Tres claves para hacer la transición de Excel a Power BI

Tres claves para hacer la transición de Excel a Power BI

Excel probablemente sea la herramienta más usada en el mundo corporativo. Empresas grandes y chicas se apoyan en hojas de cálculo de Microsoft Excel y Google Sheets para realizar sus tareas día a día. Y aunque Excel es increíblemente potente, en los últimos tiempos, cada vez más organizaciones se han topado con sus limitaciones. A medida que el volumen de datos incrementa de manera exponencial y queremos realizar análisis cruzados, la generación de insights en Excel se convierte en un dolor de cabeza, es por eso la industria se ha movido a herramientas más especializadas.

En el caso del modelado y visualización de data Microsoft Power BI es el líder de la industria. No es casualidad que Microsoft haya recibido el título de líder en el cuadrante mágico de herramientas de analítica e inteligencia de negocios de Gartner por 13vo año consecutivo.

Durante los posts anteriores te hablamos sobre algunos de los desafíos culturales y conductuales más importantes para realizar la transición de las organizaciones de intuitivas a data-driven. Hoy te contamos tres puntos (técnicos) clave para adaptarnos con éxito de Excel a Power BI.

1. Piensa el modelo de datos en relación con tus objetivos de análisis

Una diferencia importante entre Excel y Power BI es que en Excel no requerimos de una estructura o modelo de datos rígida. Podemos simplemente tener muchas hojas, con columnas repetidas y relacionar datos mediante la típica función BUSCARV (VLOOKUP). Bueno, Power BI no es Excel y en Power BI es importante entender cómo se relacionan nuestras tablas datos entre sí.


Recomiendo siempre en Power BI pensar en tu modelo de datos en los dos esquemas clásicos de análisis: estrella o snowflake (copo de nieve). Para hacerlo y priorizar qué datos dejar y cuáles no, siempre ten en cuenta tus objetivos de análisis y prioridades. Es clave el entendimiento en profundidad del problema que quieres resolver o mitigar.

Descripción de un esquema de estrella e importancia para Power BI – Power BI | Microsoft Docs

Fuente: Descripción de un esquema de estrella e importancia para Power BI – Power BI | Microsoft Docs

Hacer esto traerá como consecuencias un mejor performance, métricas más fáciles de modelar y calcular y, además, evitará el uso de dimensiones no consistentes entre distintos modelos, asegurando una única versión de la verdad.

Al final, terminarás descubriendo que en Power BI cuando hemos definido bien el modelo y la relación entre nuestras tablas de datos, el trabajo se simplifica considerablemente comparado con Excel. Power Query nos ayuda a adaptar nuestras tablas al modelo deseado, también podemos combinar scripts de R o Python.

2. Automatiza la preparación y limpieza de datos

Una práctica muy común en Excel es el “hard-coding”, es decir, referenciar celdas con otras celdas de manera arbitraria y arrastrar las fórmulas hasta el lugar deseado. Esto hace que en general escalar los análisis en Excel sea un trabajo manual donde el analista día a día o mes a mes mueve las fórmulas y cambia referencias, con gran potencial de errores difíciles de percibir. En Power BI esto ya no es un problema si llevas una buena práctica de parametrización y codificación de tu modelo.  

¿Qué pasa si quieres extender el tiempo de análisis de tu modelo en Excel? Pues, arrastras las celdas para abajo o dejas arrastrada una cantidad fija de celdas “hasta que llegue el día”. En Power BI tienes un método fácil para crear un calendario automático día a día que se extiende con cada actualización. También lo puedes lograr usando DAX.

Es importante cambiar la mentalidad de la manualidad cuando pasamos a Power BI para aprovechar su potencial, rápidamente descubrirás que aprovechando el editor de Power Query simplificas la preparación de datos y te enfocas en el análisis propiamente dicho.

3. Utiliza Medidas de DAX y no columnas calculadas

Otra tentación grande cuando venimos de Excel es utilizar columnas calculadas en Power BI y no medidas. Esto es así porque las medidas son agregados, es decir, pueden reducirse siempre a un número y, por lo tanto, entender la lógica de filtrado y agregación resulta muchas veces complejo. Si no has estudiado las agregaciones y filtros en Power BI: ¡hazlo ya! Caso contrario te encontrarás con paredes importantes, te aseguro que al poco tiempo verás el potencial de las medidas de DAX.

How To Solve a Complex DAX Problem – Excelerator BI

Utilizar medidas de DAX permite realizar tareas que en Excel son tediosas en muy pocos pasos. De por sí, las columnas calculadas solo se actualizarán cuando actualices tus datos, ocuparán más espacio y forzarán la evaluación de una expresión de DAX para cada fila. Con medidas de DAX puedes incluso realizar operaciones complejas mediante el uso de iteradores, eliminando la necesidad de crear columnas para todo. Te dejo un ejemplo de un caso de uso bien complejo.

La transición data-driven en su dimensión tecnológica y técnica es desafiante, cambiar nuestras antiguas pero útiles hojas de Excel es siempre un desafío enorme, por eso es clave contar con personas preparadas en el uso de las últimas herramientas y que además entiendan el valor del cambio. En Merovingian Data somos expertos en acompañar e impulsar organizaciones en este proceso y además somos agnósticos en términos de plataformas y ambientes, Power BI es una de tantas herramientas más, nos adaptamos a cada cliente. Toma en cuenta estos tres puntos clave, para que la curva de aprendizaje sea un poco más leve y puedas descubrir insights más rápido.