site.avsarconsultora.com

Categoría: Power BI

  • Cómo construir un dashboard ejecutivo en Power BI en menos de 2 horas

    ## ¿Por qué los dashboards ejecutivos son diferentes?

    Un dashboard ejecutivo no es simplemente un conjunto de gráficas. Es una herramienta de toma de decisiones que debe comunicar el estado del negocio en segundos. Los directivos no tienen tiempo para interpretar datos complejos — necesitan respuestas inmediatas.

    ## Los 3 principios fundamentales

    ### 1. Jerarquía visual clara
    Comienza siempre con los KPIs más críticos en la parte superior. Usa tarjetas de métricas grandes y llamativas. El ojo humano lee de arriba a abajo y de izquierda a derecha.

    ### 2. Paleta de colores consistente
    Limítate a 3 colores máximo:
    – **Azul**: datos neutros y tendencias
    – **Verde**: resultados positivos o metas alcanzadas
    – **Rojo**: alertas y valores bajo meta

    ### 3. Contexto siempre presente
    Cada número debe tener su comparativo: vs mes anterior, vs año anterior, vs presupuesto. Sin contexto, un número no dice nada.

    ## Paso a paso: tu dashboard en 2 horas

    **Hora 1: Preparación de datos (45 min)**
    1. Conecta tu fuente de datos (Excel, SQL, SharePoint)
    2. Limpia y transforma en Power Query
    3. Define las relaciones entre tablas
    4. Crea tus medidas DAX principales

    **Hora 2: Diseño y visualización (1:15 min)**
    1. Define el layout en papel primero (5 min)
    2. Agrega las tarjetas KPI (10 min)
    3. Construye el gráfico principal de tendencia (15 min)
    4. Agrega tabla de detalle y segmentadores (20 min)
    5. Aplica formato y colores consistentes (25 min)

    ## Las 5 medidas DAX que todo dashboard necesita

    «`dax
    // Ventas del período actual
    Ventas Actual = SUM(Ventas[Monto])

    // Variación vs período anterior
    Var % vs Anterior =
    DIVIDE([Ventas Actual] – [Ventas Anterior], [Ventas Anterior])

    // Cumplimiento de meta
    Cumplimiento % = DIVIDE([Ventas Actual], [Meta])
    «`

    ## Conclusión

    Un buen dashboard ejecutivo se construye con disciplina, no con herramientas sofisticadas. La clave está en entender qué necesita ver tu audiencia y eliminar todo lo demás.

    ¿Quieres una plantilla lista para usar? Descárgala gratis en nuestro Centro de Recursos.

  • DAX avanzado: 10 patrones que todo analista debe dominar

    ## Introducción a los patrones DAX

    DAX (Data Analysis Expressions) es el lenguaje que da vida a Power BI. Dominar sus patrones más comunes te permite resolver prácticamente cualquier requerimiento de análisis de negocio.

    ## Patrón 1: Year-to-Date (YTD)

    «`dax
    Ventas YTD = TOTALYTD([Ventas], Calendario[Fecha])
    «`

    Este patrón acumula el valor desde el inicio del año hasta la fecha seleccionada.

    ## Patrón 2: Same Period Last Year (SPLY)

    «`dax
    Ventas SPLY = CALCULATE([Ventas], SAMEPERIODLASTYEAR(Calendario[Fecha]))
    «`

    ## Patrón 3: Running Total

    «`dax
    Total Acumulado =
    CALCULATE(
    [Ventas],
    FILTER(
    ALL(Calendario[Fecha]),
    Calendario[Fecha] <= MAX(Calendario[Fecha]) ) ) ``` ## Patrón 4: Ranking dinámico ```dax Ranking Producto = RANKX( ALL(Productos[Nombre]), [Ventas], , DESC, DENSE ) ``` ## Patrón 5: Porcentaje del total ```dax % del Total = DIVIDE( [Ventas], CALCULATE([Ventas], ALL(Productos)) ) ``` ## Patrones 6-10 Los siguientes cinco patrones incluyen: análisis de cohortes, cálculo de días hábiles, segmentación dinámica de clientes (ABC), cálculo de inventario rotativo y análisis de first/last purchase. Cada uno de estos patrones resuelve casos reales que encontrarás en proyectos empresariales. ## Conclusión Dominar estos 10 patrones te posicionará como un analista de alto nivel capaz de resolver prácticamente cualquier requerimiento analítico con Power BI.

  • Power Query: automatiza tu limpieza de datos una vez para siempre

    ## ¿Por qué Power Query es tu mejor aliado?

    Si pasas más de 30 minutos a la semana limpiando datos en Excel antes de actualizar tus reportes, tienes un problema que Power Query puede resolver definitivamente.

    ## Las transformaciones más útiles

    ### Limpiar encabezados
    Usar la primera fila como encabezados, eliminar espacios extra, normalizar mayúsculas/minúsculas.

    ### Despivotar columnas
    Convertir tablas cruzadas en formato tabular es fundamental para análisis correctos en Power BI.

    ### Combinar tablas
    Unir datos de múltiples archivos de Excel o carpetas completas automáticamente.

    ### Manejo de errores
    Reemplazar valores nulos, errores y outliers con valores predeterminados o calculados.

    ## Funciones M más poderosas

    «`m
    // Filtrar filas con condición múltiple
    = Table.SelectRows(Origen, each [Ventas] > 0 and [Estado] = «Activo»)

    // Crear columna calculada
    = Table.AddColumn(Origen, «Margen», each [Precio] – [Costo])

    // Combinar columnas
    = Table.CombineColumns(Origen, {«Nombre», «Apellido»},
    Combiner.CombineTextByDelimiter(» «), «Nombre Completo»)
    «`

    ## Mejores prácticas

    1. **Nombra tus pasos**: En lugar de «Columna eliminada» usa «Eliminar columna ID temporal»
    2. **Parametriza las rutas**: Usa parámetros para las rutas de archivos, no rutas hardcodeadas
    3. **Deshabilita la carga** de consultas intermedias para mejorar el rendimiento
    4. **Documenta con comentarios**: Especialmente en funciones M complejas

    ## Conclusión

    El tiempo invertido en construir un buen pipeline de Power Query se recupera en la primera semana. La automatización de datos es la base de cualquier solución de BI sostenible.