Introducción

En el panorama del marketing actual de ritmo acelerado, los datos están en el corazón de cada decisión estratégica. Para el líder global de publicidad y marketing Dentsu, gestionar modelos semánticos grandes y complejos construidos sobre docenas de sistemas de origen es fundamental para ofrecer información procesable a sus clientes. A medida que la empresa escala sus capacidades analíticas, garantizar el rendimiento, la precisión y la colaboración en los modelos semánticos de Power BI se vuelve cada vez más desafiante.

Además de los informes de publicidad y marketing relacionados con los clientes, Dentsu ha invertido en una plataforma interna de informes de gestión del rendimiento. Es crucial supervisar el rendimiento de la red de agencias multinacionales desde las perspectivas de ventas, finanzas y rendimiento para permitir la toma de decisiones basada en datos.

Este artículo analiza cómo Dentsu aprovechó Tabular Editor para superar estos desafíos, lo que permitió un desarrollo más rápido, una mejor calidad de código DAX, un rendimiento optimizado y un trabajo en equipo más eficiente en modelos semánticos a nivel empresarial.

Los desafíos de Dentsu en la escalabilidad y optimización del modelo semántico empresarial

Gestionar datos a escala presenta desafíos únicos y, para Dentsu, esto fue particularmente evidente en el diseño de sus modelos semánticos empresariales. Con una gran cantidad de sistemas de origen que alimentan tablas de hechos compartidas, el equipo necesitaba una forma de conciliar y organizar los datos de manera eficiente. Aunque los datos se distribuyeron en múltiples tablas de Synapse, todas finalmente tenían que fluir hacia una sola tabla de hechos en la capa semántica. Para respaldar tanto el rendimiento como la capacidad de gestión, Dentsu requería la capacidad de crear múltiples particiones por tabla de hechos, incluidas particiones anuales. Sin embargo, con ciertos modelos que requerían cientos de particiones, la idea de crearlas y mantenerlas manualmente no era realista. Tal enfoque habría sido altamente repetitivo, propenso a errores y habría consumido días de esfuerzo con cada ciclo de actualización.

La escala de datos también introdujo nuevas demandas de rendimiento. El modelo semántico de Dentsu tiene un tamaño de entre 50 GB y 100 GB, lo que significa que los tiempos de actualización del modelo podrían aumentar rápidamente y amenazar con exceder las ventanas de mantenimiento disponibles. Una actualización que excede su ventana programada corre el riesgo de retrasar los procesos posteriores e impactar la disponibilidad de informes. El equipo necesitaba una estrategia para identificar dónde se estaban produciendo cuellos de botella, ya sea en cálculos DAX, compresión de datos o diseño de almacenamiento. Simplemente aumentar la capacidad de Power BI Premium no era una opción eficiente o rentable, por lo que la optimización a nivel de modelo se volvió esencial.

Más allá de la escala y el rendimiento, la colaboración añadía otra capa de complejidad. Con seis desarrolladores trabajando en el mismo modelo semántico al mismo tiempo, el desarrollo paralelo era desafiante. Power BI Desktop por sí solo ofrecía un soporte limitado para el desarrollo basado en equipos y, sin un control de versiones adecuado, no había una forma confiable de rastrear quién hizo cambios, comprender qué se modificó o revertir a una versión estable si algo salía mal. Esta falta de visibilidad aumentó el riesgo de conflictos, modificaciones y reelaboraciones. Además, el equipo necesitaba un enfoque estructurado para la implementación en múltiples entornos (desarrollo, prueba y producción). Sin automatización y gobernanza, mantener la coherencia en estos entornos sería difícil y propenso a errores humanos.

En Dentsu, la adopción de Tabular Editor ha sido un cambio revolucionario en nuestro viaje hacia la construcción de modelos semánticos de Power BI de nivel empresarial que no solo sean eficientes y escalables, sino también sostenibles y fáciles de mantener con el tiempo.
Patrick Sura, director de Business Intelligence, EMEA, Dentsu

Cómo resolvió Dentsu desafíos complejos con Tabular Editor

Gestión de particiones a escala

Para gestionar datos a gran escala de manera eficiente, Dentsu confía en Tabular Editor para agilizar la creación de particiones dentro de sus modelos semánticos. Para un solo modelo, el equipo gestiona cientos de particiones. Crear y mantener estas manualmente sería una tarea tediosa y que requiere mucho tiempo, llevando horas o incluso días. Mediante el uso de secuencias de comandos C# en Tabular Editor, Dentsu automatiza este proceso, completando el trabajo en solo unos minutos y garantizando la precisión y la coherencia.

