Power bi excel 2019

IES Privado Cibertec S.A.C - Data Analytics - Power BI Excel
Capítulo 1
Introducción a Power BI con Excel
Al finalizar el capítulo, el alumno podrá:
 Identificar los beneficios de utilizar Power BI de Excel para el análisis de los datos.
 Reconocer el modelo de inteligencia de negocios de Microsoft.
 Identificar los diferentes productos de la herramienta Power BI para Excel.
Temas
1. ¿Qué inteligencia de negocios?
2. Nivel de madurez del Análisis de datos
3. El modelo de Business Intelligence de Microsoft
4. Análisis de datos con Excel tradicional
5. Análisis de datos con Power BI Excel
6. Componentes de Power BI para Excel
7. Microsoft Power BI para Office 365

Introducción a Power BI para Excel 2
1. ¿Qué es inteligencia de negocios?
Business Intelligence (BI) es la habilidad para transformar los datos en información y la
información en conocimiento, de modo que se pueda optimizar el proceso de toma de
decisiones en los negocios.
Podemos definir BI como el conjunto de metodologías, aplicaciones y tecnologías que permiten
reunir, depurar y transformar datos de los sistemas transaccionales e información
desestructurada (interna y externa a la compañía) en información estructurada para su
explotación directa (reporting, análisis OLTP / OLAP, alertas, entre otras) o para su análisis y
conversión en conocimiento, dando soporte a la toma de decisiones sobre el negocio.

Las soluciones efectivas de inteligencia de negocios permiten a los analistas obtener
información con el uso de técnicas sencillas. Por ejemplo:
 Consultas e informes tradicionales (Queries y Reports).
 Cubos de OLAP* (On Line Analytic Processing)
 Minería de Datos.
*OLAP es el acrónimo en inglés de Procesamiento analítico en línea (On Line Analytical
Processing).
Esta última es una solución que suministra respuestas rápidas a interrogantes dirigidas a una
base de datos orientada a consultas. La razón de usar OLAP para las consultorías es la velocidad
de respuesta, ya que para las complejas consultas multitabla de bases de datos relacionales, el
esquema tradicional es relativamente lento. Un mejor modelo para las búsquedas, aunque no
muy funcional desde el punto de vista operativo, es una base de datos multidimensional.
La inteligencia de negocio actúa como un factor estratégico para una empresa u organización,
generando una potencial ventaja competitiva, es decir, proporciona información privilegiada
para responder a los problemas de negocio como: entrada a nuevos mercados, promociones u
ofertas de productos, eliminación de islas de información, control financiero, optimización de
costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un
producto concreto, etc.
Los principales productos de BI que existen hoy en día son:
 Cuadros de mando integrales (CMI)
 Sistemas de soporte a la decisión (DSS)
 Sistemas de información ejecutiva (EIS)
Aspectos relevantes de valor de un proyecto BI:
 Un proyecto BI permite la adquisición de competencias distintivas a nivel de la
información.
 Los proyectos de BI graduales constituyen puntos de referencia para optimizar la
información.
 Un proyecto de BI por clústers (nichos) asegura una simbiosis integrada y duradera, entre la
visión del negocio y la visión tecnológica de la empresa.
Por otro lado, los principales componentes de orígenes de datos en el BI que existen en la
actualidad son:
 Datamart
 Datawarehouse
Para explicarlo más a detalle, los sistemas y componentes del BI se diferencian de los sistemas
operacionales en que optimizan los datos para que sea posible realizar consultas y generar
reportes a partir de los mismos.
Para lograr esto contamos con Datawarehouses donde los datos se encuentran
desnormalizados en función de apoyar consultas de alto rendimiento. Esto se logra con

procesos ETL (Extraction, Transformation and Loading o en español: Extracción, Transformación
y Carga) encargados de traducir, de uno o varios sistemas operacionales normalizados e
independientes a un sistema desnormalizado con datos completamente integrados y así nutrir
los sistemas BI. Entendemos como sistemas operacionales normalizados a aquellos que apoyan
operaciones lineales y continuas (insertar, modificar y borrar data).
Es así que Microsoft plantea un entorno que permite integrar y generar una estructura
preparada para BI. Gracias a disponer de los datos de forma sencilla, es posible confeccionar
cuadros de mando, informes personalizados, análisis avanzados o visualización para la mejor
toma de decisiones.
En ese sentido, una solución BI completa permite:
 Evaluar: ¿qué está pasando?
 Comprender: ¿por qué pasó?
 Predecir: ¿qué pasará?
 Influenciar: ¿qué queremos que pase?
 Decidir y automatizar: ¿cómo haremos que pase?
En resumen, Microsoft BI aporta eficiencia y escalabilidad que ayuda a las organizaciones a
convertir sus datos en una fuente de ventajas competitivas.

2. Nivel de madurez del análisis de datos
Un sistema de análisis de datos debe enfocarse en la experiencia de los usuarios para brindar
información de acuerdo a las distintas necesidades reales por resolver. En ese sentido, existen
dos plataformas que permiten la recolección de esa información y en tiempo real para cumplir
con objetivos puntuales del análisis de datos.
Las plataformas externas (fuera de la organización) ofrecen a la empresa información valiosa
sobre eventos del mercado (economía, por ejemplo) y de los clientes (compras, pagos,
devoluciones, etc.) que suceden de manera diaria al consumir los distintos servicios que ofrece
su sector. Por otro lado, las plataformas internas (dentro de la organización) deben conectarse
de alguna manera a las primeras y ser capaces automatizar la recolección de datos.
Un ejemplo de aplicación se observa con las nuevas plataformas IoT (Internet of Things) donde
la alianza entre ambas plataformas (externas e internas) trabajan de manera conjunta en la
recolección de información más precisa dando como resultado, no solo el reconocimiento de
un patrón de comportamiento del mercado de la empresa, sino inclusive la obtención de
información sobre hábitos de consumo de un individuo en particular.
Dentro del esquema de análisis de datos, los primeros pasos que debe seguir un negocio a la
hora de implementar una plataforma de análisis de datos son: la evaluación de los
componentes que integran a la organización, para conocer desde dónde está partiendo el
negocio, y la comprensión de por qué la organización está donde está.

En el establecimiento de una estrategia de análisis de datos, estos dos primeros niveles
corresponden a una visión reactiva; es decir, sirven únicamente para reaccionar a los eventos
que le ocurre a la empresa. Por ese motivo es indispensable que este análisis responda a una
estrategia del negocio, con objetivos trazados, más no precipitarse a implementar soluciones
de tecnología que al final recolecten información innecesaria para la organización.

3. El modelo de Business Intelligence de Microsoft
Microsoft ofrece toda una gama de productos para desarrollar inteligencia de negocio en las
organizaciones, sin importar el tamaño, rubro o tipo de datos que maneja. Los cuales permiten:
 Transformar los datos
A través de la creación de modelos de datos eficaces y escalables para convertir los
datos complejos en información procesable que pueda entenderse fácilmente.
Los procesos que pueblan el Datamart se denominan procesos ETL (Extracción,
Transformación y Carga). Estos procesos extraen la data de los sistemas
transaccionales, la transforman para asegurar la uniformidad y consistencia de los
datos, así como, cargan dicha información en el Datamart.

 Acceder a todos los datos
Conectándose prácticamente a todos los datos de todos los tamaños, en la nube o
localmente. No es necesario mover los datos.
 Proporcionar información en cualquier lugar
Permite que los usuarios de la empresa se conecten a los datos y los analicen
compartiendo la información de Internet, dispositivos móviles o aplicaciones
personalizadas, por medio de Power BI (publicación Nube) y Office 365 (Compartir
Sharepoint).

 Modernizar la elaboración de informes empresariales
Escala la solución de elaboración de informes: proporciona información a miles de
usuarios con una plataforma de elaboración de informes empresarial, con Power View
y Power Map.
 Crear informes interactivos
Permite generar y compartir (Sharepoint) informes completos e interactivos, que
permiten visualizar y analizar mejor los datos.

4. Análisis de datos con Excel Tradicional
La adquisición tradicional de los datos es una actividad desarrollada por el área de TI; porque
proviene de los sistemas transaccionales y son almacenadas en diferentes bases de datos
(Oracle, DB2, SQL, etc.) o en fuentes externas. Para realizar cambios, como incluir información
adicional contenida en los sistemas transaccionales, los usuarios de negocios requieren del
área de TI. Esto genera demora en el proceso.
Los usuarios de negocios no pueden incluir información propia en los modelos de análisis de
datos corporativos. Para integrar esta información utilizan Hojas de Cálculo (Excel). Esto lleva a
tener diferentes versiones de la información corporativa.
La información corporativa es extraída desde informes o son preparadas por el área de TI y
enviadas en formatos de texto.
Informes y análisis: El desarrollo de informes para el análisis de información corporativa es
realizada por el área de TI y, muchas veces, en formatos que no cumplen con las expectativas
de los usuarios de negocio. Se presentan los siguientes problemas con este método tradicional
que son:
 El desarrollo y mantenimiento de los informes lo realiza el área de TI, la misma que debe
cumplir con una serie de pasos: cotización, aprobación, asignación de recursos,
transporte, autorizaciones, etc., que finalmente, demoran y encarecen los mismos.
 En muy pocos casos, los usuarios de negocios pueden modificar la presentación de los
informes y adicionar nuevos cálculos.

 No existe un ambiente colaborativo. El resultado de los descubrimientos en la información
se comparte a través de archivos planos o formatos de impresión.
 Hay muchas personas en la organización con acceso a información que no necesitan y que,
muchas veces, es información sensible: ventas, rentabilidad, etc.
 El análisis de la información se realiza por una vía pre-definida bajo un enfoque top-down.
Esto quiere decir que, para mejorar la performance, se crean archivos que agregan la
información por las dimensiones más usadas. El analista de negocio requiere analizar la
información por cualquier dimensión y si esta no tiene agregados se afectan los tiempos
de respuesta.

5. Análisis de datos con Power BI Excel
Power BI Office 365 es una herramienta de autoservicio de BI que permite realizar análisis de
datos gracias a su capacidad de obtener, enriquecer, visualizar y compartir informes de Excel,
en cualquier lugar y diversos dispositivos.
Desde su entrada a la arena de las herramientas de inteligencia de negocio, Power BI Office 365
ha escalado puestos rápidamente dentro del segmento del desarrollo de sistemas de análisis
de datos y toma de decisiones y ha logrado situarse como una de las opciones más interesantes
que existen actualmente gracias a un importante conjunto de cualidades.
Cabe destacar que Power BI para Excel tiene una poderosa capacidad de representación gráfica
de la información residente en el modelo de datos. Así como la integración en el producto de
Power Query y en el motor de extracción, transformación y carga (ETL) lo cual permite la
preparación de los datos que posteriormente modelaremos mediante Power Pivot (DAX), para
convertirlos en información accesible a través de cuadros de mando, informes, entre otros.
Esto gracias a herramientas como Power View y Power Map.
Se ha agrupado Power BI en 3 categorías que se constituyen en:
 Los complementos de BI para Excel
 Publicar los informes en sitio de BI (SharePoint Online)
 Almacenamiento corporativo en la nube (OneDrive)

En la siguiente figura podemos ver una representación gráfica a grandes rasgos de las
diferentes fases que constituyen el desarrollo de un sistema de información utilizando Power BI
Office 365.

