Conectar y transformar datos para un modelo semántico

Published: | Updated:
Picture of Kurt Buhler
Head of Innovation

Kurt Buhler es Head of Innovation en Tabular Editor, donde investiga y comunica lo que viene para los modelos semánticos y BI — desde mejores prácticas técnicas hasta desarrollo agéntico. Kurt enfatiza un enfoque centrado en el usuario, ayudando a profesionales de datos a cortar el ruido para construir soluciones sólidas y útiles que realmente importan.

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

  • Empieza tu modelo semántico con los datos correctos y en el formato adecuado.
  • Puedes transformar tus datos de distintas maneras, con varias herramientas en Fabric y Power BI.
  • Conviene aprovechar las herramientas adecuadas para hacer transformaciones grandes antes de que los datos lleguen a tu modelo semántico.
  • Cuando quieres conectarte y transformar datos en tu modelo semántico con Tabular Editor 3, puedes optar por uno de tres enfoques.
  • El primer enfoque es conectarte a un origen compatible con el asistente de importación de tablas.
  • El segundo enfoque es usar Power Query y copiar el código del Editor avanzado a Tabular Editor.
  • El tercer enfoque es usar Tabular Editor como herramienta externa para Power BI Desktop.
Conectar y transformar datos en un modelo semántico

Un modelo semántico da significado a los datos mediante objetos, cálculos y lógica para representar un proceso del mundo real, como ventas o precios. Un modelo semántico es un componente central de Microsoft Fabric y Power BI; es uno de los tipos de elementos más importantes que gestionas en una solución de extremo a extremo, ya que es la forma principal en la que tus usuarios finales interactúan con los datos. Por eso, es importante que sepas diseñar, crear e implementar buenos modelos semánticos de forma eficaz y eficiente para cubrir las necesidades de datos del negocio.

En esta serie, compartimos algunos consejos y pautas para ayudarte a crear un modelo semántico de forma eficaz. En el artículo anterior, describimos cómo evalúas tus datos antes de empezar a crear tu modelo, para identificar y resolver posibles problemas. Este paso también es importante para entender qué transformaciones necesitas hacer para dar a tus datos el formato adecuado y crear un buen modelo.

En este artículo te mostramos cómo puedes conectarte a los datos y transformarlos al crear tu modelo con Tabular Editor o Power BI Desktop.

NOTA

Hay muchas formas igual de válidas de crear un modelo semántico que se ajuste a tus necesidades de datos. Esta serie presenta un enfoque y comparte consejos y buenas prácticas basadas en nuestra experiencia.

Elige cómo transformarás tus datos

Para transformar tus datos para un modelo semántico, tienes muchas opciones en Fabric y Power BI. Según tus necesidades, los recursos disponibles, tus habilidades y el flujo de trabajo que prefieras, puedes elegir una herramienta distinta; no hay un enfoque “mejor”. En general, se considera una buena práctica llevar estas transformaciones lo más aguas arriba posible y tan aguas abajo como sea necesario (un paradigma que suele citarse como “la máxima de Roche”). La razón es que las transformaciones aguas abajo tienden a ser más difíciles de mantener y pueden afectar al rendimiento.

Al transformar tus datos, tu objetivo es crear una estructura de datos que encaje lo mejor posible con el propósito previsto del modelo. Normalmente, esto implica crear un esquema en estrella con tablas de hechos y de dimensiones diferenciadas, pero la estructura exacta de tu modelo varía según tus requisitos y lo que intentas conseguir.

Enfoques para transformar datos con Fabric y Power BI

Tienes distintas herramientas disponibles para transformar datos tanto en Fabric como en Power BI. En el siguiente diagrama se muestran algunos ejemplos habituales de estas herramientas.

En Fabric y Power BI, puedes transformar datos en distintos lugares. Es importante conocer las opciones y sus casos de uso, incluidos pros/contras y las implicaciones de costeFigura 1: En Fabric y Power BI, puedes transformar datos en distintos lugares. Es importante conocer las opciones y sus casos de uso, incluidos pros y contras y las implicaciones de coste (p. ej., para las Unidades de capacidad de Fabric [CUs]). Usa la herramienta adecuada para el problema adecuado; no intentes hacer todas las transformaciones en el modelo semántico cuando existan mejores herramientas aguas arriba. Del mismo modo, sigue la máxima de Roche sobre la transformación de datos: lleva los cambios aguas arriba cuando sea posible y aguas abajo cuando sea necesario.


