Conecta los análisis de Databricks y Power BI mediante Tabular Editor

Este contenido fue traducido mediante IA y no ha sido revisado por un editor humano. Las imágenes y los gráficos permanecen en su idioma original.

Puntos clave

• Las capas semánticas son colecciones de datos, cálculos reutilizables y lógica de negocio. Estos conceptos son similares en distintas plataformas, como Microsoft Fabric (con modelos semánticos de Power BI) o Databricks (con vistas de métricas de Unity Catalog)… aunque la implementación sea distinta.
• Convierte vistas de métricas de Databricks en modelos semánticos de Power BI. El Semantic Bridge es una nueva función de Tabular Editor que permite convertir vistas de métricas de Databricks en modelos semánticos de Power BI / Tabular. Esto es útil cuando quieres aprovechar modelos semánticos o Report en Power BI a partir de una o varias vistas de métricas existentes en Databricks.
• Scripting y reglas de BPA para vistas de métricas de Databricks. Semantic Bridge ofrece la primera y única forma de manipular programáticamente las vistas de métricas. También puedes usarlo para configurar reglas de validación que, en el futuro, podrán dar soporte a CI/CD y a escenarios de pruebas automatizadas mediante una interfaz de línea de comandos.
• Un MVP de un marco para el modelado de modelos semánticos independiente de la plataforma. Semantic Bridge es un marco para la traducción de capas semánticas entre plataformas de forma independiente de la plataforma. Esta implementación inicial es un MVP para atender las solicitudes de clientes y colaboradores. No obstante, en el futuro puede ampliarse para admitir la traducción bidireccional de capas semánticas entre muchas plataformas, incluidas Snowflake, Tableau y otras.

Este resumen lo ha elaborado el autor, no la IA.

Presentamos Semantic Bridge en Tabular Editor 3

Un modelo semántico —o capa semántica— te permite centralizar la lógica de negocio para dar significado a los datos. Lo haces usando estructuras de datos para modelar un proceso de negocio del mundo real. Los modelos semánticos se usan más que nunca para apoyar la toma de decisiones empresariales mediante Report, BI conversacional y otras aplicaciones tradicionales y de IA, y existen en muchas plataformas de datos, incluidas Fabric (Power BI), Databricks, Snowflake, Tableau y otras.

En las organizaciones (especialmente en grandes empresas) es habitual ver varias plataformas de datos. Esto puede ser temporal, por ejemplo, al migrar de una plataforma a otra. Pero también puede ser una decisión estratégica o arquitectónica deliberada para aprovechar las características y fortalezas únicas, o para alinear distintas plataformas con tus necesidades de negocio específicas. Por ejemplo, puedes extraer, transformar y cargar tus datos en Databricks y, después, consumirlos o generar Report desde Power BI (con o sin Fabric). Nuestro colega Liping Huang escribió un artículo que explica en detalle algunos de estos patrones.

Aun así, un reto habitual al usar varias plataformas como Databricks y Fabric es utilizar o convertir modelos semánticos entre ellas. Hasta ahora, esto exigía un esfuerzo de desarrollo manual o duplicado para reconstruir el modelo.

En este artículo presentamos una nueva función de Tabular Editor 3: Semantic Bridge, que puede traducir una vista de métricas de Databricks a un modelo semántico de Power BI. Explicaremos el propósito y los beneficios de esta función, y cómo representa los primeros pasos hacia un marco para el modelado semántico independiente de la plataforma.

¿Qué es una vista de métricas de Databricks?

Entre nuestros colaboradores y clientes, hay muchos que usan Databricks y Power BI. A menudo recibimos preguntas y solicitudes sobre cómo sacar el máximo partido y complementar estas plataformas, o cómo migrar entre ellas. Databricks, al igual que Power BI, tiene modelos semánticos llamados vistas de métricas. Lanzadas en el verano de 2025, las vistas de métricas en Databricks permiten la elaboración de informes desde Dashboards de AI/BI y BI conversacional mediante Databricks Genie, de forma similar a los Report de Power BI y a Copilot en Power BI, respectivamente.

