El mayor error in Power BI no está en el informe: está en el origen. Si los datos llegan sucios, las visualizaciones fallan y DAX devuelve resultados absurdos. La diferencia entre aprobar el PL‑300 y frustrarse está en dominar la preparación con Power Query.
En esta guía te muestro cuatro transformaciones clave, tal y como trabajamos en la última sesión de preparación: limpieza de nulos y blancos, selección defensiva de columnas, anulación de dinamización y generación de granularidad a partir de totales. Todas están orientadas a construir modelos robustos, escalables y mantenibles.
El arte de la sutileza — distinguir null, blancos y “Null” como texto
A primera vista “vacío” parece una sola cosa, pero en Power Query hay matices que impactan filtros, relaciones y cálculos.
- Filas totalmente en blanco. Son ruido puro; “Quitar filas en blanco” las elimina únicamente si todas las columnas de la fila están vacías. Aunque hayas seleccionado una única columna, la evaluación es de fila completa.
- Valores nulos (null). Representan ausencia real de dato.
- Celdas con espacios u otros caracteres invisibles. Parecen vacías, pero no lo están.
- El texto “Null” (o “null” entre comillas). Es una cadena, no un nulo.
Claves prácticas para no fallar:
- Case‑sensitive. Power Query distingue mayúsculas y minúsculas en filtros y reemplazos. “Total” y “total” no son lo mismo, y “Null” (con N mayúscula) no es un nulo.
- Pista visual inmediata. En la vista previa, números y null “reales” se alinean a la derecha; los textos (incluida la palabra “Null” o un número entrecomillado) se alinean a la izquierda.
- Reemplazar sin destrozar textos. Cuando quieras convertir una celda que contiene solo un espacio en null, usa Reemplazar valores con la opción “Coincidir con el contenido de toda la celda”. Evitas convertir “Grupo de Compras” en “GrupodeCompras”. Y para un nulo real, escribe null en minúsculas y sin comillas.
Nota de examen que marca puntos: al anular la dinamización, los null suelen desaparecer (no generan filas), mientras que los 0 permanecen. Esa diferencia importa en cálculos posteriores.
El dilema del estratega — por qué “Elegir columnas” blinda mejor que “Quitar columnas”
Escenario típico: el origen trae 100 columnas y solo necesitas 15.
- Quitar columnas. Indicas explícitamente qué columnas eliminar. Si mañana aparece una columna nueva en el origen, no está en tu lista de eliminadas y, por tanto, se “colará” en el resultado. Además, este paso no muestra engranaje para reconfigurarlo; si te equivocas, toca editar código o rehacer el paso.
- Elegir columnas (o “Quitar otras columnas”). Indicas qué columnas conservar. Cualquier columna nueva del origen quedará automáticamente fuera. Este paso sí expone engranaje para modificarlo con comodidad.
Matiz honesto sobre fragilidad por renombrados: si en el origen cambian los nombres, puede romperse tanto una selección por “quitar” como por “elegir”, porque los pasos referencian nombres concretos. Aun así, “Elegir columnas” es la estrategia defensiva recomendada para controlar el conjunto y evitar “fugas” de campos futuros.
Optimización de pasos: si creaste una columna de índice solo como apoyo, no añadas un paso extra para quitarla; elimina directamente el paso donde la generaste (y recuerda que puedes “Eliminar hasta el final” para limpiar varios pasos de golpe).
La revolución de “Anular dinamización de columnas” — del ancho humano al largo analítico
Los datos “en cruz” (una columna por mes) son cómodos de leer, pero un desastre para el modelo: obligan a tocar el informe cada vez que llega un mes nuevo y complican medidas DAX. La solución es “Anular dinamización de columnas”.
- Selecciona las columnas de meses y aplica Anular dinamización de columnas. Obtendrás dos columnas: “Atributo” con los nombres de mes, y “Valor” con los importes. Memoriza estos nombres: caen en el examen.
- Beneficio inmediato. El informe escala solo: un mes nuevo en el origen aparece como nuevas filas, sin tocar el modelo ni el DAX.
- Aviso operativo. Tras anular dinamización, conviene transformar el texto del mes en una fecha válida (idealmente al fin de mes) para integrarlo en una tabla de calendario y aprovechar inteligencia de tiempo.
El “secreto del alquimista” — crear granularidad cuando no existe
Te entregan un presupuesto anual por filial y necesitas verlo por meses. Con Power Query puedes fabricar esa granularidad de forma segura y mantenible.
- Genera meses con una lista. Agregar columna > Columna personalizada y escribe la lista {1..12}. Esa sintaxis crea los números del 1 al 12. Expande “en nuevas filas” para duplicar cada registro 12 veces, uno por mes.
- Extrae el año del nombre del archivo. Cuando combinas ficheros de una carpeta, Power Query añade la columna “Nombre del archivo”. Usa Transformar > Extraer texto antes del delimitador (.) o “Primeros 4 caracteres” para obtener el año.
- Construye la fecha y llévala a fin de mes. Combina Mes/Año con “/” y cambia el tipo a Fecha. Después aplica Transformar > Fecha/Hora > Mes > Fin de mes para una convención coherente (p. ej., 31/01/2022).
- Reparto mensual. Si el negocio pide reparto lineal, divide el total anual entre 12 (Transformar > Estándar > Dividir). Si existe un patrón porcentual histórico, combínalo con el presupuesto anual en Power Query para asignar pesos por mes. (En la sesión vimos ambos enfoques partiendo del mismo patrón de trabajo).
Buenas prácticas que separan a un aficionado de un profesional
- Null es null en minúsculas y sin comillas; “Null” es texto. Usa la alineación izquierda/derecha como pista rápida.
- “Quitar filas en blanco” analiza la fila completa y solo elimina las que están vacías en todas sus columnas.
- Case‑sensitive en filtros y reemplazos: si filtras “No empieza por T”, escribe la T con la misma mayúscula/minúscula del dato real; si reemplazas, considera “Coincidir con el contenido de toda la celda” para no dañar textos válidos.
- Prefiere “Elegir columnas”/“Quitar otras columnas” para blindar el set de campos. Usa “Quitar columnas” solo cuando tengas claro que te interesa dejar pasar futuras columnas del origen.
- Tras Anular dinamización, renombra “Atributo” a “Mes” y convierte a fecha; integra siempre con tu calendario.
- Simplifica el historial de pasos: reordena cuando aplique y elimina pasos temporales (por ejemplo, índices de apoyo) en el origen del cambio.
Conclusión — conviértete en arquitecto de tus datos
Dominar la limpieza fina de nulos y blancos, la selección defensiva de columnas, la anulación de dinamización y la generación de granularidad con listas te coloca en la liga de los analistas que hacen modelos sólidos, escalables y fáciles de mantener. No es una colección de “clics”, es una manera de pensar: control sobre el origen, fricción mínima en el mantenimiento y precisión técnica en cada transformación.
Siguientes pasos
- Si estos retos te suenan, explora artículos y recursos en namasdata.com.
- ¿Quieres medir tu nivel? Haz nuestros simulacros en test.namasdata.com.
- Si estás listo para preparar el PL‑300 con una metodología probada, aquí tienes el curso completo en pl300.namasdata.com.
Deja un comentario