A continuación se muestran ejemplos de formas de transformar tus datos usando los distintos elementos disponibles en Fabric. Normalmente, estas herramientas toman datos de un origen, los transforman y los dejan en un lugar al que tu modelo semántico pueda acceder para leer los datos transformados. Puedes usar una o varias de estas herramientas para transformar tus datos.

NOTA

Como esta serie se centra en modelos semánticos, a continuación presentamos una lista breve de las opciones disponibles; este artículo no pretende explicar las diferencias y consideraciones de cada enfoque. Esto también varía mucho según tus necesidades, habilidades y situación.

Sigue los enlaces para ver información más detallada en la documentación de Microsoft.

A continuación se muestran ejemplos de formas de transformar tus datos usando Power BI:

  • Informes (visuales personalizados como Python, R o Deneb, donde pequeñas transformaciones ajustan los datos al visual personalizado específico)

CONSEJO

Lee los procedimientos recomendados al trabajar con Power Query en la documentación de Microsoft si vas a transformar datos en Power Query. Esto también varía mucho según tus necesidades, habilidades y situación.

Sigue los enlaces para ver información más detallada en la documentación de Microsoft.

A continuación se muestran ejemplos de formas de transformar tus datos usando Power BI:

  • Report (Custom visual como Python, R o Deneb, donde pequeñas transformaciones ajustan los datos al Visual específico)

CONSEJO

Lee los procedimientos recomendados al trabajar con Power Query en la documentación de Microsoft si vas a transformar datos en Power Query. Esto es esencial cuando pretendes crear un modelo semántico que use Direct Lake (solo en Fabric) o el modo de almacenamiento DirectQuery. Sin embargo, cuando vas a crear un modelo en Import mode, es habitual que aún necesites hacer algunas transformaciones leves o moderadas en Power Query. Algunos ejemplos de este tipo de transformaciones son:

  • Reducir el nivel de detalle limitando filas, columnas o la precisión decimal (pasos esenciales para reducir el tamaño y mejorar el rendimiento de tu modelo en Import mode).

  • Agregar las tablas necesarias para el Report, como tablas de medidas, tablas de fechas o tablas de selección.

  • Agregar las columnas necesarias para el Report, por ejemplo para ordenar, crear intervalos (binning) o agrupar datos de determinadas formas.

En el resto de este artículo, te mostraremos cómo puedes conectarte y transformar datos en Power Query usando Tabular Editor, Power BI Desktop o una combinación de ambos.

Conectar y transformar datos en tu modelo semántico

Hacer transformaciones en Power Query para un modelo semántico puede ser un enfoque perfectamente válido, según tu modelo y tus datos. Antes de empezar a transformar los datos, conviene advertirte de algo: hacer muchas transformaciones en el modelo semántico puede ser problemático. Por ejemplo, este enfoque no escala tan bien para volúmenes de datos grandes y transformaciones complejas, en comparación con otras herramientas aguas arriba.

ADVERTENCIA

Algunas transformaciones en Power Query pueden ralentizar las actualizaciones de datos y hacer que tu modelo sea más difícil de mantener. Por ejemplo:

  • Uniones entre tablas grandes.
  • Funciones que recorren toda la tabla o rompen el plegado de consultas.
  • Transformaciones de Power Query con un número excesivo de pasos.
  • Transformaciones de Power Query que dependen de funciones personalizadas o transformaciones complejas o redundantes.
Comentaremos consideraciones como estas en un artículo posterior, llamado Optimiza tu modelo semántico.

Para conectarte y transformar tus datos en Power Query mientras creas tu modelo en Tabular Editor, puedes optar por uno de tres enfoques distintos.

Enfoque 1: Conectarte a un origen compatible con el asistente de importación de tablas

Para orígenes compatibles como un punto de conexión SQL o un Dataflow, el asistente de importación de tablas de Tabular Editor creará los objetos y generará el código de Power Query por ti. Usa este enfoque cuando:

  • Te conectas a un origen compatible.