El siguiente diagrama te ofrece una visión (muy) general para entender qué son las vistas de métricas de Databricks si solo estás familiarizado con Power BI:

Sin embargo, algunas organizaciones usan Databricks para extraer, transformar y cargar datos, pero quieren crear Report sobre ellos en Power BI. Para crear Report en Power BI se requiere un modelo semántico, pero ¿qué pasa si ya tienes tu capa semántica configurada en Databricks mediante una vista de métricas?

Convierte una vista de métricas de Databricks en un modelo semántico de Power BI

En pocas palabras, Semantic Bridge toma la definición de la vista de métricas (un archivo YAML) y la convierte en un modelo semántico en Tabular Editor. Después, puedes validar, seguir desarrollando o implementar ese modelo semántico en Power BI y Microsoft Fabric para usarlo con Report, Copilot u otros elementos.

El siguiente vídeo muestra una demostración de cómo funciona.

En el vídeo puedes ver a un usuario abrir una definición de vista de métricas de Databricks en Tabular Editor 3, que la convierte automáticamente en un modelo semántico. El vídeo muestra la conversión de la vista de métricas desde una definición .YAML local, creando objetos TOM equivalentes y traduciendo SQL a DAX. En el futuro, podrás conectar Tabular Editor 3 a una vista de métricas en la plataforma de Databricks directamente. Algunos ejemplos de lo que se convierte incluyen:

• Tablas para cada dimensión (un join en la vista de métricas) y para la tabla de hechos.
• Particiones M definidas para el sistema de origen de Databricks.
• Columnas en el modelo semántico de Power BI que representan todos los campos de dimensión en la vista de métricas.
• Relaciones en el modelo semántico de Power BI según se definen en la vista de métricas.
• Medidas DAX para todas las medidas definidas en la vista de métricas. Las agregaciones básicas se traducen automáticamente de SQL a DAX; si no es posible una traducción automática, se crea una medida DAX vacía para el cálculo, con el SQL indicado en un comentario multilínea, para convertirlo más adelante, ya sea manualmente o con IA.

Si hay algún problema con tu importación, se mostrará en una vista de diagnóstico como en el siguiente ejemplo:

También puedes consolidar varias vistas de métricas en un único modelo semántico de Power BI con múltiples tablas de hechos. Esto es útil porque las vistas de métricas de Databricks (a partir de la especificación v1.1 en enero de 2026) solo admiten una única tabla de hechos. A continuación puedes ver un ejemplo sencillo:

Una vista de métricas con datos de pedidos puede combinarse con otras vistas de métricas basadas en otras tablas de hechos para formar un único modelo semántico con dimensiones conformadas. Sin embargo, Semantic Bridge es útil para algo más que conversiones y migraciones, ya que ofrece una interfaz programática para las vistas de métricas de Databricks.

Desarrolla y prueba vistas de métricas de Databricks de forma programática

Semantic Bridge es una interfaz sencilla para un marco más amplio y escalable. Incluye un modelo de objetos independiente de la plataforma para modelos semánticos. En pocas palabras, te permite cambiar modelos semánticos mediante código, independientemente de la plataforma. Esto significa que puedes usar C# Scripts para hacer cambios masivos en vistas de métricas o agilizar su desarrollo. Si no sabes C#, la IA puede ayudarte. Actualmente, esto solo es posible desde la interfaz de usuario de Tabular Editor 3, aunque esperamos que esta funcionalidad esté disponible a través de una interfaz de línea de comandos (CLI) en un futuro cercano.

Por ejemplo, puedes aplicar cambios a la vista de métricas de Databricks mediante un C# Script antes de importarla.

Puedes ver un ejemplo en la siguiente demostración, que muestra un script sencillo que elimina un join y cualquier dimensión que use ese join. En términos de Power BI, esto elimina la tabla de dimensión y todos sus campos, como harías con un C# Script normal:

El script del vídeo está a continuación:

var model = SemanticBridge.MetricView.Model;
var categoryJoin = model.Joins.First(j => j.Name == "categories");
var categoryDimensions = model.Dimensions.Where(d => d.Expr.Contains("categories"));
model.Joins.Remove(categoryJoin);
foreach (var dim in categoryDimensions)
    model.Dimensions.Remove(dim);

Esta interfaz de scripting y programación también puede usarse para definir reglas de validación que funcionan de forma similar a las reglas de mejores prácticas (BPA). Pueden usarse para realizar pruebas automatizadas y validaciones sencillas de una vista de métricas de Databricks. La siguiente demostración te muestra un ejemplo de esto.

