Académique Documents
Professionnel Documents
Culture Documents
SoftwareOne
Tabla de Contenidos
Página | 2
Escenario
El escenario sobre el cual realizaremos la ejercitación con Power BI es el de una
empresa llamada AdventureWorks, la cual fabrica bicicletas, accesorios y ropa deportiva
para ciclistas. Esta empresa requiere realizar análisis, principalmente de ventas.
Actualmente utilizan solamente Excel para sus reportes, lo que les significa un esfuerzo
considerable de integración de datos cada vez que tienen que emitir reportes, lo que
hacen semanalmente.
Los analistas ya están aburridos del Excel, con su capacidad limitada de generación de
vistas interactivas y de facilitar el descubrimiento de patrones y relaciones interesantes
entre los datos.
La ejercitación está diseñada para que quien la realice tenga la experiencia completa de
Power BI, lo que incluye extracción, transformación, carga, modelación, creación de
cálculos, visualización y distribución de datos para la toma de decisiones organizacional.
El resultado final es un reporte Power BI a todo color, con visualizaciones interesantes,
publicado en la nube, accesible por el usuario mediante una cuenta grauita.
Página | 3
Previo
Los datos de ejemplo del curso están en la siguiente URL:
Página | 4
Extracción, Transformación y carga de datos
En esta sección haremos ejercicios cuya finalidad es obtener y preparar datos que
utilizaremos para nuestro posterior modelo de datos en Power BI.
Página | 5
todo el archivo. En caso que usted haya seleccionado “Do not Detect Data Types” al
configurar la extracción de datos del archivo, este paso no estaría presente.
i. Volviendo a la pregunta central del paso anterior, los datos crudos interpretados como
texto (como se muestran haciendo click en el paso “Source”) muestran los valores
monetarios con coma decimal. Esto es una manera de escribir los números decimales
usada en Chile. Si estuviéramos en Estados Unidos, entonces la coma se interpretaría
como el separador de miles. Si los datos se ven distintos en el paso “Changed Type”,
significa que fueron interpretados bajo un canon distinto.
j. Revise su configuración regional: Vaya a menú File Options and Settings Options
Regional Settings (bajo sección CURRENT FILE) y revise el valor fijado. Si dice “English
(United States)”, entonces el editor de queries habrá interpretado la coma decimal como
el separador de miles, y probablemente su paso “Changed Type” muestra las columnas
con cifras monetarias como números enormes. Este parámetro se llama el “Locale”.
k. Cambie el Locale a “Spanish (Chile)” y haga click en OK.
l. Ahora tenemos que rehacer el trabajo de detección de tipos de datos a la luz del nuevo
locale. En general un examen previo de los datos que tengamos nos dirá si el cambio
general de locale es positivo o no. Si todos nuestros archivos de texto tienen
representaciones consistentes de números y fechas entre sí, un cambio de locale puede
ser una buena opción. Si nuestros archivos tienen distintas representaciones, entonces
habría que interpretar caso a caso.
m. Elimine el paso “Changed Type” haciendo click en la “X” roja.
n. Seleccione todas las columnas de datos haciendo click en la primera, después
desplazándose a la derecha y finalmente haciendo SHIFT+Click en la última columna. Se
seleccionarán todas las columnas. Una manera alternativa de hacer esto es haciendo
CTROL+A (en instalación en inglés de Power BI).
o. Del menú Transform seleccione la opción “Detect Data Type”. Revise el resultado de esta
operación mirando los íconos a la izquierda de los nombres de las columnas y también
mirando los datos mismos. Las fechas deberían tener un ícono de calendario. Los
números enteros un “123”, los números con decimales, un “1.2”, y los textos un “ABC”.
Revise cómo se ven los números que representan cifras monetarias (SalesAmount y otros
por el estilo). Si todo parece estar en orden, hemos terminado de importar el archivo.
p. Ahora importe el resto de los archivos. Recuerde configurar la codificación UTF-8 en la
ventana de vista previa. Como el Locale está cambiado, no debería tener el problema
que resolvimos en el archivo InternetSales.txt. No importe los archivos dentro de la
subcarpeta “exchange rates”.
