Rendimiento y Buenas Prácticas

Un reporte lento es un reporte que nadie usa. Optimizar el rendimiento de Power BI requiere atención al modelo de datos, las medidas DAX y el diseño del reporte.

Diagnóstico de rendimiento

Performance Analyzer

1. Ve a Vista → Analizador de rendimiento → Iniciar grabación.
2. Interactúa con el reporte (cambia filtros, navega entre páginas).
3. Observa los tiempos de cada visualización:

Visual "Gráfico de Ventas":
  DAX Query:        120ms
  Visual Display:    45ms
  Other:            15ms
  Total:           180ms

Si una visualización toma más de 2-3 segundos, necesita optimización.

DAX Studio

Herramienta externa gratuita para analizar y optimizar consultas DAX:

• Ejecuta medidas individualmente.
• Ve el plan de ejecución.
• Analiza el uso de memoria del modelo.
• Identifica columnas con alta cardinalidad.

Optimización del modelo de datos

Reducir la cardinalidad

La cardinalidad es el número de valores únicos en una columna. A menor cardinalidad, mejor compresión y rendimiento.

ANTES: Fecha/Hora completa → 525,600 valores únicos
DESPUÉS: Solo Fecha        → 1,440 valores únicos (365x menos)

ANTES: ID Transacción (GUID) → Millones de valores únicos
DESPUÉS: ID Transacción (int) → Misma cantidad pero más comprimido

Eliminar columnas innecesarias

Cada columna ocupa memoria RAM. Elimina en Power Query:

• Columnas que no usas en relaciones, filtros ni visualizaciones.
• Columnas de ID intermedias que solo sirven para transformación.
• Columnas de texto largo que no necesitas.

Tipos de datos correctos

Deshabilitar auto date/time

Power BI crea automáticamente tablas de fechas ocultas por cada columna de tipo fecha. Desactívalo:

1. Archivo → Opciones → Datos actuales → Autocreación date/time → Desactivar.
2. Usa tu propia tabla de calendario.

Optimización de DAX

Evitar FILTER cuando puedas usar filtros directos

// ❌ Más lento: FILTER itera toda la tabla
CALCULATE([Ventas], FILTER(Productos, Productos[Categoría] = "Electrónica"))

// ✅ Más rápido: Filtro directo optimizado por el motor
CALCULATE([Ventas], Productos[Categoría] = "Electrónica")

Usar variables (VAR) para evitar recálculo

// ❌ Calcula [Ventas] tres veces
Indicador = 
IF([Ventas] > 100000, "Alto",
IF([Ventas] > 50000, "Medio", "Bajo"))

// ✅ Calcula [Ventas] una sola vez
Indicador = 
VAR V = [Ventas]
RETURN
    IF(V > 100000, "Alto",
    IF(V > 50000, "Medio", "Bajo"))

DISTINCTCOUNT vs COUNTROWS + VALUES

// Ambos dan el mismo resultado, pero DISTINCTCOUNT es más rápido
Num Clientes = DISTINCTCOUNT(Ventas[ClienteID])  // ✅
Num Clientes = COUNTROWS(VALUES(Ventas[ClienteID]))  // ❌ más lento

Evitar columnas calculadas cuando puedas usar medidas

Las columnas calculadas se almacenan en memoria y aumentan el tamaño del modelo. Las medidas se calculan on-demand.

// ❌ Columna calculada innecesaria
Ganancia = Ventas[Precio] - Ventas[Costo]  // Ocupa RAM por cada fila

// ✅ Medida: se calcula solo cuando se necesita
Ganancia Total = SUMX(Ventas, Ventas[Precio] - Ventas[Costo])

Optimización del reporte

Reducir el número de visualizaciones

• Máximo 8 visualizaciones por página.
• Cada visual genera una consulta al modelo.
• Más visualizaciones = más consultas = más lento.

Limitar las filas en tablas/matrices

// En vez de mostrar 10,000 filas, usa Top N
Top 20 Clientes = 
CALCULATE(
    [Ventas],
    TOPN(20, ALL(Clientes[Nombre]), [Ventas], DESC)
)

Evitar bi-directional cross-filtering

Los filtros bidireccionales multiplican el costo computacional. Usa unidireccional siempre que sea posible.

Deshabilitar interacciones innecesarias

Si un slicer no necesita afectar una visualización específica, deshabilita la interacción:

• Selecciona el slicer → Formato → Editar interacciones → Ninguno en el visual.

Tamaño del archivo .pbix

Checklist de rendimiento

• Modelo en esquema estrella.
• Columnas innecesarias eliminadas.
• Tipos de datos correctos.
• Auto date/time deshabilitado.
• Tabla de calendario dedicada.
• Medidas con VAR para evitar recálculo.
• Filtros directos en vez de FILTER cuando sea posible.
• Máximo 8 visualizaciones por página.
• Filtros bidireccionales eliminados.
• Performance Analyzer revisado.

Resumen

El rendimiento de Power BI depende de un modelo limpio (pocas columnas, baja cardinalidad, tipos correctos), DAX eficiente (VAR, filtros directos, evitar columnas calculadas innecesarias) y reportes ligeros (pocas visualizaciones, Top N en tablas). Usa Performance Analyzer y DAX Studio para diagnosticar cuellos de botella.