la potencia de procesamiento necesaria para completar
esta tarea puede reducir el rendimiento en otras áreas de los informes.
Por lo general, se recomienda procesar lo máximo posible en el origen
de datos nativo.

 Usar consultas SQL nativas. Cuando use DirectQuery para las bases

de datos SQL, como el caso de nuestro escenario, asegúrese de no
extraer datos de procedimientos almacenados o expresiones de tabla
común (CTE).

 Separar la fecha y la hora, si están enlazadas. Si alguna de las tablas

tiene columnas que combinan la fecha y la hora, asegúrese de
separarlas en columnas distintas antes de importarlas en Power BI. De
esta manera, aumentarán las capacidades de compresión.

Para obtener más información, vea Instrucciones de plegado de

consultas y Plegado de consultas.

Resolver errores de importación de datos

Completado100 XP

 3 minutos

Al importar datos en Power BI, pueden producirse errores como consecuencia de

factores como los siguientes:
  Power BI importa de numerosos orígenes de datos.
 Cada origen de datos puede tener docenas (y, a veces, cientos) de mensajes
de error diferentes.
 Otros componentes pueden producir errores, como unidades de disco duro,
redes, servicios de software y sistemas operativos.
 A menudo, los datos no siguen un esquema específico.

En las secciones siguientes se tratan algunos de los mensajes de error más

habituales que se pueden encontrar en Power BI.

Tiempo de espera agotado para la consulta

En los sistemas de origen relacional, es habitual que muchas personas usen

simultáneamente los mismos datos de la misma base de datos. Algunos sistemas
relacionales y sus administradores procuran restringir que un usuario monopolice
todos los recursos de hardware. Para ello, establecen un tiempo de espera de
consulta. Estos tiempos de espera se pueden configurar para cualquier intervalo de
tiempo, desde tan solo cinco segundos hasta un máximo de 30 minutos.

Por ejemplo, si extrae datos de la instancia de SQL Server de la organización, es

posible que vea el error que se muestra en la figura siguiente.
Error de consulta de Power BI: tiempo de espera agotado

Este error indica que ha extraído demasiados datos según las directivas de la
organización. Los administradores incorporan esta directiva para evitar ralentizar
las demás aplicaciones o conjuntos de aplicaciones que también usen la base de
datos.

Para resolver este error, extraiga menos columnas o filas de una misma tabla. Al
escribir instrucciones SQL, es habitual incluir agrupaciones y agregaciones.
También se pueden combinar varias tablas en una misma instrucción SQL. Además,
es posible realizar subconsultas complicadas y consultas anidadas en una única
instrucción. Estas complejidades se suman a los requisitos de procesamiento de
consultas del sistema relacional y pueden prolongar en gran medida el tiempo de
implementación.

Si necesita filas, columnas y complejidad, considere la posibilidad de tomar

pequeños fragmentos de datos y volver a unirlos mediante Power Query. Por
ejemplo, puede combinar la mitad de las columnas en una consulta y la otra mitad
en una consulta diferente. Power Query puede volver a combinar esas dos
consultas una vez que haya terminado.

No se han encontrado datos en formato de tabla

En ocasiones, es posible que aparezca el error "No se han encontrado datos en

formato de tabla" al importar datos de Microsoft Excel. Afortunadamente, el error
se explica por sí mismo. Power BI espera encontrar datos con formato de tabla de
Excel. El evento de error indica la solución. Lleve a cabo los pasos siguientes para
resolver el problema:

1. Abra el libro de Excel y resalte los datos que quiere importar.

2. Presione el método abreviado de teclado Ctrl+T. La primera fila

probablemente incluirá los encabezados de columna.

3. Compruebe que los encabezados de columna reflejan el nombre que

quiere asignar a las columnas. Después, pruebe a volver a importar los
datos de Excel. Esta vez debería funcionar.
No se encontró el archivo

Al importar datos de un archivo, podría obtener un error de tipo "No se encontró el

archivo".

Normalmente, este error se produce porque las ubicaciones o los permisos de los
archivos han cambiado. Si se debe a lo primero, debe buscar el archivo y cambiar la
configuración de origen.

1. Abra Power Query mediante el botón Transformar datos de Power BI.

2. Resalte la consulta que genera el error.

3. A la izquierda, en Configuración de la consulta, seleccione el icono

de engranaje situado junto a Origen.
 4. Cambie la ubicación del archivo a la nueva ubicación.  

Errores de tipo de datos

A veces, al importar datos en Power BI, las columnas aparecen en blanco. Esta

situación se produce como consecuencia de un error al interpretar el tipo de datos
en Power BI. La solución de este error es única del origen de datos. Por ejemplo, si
está importando datos de SQL Server y ve columnas en blanco, podría intentar
realizar una conversión al tipo de datos correcto en la consulta.

En lugar de usar esta consulta:

SELECT CustomerPostalCode FROM Sales.Customers

Use esta:

SELECT CAST(CustomerPostalCode as varchar(10)) FROM Sales.Customers

Al especificar el tipo correcto en el origen de datos, se eliminan muchos de estos

errores comunes en los orígenes de datos.

Es posible que encuentre distintos tipos de errores en Power BI causados por los
diversos sistemas de origen de datos en los que residen los datos. Si encuentra un
error que no se haya analizado en las secciones anteriores, busque el mensaje de
error en la documentación de Microsoft para dar con la solución que necesita.