Página | 6
2. Extracción de archivos que conforman un conjunto de datos
único
Este ejercicio consiste en la carga de datos de varios archivos de distinto nombre, pero
idéntica estructura interna. Todos los archivos pasarán a ser parte de una sola query en
el editor de consultas.
a. Abra “Get Data” y seleccione “Folder”.
b. Seleccione la carpeta “exchange rates”.
c. Se mostrará una vista previa de los datos. Fíjese que no verá los datos mismos de los
archivos, sino que datos de los contenidos de la carpeta que acaba de abrir.
d. No haga click en “Combine”. Es muy fome. Lo haremos a mano. Haga click en “Edit”
e. Verá que en el editor de queries aparecerá una carpeta con unos contenidos. Esto es
normal en el caso de importación de carpetas.
f. El resto de sus consultas quedará en una carpeta llamada “Other Queries”. Entre ellas
aparecerá la query que representa los datos que le fueron presentados en el paso
anterior, bajo el nombre “exchange rates”. Esta query tiene la metadata de los archivos
del directorio, y en particular, una primera columna llamada “Content”.
g. Haga click en la zona amarilla que dice “Binary” de la primera fila de la columna “content”.
Cuando lo haga, se realizarán varios pasos, lo que podrá corroborar en la zona “Applied
Steps” a la derecha de la ventana del editor de queries. El efecto final es que usted está
viendo el contenido del archivo que representaba la primera fila de la query anterior,
correspondiente al “Argentinian Peso”.
h. La query Exchange rates se convirtió finalmente en los datos del primer archivo, lo que
no es nuestro objetivo. Para volver a lo que teníamos anteriormente, deshaga los pasos
realizados en orden desde el último hacia arriba, haciendo click en las “X” en la zona
“applied steps”, pero deje intacto el paso “Source”, que es el primero. El efecto de hacer
esto es que usted efectivamente echó para atrás los pasos de transformación de su query.
Debería ver nuevamente la columna “Content”.
i. Haga click en el pequeño botón con dos flechas verticales dirigidas hacia abajo, el cual
aparece al lado derecho en el nombre de la columna “Content”. Aparecerá una ventana
similar a la que aparece cuando se va a realizar la extracción de datos desde un archivo
de texto, con similares consideraciones (ver ejercicio 1), con la diferencia de que se puede
basar el examen de los datos en el primer archivo “First File” o en cualquier archivo
particular de la carpeta.
j. Haga click en OK. El efecto de esto es que la query “exchange rates” contendrá los datos
combinados de todos los archivos de la carpeta, cosa que queríamos lograr.
Página | 7
3. Extracción de datos de Producto Geográfico per Cápita desde la
Web
Cuando estemos haciendo nuestro reporte, querremos comparar las ventas por país de
una manera que nos permita rankear los equipos de venta con justicia. Las ventas
simples por país no nos permiten eso, porque naturalmente en USA se venderá más,
pro el tamaño del país. Entonces, queremos corregir la venta por poder de compra, lo
que sería un indicador justo. Si usted es economista y cuestiona la validez de este
indicador, relájese, que sólo lo usaremos para fines pedagógicos.
a. Abra la siguiente URL en su navegador de internet favorito y examine la página:
https://en.wikipedia.org/wiki/List_of_countries_by_GDP_(PPP)_per_capita
b. En Power BI haga click en “Get Data” y seleccione submenú “Other” y después “Web” al
lado derecho.
c. Aparecerá un cuadro de diálogo en donde usted debe que copiar la URL mencionada
anteriormente. Después de hacer click en “OK”, aparecerá una ventana en cuyo lado
izquierdo aparece un listado de objetos, dentro de la cual encontrará uno llamado “Table
1”. Selecciónelo y verá que aparece una tabla al lado derecho. Haga click en “OK” para
pasar al editor de consultas.
d. Verá una nueva consulta llamada “Table 1”. Cámbiele el nombre, editando el texto
correspondiente en la sección “Query Settings” al lado derecho en la ventana del editor
de consultas. Póngale un nombre inspirador como “TablaGDP”. Ahora miremos los datos.
e. Verá que hay 3 columnas de datos, de las cuales la primera no es relevante para nosotros.