  • No necesitas usar la interfaz de usuario (UI) de Power Query.

  • No necesitas ver los datos mientras los transformas con Power Query / M.

Puedes usar el asistente de importación de tablas para orígenes compatibles y Tabular Editor generará automáticamente Power Query (código M) y las tablas/columnas por ti.Figura 2: Puedes usar el asistente de importación de tablas para orígenes compatibles y Tabular Editor generará automáticamente Power Query (código M) y las tablas/columnas por ti.

Para usar este enfoque, sigue estos pasos:

  1. En el menú “Modelo”, selecciona “Importar tablas”.

  2. Selecciona “Usar Data source implícito (credenciales administradas por el servicio de Fabric/Power BI)”.

  3. Selecciona tu Data source en la lista.

  4. Especifica la información de conexión correspondiente y autentícate para conectarte a tu Data source.

  5. Elige las tablas/vistas del Data source desde las que quieres importar metadatos. Mientras seleccionas una tabla o vista, puedes elegir columnas específicas e incluso previsualizar los datos.

  6. Continúa con el asistente y confirma; Tabular Editor añadirá automáticamente los objetos al modelo.

  7. Selecciona la partición de la tabla para ver (y ajustar) el código de Power Query (M).

Con este enfoque, puedes llevar las transformaciones a una herramienta aguas arriba y conectarte a los datos transformados desde uno de los orígenes compatibles (como Fabric OneLake). Si eres de esas pocas personas con soltura escribiendo código M, puedes ajustar aún más la expresión de la partición directamente en Tabular Editor.

Pero, ¿qué ocurre si te conectas a un origen que no es compatible con este asistente de importación de tablas, como SharePoint? ¿O qué pasa si quieres hacer más transformaciones y necesitas la interfaz de usuario de Power Query?

Enfoque 2: Usar Power Query y copiar el código del Editor avanzado a Tabular Editor

Puedes conectarte a tu Data source usando la interfaz de usuario de Power Query en Power BI Desktop, Excel o Dataflow, y luego copiar el código M a Tabular Editor cuando estés listo. Con este enfoque, te beneficias de la interfaz de Power Query y de ver los datos mientras los transformas; sin embargo, cambiar de herramienta sigue siendo un paso manual.

Usa este enfoque cuando:

  • Te conectas a un origen no compatible.

  • Te sientes cómodo con la experiencia de Power Query.

  • Tienes un motivo para preferir trabajar con metadatos del modelo en “modo desconectado”, en lugar de trabajar en modo conectado manteniendo una conexión constante o importar los datos como harías en Power BI Desktop.

Puedes desarrollar la lógica de Power Query en Power BI Desktop (o incluso en Excel), abrirla en el Editor avanzado y pegarla en la expresión de la partición.
Figura 3: Puedes desarrollar la lógica de Power Query en Power BI Desktop (o incluso en Excel), abrirla en el Editor avanzado y pegarla en la expresión de la partición.


Para usar este enfoque, sigue estos pasos:

  1. Conéctate a tu Data source desde la herramienta cliente que prefieras, como lo harías normalmente.

  2. Transforma tus datos con Power Query, como lo harías normalmente.

  3. Cuando estés listo, abre el “Editor avanzado” y copia tu código.

  4. En Tabular Editor, crea una tabla nueva.

  5. Selecciona la partición de la tabla y pega el código M que copiaste.

  6. Guarda los cambios, luego haz clic con el botón derecho en la tabla y selecciona “actualizar esquema de tabla”. Tabular Editor creará automáticamente las columnas y establecerá sus tipos de datos según tu código.

NOTA

Si usas este enfoque, te recomendamos guardar tus transformaciones en un archivo .pbip separado en el mismo repositorio que tu modelo semántico. Así, puedes configurar lógica automatizada para copiar cambios futuros de las consultas del .pbip a los metadatos de tu modelo, lo que facilita el mantenimiento.

