¿Qué son los modelos semánticos de Power BI?

Como líder de larga data en el espacio de inteligencia empresarial, la innovación constante de Power BI allana el camino para otras herramientas de BI. Así lo demuestra el anuncio de Microsoft de Fabric, que consideran "la primera solución analítica verdaderamente unificada basada en una copia de los datos", de la que Power BI es un único componente.

Por ello, el término "conjunto de datos" en Power BI ya no capta todo el alcance de su funcionalidad. Un conjunto de datos no sólo contiene datos, sino también transformaciones, cálculos y relaciones que forman parte de un modelo de datos completo y versátil (un modelo semántico, por así decirlo).

Puede utilizar nuestra hoja de trucos de Power BI para empezar a utilizar Power BI rápidamente, desde la creación de su primera visualización hasta Power Query y los cálculos DAX.

En esta entrada del blog, definiremos los modelos semánticos, incluyendo lo que compone un modelo semántico y los diferentes modos en un modelo semántico. A continuación, repasaremos cómo crear y gestionar modelos semánticos y le daremos algunas buenas prácticas que puede seguir a la hora de crear sus propios modelos semánticos.

¿Qué son los modelos semánticos de Power BI?

Un modelo semántico en Power BI puede considerarse una capa lógica que contiene las transformaciones, cálculos y relaciones entre las fuentes de datos necesarias para crear informes y cuadros de mando. Un modelo semántico sirve como única fuente de verdad para los informes de toda una organización.

Imagen del autor

Aunque un modelo semántico puede construirse utilizando Power BI Desktop (en un archivo .pbix), no es necesario que contenga ningún elemento visual. Piense en un modelo semántico como la última parada en la cadena de datos antes de crear informes y cuadros de mando. A partir de entonces, una vez que se comparte un modelo semántico con otros miembros de la organización, éstos pueden crear cualquier número de informes y cuadros de mando a partir de ese único modelo semántico.

Los modelos semánticos ocultan los complejos detalles técnicos detrás de los informes para que tanto los usuarios técnicos como los no técnicos puedan concentrarse en analizar los datos y responder a las preguntas de negocio. La compartición y la reutilización son dos características destacadas de los modelos semánticos.

¿En qué consiste un modelo semántico?

Los modelos semánticos constan de varios elementos diferentes:

• Conexiones de datos a una o varias fuentes de datos, ya sean importadas, a través de DirectQuery o como parte de un modelo compuesto.
• Transformaciones que limpian y preparan los datos para la elaboración de informes.
• Definición de cálculos y métricas basados en reglas de negocio para garantizar la coherencia de los informes elaborados a partir del modelo semántico. Así se garantiza la claridad y se evitan discrepancias entre los análisis y los informes.
• Las relaciones definidas entre tablas permiten a los usuarios centrarse en el diseño de los informes sin conocer de antemano las estructuras subyacentes de la base de datos ni los modelos de datos.

Modos del modelo semántico

Elegir el modo adecuado a la hora de conectarse a sus datos en Power BI es un primer paso importante en la creación de un modelo semántico, ya que cada uno tiene ventajas e inconvenientes que debe conocer.

Existen tres modos de modelos semánticos en Power BI:

• Modo de importación
• Modo DirectQuery
• Modo compuesto

Modo de importación

Esto carga completamente los datos en el archivo Power BI (.pbix). Cada vez que se actualiza el informe de Power BI, el motor de almacenamiento Vertipaq comprime, optimiza y almacena los datos en el disco. De este modo, los creadores de informes obtienen un rendimiento rápido y opciones de diseño flexibles. Además, el modo de importación permite a los creadores de modelos semánticos utilizar el conjunto completo de funciones del lenguaje M de Power Query para transformar y preparar datos, así como funciones DAX para crear cálculos y medidas.

Modo DirectQuery

Este modo sólo almacena metadatos sobre la estructura del modelo y no los datos en sí. Cuando se consulta el modelo (por ejemplo, mediante la representación visual), los datos se recuperan de la fuente de datos subyacente. Esto resulta especialmente útil con grandes volúmenes de datos o cuando la empresa necesita datos en tiempo casi real en un informe.