Dese el gusto de eliminarla.
f. Revise la columna con los montos. Si ud ya hizo el ejercicio 1, entonces la configuración
de su Locale es “Spanish (Chile)”, y acá tendremos un problema de detección de tipo de
dato, porque la columna “Int$” (aproveche de cambiarle el nombre a “GDP”) seguramente
fue detectada como número decimal, pero en realidad la coma es el separador de miles,
de acuerdo a cómo están representados los números en el sitio de Wikipedia.
g. Para corregir lo anterior, elimine el paso “Changed Type” y reinterprete el número como
“Whole Number”… ¿le fue bien o huele algo raro?
h. Efectivamente, la coma se está interpretando como la coma decimal. Para corregir esto
vuelva a elimiar el paso “Changed Type” y ahora lo hará un poco distinto: Seleccione el
tipo de dato del campo “GDP” y mire al final del menú desplegable, donde dice “Using
Locale”.
i. En el cuadro de diálogo que apareció, seleccione “Whole Number”, y aquí viene la
magia… en el cuadro desplegable “Locale”, seleccione “English (US)”. Lo que usted hizo
es pedirle al editor de queries que interprete el número de acuerdo a un Locale específico.
Y esto tiene mucho sentido cuando dentro de la generalidad de nuestros datos tenemos
por ahí un par de casos particulares, justamente como este. Casi todas sus fuentes de
datos pueden seguir una convención, pero podrá haber otra por ahí con una convención
distinta, por lo que cambiar el Locale del archivo Power BI no valdrá la pena.
Página | 8
j. Revise que ahora el GDP aparece representado como número entero, sin comas. Fíjese
también que el paso recién creado se llama “Changed Columns with locale”. Estamos
listos.
Página | 9
4. Extracción de datos de la UF
Este ejercicio consiste en la extracción de datos desde una URL. El editor de Queries de
Power BI puede leer contenidos HTML e identificar de manera automática objetos
como tablas que nos pudiese interesar extraer. Se extraen valores de la UF desde la
página del servicio de impuestos internos.
a. Con su navegaor de internet favorito ingrese a la siguiente URL y examine la página:
http://www.sii.cl/pagina/valores/uf/uf2017.htm. En un escenario en que tengamos que
trabajar con conversión de UF a peso, sería interesante extraer estos datos para que estén
utilizables desde Power BI. Pero está el problema de que vienen dispuestos en una tabla
de doble entrada. Nuestro objetivo sería tenerlos como una tabla con fecha y valor.
b. En Power BI haga click en “Get Data” y seleccione submenú “Other” y después “Web” al
lado derecho.
c. Aparecerá un cuadro de diálogo en donde usted debe que copiar la URL mencionada
anteriormente. Después de hacer click en “OK”, aparecerá una ventana en cuyo lado
izquierdo aparece un listado de objetos, dentro de la cual encontrará uno llamado “Table
0”. Selecciónelo y verá que aparece una tabla al lado derecho. Haga click en “OK” para
pasar al editor de consultas.
d. Verá una nueva consulta llamada “Table 0”. Cámbiele el nombre, editando el texto
correspondiente en la sección “Query Settings” al lado derecho en la ventana del editor
de consultas. Póngale un nombre inspirador como “TablaUF”. Ahora miremos los datos.
e. Ahora mire la consulta. Linda, ¿eh? Asumiendo que hizo el ejercicio 1, su configuración
de Locale está en “Spanish (Chile)”. Con esto, verá que la primera columna se llama “Día”
y que las siguientes tienen los nombres de los meses, abreviados. Dependiendo del
momento del año (es Agosto de 2017 al momento de escribir este testamento
documento), algunas columnas podrían aparecer sin ningún dato.
