{"id":464,"date":"2017-12-10T08:46:25","date_gmt":"2017-12-10T08:46:25","guid":{"rendered":"https:\/\/trainingpowerbi.wordpress.com\/?p=464"},"modified":"2019-07-16T14:54:30","modified_gmt":"2019-07-16T12:54:30","slug":"tablas-de-medidas-en-power-bi-desktop","status":"publish","type":"post","link":"https:\/\/bicontrolling.com\/index.php\/2017\/12\/10\/tablas-de-medidas-en-power-bi-desktop\/","title":{"rendered":"Grupos de medidas en Power BI Desktop"},"content":{"rendered":"

En numerosas ocasiones, cuando estamos trabajando con modelos de datos complejos, con muchas tablas y relaciones, y que requieren un n\u00famero considerable de medidas, es importante tener en cuenta el lugar de almacenamiento de las mismas<\/strong>. Por ejemplo, es probable que tras cargar al modelo de datos todas las consultas necesarias para obtener la informaci\u00f3n que el usuario precisa, nos encontremos en la vista de relaciones con algo as\u00ed:<\/p>\n

\"\"<\/a><\/p>\n

<\/p>\n

Muchas veces la l\u00f3gica no nos ser\u00e1 de mucha ayuda a la hora de ubicar las medidas que vamos a ir calculando, si por ejemplo creamos una que cuente el n\u00famero de art\u00edculos con el siguiente c\u00f3digo:<\/p>\n

NumeroArticulos =
\nDISTINCTCOUNT<\/span> (<\/span> Articulo[CodArticulo] )<\/span><\/p>\n

Es probable que decidamos crearla en la dimensi\u00f3n \u00abArt\u00edculo\u00bb del modelo de datos. Pero, a veces, las medidas que dar\u00e1n vida a las visualizaciones de nuestros informes estar\u00e1n creadas a partir de campos almacenados en tablas distintas<\/strong>. Un ejemplo simple es el resultado del IVA, donde nuestra formula puede ser la siguiente:<\/p>\n

ResultadoIVA =
\nSUM<\/span> (<\/span> FacturasEmitidas[IVArep] )<\/span> – SUM<\/span> (<\/span> FacturasRecibidas[IVAsop] )<\/span><\/p>\n

\u00bfD\u00f3nde creamos (y almacenamos) esta medida, en la tabla de facturas emitidas o en la de recibidas? En poco tiempo nos encontraremos con dificultades a la hora de encontrar las medidas que nosotros mismos estamos creando, y si el modelo se vuelve confuso<\/strong> a la hora de desarrollarlo, \u00bfc\u00f3mo ser\u00e1 para el usuario final?<\/p>\n

Es en estos modelos complejos con numerosas tablas de hechos, en los que se hace necesaria la creaci\u00f3n de tablas espec\u00edficas para almacenar medidas, lo que se conoce en SASS como \u00abgrupos de medidas\u00bb. A diferencia de las columnas calculadas, las medidas no pertenecen a una tabla espec\u00edfica,<\/strong> por lo que t\u00e9cnicamente pueden estar almacenadas en cualquier parte del modelo de datos.<\/p>\n

Power BI<\/em> no dispone (hasta el momento) de una forma directa de hacerlo, pero podemos llevar a cabo nuestro objetivo de una forma muy sencilla.<\/p>\n

Como crear los objetos que agrupar\u00e1n las medidas<\/h4>\n

Simplemente tendremos que crear una tabla de forma manual desde Power BI Deskpot<\/em>, con una sola columna y un \u00fanico valor dentro de ella. Posteriormente, daremos un nombre a nuestra tabla y finalmente la cargaremos al modelo de datos:<\/p>\n

\"\"<\/a><\/p>\n

Una vez tengamos nuestra nueva tabla cargada en el modelo, tan solo necesitamos ocultar la columna en la vista de informes:<\/p>\n

\"\"<\/a><\/p>\n

Y, empezar a mover nuestras medidas a esta tabla creada espec\u00edficamente para almacenarlas. Para ello, lo \u00fanico que tenemos que hacer es seleccionar la medida a mover y desde la secci\u00f3n propiedades de la pesta\u00f1a modelado, desplegar la opci\u00f3n de selecci\u00f3n que pone tabla inicial, y finalmente seleccionar la correspondiente tabla:<\/p>\n

\"\"<\/a><\/p>\n

El agrupar las medidas de esta manera marca una gran diferencia a la hora de entregar nuestros modelos a otras personas que no han estado involucradas en la creaci\u00f3n de los mismos. En ocasiones, ser\u00e1 conveniente establecer varios grupos donde agrupemos nuestras medidas atendiendo a alg\u00fan criterio. De esta forma los usuarios finales sabr\u00e1n donde encontrar las medidas que necesitan, y el resto de las tablas ser\u00e1n usadas solamente para filtrar y segmentar las mismas. En nuestra vista de informes, nuestros grupos de medidas tendr\u00e1n un icono de calculadora<\/strong> en vez de tabla, y se colocar\u00e1n en la parte de arriba de la lista, tal y como podemos observar en la siguiente imagen:<\/p>\n

