Ejemplo de medida ineficiente:

 

 

Revisión del rendimiento de medidas, relaciones y objetos visuales

El bajo rendimiento en un informe de Power BI puede deberse a múltiples factores como tablas complejas, relaciones ineficientes, cálculos DAX pesados, exceso de objetos visuales o datos innecesarios.

Para mejorar el rendimiento:

  1. Identifica los cuellos de botella analizando consultas y medidas.
  2. Usa el Analizador de rendimiento para medir la velocidad de cada elemento.
  3. Optimiza medidas, relaciones y objetos visuales con ajustes estratégicos.

Identificación de cuellos de botella de rendimiento

Para lograr informes eficientes:

  • Asegúrate de que las consultas y medidas se ejecuten rápidamente.
  • Analiza planes de consulta y dependencias.
  • Prioriza la optimización de los elementos más lentos.

Uso del Analizador de rendimiento en Power BI Desktop

Pasos para analizar el rendimiento

  1. Borrar caché visual y del motor de datos:

    • Agrega una página en blanco, guarda y cierra el archivo Power BI.
    • Abre el archivo en la página en blanco.
    • Borra la caché del motor de datos con DAX Studio o reiniciando Power BI Desktop.

  2. Ejecutar el Analizador de rendimiento:

    • Ir a la pestaña Ver > Analizador de rendimiento.
    • Iniciar grabación e interactuar con los objetos visuales.
    • Detener grabación y revisar tiempos de respuesta.

Interpretación de resultados

Ordena las tareas por duración y revisa los tiempos de:

  • Consulta DAX: Cuánto tarda en ejecutarse en Analysis Services.
  • Presentación visual: Tiempo de renderización en pantalla.
  • Otros procesos: Carga de imágenes, esperas entre objetos visuales, etc.

Si las consultas DAX son el problema, usa DAX Studio para analizar en detalle.

Optimización del rendimiento

Optimización de objetos visuales

  • Reduce la cantidad de objetos visuales en una página.
  • Minimiza la cantidad de campos en los objetos visuales.
  • Usa herramientas como información sobre herramientas en lugar de múltiples gráficos.
  • Evita usar más de 100 campos en un solo objeto visual.

Optimización de consultas DAX

  • Identifica medidas que tarden más de 120 ms en ejecutarse.
  • Usa funciones más eficientes, como reemplazar FILTER por KEEPFILTERS cuando sea posible.
  • Revisar relaciones y cardinalidad de los datos para reducir la cantidad de datos procesados.

Ejemplo de medida ineficiente:

 

 Ejemplo de medida eficiente: 

 

 

Optimización del modelo semántico

  • Elimina columnas innecesarias en Power Query antes de importar datos.
  • Usa tipos de datos adecuados, como enteros en lugar de texto.
  • Optimiza las relaciones, asegurando que las cardinalidades sean correctas.
  • Deshabilita la opción Fecha y hora automáticas si ya tienes una tabla de fechas.

Uso de variables en DAX para mejorar el rendimiento

  • Evita repetir cálculos innecesarios almacenando resultados intermedios en variables.
  • Mejora la legibilidad y simplifica la depuración.

Ejemplo:

  


 

El uso de variables mejora el rendimiento y la facilidad de mantenimiento.

Optimización de DirectQuery

Implicaciones de DirectQuery

  • Consulta los datos en el origen sin almacenarlos en Power BI.
  • Adecuado para datos en tiempo real y conjuntos de datos grandes.
  • Puede ser lento si la base de datos no está optimizada.

Limitaciones

  • Mayor dependencia del rendimiento del origen de datos.
  • Restricciones en modelado y transformación de datos.
  • No compatible con Preguntas y Respuestas ni Conclusiones rápidas en Power BI Service.

Mejoras en DirectQuery

  • Optimizar el origen de datos:

    • Revisar índices en la base de datos.
    • Evitar cálculos complejos en consultas.
    • Usar agregaciones en la base de datos.

  • Optimizar datos en Power BI Desktop:

    • Reducir el número de objetos visuales.
    • Minimizar la cantidad de datos en cada consulta.
    • Usar el Analizador de rendimiento para evaluar el tiempo de ejecución de las consultas.

  • Reducir consultas innecesarias:

    • Deshabilitar interacciones innecesarias entre objetos visuales.
    • Aplicar filtros manualmente en segmentaciones en lugar de hacer que se apliquen de inmediato.

Creación y administración de agregaciones

Beneficios de las agregaciones

  • Mejoran el rendimiento de consultas al trabajar con grandes volúmenes de datos.
  • Reducen el tiempo de actualización de los datos en el modelo.
  • Disminuyen el tamaño del archivo de Power BI.

Creación de agregaciones en Power BI

  1. Definir el nivel de agregación (día, mes, cliente, producto, etc.).
  2. Métodos para crear agregaciones:
    • Crear una tabla agregada en la base de datos y cargarla en Power BI.
    • Crear una vista en la base de datos con datos agregados.
    • Usar Power Query para resumir los datos en Power BI.

Ejemplo de agregación en Power Query:

  1. Seleccionar columnas relevantes.
  2. Aplicar la opción "Agrupar por".
  3. Elegir el método de agregación (suma, promedio, recuento).
  4. Cerrar y aplicar para reflejar los cambios en el modelo.

Administración de agregaciones

  • Se pueden gestionar desde Administrar agregaciones en Power BI Desktop.
  • Permite cambiar el método de agregación sin modificar los datos originales.