f. Fíjese que las columnas de meses con datos estén detectadas como números decimales
(ícono “1.2”). Los números tienen 2 decimales después de la coma, y donde no hay valores
está escrito el valor “null”. Si ve todo esto, estamos bien. Si aparecen columnas sin valores,
estas serán interpretadas como texto, con ícono “ABC”. A todas las columnas vacías
cámbieles el tipo de dato a número decimal. Como resultado, debería ver valores “null”
en vez de vacíos.
g. Haga click en la columna “Día” y después, en el menú “Transform”, busque la opción
“Unpivot Columns”, seleccione el triangulito ubicado al lado derecho, para seleccionar la
opción “Unpivot Other columns”
h. Cuando se recupere del shock, reflexione sobre la transformación que el editor de
consultas realizó. Fíjese que lo que eran nombres de columnas ahora son valores de una
columna nueva, y la relación entre día, mes y valor de la UF se preserva. Antes, la
coordenada (fila, columna) de un valor de la UF lo relacionaba con la fecha (asumiendo
un año fijo), porque podíamos decir, “para la columna Agosto, fila 3, el valor de la UF es
$26.587,01 El valor de la uf del 3 de Agosto de 2017 es $26.587,01. Ahora tenemos una
Página | 10
columna con el día y otra con el mes, además del monto. Con eso también podemos
deducir lo mismo.
i. Recordando que nuestro objetivo es tener fecha y monto, lo que tenemos ahora se
aproxima, pero todavía no es exactamente eso. Tenemos que convertir de alguna manera
los datos que tenemos en una columna de tipo Fecha. Para eso vamos a aprovecharnos
de que el editor de consultas puede interpretar un texto como una fecha, si sigue un
formato específico. Entonces, primero vamos a crear ese texto. Vaya al menú Add Column
y seleccione “Custom Column”
j. En el diálogo que va a aparecer, escriba “Año” en el cuadro para el nombre. En el cuadro
para la fórmula, asegúrese de que quede como “= 2017”, y presione “OK”.
k. Reordene las columnas arrastrando sus nombres hacia los lados, para que las columnas
que conforman la fecha queden en siguiente orden de izquierda a derecha: MES-DIA-
AÑO
l. Ahora seleccione las 3 columnas de la fecha (CTROL-Click) y en el menú “Transform”
seleccione la opción “Merge Columns”. Ojo que también encontrará una opción idéntica
en el menú “Add Column” ¿por qué?... Volviendo a lo anterior, aparecerá un cuadro de
diálogo que le permitirá seleccionar un separador de los campos, ninguno, o uno
“Custom”. Elija “Custom” y en el cuadro que aparecerá escriba un signo menos “-“. Más
abajo escriba “Fecha” o algo así. Aprete “OK”
m. Ahora que tiene su columna con una fecha en formato de texto, vamos a transformarla
a Fecha. Bueno, en realidad lo va a hacer usted. Yo sólo escribí este documento.
Asumiendo Power BI en inglés, tendrá que hacer un par de reemplazos previos de valores.
En el menú “Transform” seleccione “Replace Values”. Haga los siguientes cambios:
a. Ene Jan
b. Abr Apr
c. Mar March
d. Ago Aug
e. Dic Dec
n. Una vez hechos los cambios, haga click sobre el tipo de dato de la columna (a la izquierda
de su nombre) y seleccione “Date”. Si el paso de cambio de valores funcionó bien,
entonces ahora debería ver su flamante columna en formato fecha, con el texto en itálica,
por ejemplo: 01-02-2017.
o. Estamos listos. Disfrute de 30 segundos contemplando lo que hizo.