6. Componentes de Power BI para Excel
Es una colección de características y servicios en línea, que permite buscar y visualizar datos,
compartir, descubrir y colaborar en nuevas formas intuitivas.
Son complementos que se incorporan directamente a Excel 2016 con Power Pivot y Power
View. Poco después del lanzamiento de Excel 2016, Power Query y Power Map salieron como
vistas previas de complementos para Excel.
Microsoft incluso lanzó algo completamente nuevo llamado Power Designer BI que puede
traducirse como una nueva versión Lite de Excel que solo cuenta con las herramientas Power y
puede ser prestado en la nube (Power Query, Power Pivot, Power Map).
Los componentes de BI para Excel están disponibles en las siguientes versiones:

7. Microsoft Power BI para Office 365
7.1 Power Query
Es una herramienta de inteligencia de negocios para Excel que permite mejorar el
autoservicio BI (Self Services BI) con una interfaz intuitiva y accesos a diferentes
fuentes de datos como: bases de datos relacionales, estructuradas, semi-estructuradas
o no estructuradas, tales como Hadoop-Big Data, Azure Market Place, Social Media
(Facebook), etc.
Este componente de Excel permite transformar los datos en bruto en forma de tabla de
datos que después se podrá explotar al máximo potencial con Excel, Power Pivot.

Es considerada como una herramienta de ETL creada para trabajar dentro del
ambiente Excel.
7.2 Power Pivot
Es el centro de toda la experiencia Power BI. Acoge todos los datos, realiza cálculos y
crea el modelo analítico para ser explotado en pasos siguientes con herramientas como
tablas dinámicas, gráficos, mapas, entre otros.
Power Pivot es una tecnología para el análisis de información cuya principal
particularidad radica en la posibilidad de trabajar con cantidades masivas de datos (~ 1
millón de filas) utilizando Excel como interfaz de usuario.
Actualmente cuenta con un nuevo motor de procesamiento llamado xVelocity el cual
es capaz de implementar una serie de algoritmos de comprensión de datos a través de
un sistema de almacenamiento en columnas. Con esta herramienta se logra una
capacidad de carga de millones de registros.
Es considerado inteligencia de negocios para el usuario Excel (Gratuito), poporcionar a
los usuarios la mejor herramienta de análisis de datos disponible, facilitando el
compartimiento de conocimiento y colaboración generados por los usuarios de BI.
Además, aumenta la eficiencia de la gestión de BI donde lo complejo lo hace fácil. El
reporte desarrollado en Power Pivot puede ser distribuido de forma colaborativa por
medio de Sharepoint. También, puede ser almacenado en un modelo Tabular con
Analysis Services 2016.

El resultado de la información generada con Power Pivot puede ser visualizada con
Power View o tablas dinámicas de Excel.
Power Pivot permite trabajar los datos con el modelo semántico del tipo tabular,
creando jerarquías, KPIs y con funciones avanzadas de DAX miembros calculados. Cada
dimensión y hecho es representado de manera plana en una hoja Excel.
7.3 Power View
Es una nueva interfaz de usuario que permite generar reportes de gran riqueza visual
y presentar datos de una manera muy interactiva e innovadora. Incluye muchos tipos
de gráficos y efectos de visualización, como las gráficas interactivas.
Además, consume los datos de los modelos Power Pivot (modelo BI semántico Cubos
Tabulares). Es una tecnología que permite la visualización de cuadros, tableros, mapas y
filtros “tipo cuadro de mando”. Permite crear rápidamente, y con poco conocimiento
técnico, una presentación atractiva que sustente un análisis de negocio.
Power View utiliza Silverlight y solo puede ser utilizado desde Excel 2013 y SharePoint
para compartirlo. Power View tiene soporte para cubos tabulares SQL 2016, pero no
para cubos multidimensionales tradicionales.

7.4 Power Map
Power Map, como complemento para Excel, está basado en datos geoespaciales
que utiliza Bing Map para mostrar datos en Mapas 3D y, explorar e interactuar con
los datos geográficos y temporales, lo que permite, descubrir y compartir nuevos
conocimientos. La data puede ser mostrada en forma plana o esférica.
Los pilares del Power Map son:
 Map Data: permite ubicar los valores del negocio en un punto del globo
terráqueo mediante la lectura de los campos del negocio que almacenan: Zip
Code, Longitud, Latitud, Nombre Países, Nombre de municipios.
 Discover Insight: permite visualizar los valores del negocio mediante los
diferentes gráficos de mapas disponibles en Power Map, tales como: Mapas
de calor, Gráfica Barras, Burbujas, entre otras.
 Share Stories: permite crear un video MP4 que puede ser compartido con los
usuarios para el análisis respectivo de los datos.

Los usos comunes del Power Map son:
- Rendimiento en ventas
- Distribución de datos
- Controles
- Patrones de clima
- Análisis por temporadas
- Tendencias de votos

Diseño de un Data mart 1
Capítulo 2
Diseño dimensional
Objetivo
Al finalizar el capítulo, el alumno:
 Comprender los mecanismos de agregación.
 Diseñar soluciones de un DataMart
 Diseñar estructuras que se utilizarán en el desarrollo de un DataMart.
 Aplicar los conocimientos adquiridos en múltiples situaciones de diseño.
Temas
1. ¿Qué deseo medir?: Concepto de medida y tabla de hechos
2. ¿Qué criterios uso para agrupar la información?: concepto de dimensión, atributos y
jerarquías.
3. Modelo dimensional
4. Tipos de modelo dimensional
5. Pasos del modelo dimensional

1. ¿Qué deseo medir?: concepto de medida
Measures (medidas):
• Son valores cuantitativos que almacenan las métricas del negocio y responde a la pregunta
¿Cuánto?
• Están representados por columnas numéricas en la fact table.
• En algunos casos provienen directamente de los sistemas transaccionales.
• Son las variables que ayudarán a medir el desempeño del negocio.
• Una fila en una tabla de hechos corresponde a una o varias medidas
Ejemplo: proceso de negocio y medidas
 Ventas
- Cantidad de pedidos
- Comisiones
- Descuentos
- Montos vendidos
- Cantidades vendidas
- Devoluciones
- Valores presupuestados

 Marketing
- Unidades vendidas
- Valores actuales
- Valores presupuestados
 Logística
- Unidades aceptadas
- Unidades devueltas
- Peso
- Costo inventario
- Montos comprados
 Producción
- Tiempo de producción
- Capacidad usada
- Unidades embarcadas
- Unidades planificadas
- Unidades producidas
- Costos producción
- Horas hombre
- Peso ingresado
- Peso procesado
1.1 Clasificación de las medidas
• Las medidas naturales o básicas:
− Existen físicamente en el warehouse junto a los atributos que los
caracterizan.
− Son aquellas que se obtienen por agregación de los datos originales.
− Funciones de agregación relacionadas:
 Suma: suma los valores de las columnas
 Cuenta: conteo de los valores
 Mínima: valor mínimo
 Máxima: valor máximo
 Cuenta de distintos: valores diferentes
• Las medidas derivas o calculadas:
− Se construyen a partir de las medidas básicas y pueden o no estar
almacenados físicamente en la data warehouse.
− Si se derivan de una medida natural
− Funciones de agregación relacionadas:
 Cálculos matemáticos
 Expresiones condicionales
 Alertas

1.2 Grado de agregación
Las medidas tienen propiedades que permiten definir su funcionamiento, así como
controlar cómo aparecen ante los usuarios.
Al usar una dimensión para segmentar una medida, la medida se resume en las
jerarquías contenidas en la dimensión. Todas las medidas que se crean están
respaldadas por una función de agregación que determina la operación de la
medida.
El comportamiento de suma depende de la función de agregado especificada en la
medida.
Para la mayoría de las medidas que contienen datos numéricos, la función de
agregado es Sum. Asumiendo que la columna de origen contiene datos
numéricos. Sum se asigna independientemente del tipo de datos de la columna de
origen.
El grado de agregación de una función de agregación determina cómo se agrega la
medida en todas las dimensiones del cubo. Las funciones de agregación pertenecen
a uno de tres niveles de grado de agregación:
1.2.1 Aditivas
• Una medida aditiva, también denominada medida completamente
aditiva, se puede agregar en todas las dimensiones que están incluidas
en el grupo de medidas que contienen la medida, sin restricciones
1.2.2 Semiaditivas
• Una medida semiaditiva se puede agregar en algunas, pero no todas,
las dimensiones que están incluidas en el grupo de medidas que
contienen la medida.
• Por ejemplo: una medida que representa la cantidad disponible para
inventario puede agregarse en una dimensión de geografía para
generar una cantidad total disponible para todos los almacenes, pero
la medida no se puede agregar en una dimensión de tiempo porque
representa una instantánea periódica de las cantidades disponibles.
Agregar dicha medida en una dimensión de tiempo generaría
resultados incorrectos.
1.3 Semiaditivas
• Una medida no aditiva no se puede agregar en ninguna dimensión en el grupo
de medida que contienen la medida.
• En su lugar, la medida debe calcularse de forma individual para cada celda del
cubo que representa la medida. Por ejemplo, una medida calculada que
devuelve un porcentaje.
• Por ejemplo, un margen de beneficio, no se puede agregar a partir de los
valores de porcentaje de los miembros secundarios en cualquier dimensión.

En la siguiente tabla se enumeran las funciones de agregación y se describen el
grado de agregación y el resultado esperado de la función.

