La Data Web

En anteriores posts vimos diferentes cálculos en DAX como por ejemplo conocer cuántos clientes habían efectuado su última compra hace 90 días, este cálculo permitía llegar a cierta segmentación de clientes leales, nuevos, inactivos y aquellos que se volvían a reactivar luego de un periodo de tiempo.

Estos análisis ayudan a detectar patrones en el comportamiento de los consumidores y así entender cómo se comporta nuestro producto, marca, servicio en el mercado.

Una de las variables dentro de la segmentación de consumidores son los nuevos clientes adquiridos, ahora bien, ¿cuántos de esos nuevos clientes son retenidos?, ¿vuelven a efectuar una compra? En caso de realizarla, ¿cuánto tiempo demoran en concretarla?

Todos estos interrogantes pueden ser visualizados y analizados mediante COHORT ANÁLISIS (Cohort Analysis).

En este post explicaremos cómo llevarlo a cabo en Power Bi.

¡Hola! Soy Pablo Deheza, trabajo como BI & Analytics Consultant en PI Data Strategy & Consulting desde hace más de dos años, y desde que empecé a usar Power BI me sentí intrigado por su versatilidad y potencial a la hora de crear reportes. Me enfrento constantemente a situaciones que me hacen investigar y llevar al límite la capacidad de esta herramienta, por lo que cada día está lleno de posibilidades de aprendizaje (y por qué no, entretenimiento), que me hacen disfrutar más mi trabajo.

Pero basta de intro, vamos a lo que nos compete.

Hace unos días, un usuario nos solicitó que un gráfico de líneas que muestra a nivel diario la cantidad de visitas a un reporte de Power BI, permita distinguir fácilmente entre las visitas realizadas los días de semana y las correspondientes a los fines de semana. La solución resultó ser muy sencilla, pero no tan intuitiva; por lo que se nos ocurrió hacer un breve post para compartirlo con la comunidad.

Hace tiempo que doy soporte y asistencia en correcciones DAX en distintos lugares. Algo que sigo viendo con mucha frecuencia son funciones DAX en largas lineas de oración muy complicadas para seguirle el hilo. Normalmente estos problemas llegan cuando la performance de una medida empieza a afectar y los involucrados piden ayuda para mejorarla.

En este artículo vamos a ver la importancia de las variables en nuestro código DAX. Siempre deberíamos considerarlas porque son un beneficio doble entre claridad para nuestro código y performance. Muchos pueden menos preciar la calidad de un código legible pero dejenme decirles que es muy importante en el mantenimiento de un modelo.

Hace unos días me embarque en un proyecto que vi que muchos en distintas comunidades dejaron a la mitad. Se trata de construir una librería en lenguaje Python para usar comodamente la Power Bi Rest API.

Dicha librería sería de suma utilidad para administradores de Power Bi como así tambien para Data Engineers, desarrolladores e incluso para cuestiones de gobernanza o automatización.

Si queres conocer más de la librería, seguí leyendo.

¡Hola a todos! Bienvenidos a La Data Web y a este nuevo post relacionado a visualizaciones customizadas.

Me presento, soy Jonathan Muñoz y trabajo hace aproximadamente 2 años en Pi Data Strategy & Consulting como BI & Analytics Consultant, y además hace 3 años que me encuentro inmerso en el mundo de los datos.

Me gusta mucho la música, toco la guitarra en mis tiempos libres y me encanta viajar. En un futuro espero seguir creciendo en este apasionante mundo llamado Big Data porque creo fervientemente que los datos bien representados y con el significado apropiado aportan valor a la toma de decisiones de cualquier individuo u organización.

¡Pero hasta aquí la presentación! Vamos a los que nos compete hoy. En esta oportunidad vamos a tratar un requerimiento puntual que me tocó desarrollar con un usuario para el cual trabajé. Este artículo nos ayudará a pintar una línea entre dos líneas en un mismo gráfico que quedan cortadas por ser distintas medidas de análisis como por ejemplo "monto actual" y "Predicción" para así poder mejorar la experiencia del usuario.