Página | 11
5. Uso de parámetros en carga y transformación
Si hizo el ejercicio 4, se dará cuenta de que al año siguiente va a tener que modificar el
origen de datos para poder cargar los valores de la UF del 2018. Aunque sea una vez al
año, implica un trabajo manual que podría ser olvidado, y más grave aun, podría tener
que realizarlo en varios reportes Power BI. Al menos, podría ser algo más simple que
cambiar el origen de datos a mano, ¿no? Afortunadamente, los desarrolladores de
Power BI ya crearon la posibilidad de utilizar parámetros, poderosa característica con la
cual, entre otras cosas, podremos solucionar el tema de la página de la UF.
a. Primero vamos a crear un parámetro llamado “Año”. Este parámetro será utilizado para
que carguemos la página web correcta de la UF mediante hacer que la URL sea dinámica.
Vaya al menú “Home”, opción “Manage Parameters” y seleccione “New Parameter”.
b. En el cuadro de diálogo que aparecerá, póngale nombre “Año”, en “Type”, seleccione
“Text”. En “Suggested Values” seleccione “List of Values” y escriba 2015, 2016 y 2017. Más
abajo, en “Default Value”, seleccione 2017, y para “Current Value” escriba 2016.
c. Fíjese que en la lista de consultas a lado izquierdo, verá un ícono distinto al de las otras
consultas, que dice “Año(2016)”. Cuando haga click en el parámetro, en el centro verá que
puede escribir o seleccionar un valor. Disfrute este momento, porque ha creado su primer
parámetro.
d. Ahora vamos a utilizar efectivamente nuestro primer parámetro. Vaya al menú “Home”
“Data Source Settings”. En el listado que aparecerá, seleccione el orígen de datos
correspondiente a la URL de la UF, y aprete el botón “Change Source”.
e. Aparecerá el cuadro con la URL, y verá que a la izquierda del texto aparece una lista
desplegable con las opciones “Text”, “Parameter” (bingo!!!!) y “New Parameter”. También
verá que hay un cuadro de lista “Open File as” con un listado de formatos posibles. Eso
puede servir cuando su URL apunta directamente a un formato como los listados, en vez
de una página html. Haga click en la opción “Advanced” que aparece por encima del
texto del a URL.
f. El cuadro se amplió. Ahora usted podrá definir su URL a pedacitos en la sección “URL
Parts”. Actualmente aparece su URL arriba, y verá una segunda línea vacía, ¿cierto? Y verá
que cada parte puede ser asociada a un parámetro. Nuestro parámetro es el año y, por
su parte, el año en la URL está en medio. Quisiéramos que solamente esa parte de la URL
se asociara a nuestro parámetro, y el resto siempre se mantuviera fijo (o hasta que al SII
se le ocurra cambiar su sitio web, y ahí nos echa a perder el ejemplo…):
Página | 12
g. Haga click en “Add part” para que hayan 3 partes. En la primera dejemos la primera parte,
en la segunda configuremos para que ahí vaya el parámetro “Año” y en la tercera parte
pegamos el texto que va después del año, tal como la figura anterior. Si todo está bien
configurado, en la zona “URL Preview” debería ver lo siguiente:
http://www.sii.cl/pagina/valores/uf/uf{Año}.htm
h. Bien. ¡Ahora a probar! Haga “Close & Apply” y vaya a mirar sus datos en la vista de tablas
de Power BI. ¿todo bien?...
i. Chuta… ¿qué pasó?... tómese un minuto para pensar en posibles causas del problema.
j. Ok, veamos… claramente sale todavía 2017 como el año en los datos. La razón de esto
está en el paso j del ejercicio 4.
k. En la consulta “UF” cambiemos la definición de la columna “Año”. Hum, pero esa columna
ya no existe. ¿qué hacemos?... Recuerde que puede navegar los pasos de transformación
de una consulta. Vaya al paso “Added Column” y haga click en el ícono del engranaje al
lado derecho. Ahí podrá configurar la creación de la columna. Reemplace el 2017 por
“@Año”.
l. Repita el paso h.
m. Disfrute
Página | 13
Modelación
En esta sección nos basaremos en los resultados de la sección anterior y crearemos un
modelo de datos que permitirá cubrir nuestras necesidades de visualización. Esto
contempla tablas relacionadas, columnas innecesarias escondidas del usuario final, con
jerarquías, columnas calculadas, medidas, tablas escondidas, etc.
