El desarrollo de este ejercicio insta al estudiante a crear estructuras de información para resolver el problema como también a usar las funciones DAX como son OFFSET, WINDOW y NETOWKDAY, CALCULATE, FILTER, LASTDATE, MAX, DATESBETWEEN, CALCULATE, IF, CALCULATETABLE, FILTER. También se usan funcionalidades de Power Query para solucionar el problema. Para solucionar este ejercicio se presentan tres opciones de solución.

En este ejercicio se hace uso de las funciones SELECTEDVALUE, CALCULATETABLE, FILTER, AND, CALCULATE, MAX, INDEX, DATEDIFF.

Sabemos que la función DISTINCOUNT nos trae un valor único por cada registro de la tabla. ¿Qué funciones me ayudan a identificar cuantas veces ocurre un valor en la tabla? Estudiaremos la función SUMMARIZE y haremos uso del panel de filtros para visualizar solo los valores repetidos.

En el mismo reporte queremos visualizar las participaciones mencionadas y pondremos un título con base en las categorías filtradas. Haremos uso de las funciones CALCULATE, ALL, ALLSELECTED, CONCATENATEX, ISFILTERED

El entendimiento de estas funciones nos permite identificar cual es la requerida para la solución del diagrama de Pareto que resolveremos en clase.

Mediante un ejemplo entender que cuando se usa la función CALCULATE, su filtro se sobrepone sobre el contexto y como mediante el uso de estas funciones podemos eliminar la repetición de los cálculos en todas las filas.

El entendimiento de las funciones INDEX, OFFSET y WINDOW para gestionar el acceso a uno o varios registros de una tabla es el enfoque que permite realizar operaciones sobre tablas o sobre un subconjunto de ellas sin que incida de manera significativa en el tiempo de respuesta de la producción de un reporte. En este ejemplo profundizaremos en el entendimiento y uso de la función WINDOW, mediante dos ejemplos prácticos.

Esta implementación de grupos de medidas directamente en el modelo semántico de Power BI nos permite (sin recurrir a herramientas externas), realizar los mismos cálculos que se gestionan para diferentes variables, sin tener necesidad de calcular por cada variable los mismos cálculos. Presentamos un ejemplo práctico sobre su aplicación en los reportes de uso cotidiano.

Hacer los cambios necesarios en el modelo semántico y construir las métricas que permitan reflejar los dos totales mediante el uso de las funciones CALCULATE y USERELATIONSHIP

Este ejercicio nos permite plantear el problema, exponer la lógica de la solución e implementar mediante métricas el reporte que refleje las dimensiones que conforman el Pareto, usando el formato condicional para diferenciar el Pareto por colores y estableciendo la línea base del 80%. Recurriremos al uso de las funciones CALCULATE, ALL, ROWNUMBER, TOPN, DIVIDE, SWITCH

Este es un ejercicio que se divide en cuatro pasos para llegar a la solución final. Durante el desarrollo de este problema el estudiante pone a prueba su experticia en todos los aspectos relevantes en la gestión de los datos para hacerlos adecuados para encontrar la solución final.

La importancia de este ejercicio radica en que una ves que el estudiante entienda los pasos necesarios en la solución de este problema, le permite adquirir la confianza para acometer la solución de cualquier tipo de reporte.

Las funciones DAX usadas en el desarrollo de este ejercicio son: INT, ROWNUMBER, ALLSELECTED, SELECTEDVALUE, IF, SUMX, CALCULATE, ADDCOLUMNS, TOPN, UNION, VAR, RETURN y la funcionalidad de parámetro numérico como también la creación de tablas, la creación de las relaciones en el modelo semántico y el panel de filtros.

Los reportes financieros de cualquier tipo tienen un comportamiento similar a la construcción del reporte contable de P&G propuesto en este ejercicio. Mediante el desarrollo de este ejercicio el estudiante entiende la coherencia entre el modelo semántico y la construcción de cada una de las métricas para dar solución a este reporte contable.

Las funciones DAX usadas en el desarrollo de este ejercicio son: SELECTEDVALUE, CALCULATE, IF, NOT, ISBLANK, ALL, SWITCH, VAR, RETURN, FILTER, ALLSELECTED, EOMONTH, YEAR, MONTH y LOOKUPVALUE,

El error de dependencia circular se nos presentará en la solución de uno de los ejercicios propuestos y entenderemos su causa y aplicaremos la solución correspondiente. El error de transición de contexto se entenderá mediante el planteamiento de un ejercicio práctico.

Los parámetros de campo en Power BI son una funcionalidad avanzada que permite a los usuarios crear reportes y dashboards más interactivos y dinámicos. Estos parámetros permiten a los usuarios cambiar las medidas o dimensiones que se visualizan en una tabla o gráfico sin necesidad de crear múltiples visualizaciones separadas para cada combinación posible. Esto proporciona flexibilidad y mejora la experiencia del usuario al permitir la exploración de datos desde diferentes perspectivas.

El análisis de anomalías en Power BI es una funcionalidad que permite detectar y visualizar desviaciones inusuales en los datos dentro de los informes y dashboards. Esta herramienta es especialmente útil para identificar comportamientos atípicos que podrían indicar problemas, oportunidades o simplemente variaciones significativas en los datos.

