La Data Web

Hace tiempo que me vengo encontrando en la comunidad con una pregunta que se hace cada vez más frecuento. ¿Como ver que dataflows creados no fueron conectados posteriormente a un dataset?. También le llaman dataflows huerfanos.

Normalmente las personas revisan el linaje view, sin embargo eso solo permite ver una sola area de trabajo. Entonces la respuesta termina siendo "tenes que usar la API aprender sobre varios tiros dinstitos para generar un script que lo valide. 

Este artículo será un deep dive o breakdown para analizar como la librería SimplePBI consiguió obtener los dataflows huerfanos en un método dentro de la clase Admin.

En este artículo vamos a encontrarle una nueva visión y perspectiva a un requerimiento. Puede que tras leerlo les parezca un requerimiento muy sencillo, pero vamos a mostrar condiciones requeridas que lo harías más eficiente y complicado.

La idea será llevar una sencilla solución basada en SWITCH según condiciones a una única medida con un único CALCULATE capas de filtrar una opción u otra incluyendo opción para "all/todos".

Veamos entonces esta curiosidad en DAX.

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.