Modo compuesto

El modo compuesto es una combinación del modo de importación y del modo DirectQuery. Este modo es útil cuando se necesita la potencia y el rendimiento del modo de importación, junto con la posibilidad de ver los datos en tiempo real. Una tabla puede configurarse en modo de almacenamiento Dual, lo que permite al servicio Power BI elegir un modo más eficiente en función de la naturaleza de la consulta.

5 pasos para crear modelos semánticos de Power BI

La creación de un modelo semántico implica los mismos pasos que ya puede estar siguiendo en las etapas iniciales del desarrollo de informes utilizando Power BI desktop. Si eres un aspirante a analista de datos, puedes aprender los Fundamentos de Power BI con nuestra pista de habilidades, donde aprenderás sobre visualización de datos, DAX y cómo transformar tus datos.

Naturalmente, los pasos exactos a seguir para crear un modelo semántico dependen de las necesidades de su empresa y del objetivo del modelo. Sin embargo, a un alto nivel, estos cinco pasos se encuentran comúnmente cuando se crea un modelo semántico:

Imagen del autor

1. Importe o conéctese a las fuentes de datos necesarias utilizando el modo de importación, DirectQuery o modelos compuestos.
2. Limpiar y transformar los datos para que sean útiles para los usuarios. Esto implica eliminar duplicados, tratar los datos que faltan, limpiar las columnas de datos basadas en texto, etc. Los pasos exactos de la transformación dependen de los requisitos específicos de sus datos.
3. Defina las relaciones entre sus tablas de datos utilizando buenos principios de modelado de datos, como el esquema en estrella. Tenemos un curso que le enseñará los fundamentos del modelado de datos en Power BI.
4. Cree medidas y cálculos basados en sus requisitos empresariales exclusivos.
5. Una vez que esté satisfecho con su modelo semántico, publíquelo en el servicio Power BI.

Modelos semánticos para elaborar informes eficaces

Una vez que haya creado y publicado su modelo semántico en el servicio de Power BI, puede crear una conexión en vivo con el modelo semántico desde otro informe de Power BI. De hecho, puede crear varios informes a partir de un único modelo semántico publicado, garantizando así la coherencia y fiabilidad de todos los informes.

Anteriormente, era habitual encontrar varios informes de Power BI basados en el mismo conjunto de datos, cada uno con modelos de datos distintos. Esto suponía un reto, ya que podía haber grandes diferencias entre los informes, y podía ser bastante difícil y llevar mucho tiempo averiguar cuál era la causa de la diferencia y qué informe había que cambiar. La creación de un único modelo semántico compartido por varios informes de Power BI resuelve completamente este problema.

Si desea mejorar sus habilidades de visualización de datos en Power BI y aprender a crear informes eficaces en Power BI, tenemos un curso que le ayudará a conseguirlo.

Gestión de modelos semánticos

Los modelos semánticos pueden compartirse fácilmente entre espacios de trabajo, democratizando los datos y fomentando una sólida cultura de datos. Sin embargo, esto también requiere una gestión eficaz de esos modelos semánticos con controles y políticas adecuados que mantengan la integridad, seguridad y calidad de los datos.

Propiedad y permisos

La gestión del control de acceso y los permisos para los modelos semánticos en Power BI pueden realizarla los administradores, los miembros del espacio de trabajo (dependiendo de su función) y los propietarios de los modelos semánticos (el propietario es el que ha creado el modelo semántico).

Los permisos del modelo semántico pueden establecerse y gestionarse de dos maneras:

• En primer lugar, mediante el control de acceso directo a modelos semánticos para personas individuales o grupos de seguridad enteros.
• En segundo lugar, gestionando cómo se comparten los modelos semánticos y sus informes con otros usuarios que no estén en el espacio de trabajo.

