Power Bi

ING.
INDUSTRIAL ANTHONY FERNANDEZ
TRAYECTORIA
• COMPENSACIONES Y ASUNTOS
LABORALES INTERSEGURO

• EFECTIVIDAD ORGANIZACIONAL EN
OCA GLOBAL

• TRAINEE DATABASE AND CLOUD EN

MANANTIAL TECNOLOGICO

• ANALISTA DE PROYECTOS DIGITALES

EN HACKSPACE Y MINISTERIO DE
TRABAJO
 MODELADO DE DATOS
El modelado de datos es el proceso de analizar y definir todos los diferentes tipos de datos que su negocio recopila y
produce, así como las relaciones entre esos bits de datos.
 Tablas
• Las tablas de dimensiones son tablas que contienen atributos o características que describen los datos
en una tabla de hechos. Estos atributos pueden incluir información como el tiempo, la ubicación, el
producto, el cliente, entre otros. Las tablas de dimensiones son utilizadas para agregar contexto a los
datos en la tabla de hechos. Las tablas de dimensiones contienen una clave principal que se utiliza para
establecer relaciones con otras tablas en el modelo de datos.

• Las tablas de hechos son tablas que contienen medidas o valores numéricos que se desean analizar y
visualizar. Estas medidas pueden ser agregaciones, sumas, promedios, porcentajes, entre otros. Las
tablas de hechos se utilizan para almacenar información cuantitativa y son la fuente principal para las
visualizaciones y los cálculos en Power BI. Las tablas de hechos contienen una o varias claves principales
que se utilizan para establecer relaciones con las tablas de dimensiones en el modelo de datos.
¿Qué tipos de modelos de datos existen en Power BI?

En Power BI, podemos trabajar con diferentes modelos de datos para estructurar y organizar
nuestros datos de manera eficaz. Estos son los principales tipos de modelos de datos utilizados
en Power BI:

1. Esquema en estrella:

• Descripción:Tiene una tabla de hechos central que contiene medidas numéricas de

rendimiento (como ventas o ingresos), rodeada de tablas de dimensiones (como productos,
clientes y tiempo). Las dimensiones contienen datos descriptivos y están relacionadas con la
tabla de hechos central. Este diseño simplifica la recuperación de datos y permite una consulta
eficaz.

• Caso práctico: Ideal para situaciones en las que se dispone de una tabla de hechos central y
varias dimensiones relacionadas.
2. Esquema copo de nieve:

• Descripción: Similar al esquema en estrella, pero en un esquema en copo

de nieve, las tablas de dimensiones están normalizadas. Esto significa que,
en lugar de almacenar toda la información en una tabla, los datos se
dividen en varias tablas relacionadas. Esto puede ahorrar espacio de
almacenamiento, pero requiere consultas más complejas debido a la
necesidad de unir varias tablas.

• Caso práctico: Adecuado para escenarios en los que se necesita

conservar espacio de almacenamiento y tener una comprensión clara de las
.
relaciones entre los datos
3. Constelación de hechos:

• Descripción: También conocido como esquema galaxia, este modelo implica

múltiples tablas de hechos que comparten tablas de dimensiones. Cada tabla
de hechos captura métricas o medidas diferentes. Permite realizar análisis más
complejos en los que intervienen distintos procesos empresariales.

• Caso práctico: Útil cuando se tienen múltiples procesos de negocio o medidas

no relacionadas que necesitan ser analizadas juntas.
4. Modelo de tabla única:

• Descripción: En un modelo de tabla única, todos los datos se almacenan en

una única tabla sin utilizar tablas de dimensiones o de hechos separadas. Los
campos de esta tabla distinguen entre los diferentes tipos de datos.

• Caso práctico: Adecuado para conjuntos de datos pequeños o situaciones

sencillas en las que las relaciones entre los datos son mínimas y sin
complicaciones.