2. ¿Qué criterios uso para agrupar la información?: concepto de
dimensión
2.1 Dimensión
• Es la parte cualitativa (características) de los reportes.
• Son las áreas temáticas o sujetos del negocio.
• Proveen un método general para organizar la información corporativa.
• Se definen como un grupo de uno o más atributos.
• Las dimensiones no comparten atributos
• Las preguntas que nos permiten identificarlas son:

Ejemplo:
• Las dimensiones definen los niveles de análisis (Jerarquías). Esto permite obtener
agregación o sumarización.
• Es una entidad de negocios respecto de la cual, se deben analizar las métricas.
• Ejemplo 1: Empresa Cadena de supermercados:
- Actividad objeto de análisis: ventas de productos.
- Información registrada sobre una venta:” Se vendió 5 unidades del producto
A, en el almacén número 1, el día 20/01/2017 por un total de 250.000 soles”.
• Ejemplo 2: Proceso de negocio y dimensiones
 Ventas
- Producto
- Organización
- Tiempo
- Cliente
- Formas de pago
 Marketing
- Producto
- Organización
- Tiempo
- Segmento de clientes
- Medios de entrega
- Territorios
 Logística
- Estado
- Proveedores de inventario
- Materiales
- Productos
- Ubicación
- Organización
- Tiempo

 Producción
- Organización
- Producto
- Procesos
- Estaciones de trabajo
• Es preciso que toda dimensión signifique lo mismo para cada tabla de hechos con la
que se relacione: fechas, productos, geografía, cliente …
• Generalmente provienen de las tablas maestras de los sistemas transaccionales.
• En cantidad de registros las dimensiones son las tablas más pequeñas.
• Las dimensiones están compuestas de dos partes:
- Atributos
- Jerarquías
• Las dimensiones conformadas hacen posible que:
- Una única dimensión se puede utilizar frente a varias tablas de hechos
- Une varios modelos estrellas o copos de nieve.
2.2 Atributos, jerarquías y niveles
Atributos
 Los atributos son una agrupación de elementos o ítems dentro de una
dimensión.
 Representan categorías o clases de elementos que tienen el mismo nivel lógico
dentro de una dimensión.
 La finalidad de los atributos es ver la información de cada dimensión a diferentes
niveles de detalle y agrupar los datos para ser analizados.
 Son características del Negocio.
 Constituyen los criterios de análisis que se utilizarán para analizar los
indicadores dentro de un cubo.
 Se basan en una gran mayoría, en los campos de las tablas de dimensiones
 Ejemplo: atributos de la dimensión Geografía

Jerarquías y niveles
 Los atributos son una agrupación de elementos o ítems dentro de una
dimensión.
 Representan categorías o clases de elementos que tienen el mismo nivel lógico
dentro de una dimensión.
 La finalidad de los atributos es ver la información de cada dimensión a
diferentes niveles de detalle y agrupar los datos para ser analizados.
 Es la distribución de los atributos en niveles.
 Pueden existir varias en un mismo cubo.
 Están compuestas por dos o más niveles.
 Se tiene una relación “1-n” o “padre-hĳo” entre atributos consecutivos de un
nivel superior y uno inferior.
 Un nivel representa un nivel particular de agregación dentro de una dimensión;
cada nivel sobre el nivel base representa la sumarización total de los datos desde
el nivel inferior.
 Es una forma de organizar los atributos de una dimensión y permite realizar la
técnica denominada Drill Down / Drill Up.
 La ventaja reside en poder analizar los datos desde su nivel más general al más
detallado y viceversa, al desplazarse por los diferentes niveles.
 Ejemplo: Jerarquías y niveles
- Dimensión Zona Geográfica

3. Modelo Dimensional
El modelo físico está compuesto de dos tipos de tablas: tablas dimensionales y tablas de
hechos.
3.1 Tablas dimensión
- Para entender el negocio, es fundamental conocer los valores de las ventas, los
costos y los gastos. Sin embargo, estos números son de escasa utilidad si no se
definen los criterios que se usarán para cruzar la información.
- Por ejemplo, la medida ventas, por sí sola, no brinda suficiente información. En
un reporte, ¿estamos visualizando el total de ventas desde que se fundó la
empresa? ¿O las ventas para un determinado período de tiempo? ¿Es necesario
ver las ventas desglosadas por cliente y producto? ¿Se desea visualizar las
ventas por distribuidor?
- En este caso, tiempo, cliente, producto y distribuidor constituyen ejemplos de
lo que, en la terminología de Business Intelligence, se denomina dimensiones.
Las dimensiones contienen las descripciones de las entidades principales del
negocio, respecto de las cuales se calcularán las medidas.
- Las dimensiones tienen múltiples criterios de agrupación. Por ejemplo, una
dimensión de ubicación geográfica puede agrupar su información en

continentes, regiones, países y ciudades. Estos criterios de agrupación se
denominan niveles (levels). La principal característica de los niveles es que cada
nivel se encuentra contenido en su nivel superior: una ciudad está contenida
en un país, dicho país en una región, y la región en un continente.
- Las dimensiones se almacenan en tablas de dimensión. Las características de
una tabla de dimensión son:
 Tienen una relación uno a muchos con la tabla de hechos (fact table).
 Incluyen una clave primaria, de preferencia numérica y auto incrementado.
 En el ejemplo anterior el campo Producto_Key es la clave primaria de la
tabla de dimensión. Una buena práctica es establecer un tipo de dato
entero y auto generado para las claves de las tablas de dimensión, pues
esto incrementará la velocidad de las consultas (si se efectúan
directamente sobre el modelo STAR) o de los procesamientos de
información (si las consultas se efectúan a través de un cubo). Este tipo de
llave conoce como surrogada o artificial.
- El campo IDProducto sirve para conocer el identificador del producto en su
sistema de origen (recuérdese que la información del Datamart puede tener
múltiples orígenes). Este campo será útil durante la escritura de los procesos
de población del Datamart.
- En este ejemplo, los niveles de la dimensión producto son: familia, subfamilia,
marca y presentación.
- En un modelo STAR, los niveles de la dimensión están representados por
columnas en la tabla de dimensión. Obsérvese, en la tabla PRODUCTO_DIM, las
columnas que representan los niveles anteriormente mencionados.
Ejemplo de llave surrogada o artificial:

3.2 Tablas de hechos
- Un Datamart está orientado a brindar a los usuarios información numérica, que
contribuya a entender el comportamiento del negocio y tomar mejores
decisiones.
- Esta información numérica recibe el nombre de medida (measure). Algunos
ejemplos de medidas comúnmente utilizadas por todo tipo de negocio son:
ventas, unidades vendidas, costo, gasto, etc.
- Las medidas se almacenan en una o más tablas de hechos (fact tables). Toda
tabla de hechos contiene una cantidad variable de columnas numéricas, que
almacenan los valores de las medidas.
- Una tabla de hechos tiene las siguientes características:
 Es la tabla central en un esquema dimensional.
 Contiene las claves externas (FK), que se relacionan con sus respectivas
tablas de dimensiones, y las columnas con los valores (métricas) que serán
analizados.
 Almacenan las mediciones numéricas del negocio.
 El grano o la granularidad de la tabla queda determinada por el nivel de
detalle que se almacenará en la tabla.
 Cada medida es tomada de la intersección de las dimensiones que la
definen.
- Ejemplo:
En el ejemplo anterior, las columnas Id_Fecha, Id_Producto y Id_Cliente
constituyen la clave primaria de la tabla de hechos Ventas_Fact.
 Estas columnas contienen claves foráneas que enlazan la tabla de hechos
con las tablas de dimensión fecha, producto y cliente. Las columnas
importe total y utilidad corresponden con las medidas de la tabla de
hechos.

4. Tipos de Modelo
El modelo físico puede ser de dos tipos Star Schema (Modelo en estrella) o tipo Snowflake
(Copo de nieve).
4.1 Modelo Start (Estrella)
- En el modelo STAR, cada nivel de una jerarquía de dimensión está representado
por una columna en la tabla de dimensión.
- El modelo es el más sencillo en estructura.
- Consta de una tabla central de "Hechos" y varias "dimensiones" relacionadas a
esta, incluida una dimensión de "Tiempo". Relacionadas a través de sus
respectivas claves.
- Lo característico de la arquitectura de estrella es que sólo existe una tabla de
dimensiones para cada dimensión.
- Esto quiere decir que la única tabla que tiene relación con otra es la de hechos,
lo que significa que toda la información relacionada con una dimensión debe
estar en una sola tabla.
- Las tablas de dimensión están desnormalizadas.
- Una estrella no debería tener más de 25 tablas de dimensión:
 Un exceso de dimensiones denota que varias no son independientes. En
este caso, deben combinarse en dimensiones más simples.

- Características
 Posee los mejores tiempos de respuesta.
 Su diseño es fácilmente modificable.
 Existe paralelismo entre su diseño y la forma en que los usuarios visualizan
y manipulan los datos.
 Simplifica el análisis.
 Es ideal por su simplicidad y velocidad para ser usado para análisis.
 Las consultas no sencillas, ya que las condiciones y las uniones (JOIN)
necesarias sólo involucran a la tabla de hechos y a las de dimensiones
- Inconvenientes
 Este modelo es el menos robusto para la carga y es el más lento de
construir.
- Ejemplo de un modelo estrella:
- Obsérvese el diagrama superior. Este modelo consta de cinco tablas de
dimensión: tiempo, promoción, clientes, productos y almacén, circundando a
una tabla de hechos llamada ventas.
- Cada registro de la tabla ventas representa un hecho de ventas. Sus cinco
primeros campos constituyen la clave primaria, y provienen de su relación con
cada una de las tablas de dimensión.
- Las columnas restantes representan las medidas relacionadas con las ventas.
- A partir de este modelo, es fácil comprender que las métricas de ventas
(registrados en la tabla de hechos ventas) se computan por tiempo,
promoción, clientes, almacén y productos (representados por las tablas de
dimensión).

4.2 Modelo Snowflake (Copo de nieve)
- En el modelo SNOWFLAKE, cada nivel de jerarquía de dimensión está
representado por una tabla. Por tanto, en este modelo una dimensión puede
estar formada por varias tablas.
- Representa una extensión del modelo en estrella, en el que las tablas de
dimensión se normalizan en múltiples tablas.
- En este modelo la tabla de hechos deja de ser la única relacionada con otras
tablas ya que existen otras tablas que se relacionan con las dimensiones y que
no tienen relación directa con la tabla de hechos.
- El modelo fue concebido para facilitar el mantenimiento de las dimensiones,
sin embargo, esto hace que se vinculen más tablas a las secuencias SQL,
haciendo la extracción de datos más difícil, así como vuelve compleja la tarea
de mantener el modelo.
- Características
 Posee mayor complejidad en su estructura.
 Hace una mejor utilización del espacio.
 Las tablas de dimensiones están normalizadas, por lo que requiere menos
esfuerzo de diseño.
 Puede desarrollar clases de jerarquías fuera de las tablas de dimensiones,
que permiten realizar análisis de lo general a lo detallado y viceversa.
- Inconvenientes
 Si se poseen múltiples tablas de dimensiones, cada una de ellas con varias
jerarquías, se creará un número de tablas bastante considerable, que
pueden llegar al punto de ser inmanejables.
 Al existir muchas uniones y relaciones entre tablas, el desempeño puede
verse reducido.
 La existencia de las diferentes jerarquías de dimensiones debe estar bien
fundamentada, ya que de otro modo las consultas demorarán más tiempo
en devolver los resultados, debido a que se deben realizar las uniones entre
las tablas.

