Pregunta de práctica de PL-300
Estás desarrollando un modelo semántico de Power BI para una empresa de comercio electrónico. Los datos de origen provienen de un archivo CSV que contiene los detalles de los pedidos: OrderID, OrderDate, CustomerID, ProductID, Quantity, UnitPrice, Discount y ShippingCost. El archivo se actualiza diariamente. Necesitas modelar los datos para admitir los siguientes análisis: 1) Importe total de ventas (Quantity * UnitPrice - Discount) por producto y mes. 2) Coste de envío promedio por pedido por región de cliente (CustomerRegion se encuentra en una tabla separada). 3) Comparación año tras año de las ventas. Necesitas crear las medidas y garantizar un rendimiento óptimo. ¿Qué debes hacer?
Respuesta correcta
- DImportar ambas tablas a Power BI, crear una tabla de fechas y crear medidas utilizando SUMX e inteligencia de tiempo.
Explicación
Importar ambas tablas a Power BI y crear un esquema en estrella con una tabla central de hechos (Orders) y tablas de dimensiones (CustomerRegion, Date) permite un cálculo eficiente de medidas. Las medidas pueden usar SUMX para calcular el importe de ventas (SUMX(Orders, Orders[Quantity] * Orders[UnitPrice] - Orders[Discount])) y el coste de envío promedio por pedido filtrado por región a través de relaciones. Se requiere una tabla de fechas independiente para las funciones de inteligencia de tiempo como SAMEPERIODLASTYEAR para la comparación año tras año. La opción A es subóptima porque agregar columnas calculadas en Power Query aumenta el almacenamiento y el tiempo de procesamiento; las medidas son preferibles. La opción B crea una tabla desnormalizada plana que duplica los datos de la región del cliente, lo que genera un modelo más grande y un rendimiento más lento. La opción C es incorrecta porque DirectQuery no es compatible con archivos CSV; Power BI requiere la importación de datos o una conexión a una base de datos. Por lo tanto, la opción D es el mejor enfoque.
Para profundizar
La importación de ambas tablas en Power BI y la creación de una tabla de fechas dedicada habilitan funciones eficientes de inteligencia de tiempo como SAMEPERIODLASTYEAR y DATEADD. Las medidas que utilizan SUMX iteran sobre la tabla de pedidos para calcular el importe de ventas fila por fila, lo que es óptimo para las agregaciones. Una tabla de fechas separada marcada como tabla de fechas garantiza que los cálculos basados en el tiempo funcionen correctamente en diferentes granularidades. Un punto sutil: el uso de DirectQuery en un archivo CSV no es compatible; las fuentes CSV deben importarse. En un escenario real, un analista de comercio electrónico necesita comparaciones año tras año, que requieren una tabla de fechas continua y medidas que aprovechen la inteligencia de tiempo, evitando columnas calculadas que aumentan el tamaño del modelo y reducen el rendimiento.
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.