1. Conectando el modelo
Vamos a generar las relaciones entre las tablas que permitirán que los datos se filtren y
crucen de manera correcta, según la lógica del negocio.
a. En la vista de modelo de la ventana de Power BI, revise las tablas creadas.
b. El modelo original de base de datos desde el que se crearon los archivos de texto es el
siguiente. Fíjese en las relaciones entre las tablas:
Página | 14
f. Conecte InternetSales – clientes – Geografia - GDP.
g. Conecte InternetSales – Monedas – ExchangeRates
h. Conecte Fechas – ExchangeRates
i. Vuelva a mirar el diagrama del punto b. Fíjese en que se están representando relaciones
1:N con el lado “1” como una llavecita y el “N” como un símbolo de infinito. Ahora mire el
modelo que usted conectó en Power BI. Fíjese en los dibujos triangulares que aparecen
en las líneas de las relaciones. Esos dibujos representan la dirección de filtrado cruzado o
“Cross filter Direction”, el cual puede ser “Single” o “Both”. Cuando una relación es 1:N, y
seleccionamos “Single”, los filtros aplicados sobre el lado 1 de la relación son difundidos
hacia el lado N, pero no al revés. Con “Both”, los filtros aplicados en el lado N son
difundidos al lado 1 además.
Página | 15
4. Corrigiendo la agregación por defecto (Summarize)
Power BI automáticamente decide que ciertas columnas de una tabla son candidatas a
mostrarse resumidas mediante alguna función de agregación. Eso explica los signos de
sumatoria 𝛴 al lado del nombre de las columnas. Eso tiene el efecto de que cuando
muestro una columna agregada con otra no agregada en una visualización, Power BI
calcula la agregación y agrupa por la columna no agregada. Queremos que el
comportamiento por defecto de esto esté bien definido.
a. Ubique en las tablas del modelo las columnas que se agregan, pero no deberían. Haga
click sobre ellas. En el menú “Format”, seleccione “Default Summarization: Don’t
Summarize”.
b. Ojo, que la agregación por defecto es simplemente la primera opción se agregación que
Power BI asume para la columna cuando estoy creando visualizaciones. Esto se puede
cambiar al momento de utilizar la columna.
Página | 16
5. Creando Jerarquías
En Power BI podemos crear Jerarquías, es decir, la definición de agrupaciones anidadas
entre columnas de una tabla. Por ejemplo: Año-Semestre-mes, Año-mes, Categoría-
subcategoría-Producto, etc. Son utilizadas en operaciones de Drill Down de objetos
gráficos. Esto es similar a lo que se hace a mano en las tablas dinámicas de Excel, lo que
permite hacer drill down. Pero acá se puede dejar predefinido para facilitarle la vida a
nuestro amigo el usuario con el drill down en distintas visualizaciones como gráficos de
barra, por ejemplo.
a. En la tabla de Fechas cree las siguientes jerarquías
a. CalendarYear – CalendarQuarter – EnglishMonthName
b. CalendarYear – EnglishMonthName
b. En la tabla Productos cree la siguiente jerarquía
a. EnglishCategoryName-EnglishSubCategoryName-EnglishProductName
b. ¿cómo le fue?... ¿o no le fue?
c. Ok, aquí haremos uso de un poquito del poderoso lenguaje de Power BI para
cálculos de distinta complejidad, llamado DAX.
d. Vaya a la vista de tablas y seleccione la tabla Productos. En el menú “Modeling”,
vaya a “New Column” y cree una nueva columna, ingresando la siguiente formula:
subcat = RELATED(subcatproductos[EnglishProductSubcategoryName])
e. Repita el paso anterior con la siguiente fórmula:
cat = RELATED(catproductos[EnglishProductCategoryName])
f. Felicitaciones. Acaba de encontrar un análogo DAX al BUSCARV() de Excel. Si es
su primera vez, atesore este momento.
g. Ahora que tiene las 3 columnas de la jerarquía, puede repetir el paso a.
h. Ya que estamos en esta, aproveche de crear la Jerarquía cat-subcat (sin producto)
i. Oiga… ahora que tiene el nombre de la categoría y subcategoría en la tabla de
producto… ¿para qué le servirían al usuario las otras dos tablas?