- Ejemplo de un modelo copo de nieve:
 Obsérvese el diagrama superior. Este modelo consta de una dimensión
productos, que en este modelo SNOWFLAKE esta tabla se “partiría” en dos
conservando posiblemente el modelo normalizado del transaccional.
- La siguiente tabla muestra una comparación de diversas características de los
modelos STAR y SNOWFLAKE:
 En un modelo STAR, la performance de las consultas y del procesamiento
del Datamart mejora considerablemente debido a que el número de
uniones necesarias para obtener los datos es menor.
 En cambio, el modelo SNOWFLAKE, debido al alto número de tablas que
produce, tiene un tiempo de procesamiento y respuesta más alto.
 Por otro lado, un modelo STAR es bastante más sencillo que un modelo
SNOWFLAKE. El modelo SNOWFLAKE es más difícil de entender, y sus
procesos de carga de datos son más complejos.

5. Pasos del Modelo Dimensional
Para el modelamiento dimensional se tienen documentos que nos permiten tener un
mejor y más claro concepto del modelo final.
5.1 Entrevistas
- Definir y utilizar templates con anticipación para el levantamiento de
requerimientos del negocio.
- Preparar con anterioridad las preguntas basándose en la información
preliminar obtenida previamente.
- Identificar a los usuarios de negocio correctos. Se requiere información de
todos los niveles de usuarios y grupos dentro de la organización.
- Identificar a los usuarios técnicos correctos para poder validar la información
proporcionado por los usuarios de negocio sobre los BD, diseños físicos,
herramientas de ETL, OLAP, entre otros.
- Efectuar entrevistas para el levantamiento de requerimientos a detalle con los
usuarios de negocio y validar las fuentes de datos con el equipo de tecnología
de la información.
- Obtener las definiciones del negocio y asegurar que sea entendido por toda la
organización. Definir cada término desde la perfectiva de negocio y solicitar
ejemplos de cada definición.
- Identificar el valor para el negocio de cada dato y el impacto de no tenerlo.
- Dar al usuario la oportunidad de revisar en “blanco y negro” los resultados del
levantamiento de requerimientos – cambios, aclaraciones, omisiones,
aprobación

- La plantilla de entrevista consta de tres secciones:
 Problemas detectados: el enfoque garantizará detectar los posibles y
actuales problemas presentados con la información en la organización.
 Necesidades: el enfoque garantizará identificar las necesidades actuales y
esperadas de la información en la organización.
 Análisis: el enfoque garantizará mapear los diferentes reportes con los
datos fuentes de la organización, en el cual se identificarán las métricas
para el análisis.
Template de entrevistas:
5.2 Matriz Bus
- Es un instrumento de documentación de alcance, y de definición de la
estructura de las tablas de hechos.
- Principalmente se encarga de mostrar cuáles serán las medidas a implementar
en cada hecho (Fact) y como están relacionadas con las distintas
dimensiones del modelo.
- Hacer por cada hecho una lista de las dimensiones con las que se relaciona para
que sea entendido no solo para usuarios técnico, sino también para revisar el
modelo con nuestros usuarios de negocio.
- Una vez que sabemos cuáles son las dimensiones y las tablas de hechos que
tendrá nuestro cubo, debemos crear una matriz o tabla mostrando las Medidas

en las filas y las Dimensiones en las columnas, y marcando la intersección
existente entre ellas con una ‘X’.
- Es aquí que surge la matriz de Bus, que es una excelente y casi indispensable
herramienta que nos ayuda a representar nuestro diseño del cubo.
- Las matrices de Bus son en general como se muestran a continuación:
Nombre Fact Dimensión 1 Dimensión 2 Dimensión 3 … Dimensión N
Medida 1 X X X X
Medida 2 X X X
Medida 3 X X X X X
Medida 4 X X
…
Medida N X X X X
- En este punto es visualmente más sencillo, pero probablemente también se
preguntará: ¿por qué debo colocar una equis (X) marcando las asociaciones
entre las dimensiones y las medidas? ¿acaso no están TODAS las
dimensiones relacionadas con TODAS las medidas de un hecho
(Fact) específica? La respuesta a esta interrogante es: NO.
- Para ilustrar este escenario, consideremos el siguiente ejemplo:
 Imaginemos que tenemos un cliente que es una tienda, y que ellos desean
crear un Datawarehouse para sus ventas.
 Esta tienda tiene sucursales en todo el país, y también tiene
un Site o página Web por donde los clientes pueden hacer sus compras que
recibirán en la dirección que deseen pagando un monto extra por
transporte y entrega a domicilio.
 En nuestro Datawarehouse tenemos que reflejar en este caso en
una Fact de ventas, cuándo se hace una venta, a qué cliente se le realizó la
venta, en qué fecha, cuál fue el articulo comprado, cuántos compró y cuál
fue el vendedor que realizó la venta (en caso que aplique), teniendo por
separado las ventas por internet de las ventas en las tiendas.
 En este caso, tendríamos las medidas: “Ventas tienda” y “Ventas
Internet” para la Fact de ventas.
 Y las dimensiones: fecha, cliente, vendedor y producto.
 Como podemos notar, en este caso la medida “Ventas tienda” tendrá un
vendedor asociado, pero en el caso de la medida “Ventas Internet”, el
vendedor NO existe.

 Por lo tanto, la matriz de Bus de la Fact de ventas que tendríamos para
nuestro ejemplo sería la siguiente:
- Como podemos ver, la matriz de Bus en este caso nos sirvió para mostrar de
una manera fácil y sencilla cuáles son nuestras dimensiones, cuáles son
nuestras medidas y cuáles son las relaciones entre ellas.
- Por tanto, adoptar la matriz Bus como una herramienta para definir el diseño y
así poder mostrarlo al usuario de negocio, que agradecerá por simplificarle el
entendimiento del modelo del Datawarehouse para su negocio.
5.3 Diagrama Start Net
- Para dar inicio al desarrollo del modelo dimensional, se inicia con un diagrama
que nos muestra a través de líneas, círculos y rectángulos la representación del
modelo dimensional, en la parte izquierda encontramos los indicadores que se
caracterizan por ser métricas, los cuales se relaciona con las dimensiones
mostradas en la derecha y sus respectivos niveles.
- Ejemplo: Start Net expedientes
 Este modelo nos permitirá obtener información estadística de expediente,
teniendo la posibilidad de extraer una serie de decisiones asociadas y a
partir de variables como: delitos, instancias, especialidad, entre otros.
 Los perfiles de análisis derivados serán diversos y dependerá de la
necesidad funcional de los usuarios en el poder judicial.
 A continuación, se muestra el modelo:
Fact Ventas Fecha Cliente Producto Vendedor
Ventas Tienda X X X X
Ventas Internet X X X

5.4 Jerarquías
- Muestran las diferentes formas de visualizar una perspectiva del negocio.
Definiendo criterios de agrupamiento de los atributos de una dimensión.
- Las dimensiones se agrupan en jerarquías mediante relación uno-a-muchos.
- Por ejemplo:
 Una población agrupa a muchos clientes.
 Una provincia agrupa a muchas poblaciones.
 Una región está formada por varias provincias, entre otras.
- Las jerarquías típicas, que apareen en cualquier sistema de Business
Intelligence, son:
 Jerarquía Geográfica o de clientes (país del cliente/región/ciudad/cliente):
 Jerarquía de productos (marca/familia/producto/presentación)
 Jerarquía comercial (país/zona/punto de venta)
 Jerarquía calendario (año/trimestre/mes/día)
- Evidentemente, pueden existir jerarquías adicionales, o incluso puede haber
diferentes maneras de jerarquizar una misma información.
- Esta manera de visualizar jerárquicamente la información resulta muy natural
y cómoda para los usuarios de negocio.
5.5 Modelo dimensional
- Una base de datos con “modelo dimensional” es una base de datos que tiene
una estructura adecuada para resolver consultas analíticas.
- Se trata de modelos sencillos que aseguran unos buenos tiempos de respuesta,
y que se corresponden bastante con el lenguaje de negocio de los usuarios
- La implementación de una base de datos relacional, construirás el “modelo
dimensional” utilizando una estructura en estrella, o una estructura en copo de
nieve.
- Por ejemplo:
 En un modelo estrella el diagrama de este modelo parece una estrella con
una tabla central alrededor de la cual se muestran un conjunto de otras
tablas.
 La tabla central es la única tabla del esquema con varias uniones que la
conectan con todas las demás tablas.
 Esta tabla central se denomina la tabla de hechos y las demás tablas se
denominan tablas de dimensiones.

 La figura siguiente muestra un modelo dimensional sencillo de una
empresa que vende productos en distintos mercados y evalúa el
rendimiento de la empresa a lo largo del tiempo.
 Ejemplo:
5.1.1 Tipos de tablas de hechos
a) SnapShot
− Cada período se agrega un registro para la entidad, sin
remplazar ni modificar la foto del período anterior.
− Ejemplo: balances, estados de resultados
b) Transaccional
− Un registro por cada evento, que ocurre en una fecha
determinada. Solo se pueden hacer inserciones.
− Ejemplo: sistemas de ventas

c) Incremental
− Un registro por cada ocurrencia, pero la fila contiene
múltiples fechas que indica el cambio de estados.
− A diferencia de los anteriores, en este tipo de estructuras
se puede insertar y actualizar los registros.
− Ejemplo: workflow, ticket de soporte
5.1.2 Dimensiones - Optimizar rendimiento de las consultas mejorando
los tiempos en las consultas
o Mejorar los tiempos en las consultas
o Agrupa varias dimensiones en una sola, el objetivo principal es
mejorar el rendimiento de la solución.
o Ejemplo: tabla de clientes del modelo ejemplo

o Ventajas
• Optimiza T° Respuesta
• Simplifica modelo para usuario final
o Desventajas
• Aumenta almacenamiento (no relevante)
• Complejiza proceso de carga del cubo
5.1.3 Dimensiones - Optimizar rendimiento de las consultas para mejorar
el almacenamiento
o Factoriza (Tabla hechos o dimensiones):
• Cuando hay mucha información repetida en una tabla de
Hechos, es posible quitar esta información y “Factorizarla”
en una tabla de dimensión.
• Esto minimiza el espacio utilizado por la tabla de hechos y
mejora el análisis sobre los datos.
• Los campos candidatos son aquellos con baja cardinalidad.

