Pregunta de práctica de PL-300
Está creando un informe de Power BI para una pequeña empresa. El origen de datos es una base de datos de Microsoft Access con las tablas: Customers (CustomerID, CompanyName, City), Orders (OrderID, CustomerID, OrderDate, Amount). Necesita modelar los datos para analizar el total de pedidos por cliente y por mes. ¿Cuál es el enfoque más eficiente?
Respuesta correcta
- DImporte ambas tablas a Power BI y cree una relación entre las columnas CustomerID.
Explicación
La opción D es correcta porque importar ambas tablas y crear una relación entre las columnas CustomerID construye un modelo adecuado al estilo de esquema en estrella en Power BI, lo que permite que la dimensión Customers filtre la tabla de hechos Orders para que los totales por cliente y por mes se puedan calcular de manera eficiente con DAX. Este enfoque aprovecha el motor VertiPaq en memoria de Power BI y la propagación de filtros basada en relaciones, que es el patrón de modelado recomendado para este tipo de análisis. La opción A no es adecuada porque DirectQuery no es compatible con Microsoft Access como origen de datos en Power BI, e incluso donde se aplica DirectQuery, no sería más eficiente aquí. La opción B es menos flexible porque preunir las tablas en Power Query aplana el modelo y complica la agregación y reutilización a nivel mensual. La opción C representa una sobrecarga innecesaria para un escenario de pequeña empresa y añade esfuerzo de migración sin beneficio de modelado.
Para profundizar
Esta pregunta evalúa el principio fundamental de modelado de que Power BI no es una herramienta de ensayo de datos, sino un motor de modelado semántico. Cuando importa datos, estos se almacenan en un índice columnar altamente comprimido que destaca en el análisis y la agregación de filas filtradas, y las relaciones entre las tablas aprovechan este motor para propagar filtros sin duplicación física de datos. Una tabla plana producida por una combinación (merge) de Power Query lo obliga a utilizar patrones DAX que consumen muchos recursos y pierde la distinción semántica entre dimensiones y hechos, mientras que tablas separadas con una relación crean un esquema en estrella que reduce el almacenamiento y simplifica la creación. DirectQuery, por el contrario, pasa por alto el motor en memoria y traduce las consultas en directo al origen, lo que solo es apropiado para datos muy grandes o que cambian con frecuencia y no caben en la memoria; además, Access, al ser una base de datos de un solo archivo sin optimización del lado del servidor, es un origen de DirectQuery particularmente deficiente. La idea errónea común es que "una tabla grande" es más fácil para los informes, pero en realidad multiplica la complejidad de las medidas y el tamaño del modelo; el enfoque correcto para datos pequeños es importar y relacionar. Una implicación en el mundo real es que un conjunto de datos modelado correctamente puede manejar miles de elementos visuales sin problemas, mientras que una tabla plana mal diseñada se vuelve lenta y confusa de mantener.
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.