Página | 17
7. Modificando criterios de ordenación por defecto
Si hacemos un gráfico de barras de las ventas por el EnglishMonthName, verá que la
ordenación de las barras es por orden alfabético… lo que no sirve mucho, sobre todo si
quiero graficar una evolución histórica. Power BI provee un mecanismo para ordenar
una columna de acuerdo a valores de otra columna.
a. En la vista tabla o reporte, haga click en la columna EnglishMonthName. En el menú
“Modeling”, haga click en “Sort by Column” y seleccione la columna
“MonthNumberofYear”.
b. No parece ocurrir nada, pero cuando esté creando visualizaciones, ahí le encontrará la
gracia.
Página | 18
Visualización
Por fin llegamos a la Visualización, que es uno de los dos objetivos de la reportería en
general (el otro es la distribución de información) y en el cual Power BI es bastante
atractivo como herramienta. Aquí realizaremos algunas labores previas para darle
apariencia y funcionalidad profesional a un reporte, crearemos algunos gráficos y tablas
típicos, importaremos visualizaciones nuevas, jugaremos con la interacción entre
gráficos, jugaremos con la seguridad a nivel de fila (“row level security”)
2. Creación de tablas
Crearemos una tabla y una matriz para visualizar datos.
a. En la Hoja 1 cree una tabla que tenga EnglishCountryRegionName, City y suma de
SalesAmount
b. Al lado cree una tabla que muestre.
a. Rows: EnglishOccupation e EnglishProductCategory
b. Columns: Marital Status y HouseOwnerFlag
c. Values: suma del SalesAmount
c. Observe las opciones que la matriz da para Drill Down. Juegue un poco con ellas.
Página | 19
3. Creación de Gráficos de barra, líneas y tortas. Modificación de
interacciones.
Crearemos algunos gráficos y modificaremos la manera en que interactúan entre sí.
a. En una hoja nueva a partir de la plantilla creada para el primer ejercicio, cree los siguientes
gráficos:
a. Barras Horizontales con suma de SalesAmount por EnglishCountryRegionName
b. Líneas con suma de SalesAmount por FullDateAlternateKey
c. Barras apilada al 100% con suma de SalesAmount por FullDateAlternateKey, con
EnglishOccupation como leyenda.
d. Torta de suma SalesAmount por CommuteDistance
e. Torta de suma de SalesAmount por EnglishEducation
b. Ahora haga click en el gráfico de barras de ventas por país. Haga click en cualquier barra
de país para observar cómo el resto de los gráficos reacciona.
c. Con el gráfico de barras por país seleccionado, vaya al menú “Format”, y haga click en
“Edit Interactions”. Vea que en los gráficos aparecen unos botones nuevos en la parte
superior derecha. Fíjese en los gráficos de torta y haga click en los distintos botones
nuevos, sin dejar de tener el gráfico de barras seleccionado.
d. Reflexione.
Página | 20
4. Importación de Custom Visuals
Importaremos un filtro jerárquico.
a. Haga click en el menú HomeFrom Store
b. En la ventana que aparecerá, filtre por “Filters”, encuentre “HierarchySlicer” y haga click
en Add.
c. Este slicer permite utilizar jerarquías. Utilice la jerarquía de Categoría – Subcategoría de
productos. Colóquelo dentro del área de filtros de la página.
Página | 21
Servicio Power BI en la nube
En esta sección ejercitaremos algunas funcionalidades asociadas al servicio Power BI en
la nube, que viene a resolver el tema de la distribución de los datos. Claramente, no
querremos grabar nuestro archivo Power BI y enviarlo por correo para que nuestros
colegas lo puedan utilizar. Querremos dejarlo en la nube para que cualquiera con
acceso lo pueda ver. Veremos cómo publicar un reporte, cómo asignar los roles de
seguridad
Página | 22