5.1.4 Dimensiones - Optimizar rendimiento de las consultas (Negocio)
o Dimensión de roles
• Cuando hay varios campos que hace referencia a la misma
dimensión, pero con conceptos diferentes.
• Ejemplo
− Súper dimensión
• Cuando es necesario juntar dos dimensiones para generar
cálculos que de otra forma sería difícil de administrar.
• Ejemplo:

5.1.5 Dimensiones - Información histórica (Negocio)
La dimensión puede cambiar con el tiempo (no estática): cambian
algunos atributos. En este caso es considerado inaceptable colocar
todo en la tabla de hechos o crear dimensiones dependientes.
Si el valor de un atributo cambia en el sistema operacional. ¿Cómo
responder a ese cambio en el modelo dimensional? En ese sentido,
existen varias alternativas las cuales se detalla a continuación:
− Dimensiones que cambian lentamente Nº 1:
 Sobrescribir el valor
 Es fácil de implementar, pero no mantiene la historia de
los cambios los atributos.
 Adicionar una fila a la dimensión
 La clave de la dimensión es compuesta, registra, por
cada cambio en la fila de la dimensión (o los campos que
sean relevantes), un nuevo registro.
 Es poderosa ya que la nueva fila divide automáticamente
la historia en la tabla de hechos. Sin embargo, no
permite asociar el nuevo valor del atributo con la historia
de los hechos y viceversa.

 Adicional una columna a la dimensión por cada columna
cuyo valor queremos mantener en la historia.
 Es apropiado cuando se necesita soportar dos vistas del
mundo al mismo tiempo.
 Es inapropiado si se desea hacer seguimiento de valores
intermedios de los atributos
 Menos usada

Capítulo 3
Extracción y transformación de datos
(Power Query)
 Obtener datos de diferentes fuentes.
 Editar los conjuntos de datos.
 Crear columnas derivadas y calculadas.
 Usar condicionales.
 Anexar y combinar conjuntos de datos.
 Agrupar y transponer conjunto de datos
 Carga masiva de archivos desde una carpeta
Temas
1. Introducción a Power Query
2. La cinta de opciones del editor de consultas
3. Agregar archivos de datos
− Datos en la Web
− Datos de Excel
− Datos de bases de datos
− Desde otras fuentes de datos
4. Limpiar datos
5. Ordenar datos
6. Cómo y por qué definir tipos de datos
7. Usando condicionales
8. Combinar tablas
9. Anexar datos
10. Agrupar conjuntos de datos
11. Transponer datos
12. Carga desde una carpeta

Extracción y transformación de datos (Power Query) 2
IES Privado Cibertec S.A.C - Data Analytics - Power BI Excel 2
1. Introducción a Power Query
Power Query asegura la conexión a una amplia variedad de orígenes de datos, tales como:
relacionales, estructuradas y semiestructurados, Odata, Web, entre otras.
Herramienta que permite quitar una columna, cambiar un tipo de datos o combinar tablas de
manera que satisfacen sus necesidades. Una vez concluida la transformación de los datos se
puede compartir las conclusiones o usar la consulta para crear informes.
Puede obtener acceso a Power Query desde la cinta Datos y la opción Obtener y Transformar.

Con Power Query se puede obtener información de los siguientes orígenes de datos:
Control de la cinta de
opciones
Descripción
Nueva Consulta
Desde un Archivo Libre Excel
Archivo CSV
Archivo XML
Archivo Texto
Una Carpeta
Desde base de datos Importar datos desde una base de datos:
Base de Datos SQL Server
Base de Datos de Access
Base de datos de SQl Server Analysis Services
Base de datos Oracle
Base de datos de IBM DB2
Base de datos de MySQL
Base de datos de PostgreSQL
Base de datos Sybase
Base de datos Teradata
Desde Azure SQL Database de Azure
HDInsightde Azure (HDFS)
Almacenamiento de BLOB de Azure
Almacenamiento de tabla de Azure
Desde Otras Fuentes
Web (Importar datos desde una página web de una extranet o
intranet a la que tiene acceso.)
Lista de Sharepoint
Fuente OData
Archivo Hadoop (HDFS)
Archivo Directory
Dynamics 365 (En Línea)
Microsoft Exchange
Facebook
Objetos de SalesForce
Informes SAlesForce
ODBC
Consulta en Blanco
Combinar consultas
 Combinar: crea una nueva consulta a partir de dos consultas
existentes.
 Anexar: crea una nueva consulta que contiene todas las filas
de una primera consulta, seguidas de todas las filas de una
segunda consulta.

Control de la cinta de
opciones
Descripción
 Iniciar el editor de consultas: editar la consulta seleccionada
en el Editor de consultas.
Configuración de
origen de datos
Administrar las credenciales de origen de datos (o identidades de
inicio de sesión) de las distintas conexiones de origen de datos
que usó, y los niveles de privacidad de los orígenes de datos.
Opciones de consulta Definir las opciones del entorno de Power Query.
Mostrar consultas Mostrar el panel Consultas para administrar sus consultas en el
Power Query.
Desde tabla Crear una nueva consulta vinculada a la tabla de Excel
seleccionada. Si el rango seleccionado no pertenece a una tabla,
se convertirá en una.
Fuentes recientes Muestra la lista de fuente de datos utilizada en las consultas
Los pasos comunes de Power Query, suelen producirse de la siguiente manera:
 Conectarse: crear conexiones a datos en la nube, en un servicio o localmente.
 Transformar: proporcionar forma a los datos según sus necesidades; el origen original
permanece sin modificar.
 Combinar: crear un modelo de datos desde varios orígenes de datos y conseguir una
vista única de los datos
 Compartir: una vez finalizada la consulta, puede guardarla, compartirla o utilizarla para
realizar informes
Power Query registra cada paso que efectué y le permite modificar esos pasos de la forma
que necesité. También le permite deshacer, rehacer, cambiar el orden o modificar
cualquier paso.

Con Power Query puede crear consultas que sean lo sencillas o complejas que necesite.
También utiliza el lenguaje M para grabar y llevar a cabo sus pasos, puede crear consultas
desde cero (o ajustarlas manualmente) para aprovechar la potencia y la flexibilidad del
script de datos, todos.

2. La cinta de opciones del editor de consultas
Las pestañas del Editor de consultas de la cinta de opciones son el punto de partida de todas
las operaciones que se realizan en Power Query.
Opción Descripción
Aplicar y cerrar
Aplicar la consulta de datos para importar datos o cargarlos en el modelo
de datos.
Descartar y cerrar Descartar la consulta de datos.
Actualizar
Actualizar una consulta para importar los datos más recientes en una tabla
sin necesidad de crear de nuevo la consulta.
Quitar filas superiores Quitar n filas superiores.
Quitar columnas
Quitar las columnas seleccionadas o Quitar otras columnas de una
consulta.
Quitar filas alternas
Quitar filas alternas de la tabla a partir de primera la fila.. Se deben
especificar los valores de número de filas para quitar y número de filas para
mantener.
Quitar errores Quitar las filas de una consulta con errores de datos.
Quitar duplicados
Quitar todas las filas de la tabla en las que los valores de las columnas
seleccionadas están duplicados respecto de valores anteriores. No se
quitará la fila con la primera repetición de un conjunto de valores.

Mantener filas superiores Mantener n filas superiores.
Mantener rango
Especificar el rango de filas que se debe conservar en la tabla. Este rango
comienza en primera fila y se extiende de acuerdo con el valor de número
de filas.
División de columna
Una columna de texto se puede dividir en varias columnas de dos formas:
Por delimitador
Por número de caracteres
Para más información sobre cómo dividir una columna de texto,
consulte Dividir una columna de texto.
Agrupar por
Resume los datos por valores de fila. Por ejemplo, si una tabla contiene las
columnas Estado, Ciudad y Población, el usuario puede:
Agrupar por Estado y contar el número de ciudades de cada estado, o
sumar la población de las ciudades para obtener la población de cada
estado.
Agrupar por Ciudad y contar las instancias de los nombres de ciudad.
Para más información sobre cómo agrupar filas.
Reemplazar valores
Reemplazar un valor por otro en las columnas seleccionadas. Para
reemplazar los valores de Número y de Fecha y hora.
Transformar
En el caso de un valor de Texto, cambiar la forma en la que se representan
los valores de la columna:
Minúsculas
MAYÚSCULAS
Mayúscula Inicial En Cada Palabra
Recortar
Limpiar
JSON
XML
En el caso de un valor de Fecha y hora, cambia la forma en que se
representan las columnas:
Fecha
Hora
Día
Mes
Año
Día de la semana
Usar primera fila como
encabezados
Los nombres de los encabezados de la tabla se reemplazan por los valores
de las celdas de la primera fila de la tabla.
Anular dinamización
Transformar las columnas seleccionadas en pares de atributo-valor. Para
más información sobre cómo anular la dinamización de columnas.

Insertar columna
personalizada
Insertar una nueva columna personalizada después de la última columna de la tabla.
Usted define la fórmula que calcula los nuevos valores.
Insertar columna de índice Crear una nueva columna de índice empezando desde cero.
Duplicar columna
Crear un duplicado de la columna seleccionada en el lado derecho de la tabla. Se
asignará a la nueva columna el nombre de Copia de <nombre de columna>.
Combinar Combinar la consulta actual con otra consulta del libro actual.
Anexar Anexar la consulta actual a otra consulta del libro actual.
2.1. Pestaña de Inicio
2.2. Pestaña Transformar

2.3. Pestaña Agregar columna
2.4. Pestaña Vista

3. Agregar archivos de datos
Con Power BI, puede importar datos desde una amplia variedad de orígenes de datos. Usar el
Editor de consultas para modificar los pasos de consulta a la forma o transformar datos.
Para cada proveedor, Power BI es compatible con una versión específica del proveedor y
objetos.
Origen de
datos
Proveedor
Versión mínima del
proveedor
Versión
mínima del
origen de
datos
Objetos de origen
de datos
compatibles
SQL Server ADO.NET (integrado en .Net
Framework)
.Net Framework 3.5
(solo)
SQL
Server 2005 y
posteriores
Tablas o vistas
Funciones
escalares
Funciones de tabla
Access
Motor de base de datos de
Microsoft Access (ACE)
ACE 2010 SP1
Sin
restricciones
Tablas o vistas
Excel (solo
archivos .xls)
Motor de base de datos de
Microsoft Access (ACE)
ACE 2010 SP1
Sin
restricciones
Tablas
Hojas
Oracle 2 ODP.NET
ODAC 11.2 Versión 5
(11.2.0.3.20)
9.x y
posteriores
Tablas o vistas

System.Data.OracleClient
(integrado en .Net
Framework)
.NET Framework 3.5
9.x y
posteriores
Tablas o vistas
IBM DB2
Cliente ADO.NET de IBM
(parte del paquete de
controladores de servidor de
datos de IBM)
10.1
9.1 y
posteriores
Tablas o vistas
MySQL Conector o red 6.6.5 5.1
Tablas o vistas
Funciones
escalares
PostgreSQL
Proveedor de ADO.NET de
NPGSQL
2.0.12 7.4 Tablas o vistas
Teradata
Proveedor de datos .NET
para Teradata
14 y posteriores
12 y
posteriores
Tablas o vistas
Sybase IQ
Ianywhere.Data.SQLAnywhe
re para .NET 3.5
16 y posteriores
16 y
posteriores
Tablas o vistas
Siempre que agregue un paso de consulta de Power BI, se inserta en la secuencia de pasos que
sigue el paso seleccionado. Si agrega un paso en cualquier lugar distinto al final del flujo, debe
comprobar que todos los pasos posteriores funcionan correctamente.
La imagen siguiente muestra el Editor de consultas con el panel de pasos aplicados en el lado
derecho de la ventana.
3.1. Conectarse a un archivo CSV o de Excel
1. En la pestaña Dato de la cinta de opciones, haga clic en Nueva consultar y selecionar
la opcion Desde un archivo y Desde un libro
2. En el cuadro de diálogo Examinar Excel o Examinar valores separados por comas,
busque o escriba una ruta de acceso al archivo que quiere consultar.
3. Haga clic en Abrir.
Si el libro de origen a rangos con nombre, el nombre del rango estará disponible como
un conjunto de datos.
Si va a importar datos desde un archivo CSV, Power BI detectará automáticamente
delimitadores columna incluidos los nombres de columna y tipos. Vea Importación de
datos desde un archivo CSV.

