Respuestas correctas
- ALas tablas de dimensiones deben tener una clave principal y columnas descriptivas.
- CLas tablas de hechos deben tener claves externas que se relacionen con las tablas de dimensiones.
Explicación
La opción A es correcta porque en un esquema en estrella, las tablas de dimensiones sirven como tablas de búsqueda/referencia, por lo que deben tener una clave principal que identifique de forma única cada fila (por ejemplo, ProductKey, DateKey) además de atributos descriptivos como el nombre del producto, la categoría o el color utilizados para segmentar y agrupar en los objetos visuales de Power BI. La opción C es correcta porque las tablas de hechos almacenan los eventos medibles (ventas, cantidades, importes) y deben contener claves externas que se relacionen con las claves principales de las tablas de dimensiones, formando las relaciones de uno a varios en las que el motor VertiPaq de Power BI y DAX confían para un filtrado y agregación eficientes. La opción B no es una práctica recomendada porque las columnas calculadas en las tablas de hechos consumen memoria y almacenamiento, y la lógica de negocio se maneja mejor a través de medidas o en la capa de origen/ETL para mantener la tabla de hechos ligera. La opción D es incorrecta porque aplanar todas las tablas en una sola tabla ancha anula el propósito del esquema en estrella, causando redundancia, un mayor tamaño del modelo y un rendimiento degradado. La opción E es incorrecta porque las relaciones de muchos a muchos entre tablas de hechos y de dimensiones son un antipatrón en el diseño de esquemas en estrella; las relaciones deben ser de uno a varios desde la dimensión hacia el hecho para garantizar una propagación de filtros correcta y resultados predecibles.
Para profundizar
El concepto central evaluado es el modelado dimensional dentro de Power BI, específicamente cómo los esquemas en estrella optimizan tanto el rendimiento como la precisión analítica. Las tablas de hechos almacenan medidas numéricas y claves externas en el nivel de granularidad más bajo, mientras que las tablas de dimensiones almacenan atributos descriptivos que están desnormalizados para facilitar la navegación. Un error sutil pero común es colocar la lógica de negocio como columnas calculadas en las tablas de hechos; aunque Power BI las muestra en el modelo, se materializan en el momento de la actualización y rompen la capacidad de VertiPaq para comprimir columnas de medidas altamente repetitivas que comparten la misma ruta de cálculo. Otra sutileza es que las relaciones de muchos a muchos, aunque a veces son necesarias para escenarios de tablas puente como el filtrado por múltiples propietarios de cuentas, requieren patrones DAX explícitos (por ejemplo, CROSSFILTER, TREATAS) y pueden producir totales crípticos si no se manejan con un hecho sin hechos (factless fact) adecuado o una ruta de relación dedicada. La implicación en el mundo real es que un esquema en estrella bien formado con claves de dimensión únicas y claves externas de hechos produce consultas DAX más rápidas, archivos .pbix más pequeños y menos problemas de soporte al usuario, porque el motor puede enviar filtros primero a las tablas de dimensiones y luego unirse a los hechos con relaciones hash eficientes. Esta pregunta aborda el enfoque del examen PL-300 en las mejores prácticas de modelado de datos, evaluando si los candidatos reconocen que "fusionar todas las tablas" es un enfoque ingenuo que sacrifica la estructura misma que hace que Power BI sea eficiente, en lugar de una simplificación legítima.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de PL-300 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.