Power BI · Guía práctica

Modelo estrella en Power BI: qué es y cómo construirlo correctamente

Un buen informe de Power BI empieza mucho antes de arrastrar el primer gráfico: empieza con un buen modelo de datos. El estándar que recomienda Microsoft es el modelo estrella, y entenderlo te evitará cálculos incorrectos, informes lentos y muchos dolores de cabeza. En esta guía verás qué es, por qué funciona mejor que una tabla gigante y cómo montarlo paso a paso.

Qué es un modelo estrella

Consiste en una tabla central, llamada tabla de hechos, rodeada de varias tablas de dimensiones. Al dibujarlo, la forma recuerda a una estrella. La tabla de hechos guarda los eventos que quieres medir (ventas, pedidos, visitas web) y las dimensiones describen esos eventos: quién, qué, cuándo y dónde.

Ejemplo práctico

• Ventas (hechos): IdPedido, Fecha, IdProducto, IdCliente, IdTienda, Cantidad, Importe.
• Productos (dimensión): IdProducto, Nombre, Categoría, Marca.
• Clientes (dimensión): IdCliente, Nombre, País, Segmento.
• Tiendas (dimensión): IdTienda, Ciudad, Región.
• Fechas (dimensión): Fecha, Año, Mes, Trimestre.

Por qué es mejor que una tabla plana

Muchos principiantes cargan una sola tabla con todas las columnas. Funciona con pocos datos, pero repite información miles de veces: el nombre y el país del cliente aparecen en cada línea de venta. Eso aumenta el tamaño del archivo, ralentiza las actualizaciones y complica los cálculos. Con el modelo estrella cada dato se guarda una sola vez, el motor de Power BI comprime mejor y los filtros se propagan de forma predecible: al elegir una categoría en un segmentador, solo se filtran las ventas de esa categoría.

La granularidad de la tabla de hechos

Antes de construir nada, define qué representa una fila de tu tabla de hechos. ¿Una línea de factura? ¿Un pedido completo? ¿Las ventas de un producto por día? Esa decisión se llama granularidad y condiciona todo el modelo. Regla práctica: usa el nivel más detallado disponible, porque siempre puedes agregar hacia arriba, pero no puedes recuperar el detalle que descartaste.

Cómo construirlo paso a paso

1. Identifica los hechos. Pregúntate qué quieres medir. Esa es tu tabla de hechos: contiene columnas numéricas (importe, cantidad) y claves que apuntan a las dimensiones.

2. Crea las dimensiones. Si tu origen es una tabla plana, en Power Query duplica la consulta, deja solo las columnas descriptivas del producto y usa Quitar duplicados. Así obtienes una dimensión con una fila por producto. Repite el proceso para clientes y tiendas.

3. Añade una tabla de fechas. Crea un calendario propio con DAX y márcalo como tabla de fechas para poder usar la inteligencia de tiempo.

4. Define las relaciones. En la vista Modelo, arrastra la clave de cada dimensión hacia la clave equivalente en la tabla de hechos. Power BI creará la relación y podrás comprobar su cardinalidad.

5. Oculta lo que sobra. Esconde las claves y las columnas técnicas de la tabla de hechos para que los usuarios solo vean campos útiles en el panel de campos.

Reglas para las relaciones

Todas deben ser de uno a varios: el "uno" es la dimensión, con valores únicos, y el "varios" es la tabla de hechos. La dirección del filtro va de la dimensión hacia los hechos, y lo recomendable es mantenerla única. Evita las relaciones bidireccionales salvo que tengas un motivo claro, porque generan ambigüedad y ralentizan el informe.

Dimensiones de rol: varias fechas en una tabla

Un caso habitual: tus pedidos tienen fecha de pedido y fecha de envío. Una sola tabla de fechas puede relacionarse con ambas, pero Power BI solo permite una relación activa; la otra queda inactiva. Para usarla, crea una medida con USERELATIONSHIP:

Ventas por Envío =
CALCULATE([Ventas Totales], USERELATIONSHIP(Ventas[FechaEnvio], Fechas[Fecha]))

Errores frecuentes

• Relacionar dimensiones entre sí sin necesidad, formando un "copo de nieve" que complica los filtros.
• Usar claves con duplicados en el lado "uno", lo que impide crear la relación correctamente.
• Claves con distinto tipo de dato, como texto en una tabla y número en otra.
• Relaciones de varios a varios por no haber depurado los datos antes.

Cómo saber si tu modelo está bien

Comprueba que cada segmentador basado en una dimensión filtra correctamente las medidas de la tabla de hechos. Si un total no coincide con lo esperado, revisa primero las relaciones y su dirección. Un modelo limpio hace que tus medidas DAX sean más sencillas, rápidas y fáciles de mantener.

Lista de comprobación final

• Una tabla de hechos y varias dimensiones con claves únicas.
• Relaciones uno a varios con filtro en una sola dirección.
• Tabla de fechas propia marcada como tal.
• Claves y columnas técnicas ocultas.
• Nombres de tablas y campos claros y coherentes.