¿Cómo elegir entre tabla de hechos o tabla de dimensiones para tus filtros?

En este video se explica la diferencia entre tablas de hechos y tablas de dimensiones en Power BI, y cómo esta distinción impacta en el rendimiento y la forma de aplicar filtros en los cálculos DAX. Se analizan ejemplos prácticos usando SUMX y CALCULATE, mostrando cuándo es necesario usar la tabla de hechos y cuándo la de dimensiones. Además, se compara el uso de FILTER, el contexto de filtros y la importancia de elegir correctamente la fuente de datos para optimizar resultados y desempeño en los reportes.

Los puntos clave del video son:

  • Diferencia entre tablas de hechos (ventas) y tablas de dimensiones (campañas).
  • La tabla de hechos almacena millones de registros transaccionales; la de dimensiones, valores únicos.
  • SUMX necesita trabajar directamente con tablas de hechos porque se comporta como si calculara columna por columna.
  • CALCULATE permite usar filtros de múltiples tablas, incluidas las dimensiones.
  • FILTER genera tablas filtradas específicas, asegurando resultados consistentes en los cálculos.
  • Usar dimensiones mejora el rendimiento, ya que reduce la cantidad de filas a procesar.
  • Los filtros en tablas de dimensiones permiten más flexibilidad: nombres, IDs, coordinadores, descripciones.
  • En tablas de hechos solo se suelen manejar IDs, lo que limita las posibilidades de análisis directo.
  • Riesgos comunes: usar el campo equivocado y obtener resultados duplicados o inconsistentes.
  • Recomendación: siempre que sea posible, aplicar filtros desde la tabla de dimensiones para obtener mayor eficiencia y claridad.

La correcta elección entre usar la tabla de hechos o la tabla de dimensiones para aplicar filtros en Power BI es clave para garantizar precisión y rendimiento en los cálculos. Mientras SUMX requiere operar sobre hechos, funciones como CALCULATE y FILTER se benefician de las dimensiones, ofreciendo análisis más flexibles y escalables. Adoptar esta práctica evita errores comunes y asegura reportes optimizados incluso con grandes volúmenes de datos.