FácilOpción múltiple

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?

Elige la mejor respuesta.

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.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Use DirectQuery en la base de datos de Access para evitar la importación.

DirectQuery en Access envía consultas en directo al motor Jet/ACE para cada interacción visual, el cual carece del optimizador de consultas, la compresión de almacén de columnas e indexación de SQL Server, lo que provoca una latencia grave y bloqueos incluso para conjuntos de datos modestos. Access es una base de datos basada en archivos con bloqueo a nivel de fila/página y sin almacenamiento en caché del lado del servidor, por lo que los usuarios concurrentes del informe degradarán aún más el rendimiento. Como el escenario es una pequeña empresa con un conjunto de datos pequeño, importar a la memoria es infinitamente más rápido y evita estos cuellos de botella de consultas en directo.

B

Incorrecta

Cree una sola consulta en Power Query que una las tablas e importe el resultado.

Combinar las tablas en Power Query crea una tabla plana desnormalizada que repite los atributos del cliente (nombre, dirección, etc.) en cada fila de pedido, inflando el modelo y aumentando el almacenamiento. Esto obliga a las medidas a depender de DAX defensivo como DISTINCTCOUNT para el recuento de clientes en lugar de agregaciones simples sobre una tabla de hechos modelada correctamente, y evita la propagación automática de filtros que proporciona una relación de esquema en estrella. Los datos duplicados también aumentan el tiempo de actualización y la huella de memoria, lo que contradice el objetivo de un modelo eficiente y compacto.

C

Incorrecta

Migre la base de datos de Access a SQL Server y luego importe.

Migrar Access a SQL Server introduce una sobrecarga de infraestructura sustancial —aprovisionar un servidor, diseñar esquemas, gestionar la autenticación y construir un proceso ETL—, lo cual no está justificado para una pequeña empresa con un conjunto de datos de Access pequeño. El conector de Access de Power BI ya extrae los datos de la tabla de manera eficiente, por lo que el salto adicional añade complejidad y coste de mantenimiento sin mejorar el rendimiento de las consultas, ya que los datos se importarían de todos modos al mismo motor en memoria. Este enfoque solo vale la pena considerarlo si los datos superan los límites de memoria o requieren una actualización casi en tiempo real, ninguna de las cuales se aplica aquí.

D

Correcta

Importe ambas tablas a Power BI y cree una relación entre las columnas CustomerID.

Importar ambas tablas a Power BI carga los datos en el almacén columnar en memoria VertiPaq, que comprime los valores y ofrece agregaciones DAX subsegundo incluso sin infraestructura externa. Crear una relación de uno a varios en CustomerID entre la tabla de dimensiones Customers y la tabla de hechos Orders habilita el filtrado estándar de esquema en estrella: medidas como 'Total Revenue by Customer' funcionan automáticamente a través del contexto de fila y la propagación de filtros, sin necesidad de uniones explícitas. Este diseño mantiene el modelo compacto, evita la duplicación de datos y es el patrón recomendado para conjuntos pequeños de datos en Power BI.

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.