3.2. Conectarse a un archivo XML
Desde un archivo y Desde un archivo XML.
2. En el cuadro de diálogo Examinar desde XML, busque o escriba una URL de archivo
para importar un archivo o vincular a él.
3. Haga clic en Abrir.
Cuando la conexión se complete correctamente, podrá examinar las colecciones de
elementos del archivo XML y obtener una vista previa de ellas en el panel Navegador en
un formato tabular.
3.3. Conectarse a un archivo de texto
Desde un archivo y desde una archivo de texto.

2. En el cuadro de diálogo Examinar, busque o escriba una ruta de acceso de archivo
para importar un archivo o vincular a él.
Cuando la conexión se complete correctamente, podrá obtener una vista previa de las
líneas de texto del archivo.
3.4. Conectarse a una carpeta
Desde un archivo y Desdeuna carpeta.
2. En el cuadro de diálogo Carpeta, busque o escriba una ruta de acceso de archivo para
importar los archivo o vincular a él.
3. Haga clic en Aceptar.

3.5. Conectarse a una base de datos de SQL Server
Desde una base de datos y Desde una base de datos de SQL Server.
2. En el cuadro de diálogo Base de datos de Microsoft SQL, especifique el servidor SQL
Server al que quiere conectarse en el cuadro Nombre del servidor. Si quiere, también
puede especificar un nombre de base de datos.
3. Si quiere importar datos con una consulta de base de datos nativa, especifique la
consulta en el cuadro Instrucción SQL..
4. Seleccione Aceptar.
5. Elija el modo de autenticación para conectarse a la base de datos de SQL Server.
 Windows: esta es la selección predeterminada. Elija esta opción si quiere
conectarse con la autenticación de Windows.
 Base de datos: elija esta opción si quiere conectarse con la autenticación de SQL
Server. Si elige esta opción, deberá especificar un nombre de usuario y una
contraseña para conectarse a la instancia de SQL Server.
6. De forma predeterminada, la casilla Cifrar conexión está activada para indicar que
Power BI se conecta a la base de datos mediante una conexión cifrada. Si no desea
conectarse usando una conexión cifrada, desactive esta casilla de verificación y, a
continuación, haga clic en Conectar.
Si no se usa una conexión cifrada con SQL Server, Power BI solicitará establecer una
conexión no cifrada. Haga clic en Aceptar en el mensaje para conectarse con una
conexión no cifrada.

3.6. Conectarse a una base de datos de Access
Desde base de datos y desde una base de datos Access.
2. En el cuadro de diálogo Base de datos de Microsoft Access, busque o escriba el
archivo de base de datos importar.
3. Haga clic en Aplicar.

Si intenta importar datos de un archivo de Excel o una base de datos de Access
heredados en algunas configuraciones, recibirá un error que el motor de base de datos
de Microsoft Access (proveedor Microsoft.ACE.OLEDB.12.0) no está registrado en la
máquina local. Este error se produce en los sistemas que solo tienen instalado Office
2013. Para resolver el error, descargue e instale el proveedor Microsoft.ACE.OLEDB.12.0
3.7. Conectarse a una base de datos de Oracle
Antes de poder conectarse a una base de datos de Oracle con Power BI para Excel,
necesita la v8.1.7 de software de cliente de Oracle o superior en el equipo. Para instalar
el software de cliente de Oracle, vaya a Componentes de Access datos (ODAC) con
Oracle Developer Tools para Visual Studio (12.1.0.2.4) de Oracle de 32 bits para instalar
al cliente de Oracle de 32 bits o 64 bits ODAC de 12 c Xcopy versión 4 (12.1.0.2.4) para
Windows x64 para instalar al cliente de Oracle de 64 bits.
Desde una base de datos y Desde una base de datos de Oracle.
2. En el cuadro de diálogo Base de datos de Oracle, en el Nombre del servidor,
especifique el servidor de Oracle al que quiere conectarse. Si se requiere un SID, se
puede especificar como “NombreServidor/SID”.
consulta en el cuadro Instrucción SQL.

Si el servidor de Oracle requiere credenciales de usuario de la base de datos:
 En el cuadro de diálogo Acceder a una base de datos, escriba el nombre de usuario
y la contraseña.
 Haga clic en Conectar.
3.8. Conectarse a una base de datos MySQL
Antes de poder conectarse a una base de datos MySQL, necesita la MySQL conector o
red 6.6.5 de Microsoft Windows en el equipo. Seleccione el controlador que coincida con
la instalación de Power BI (32 bits o 64 bits).
Desde una base de base de datos y Desde base de datos MySQL.
2. En el cuadro de diálogo Base de datos MySQL, en el Nombre del servidor,
especifique el servidor de bases de datos MySQL al que quiere conectarse.
consulta en el cuadro Instrucción SQL. Para más información, consulte Importar
datos de una base de datos con una consulta de base de datos nativa.
5. Si el servidor MySQL requiere credenciales de usuario de la base de datos:
 En el cuadro de diálogo Acceder a una base de datos, escriba el nombre de
usuario y la contraseña.
 Haga clic en Conectar.

3.9. Conectarse a una base de datos PostgreSQL (Power BI)
Antes de poder conectarse a una base de datos PostgreSQL en Power BI, necesita el
proveedor de datos de Ngpsql para PostgreSQL instalado en su equipo. Seleccione el
controlador que coincida con la instalación de Power BI (32 bits o 64 bits). Además,
asegúrese de que tiene el proveedor registrado en la configuración del equipo que
coincida con la versión más reciente de .NET en el dispositivo.
Desde una base de datos y Desde una base de datos PostgreSQL.
2. En el cuadro de diálogo Base de datos PostgreSQL, en el Nombre del servidor,
especifique el servidor de base de datos PostgreSQL al que desea conectarse.
consulta en el cuadro Instrucción SQL.
4. Seleccione Aceptar.
5. Si el servidor PostgreSQL requiere credenciales de usuario de la base de datos:
 En el cuadro de diálogo Acceder a una base de datos, escriba el nombre de
usuario y la contraseña.
 Seleccione Conectar.

3.10. Conectarse desde una Web
Con Power BI, puede obtener acceso y descubrir datos en una página Web que se puede
combinar con datos dentro de su organización.
1. En la ficha de cinta Datos, haga clic en Nueva Consulta y selecionar Desde otras
fuentes y desde una Web.
2. En el cuadro de diálogo Desde la Web, escriba la dirección URL de una página Web.
4. Si la página Web requiere credenciales de usuario.

5. En la Web Access cuadro de diálogo, haga clic en una opción de credenciales y
escriba los valores de autenticación.
6. Haga clic en Conectar.
7. Una vez establecida una conexión con la página web, verá una lista de las tablas
disponibles en esta página en el panel de navegación.
8. Puede pasar el mouse sobre cada una de estas tablas para obtener una vista previa
de los datos.
9. En el panel de navegación, haga doble clic en la tabla requerida para obtener los
resultados de la consulta y haga clic en Editar consulta.
10. Después de abrir el Editor de consultas, puede comenzar a dar forma a la consulta.

6. Limpiar datos
Power BI incluye un eficaz nuevo conjunto de características denominadas obtener y
transformar, que proporciona rápidos y fáciles datos a recopilar y capacidades de forma.
Obtener y transformar permite conectarse, combinar y refinar los orígenes de datos para
satisfacer sus necesidades de análisis.
Obtener y transformar, puede crear consultas que son simples o complejas, como sea
necesario. Cuando se agreguen los pasos a una consulta, el editor de consultas funciona en
segundo plano para crear un conjunto de instrucciones discretas que llevan a cabo sus
comandos. Las instrucciones se crean utilizado el lenguaje M. Los usuarios disfrutarán de la
eficacia y flexibilidad de secuencias de comandos de datos pueden crear el lenguaje M para
crear manualmente (o ajustar) consultas con el editor avanzado. Esto ofrece poder y
flexibilidad, tanto si crea pasos automática o manualmente. El editor de consultas y el editor
avanzado se describen con más detalle más adelante.
Obtener y transformar permite transformar los datos de los datos de orígenes de maneras que
le ayudarán a analizar. Transformación de datos significa que lo modifiquen de algún modo
para satisfacer sus necesidades, por ejemplo, puede quitar una columna, cambiar un tipo de
datos o combinar tablas, cada una de las cuales es una transformación de datos. Como para
transformar datos, colectivamente adopta la forma que necesita aún más el análisis. El proceso
de aplicar transformaciones a uno o varios conjuntos de datos a menudo se denomina
modelado de datos.

Power BI utiliza una ventana dedicada, denominada Editor de consultas para facilitar y mostrar
las transformaciones de datos. Cuando seleccione Nueva consulta en la sección de la cinta de
opciones obtener y transformar de la ficha datos, luego seleccione el origen de datos (por
ejemplo, un libro o una base de datos), aparece la ventana de navegador para que pueda
seleccionar la tabla (o tablas) que desea usar en la consulta. Cuando se selecciona una tabla, se
muestra una vista previa de sus datos en el panel derecho de la ventana de navegador.
6.1. Dividir columna
6.1.1. Por delimitador
Usar el Editor de consultas, una columna de texto puede dividirse en varias
columnas de dos formas: por delimitador o un número de caracteres.
Por delimitador analiza un valor de texto en función de un carácter comunes de
dos o más columnas. Por ejemplo, una columna de nombre como apellido, el
nombre se puede dividir en dos columnas basadas en el carácter de coma (,).
Usando la cinta del Editor de consultas:
1. Seleccione la columna que desea dividir.
2. En la cinta de opciones del Editor de consultas, seleccione División de columna
> Por delimitador.
Usando el menú contextual del editor de consultas.
1. Haga clic con el botón secundario en el encabezado de la columna que desea
dividir.
2. En el menú contextual de columna, seleccione División de columna>Por
delimitador.