Aplicaciones Prácticas

• Finanzas: Identificación de gastos inesperados, ingresos anómalos o patrones irregulares en transacciones.
• Ventas y Marketing: Detección de picos o caídas inusuales en ventas, comportamiento de clientes fuera de lo común.
• Operaciones: Monitoreo de rendimiento de maquinaria, detección de fallos o comportamientos inusuales en procesos de producción.
• TI y Seguridad: Identificación de actividades sospechosas, picos de tráfico inusuales, posibles amenazas de seguridad.

El análisis de anomalías en Power BI es una herramienta poderosa para detectar, visualizar y entender desviaciones significativas en los datos, permitiendo a las organizaciones reaccionar rápidamente y tomar decisiones informadas basadas en la identificación de patrones inusuales.

El clustering en Power BI es una técnica de análisis de datos que agrupa automáticamente datos similares en clústeres o grupos. Esta funcionalidad permite identificar patrones, segmentar datos y descubrir insights que no son fácilmente visibles a través de otros métodos de análisis. A continuación, se presentan algunas aplicaciones prácticas del clustering en Power BI:

1. Segmentación de Clientes

• Marketing Personalizado: Agrupar clientes en segmentos basados en comportamiento de compra, preferencias y datos demográficos para crear campañas de marketing más efectivas y personalizadas.
• Análisis de Lealtad: Identificar grupos de clientes leales frente a aquellos que son propensos a la deserción, permitiendo desarrollar estrategias de retención adecuadas.

2. Análisis de Ventas

• Identificación de Productos Populares: Agrupar productos por características de venta similares para identificar cuáles tienen mejores desempeños y cuáles necesitan promoción adicional.
• Predicción de Demanda: Clasificar áreas geográficas o segmentos de clientes según sus patrones de compra para prever la demanda futura y optimizar el inventario.

3. Optimización de Operaciones

• Mantenimiento Predictivo: En industrias como la manufactura, agrupar máquinas o equipos según su historial de fallos y condiciones de operación para implementar programas de mantenimiento predictivo y reducir el tiempo de inactividad.
• Gestión de Recursos: Agrupar proyectos o tareas según el esfuerzo y tiempo requerido para optimizar la asignación de recursos y mejorar la eficiencia operativa.

4. Análisis de Riesgos

• Detección de Fraude: Identificar patrones inusuales en transacciones financieras agrupando datos de comportamiento de transacciones para detectar posibles actividades fraudulentas.
• Evaluación de Riesgos de Crédito: Agrupar solicitantes de crédito según su perfil financiero y comportamiento de pago para evaluar el riesgo y tomar decisiones informadas sobre la aprobación de préstamos.

5. Análisis de Recursos Humanos

• Segmentación de Empleados: Agrupar empleados por desempeño, habilidades y otros indicadores para identificar talentos y desarrollar planes de desarrollo y retención específicos.
• Análisis de Rotación: Identificar patrones de rotación en diferentes departamentos o grupos de empleados para implementar estrategias de retención más efectivas.

6. Análisis de Comportamiento del Usuario

• Segmentación de Usuarios Web/App: Agrupar usuarios de una aplicación o sitio web según su comportamiento de navegación, frecuencia de uso y otras métricas para mejorar la experiencia del usuario y la personalización del contenido.
• Optimización de Productos: Agrupar características o funcionalidades de productos según la preferencia del usuario para identificar áreas de mejora y desarrollo de nuevas características.

7. Análisis Geoespacial

• Segmentación Geográfica: Agrupar regiones geográficas según indicadores económicos, demográficos o de ventas para identificar oportunidades de mercado y optimizar estrategias de expansión.
• Planificación Urbana: En el contexto de la planificación urbana, agrupar zonas según el uso del suelo, densidad de población y otros factores para mejorar la planificación y asignación de recursos urbanos.

Una visualización de elementos influyentes clave en Power BI es una representación gráfica que destaca los factores o variables que tienen un impacto significativo en los resultados o métricas que se están analizando. Estas visualizaciones son útiles para identificar rápidamente qué variables o características están más relacionadas con los resultados observados en tus datos. El curso presenta un ejemplo práctico para su comprensión y su uso.

Una visualización de esquema jerárquico en Power BI es un tipo de gráfico que muestra la estructura de datos organizada en niveles jerárquicos, facilitando la visualización de relaciones entre diferentes categorías o elementos dentro de un conjunto de datos. Esta visualización es especialmente útil cuando se desea explorar datos que tienen una estructura de árbol o jerárquica, donde cada nivel de la jerarquía se subdivide en subcategorías más específicas.

La visualización de datos con R en Power BI es una funcionalidad avanzada que permite a los usuarios aprovechar el lenguaje de programación R para crear visualizaciones personalizadas y realizar análisis estadísticos complejos dentro de los informes y tableros de control de Power BI. R es un lenguaje potente para el análisis de datos y la visualización, y su integración en Power BI amplía significativamente las capacidades de este último.

Funcionalidades y Beneficios

1. Visualizaciones Personalizadas:
   • Los usuarios pueden crear gráficos y visualizaciones que no están disponibles de forma nativa en Power BI, utilizando los extensos paquetes y bibliotecas de R, como ggplot2, plotly, y shiny.
2. Análisis Estadístico Avanzado:
   • Implementar métodos estadísticos avanzados y modelos de machine learning directamente en los reportes de Power BI.
3. Automatización y Reproducibilidad:
   • Los scripts de R pueden automatizar análisis complejos y asegurarse de que los resultados sean reproducibles cada vez que se actualicen los datos.
4. Ampliación de Capacidades de Datos:
   • Integrar fuentes de datos externas y realizar transformaciones de datos avanzadas que no son posibles solo con DAX o Power Query.