Enfoque 3: Usar Tabular Editor como herramienta externa para Power BI Desktop

También puedes seguir desarrollando el modelo desde Power BI Desktop, guardando e implementando el archivo de proyectos de Power BI (.pbip). En este escenario, te beneficias de las mejoras de productividad de Tabular Editor y, al mismo tiempo, de la comodidad de la interfaz de usuario de Power BI para gestionar consultas y otras funciones.

Usa este enfoque cuando:

  • Te sientes más cómodo usando Power BI Desktop para desarrollar y publicar modelos semánticos.

  • Usas una licencia de la Edición de escritorio de Tabular Editor 3.

Usar TE como herramienta externa: puedes desarrollar la lógica de Power Query en Power BI Desktop, guardar el modelo como un archivo de proyectos de Power BI (.pbip) y seguir trabajando con una combinación de Power BI Desktop y Tabular Editor.
Figura 4: Puedes desarrollar la lógica de Power Query en Power BI Desktop, guardar el modelo como un archivo de proyectos de Power BI (.pbip) y seguir trabajando con una combinación de Power BI Desktop y Tabular Editor. Puedes conectarte a tu modelo abierto usando el botón “Tabular Editor” de la pestaña Herramientas externas, o conectándote a la instancia local desde Tabular Editor.


Para usar este enfoque, sigue estos pasos:

  1. Conéctate a tu Data source desde Power BI Desktop y transforma los datos, como lo harías normalmente.

  2. Una vez que te conectes a tus datos, continúa el desarrollo con una combinación de Power BI Desktop y Tabular Editor, según te convenga. Puedes abrir Tabular Editor 2 o 3 desde la cinta de “Herramientas externas”.

NOTA

En Tabular Editor, puedes ver y editar Power Query desde el Editor de expresiones en tres lugares distintos:

  • Tablas estándar: seleccionando una partición de tabla.
  • actualización incremental (tablas): seleccionando la tabla y, en el Editor de expresiones, seleccionando “Source Expression” en el menú desplegable.
  • Tablas que no se cargan, parámetros de Power Query o funciones personalizadas: en la categoría Expressions.

Agregar tablas estáticas o calculadas, si es necesario

Muchos modelos semánticos contienen tablas adicionales además de las que agregas desde el Data source. Estas tablas suelen cumplir una función específica dentro del modelo o en un Report conectado. Algunos ejemplos de estas tablas son:

  • Tablas de medidas: tablas en las que ordenas y organizas medidas separándolas de otros objetos.

  • Tabla de fechas: una tabla creada en Power Query o DAX para inteligencia temporal (si no hay una tabla suficiente disponible desde el origen de datos).

  • Última actualización: para modelos con modo de almacenamiento de importación, una tabla con un valor escalar que contiene la fecha y hora de la última actualización correcta del modelo.

  • Tablas estáticas: tablas usadas para distintos fines, normalmente para lograr funcionalidades concretas de informes, como la selección dinámica de medidas.

A menudo, necesitas agregar las mismas tablas estáticas cuando creas un modelo nuevo. Por eso, es buena idea automatizar este proceso con un C# Script en Tabular Editor. Por ejemplo, este script crea una tabla de medidas y este script crea una tabla de fechas.

NOTA

Si usas el modo de almacenamiento Direct Lake o DirectQuery, tendrás que agregar estas tablas a tu origen de datos.

Cuando termines y tengas todas las tablas en tu modelo, puedes continuar con la creación de relaciones, la escritura de DAX y la incorporación de lógica de negocio adicional.

En conclusión

Una vez que hayas recopilado los requisitos para tu modelo semántico, el siguiente paso es conectarte a tus datos. Asegúrate de que tus datos estén listos para el modelo antes de continuar con este paso. Si no lo están, aborda los problemas de calidad de los datos y transfórmalos con la herramienta adecuada que prefieras. Si necesitas transformar datos en Power Query, puedes adoptar distintos enfoques mientras desarrollas tu modelo en Tabular Editor, Power BI Desktop o una combinación de ambos.

En el próximo artículo de esta serie, compartiremos cómo puedes crear, probar y gestionar relaciones en tu modelo semántico con Tabular Editor y Power BI Desktop.

BorpAfterScenario

Related articles