6.1.2. Por caracteres
Por número de caracteres: analiza un valor de texto en función de una posición
dentro de dicho valor.
Usando la cinta de opciones Editor de consultas.
1. Seleccione la columna que desea dividir.
2. En la cinta de opciones Editor de consultas, haga clic en División de
columna > Por número de caracteres.
Usando el menú contextual del editor de consultas.
1. Haga clic con el botón secundario en el encabezado de la columna que
desea dividir.
2. En el menú contextual de columna, seleccione División de columna > Por
número de caracteres
6.2. Reemplazar los valores
Power BI permite reemplazar un valor por otro valor en una columna seleccionada. Se
puede:
a. Reemplazar valores de Texto
b. Reemplazar caracteres especiales.
6.2.1. Para reemplazar valores de texto:
1. Uso de la cinta de opciones del Editor de consultas, en la pestaña Inicio,
seleccione Reemplazar low valores.

2. Usar el menú contextual de Editor de consultas, seleccionar la columna de texto
y clic con el botón secundario. A continuación, selecionar la opcion del menu
deplegable Reemplazar los valores.
3. En el cuadro de valor que busca colocar el texto a bucar y en Reemplzar con
escribir el valor de texto de reemplazo.
6.2.2. Para reemplazar valores de caracteres especiales
1. Seguir los dos primeros pasos efectuados en la seccion 7.1 del presente
documento.
2. En el cuadro opciones avanzada, check en la opcion reemplazar con caracrestes
especiales.
3. Clic en la opcion Insertar caracter especial, se visualizara una lista desplegable,
en la cual se debera selecionaar la opcion requerida..

4. El editor de consulta interpretara el tipo de caracter especial, poblando
automaticamente el campo Valor que buscar.
6.3. Formato
Power Query ofrece una interfaz de usuario intuitiva para ayudarle a definir la
forma de datos y los pasos de la transformación con acciones de usuario simple
sobre un conjunto de datos.
De tal manera que pueda cambiar la visualizacion del texto
6.4. Extraer
Permite obtener parte de un texto

7. Ordenar datos
Al ordenar en función de varias columnas, el orden o la jerarquía de ordenación se basa en el
orden en que seleccionan las columnas. Para ordenar una tabla en función de varias columnas:
En el editor de consultas, seleccione la columna principal para la ordenación.
1. Haga clic en la flecha abajo.
2. En el menú desplegable, haga clic en Orden ascendente o en Orden descendente.
3. Repita los pasos de 1 a 3 para cada una de las columnas que desee usar en la ordenación.
Por ejemplo, si se ordena en primer lugar por Estado y a continuación por Población, el
resultado final es una tabla que se ordena por estado, con las ciudades de cada estado
ordenadas por población. Alfabéticamente, Arizona precede a California. Y, en Phoenix
(Arizona) la población es mayor que en Tucson. La fórmula muestra cada columna según la
prioridad y el tipo de ordenación que se le aplica.

8. Cómo y por qué definir tipos de datos
Cuando se cargan datos en Power BI, intentará convertir el tipo de datos de la columna de
origen en un tipo de datos que admita mejor una visualización de datos, unos cálculos y un
almacenamiento más eficiente. Por ejemplo, si una columna de valores que importa desde
Excel no tiene ningún valor fraccionario, Power BI convertirá toda la columna de datos en un
tipo de datos de número entero, que es más adecuado para almacenar números enteros. Esto
es importante porque algunas funciones tienen requisitos de tipo de datos.
Aunque en muchos casos Power BI convertirá implícitamente un tipo de datos, hay algunos
casos donde no puede. Por ejemplo, si una transformación requiere un tipo de datos de fecha y
el tipo de datos para la columna es de texto, la transformación no funcionará correctamente.
Por lo tanto, es importante y útil obtener el tipo de datos correcto para una columna.
En Power BI se puede determinar y especificar un tipo de datos de una columna en el Editor de
consultas en la vista de datos o la vista de informes:

8.1. Tipos de número
Power BI admite tres tipos de números:
Números decimales: representa un número de punto flotante de 64 bits (8 bytes). Es el
tipo de número más común y corresponde con los números de la forma en la que suele
pensar en ellos.
Número decimal fijo: tiene una ubicación fija para el separador decimal. El separador
decimal siempre tiene cuatro dígitos a la derecha y permite 19 dígitos de importancia. El
valor más grande que puede representar es 922.337.203.685.477,5807 (positivo o
negativo).
Número entero: representa un valor entero de 64 bits (8 bytes). Puesto que es un
entero, no tiene dígitos a la derecha del separador decimal. Permite 19 dígitos; números
enteros positivos o negativos entre -9.223.372.036.854.775.808 (-2^63) y
9.223.372.036.854.775.807 (2^63-1).
8.2. Tipos de fecha y hora
Power BI admite cinco tipos de datos de fecha y hora en la vista de consultas y tres en el
modelo y en la vista de informes. Tanto la duración como fecha/hora/zona horaria se
convierten durante la carga en el modelo.
Fecha y hora: representa el valor de fecha y hora. Interiormente, el valor de fecha y hora
se almacena como un tipo de número decimal. Por lo que realmente puede realizar la
conversión de los dos.

Fecha: representa solo una fecha (ninguna parte de la hora). Cuando se convierte en el
modelo, una fecha es igual que un valor de fecha y hora con cero para el valor de
fracciones.
Hora: representa precisamente la hora. Cuando se convierte en el modelo, el valor de
hora es el mismo que el valor de fecha y hora sin dígitos a la izquierda de la posición
decimal.
Duración: representa un período. Se convierte en el tipo de número decimal cuando se
carga en el modelo. Como un tipo de número decimal, puede agregarse o quitarse del
campo de fecha y hora con resultados correctos. Como un tipo de número decimal,
puede usarlo fácilmente en las visualizaciones que muestran la magnitud.
8.3. Tipo de texto
Texto: cadena de datos de caracteres Unicode. Pueden ser cadenas, números o fechas
representadas en un formato de texto. La longitud de cadena máxima es de 268.435.456
caracteres Unicode (256 caracteres mega) o 536.870.912 bytes.
Verdadero/Falso: un valor booleano de Verdadero o Falso.
En blanco: es un tipo de datos en DAX que representa y reemplaza a los valores NULL de
SQL. Puede crear un espacio en blanco con la función BLANK y probarlos con la función
lógica ISBLANK.

9. Usando Condicionales
Uno de los temas más frecuentes en las consultas es el de la función SI anidada. Es decir, todo
tipo de ejercicios sobre como calcular un resultado bajo una serie de condiciones (por ejemplo,
compras de hasta los 1000 pesos reciben un descuento del 5%; si superan los 5000, un
descuento del 10%; compras de más de 10000, 7%, etc.).
Estos ejercicios son muy populares en todo tipo de cursos de Excel. En lugar de efectuar
compleja fórmula con Excel como el uso de la función BUSCARV.
Con Power Query, puede agregar una columna condicional a la consulta. Puede definir
condiciones IF-THEN-ELSE en la consulta. Si se cumplen las condiciones, la columna condicional
mostrará automáticamente los valores que ha especificado.
Asimismo, como la opción de condicionales solo aplica la condición SI. Esta puede ser
modificada por condiciones OR. En ese caso editaremos el paso y agregaremos a la función
personalizada las condiciones requeridas.

10. Agrupar conjuntos de datos
En el editor de consultas, puede agrupar los valores de un número de filas en un único valor, el
cual permite agrupar las filas en función de los valores de una o más columnas.
Power BI tiene dos tipos de operaciones Agrupar por: agregar una columna con una función de
agregado o realizar una operación de fila.
Para agregar una columna, seleccione la columna para la que quiere realizar la operación de
agregado en la lista desplegable Columna. La operación de fila no requiere una columna, ya
que los datos se agrupan en función de las filas de la tabla. Para agregar una columna de
agregación, haga clic en + y seleccione un nombre de columna en la lista desplegable Columna
de la fila que se acaba de agregar. Para quitar una columna de agregación, haga clic en – para el
registro.

11. Combinar tablas
Power BI permite combinar varias consultas mediante las operaciones Combinar y Anexar. La
operación Combinar se lleva a cabo en cualquier consulta de Power BI con formato tabular, con
independencia del origen de los datos.
Power BI ofrece una interfaz de usuario intuitiva para combinar varias consultas. Las
operaciones Combinar y Anexar se realizan en las consultas de Power BI con una forma de
tabular que es independiente del origen de datos que proceden los datos.

12. Anexar datos
En Power BI, la operación Anexar crea una nueva consulta que contiene todas las filas de una
primera consulta, seguidas de todas las filas de una segunda consulta.
Se pueden realizar dos tipos de operación de anexo: Anexo intermedio o Anexo en línea. Con el
Anexo intermedio, se crea una consulta nueva para cada operación de anexo. Con el Anexo en
línea, se anexan datos a la consulta existente hasta llegar a un resultado final. El resultado es
un paso nuevo al final de la consulta actual.
12.1. Anexo en línea
En el Editor de consultas, en la cuadrícula de vista previa de consulta, haga clic en el
icono de tabla ( icono de tabla ) y haga clic en Anexar consultas.
12.2. Anexo intermedio
En la cinta de opciones de POWER BI o Editor de consultas, en el grupo Combinar, haga
clic en Anexar. Cuando se usa la cinta de opciones del Editor de consultas, la consulta
activa se selecciona como la tabla principal para la operación Anexar.

En el cuadro de diálogo Anexar, seleccione las tablas (consultas) primera y segunda que
desea anexar.
Cuando se completa la operación Anexar, Power BI muestra una nueva consulta en el
Editor de consultas.

13. Transponer datos
En Power BI, puede transformar las columnas seleccionadas en pares de atributo-valor donde
las columnas se vuelven filas. Use el editor de consultas de Power BI para trasponer columnas.
En Power BI a esta operación también se le conoce como Dinamización.
En primer lugar, seleccione una o más columnas en el editor de consultas. Puede dinamizar las
columnas con el botón de la cinta de opciones Editor de consultas, o mediante un menú
contextual.
Dinamización de columnas crea una columna de atributo para cada encabezado de columna
seleccionada y una columna de valor para cada valor de celda de la columna seleccionada. Las
columnas de par atributo-valor se insertan después de la última columna. En el ejemplo
anterior, cada columna de fecha se convierte en una fila con una columna de atributo que
contiene el valor de fecha y una columna de valor que contiene el valor de la columna de
fecha.