Optimización del modelo para el rendimiento

Con un modelo semántico de entre 50 GB y 100 GB, la optimización del rendimiento es fundamental para Dentsu. Si bien el analizador de rendimiento integrado de Power BI destaca qué elementos visuales se ejecutan lentamente, no revela la causa subyacente de los cuellos de botella del rendimiento. Al adoptar Best Practice Analyzer, Analizador VertiPaq y Optimizador de DAX de Tabular Editor, Dentsu puede profundizar, identificando expresiones DAX ineficientes, problemas del motor de almacenamiento y patrones de modelado que impactan la velocidad. Esto permite al equipo afinar su modelo semántico y ofrecer un rendimiento significativamente más rápido y fiable a escala.

Desarrollo paralelo y habilitación de DevOps

La colaboración es clave cuando múltiples desarrolladores contribuyen al mismo modelo semántico. Para respaldar esto, Dentsu usa la función Guardar en carpeta de Tabular Editor para dividir el modelo en archivos de metadatos, que luego se gestionan a través de repositorios de Git. Este enfoque permite al equipo rastrear cambios, revisar el historial de versiones y revertir actualizaciones cuando sea necesario. Al integrar este flujo de trabajo en su canal de DevOps, Dentsu también ha automatizado las implementaciones, lo que hace posible impulsar el mismo modelo en tres Workspace diferentes (entornos) con velocidad y coherencia. Esto no solo acelera la entrega, sino que también fortalece la gobernanza y la fiabilidad.

Aumento de la productividad en la construcción de modelos semánticos

En Dentsu, el equipo aprovecha Tabular Editor para mejorar significativamente la productividad al construir modelos semánticos en Power BI. Al aprovechar el poder de las secuencias de comandos de C# Script, se agilizan tareas repetitivas como el cambio de nombre de objetos por lotes, la actualización de código M para reemplazar esquemas en consultas e incluso la generación automática de documentación de modelos. Además, hacen uso de macros, que se pueden guardar y volver a ejecutar para acelerar los flujos de trabajo rutinarios, lo que garantiza la coherencia y la eficiencia en todos los proyectos.

Acelerar y mejorar el desarrollo de DAX

Dentsu aumenta la calidad y la velocidad de su desarrollo de DAX aprovechando las funciones de codificación avanzadas del Tabular Editor. La capacidad Code Assist ayuda a los desarrolladores a escribir medidas DAX más rápido con sugerencias inteligentes que reducen los errores de sintaxis y aceleran la codificación. Con Peek Definition, el equipo puede ver al instante el código DAX de los objetos referenciados sin alejarse de su trabajo actual, manteniendo el contexto intacto y ahorrando tiempo. El formateador DAX integrado garantiza que el código siempre sea limpio, coherente y fácil de leer para todo el equipo. Además, Code Actions sugiere mejoras de forma proactiva, como seguir las mejores prácticas, evitar errores y antipatrones comunes, eliminar funciones obsoletas y refactorizar el código para una mayor claridad.

Aprovechar las funciones de modelado avanzadas

Dentsu aprovecha al máximo las capacidades de modelado avanzadas de Tabular Editor para crear y gestionar modelos semánticos a escala empresarial de manera más efectiva. El equipo crea perspectivas en Tabular Editor para crear vistas simplificadas basadas en roles que hacen que los modelos sean más fáciles de navegar para los usuarios finales. Con la función de implementar modelo, se pueden generar rápidamente copias de modelos, agilizando las pruebas y la iteración. La vista de diagrama permite a los desarrolladores administrar y crear relaciones entre tablas de forma visual, mientras que la actualización de datos proporciona a Dentsu la capacidad de previsualizar los datos directamente dentro del editor tabular para una validación más rápida. Para mantener los modelos organizados y fáciles de mantener, Dentsu también crea carpetas que agrupan objetos relacionados lógicamente.

Tabular Editor como piedra angular de la estrategia de BI de Dentsu

Al adoptar Tabular Editor, Dentsu ha transformado la forma en que construye, gestiona y optimiza los modelos semánticos empresariales. La automatización y las secuencias de comandos han simplificado la gestión de particiones y el mantenimiento rutinario de los modelos, mientras que las herramientas de optimización avanzadas garantizan un alto rendimiento incluso a gran escala (el modelo de 50 GB-100 GB se actualiza varias veces al día). Los desarrolladores pueden escribir DAX más limpio y rápido, mantener modelos organizados y colaborar efectivamente en múltiples entornos, todo sin comprometer la gobernanza o la calidad. Para Dentsu, Tabular Editor se ha convertido en una piedra angular de su estrategia de inteligencia empresarial, lo que permite al equipo ofrecer información más rápida, mejorar la productividad y respaldar la toma de decisiones basada en datos a escala global.