\"\"<\/a><\/p>\n

<\/h4>\n

Limitaci\u00f3n en el modo Direct Query<\/em><\/h4>\n

En el caso de que nos conectemos a un origen mediante el modo Direct Query<\/em> con alguno de los or\u00edgenes de datos compatibles con dicho modo, como por ejemplo con una base de datos SQL server<\/em>:<\/p>\n

\"\"<\/a><\/p>\n

Inmediatamente nos daremos cuenta de que el bot\u00f3n \u00abespecificar datos\u00bb se encuentra deshabilitado en dicho modo:<\/em><\/p>\n

\"\"<\/a><\/p>\n

<\/h4>\n

En este caso, como perfectamente explica Soheil en un art\u00edculo de biinsight<\/a>, podemos usar la soluci\u00f3n alternativa de, desde el editor de consultas, cargar cualquier tabla de nuestra base de datos original (en este caso SQL server) <\/em>y en el editor avanzado a\u00f1adir solamente [Query=\"SELECT 1 AS Medidas\"]<\/code> en el origen, borrar el c\u00f3digo relativo a la tabla seleccionada y, de esta forma, conseguiremos nuestra tabla de medidas con una sola columna.<\/p>\n

\"\"<\/a><\/p>\n

Ya solo nos quedar\u00eda cargarla al modelo junto con el resto de consultas y, como antes, a\u00f1adir nuestras medidas a agrupar y ocultar en la vista de informes la columna creada.<\/p>\n

Usando el editor de consultas (M)<\/h4>\n

Si preferimos realizar todo nuestro trabajo relativo a la creaci\u00f3n de tablas desde el editor de consultas, podemos crear nuestras agrupaciones de medidas con M (Power Query<\/strong>), de una manera muy sencilla. Tan solo tenemos que abrir una nueva consulta en blanco desde el editor de consultas y pegar el siguiente c\u00f3digo:<\/p>\n

let\n TablaVacia = Table.FromValue(\"\"),\n NombreColumnaCambiado = Table.RenameColumns(TablaVacia,{{\"Value\", \"Medidas\"}})\n in\n NombreColumnaCambiado<\/pre>\n
Esto crear\u00e1 una tabla con un \u00fanico valor, que podremos cargar al modelo de datos junto con el resto de consultas, como hicimos anteriormente.<\/p>\n
\"\"<\/a><\/p>\n
Posteriormente solo nos quedar\u00eda, una vez m\u00e1s, ocultar la columna creada y a\u00f1adir las medidas que nos interese agrupar.<\/p>\n
Consideraciones finales<\/h4>\n
A parte de hacer nuestros modelos de datos mucho m\u00e1s organizados, elegantes y f\u00e1ciles de utilizar para los usuarios finales, el agrupar las medidas de esta forma nos proporciona tambi\u00e9n otro importante valor a\u00f1adido, que es el de mantener nuestras medidas a salvo<\/strong>. Si por cualquier raz\u00f3n una de nuestras consultas deja de actualizarse desde el origen de datos y tenemos que volver a construir la conexi\u00f3n desde el principio, todas las medidas que tuvi\u00e9ramos almacenadas en esa tabla se perder\u00edan.<\/p>\n
Por otro lado, nos permite ocultar totalmente nuestras tablas de hechos en la herramienta usada por el cliente, de forma que sea imposible la creaci\u00f3n de medidas impl\u00edcitas, a la vez que impedimos que se seleccione un campo err\u00f3neo a la hora de filtrar o segmentar los datos (por ejemplo, el campo hora de nuestra tabla de hechos en vez de el de nuestra dimensi\u00f3n horaria).<\/p>\n
<\/div>\n
Todo el c\u00f3digo DAX de este art\u00edculo ha sido formateado con \u00abDAX Formatter\u00bb <\/em><\/span>
\n\"DAX<\/a><\/p><\/blockquote>\n","protected":false},"excerpt":{"rendered":"
En numerosas ocasiones, cuando estamos trabajando con modelos de datos complejos, con muchas tablas y relaciones, y que requieren un n\u00famero considerable de medidas, es importante tener en cuenta el lugar de almacenamiento de las mismas. Por ejemplo, es probable que tras cargar al modelo de datos todas las consultas necesarias para obtener la informaci\u00f3n […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[2,4,6],"tags":[9,10,11,14,23],"post_series":[],"class_list":["post-464","post","type-post","status-publish","format-standard","hentry","category-arquitectura-de-datos","category-dax-power-pivot","category-m-power-query","tag-dax","tag-editor-de-consultas","tag-inteligencia-de-negocios","tag-power-bi","tag-power-pivot"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t