Una vez publicado un modelo semántico en el servicio Power BI, usted (como propietario del modelo semántico) y los administradores pueden establecer uno de los cuatro niveles de permiso para el modelo semántico:

• Lee: Permite a los usuarios acceder a informes que utilizan datos del modelo semántico y configuraciones del modelo de vista.
• Construir: Permite a los usuarios crear nuevos informes y cuadros de mando a partir del modelo.
• Compartir: Permite a los usuarios dar acceso a otras personas al modelo semántico.
• Escribe: Permite a los usuarios volver a publicar y realizar algunos cambios en el modelo, excepto en determinados ajustes como, por ejemplo, añadir o cambiar las credenciales de la fuente de datos.
• Propietario: Aunque no es estrictamente un permiso, los creadores de un modelo semántico se convierten en los propietarios en el servicio Power BI y tienen todos los permisos anteriores.

Consideraciones de seguridad

Los administradores de Power BI también pueden restringir cómo se accede a los datos, cómo se comparten y cómo se modifican dentro de su inquilino de Power BI. Pueden limitar la reutilización de los modelos semánticos total o parcialmente en función de los grupos de seguridad, lo que afecta a diversas funcionalidades como la copia de informes entre espacios de trabajo, la edición de informes basados en modelos semánticos compartidos y la visibilidad de los modelos semánticos en el servicio o escritorio de Power BI.

Los propietarios de modelos semánticos también controlan quién puede acceder y utilizar los datos de sus modelos semánticos. Pueden hacer que los modelos semánticos sean descubribles certificándolos o promocionándolos, lo que ayuda a los usuarios y a los creadores de informes a identificar qué modelos semánticos se designan como "oficiales" y se consideran de alta calidad en la organización.

La seguridad a nivel de roles (RLS) se aplica a los modelos semánticos y a todos los informes creados a partir de ellos. El RLS puede afectar a la capacidad de los usuarios para leer los datos de un modelo semántico si tienen permiso de construcción o lectura, a menos que el rol específico del RLS lo permita.

Buenas prácticas y consideraciones

Crear el mínimo número de modelos semánticos necesarios y utilizarlos como fuente para los informes de Power BI en una organización es la mejor práctica aceptada.

Además, se recomienda que los modelos semánticos lo sean:

• Completos: los modelos semánticos deben contener todos los elementos necesarios para responder a las preguntas de negocio pertinentes. Estos elementos también deben reflejar de forma precisa y lógica los sistemas y procesos empresariales.
• Optimización y rendimiento: los modelos semánticos deben optimizarse para que sus actualizaciones, cálculos DAX y cargas visuales sean rápidos, incluso cuando aumente el volumen de datos.
• Seguros: los modelos semánticos deben contener los elementos de seguridad necesarios que impidan el acceso no autorizado a los datos (como la seguridad a nivel de fila).
• Flexibles: los modelos semánticos deben poder adaptarse a los cambios en los requisitos empresariales.

Conclusión

Al cambiar el nombre de los conjuntos de datos a modelos semánticos, Power BI ha creado un cambio en la forma en que debemos pensar sobre la inteligencia empresarial. En lugar de ver los datos como componentes estáticos de informes y cuadros de mando, podemos verlos como parte de una capa semántica más amplia que puede compartirse y reutilizarse fácilmente.

Siguiendo las mejores prácticas descritas en esta entrada de blog, podrá crear modelos semánticos eficaces y eficientes que sirvan como única fuente de verdad para las necesidades de información de su organización. Al aprovechar la potencia de los modelos semánticos, puede capacitar tanto a los usuarios técnicos como a los no técnicos para analizar los datos y responder a las preguntas de negocio, impulsando en última instancia una mejor toma de decisiones en toda su organización.

Si está interesado en una carrera como analista de datos en Power BI, nuestra trayectoria profesional le llevará a través de todos los aspectos de Power BI y le preparará para la certificación Microsoft PL-300.

Si ya ha aprendido los conceptos básicos de Power BI, explore nuestra lista de 8 proyectos de Power BI que puede realizar para aplicar sus conocimientos y construir su cartera.