Si agrega una columna de fecha adicionales a la tabla de origen original, Power BI agrega una
fila adicional a la tabla de dinamización.

14. Importar archivos desde una carpeta
Power Query puede manejar todos los tipos de archivos deseados al mismo tiempo o siempre
se puede filtrar los pasos para manejar solo un determinado tipo de archivo.
Entonces la magia de Power Query se aplica de forma más sencilla consolidadando múltiples
tablas, hojas, archivos de texto y/o csv.

1. Como solíamos resolver este escenario
Tiempo atrás (antes Power Query) de hecho, existia algunas formas de hacerlo pero no
eran tan fáciles de usar y dependíamos en gran medida de codificación o de alguna
manera tediosa de hacerlo. Las formas más comunes fueron:
 Utilizando sentencias SQL para unir múltiples archivos
 Crear un código VBA que haga el trabajo por mi
 Ir con la forma tediosa de combinar los archivos manualmente (tal vez con
Excel o con Access)
2. Consolidando / Combinando múltiples archivos con Power Query
El público objetivo que Power Query tiene es mucho más amplio que el de Power
Pivot. Principalmente porque Power Query se centra en la limpieza, enriquecimiento y
la preparación de sus datos – lo cual es algo que la mayoría de los usuarios de Excel
hacen a diario – y debido a su facilidad de uso.
Por tanto, tenemos una manera más fácil y optimizada de hacer este requerimiento
que cada vez es más frecuente en nuestros entornos de análisis de datos.

Capítulo 4
Modelamiento de datos
(Power Pivot)
• Identificar el panel de opciones del Power BI para Excel.
• Usar las opciones del Power BI para Excel para construir el modelo de datos.
Temas
1. Introducción a Power Pivot.
2. La cinta de opciones de Power Pivot.
3. Crear modelo de datos:
a. Agregar datos usando copiar y pegar
b. Agregar datos utilizando una tabla vinculada de Excel
c. Agregar datos utilizando el asistente para la importación de tablas
4. Relación entre tablas.
5. Expresiones DAX.
6. Columnas calculadas.
7. Medidas calculadas.
8. Indicadores de rendimiento
9. Jerarquías
10. Perspectivas
11. Ordenar campos con otra columna.

Modelamiento de datos (Power Pivot) 2
1. Introducción a Power Pivot
Power Pivot, es una herramienta que complementa a Excel. Se usa para realizar un análisis de
datos eficaz y crear modelos de datos mucho más sofisticados ya que, con Power Pivot, es posible
combinar grandes volúmenes de datos de orígenes diferentes, realizar análisis de la información
rápidamente y compartirla para el uso que se le asigne.
Tanto Excel como Power Pivot permiten crear un modelo de datos que es el mismo para ambas
herramientas. Incluso los datos importados a Excel, están disponibles en Power Pivot y viceversa.

1.1. Compresión de datos
Los datos con los que se trabaja son almacenados en una base de datos analítica dentro
del libro de Excel; un eficaz motor local carga, consulta y actualiza los datos de dicha
base de datos. Y por estar ubicados en Excel, la disponibilidad para trabajar con tablas
dinámicas, gráficos y otras características de mismo es inmediata.
Por su lado, Excel provee de funciones de presentación e interactividad con los datos
ya que estos se encuentran en el mismo archivo de libro. Power Pivot admite archivos
de hasta 2 GB de tamaño y permite trabajar con hasta 4 GB de datos en memoria.

1.2. Diferencia entre Excel y Power Pivot
La diferencia básica entre Power Pivot y Excel es que, con Power Pivot se puede crear
un modelo de datos más sofisticado. Se trabaja en Excel, pero en la ventana de la
herramienta. Aquí una comparación de algunas tareas que los diferencian:
Tarea En Excel En Power Pivot
Editar datos en una
tabla
Puede modificar los valores
de celdas individuales de
una tabla.
No puede modificar celdas
individuales.
Crear jerarquías
Defina jerarquías para usar
en cualquier parte de un
libro, incluido Power View.
Importar datos de orígenes
diferentes, como bases de
datos corporativas
grandes, fuentes de
distribución de datos
públicas, hojas de cálculo y
archivos de texto en el
equipo.
Importar todos los datos
de un origen de datos.
Filtrar los datos y cambiar
las columnas y las tablas
mientras se importan.
Obtener más información
acerca de Obtener datos
mediante el complemento
de Power Pivot.
Crear tablas
Las tablas pueden estar en
cualquier hoja de cálculo
del libro Las hojas de
cálculo pueden tener más
de una tabla.
Las tablas están
organizadas por páginas
con pestañas individuales
en la ventana de Power
Pivot.
Crear relaciones entre
tablas
En el cuadro de diálogo
Relaciones.
En la vista de diagrama o el
cuadro de diálogo Crear
relaciones.
Obtenga información
acerca de crear una
relación entre dos tablas.
Crear cálculos
Use las fórmulas de
Excel.
Escriba fórmulas avanzadas
con el lenguaje de
expresiones de análisis de
datos (DAX).
Crear indicadores clave de
rendimiento
(KPI).
Crear KPI, para usar en
informes de tablas
dinámicas y Power View.

Crear perspectiva
Crear perspectivas para
limitar el número de
columnas y tablas que los
usuarios de un libro ven.
Crear tablas y gráficos
dinámicos
Crear informes de tabla
dinámica en Excel.
Haga clic en el botón Tabla
dinámica en la ventana de
Power Pivot.
Crear un gráfico
dinámico
Proponer mejoras un
modelo para Power View.
Crear un modelo de datos
básico.
Realizar mejoras como
identificar los campos
predeterminados, las
imágenes y los valores
únicos.
Obtenga más información
acerca de mejorar un
modelo para Power View.
Usar Visual Basic para
Aplicaciones (VBA)
Usar VBA en Excel.
No use VBA en la ventana
de Power Pivot.
Agrupar datos
Agrupar en una tabla
dinámica de Excel
Usar DAX en columnas y
campos calculados.

2. La cinta de opciones de Power Pivot
La pestaña PowerPivot de Excel, proporciona herramientas para trabajar con tablas dinámicas,
medidas y tablas vinculadas.
La lista de campos de PowerPivot, incluye opciones para trabajar con listas de campos y
segmentación de datos, que le permiten a la herramienta filtrar los datos en una tabla dinámica.
2.1. La pestaña de Inicio

2.2. La pestaña de Diseñar
2.3. La pestaña de Opciones avanzadas

3. Crear Modelo de Datos
El modelamiento de datos es un nuevo método asociado a Power BI, que permite integrar datos
de varias tablas, generando un compilado de datos que genera un origen de información. En
Excel, los modelos de datos se usan de forma transparente y proporcionan datos tabulares. Son
utilizados en tablas y gráficos dinámicos, así como en informes de Power View.
Por lo antes mencionado, muchas veces se desconoce que el modelo está allí. En Excel, un
modelo de datos se visualiza como una colección de tablas en una lista de campos.
Por ese motivo, es importante determinar la opción de visualización de datos cuando se crea un
modelo de datos. Para esto se puede elegir: Informe de tabla dinámica, Gráfico dinámico o
Informe de Power View, ya que estas opciones permiten trabajar con todas las tablas en
conjunto.
3.1. Importar datos
Al usar PowerPivot para Excel, es posible importar datos desde una gran variedad de
orígenes. Una vez concretada la importación de datos, es posible actualizarlos en
cualquier momento para reflejar los cambios realizados en el origen.
En la siguiente tabla, se detallan los orígenes desde los cuales se pueden importar datos.
Cabe resaltar que Power Pivot no instala los proveedores enumerados y que algunos de
estos proveedores ya podrían estar instalados con otras aplicaciones en el equipo en que
se trabaje, caso contrario, se debe descargar e instalar el proveedor.

Además, se puede vincular a tablas en Excel y copiar y pegar los datos desde aplicaciones,
como Excel y Word, que usan un formato HTML para el Portapapeles.
Origen Versiones Tipo de archivo Proveedores 1
Bases de datos de
Access
Microsoft Access 2003,
2007, 2010.
.accdb o .mdb
Proveedor OLE DB de
ACE 14
Bases de datos
relacionales de SQL
Server
Base de datos de
Microsoft SQL Server
2005, 2008, 2008 R2,
SQL Server 2012 y
Microsoft SQL Azure 2
(no aplicable)
Proveedor OLE DB para
SQL Server Proveedor
OLE DB de
SQL Server Native
Client
Proveedor OLE DB de
SQL Server Native
Client 10.0
Proveedor de datos
de .NET Framework para
SQL Client
Almacenamiento de
datos paralelo de
SQL Server (PDW) 3
2008 R2, SQL Server
2012
(no aplicable)
Proveedor OLE DB
para SQL Server
PDW
Bases de datos
relacionales de
Oracle
Oracle 9i, 10g, 11g. (no aplicable)
Proveedor OLE DB de
Oracle
Proveedor de datos de
.NET Framework para
cliente de Oracle
Proveedor de datos de
.NET Framework para
SQL Server
Proveedor MSDAORA
OLE DB 4
OraOLEDB
MSDASQL
Bases de datos
relacionales de
Teradata
Teradata V2R6, V12 (no aplicable)
Proveedor OLE DB
TDOLEDB
Proveedor de datos
.NET para Teradata

Bases de datos
relacionales de
Informix
(no aplicable)
Proveedor OLE DB de
Informix
Bases de datos
relacionales de IBM
DB2
8.1 (no aplicable) DB2OLEDB
Bases de datos
relacionales de
Sybase
(no aplicable)
Proveedor OLE DB de
Sybase
Otras bases de datos
relacionales
(no aplicable) (no aplicable)
Proveedor OLE DB o
controlador ODBC
Archivos de texto (no aplicable) .txt, .tab, .csv
Proveedor OLE DB
ACE 14 para
Microsoft Access
Archivos de
Microsoft Excel
Excel 97-2003, 2007, 2010
.xlsx, xlsm,
.xlsb, .xltx,
.xltm
Proveedor OLE DB de
ACE 14
Libro de Power Pivot
2008 R2 y SQL Server
2012 Analysis Services
.xlsx, xlsm,
.xlsb, .xltx,
.xltm
ASOLEDB 10.5
(solo se usa con libros de
PowerPivot que se
publican en granjas de
servidores de SharePoint
que tienen instalado
PowerPivot para
SharePoint)
Cubo de Analysis
Services
2005, 2008, 2008 R2,
SQL Server 2012
Analysis Services
(no aplicable) ASOLEDB 10

Power bi excel 2019

Power bi excel 2019

Power bi excel 2019

Recomendados

Más contenido relacionado

Was ist angesagt?

Was ist angesagt?(20)

Similar a Power bi excel 2019

Similar a Power bi excel 2019(20)

Último

Último(7)

Power bi excel 2019