El script completo de la regla BPA del vídeo está a continuación:

using TabularEditor.SemanticBridge.Platforms.Databricks.Interfaces;
var path = "C:/Users/GregBaldini/source/repos/TE3/TabularEditor/SemanticBridge.";
SemanticBridge.MetricView.Load(path);
List<IMetricViewValidationRule> rules = [
    SemanticBridge.MetricView.MakeValidationRuleForDimension(
        "no_underscores_in_dimension_names",
        "Naming",
        "Don't use an underscore in a dimension's name; use spaces instead",
        (d) => d.Name.Contains('_')),
    SemanticBridge.MetricView.MakeValidationRuleForJoin(
        "no_sql_queries",
        "Structure",
        "Only reference tables or views; do not embed SQL SELECTs",
        (j) => j.Source.Contains("select", StringComparison.OrdinalIgnoreCase))
];
SemanticBridge.MetricView.Validate(rules).Output();

Estos scripts y reglas BPA pueden ser útiles si quieres que las vistas de métricas de Databricks sean la fuente de verdad de tu lógica de negocio y cálculos, que luego replicas en Fabric (Power BI).

Semantic Bridge es un MVP

Esta es una implementación inicial para ayudar a nuestros colaboradores y clientes con una solicitud habitual. Actualmente, Semantic Bridge tiene algunas limitaciones; puedes leer más al respecto en nuestra documentación, pero aquí tienes algunos ejemplos:

• Todavía no se conecta directamente a Databricks. Usa el archivo YAML de la vista de métricas, que puedes obtener de forma manual o programática (por ejemplo, mediante la CLI o las APIs de Databricks).
• No devuelve (ni sincroniza) automáticamente los cambios del modelo semántico de Power BI a Databricks. Sin embargo, puedes realizar estos cambios de forma programática mediante el modelo de objetos con scripts de C# en Tabular Editor. Cualquier cambio en el archivo YAML debe cargarse en Databricks mediante la interfaz de usuario o de forma programática.
• Algunas expresiones complejas no se traducen automáticamente entre SQL y DAX. Sus expresiones se pasan como comentarios a la nueva expresión del objeto Tabular (columna calculada o medida). Debes reescribir estas medidas o columnas calculadas manualmente, o con ayuda de un agente de programación, si Semantic Bridge las marca.
• Semantic Bridge es un marco agnóstico, pero actualmente solo está configurado para funcionar con Databricks. Todavía no es compatible con Snowflake, Tableau u otras plataformas. En un próximo artículo, explicaremos qué significa un «framework agnóstico» y cómo es posible todo esto, con un análisis técnico más profundo.

Todas estas y muchas más son mejoras posibles que podremos abordar en el futuro, en función de las necesidades y las demandas de nuestros clientes y del mercado. También puedes encontrar más información sobre el Semantic Bridge en el siguiente vídeo de nuestro colaborador y amigo Simon Whitely, de Advancing Analytics:

Lecturas recomendadas adicionales

• Patrones de modelado semántico con Power BI y Databricks. Un artículo de nuestra compañera Liping que explica cómo sacar el máximo partido a Databricks y Power BI.
• Simplificar el análisis con vistas de métricas en Databricks. Un artículo de Advancing Analytics que explica los conceptos básicos de las vistas de métricas y por qué aportan valor.
• Por qué las vistas de métricas de Databricks y Power BI no están alineadas. Otro artículo de Advancing Analytics que explica el problema que abordamos con Semantic Bridge.

En conclusión

Semantic Bridge es una nueva característica de Tabular Editor que hemos creado para ayudar a nuestros clientes y colaboradores a agilizar la creación de modelos semánticos de Power BI a partir de vistas de métricas de Databricks. Está construido sobre un framework que, de cara al futuro, podría facilitar el modelado semántico independiente de la plataforma para distintos fines, incluida la automatización de migraciones, integraciones y más.

Si te interesa esta característica y tienes preguntas o solicitudes, ponte en contacto con nosotros a través de nuestro formulario de contacto o de canales en redes sociales como LinkedIn. Nos encantaría recibir tus comentarios y solicitudes.