El tablero abría en dos segundos cuando se publicó. Un año después, con más datos, más páginas y más medidas, tarda treinta, y la actualización de las seis de la mañana termina cuando la dirección ya llegó. La lentitud en Power BI rara vez tiene una sola causa, pero casi siempre se concentra en pocos lugares. El camino más corto es medir primero y cambiar después.

Antes que nada: ¿dónde está la lentitud?

“Lento” puede significar tres cosas distintas, con soluciones distintas:

  1. La página tarda en mostrarse cuando el usuario la abre o hace clic en un filtro.
  2. La actualización (refresh) tarda o supera el tiempo límite.
  3. El origen responde despacio, lo que afecta a los dos casos anteriores cuando el modelo usa DirectQuery.

En Power BI Desktop, el Analizador de rendimiento, que se abre desde la cinta de opciones, registra, para cada objeto visual, el tiempo de la consulta DAX, de la representación y de otras tareas. Si domina la consulta DAX, el problema está en el modelo o en las medidas. Si domina la representación, el problema está en el visual: tablas con miles de filas, gráficos con demasiados puntos, páginas con demasiados objetos.

Para profundizar, DAX Studio (herramienta gratuita de la comunidad) ejecuta la consulta copiada del analizador y separa el tiempo del motor de almacenamiento del tiempo del motor de fórmulas. También incluye VertiPaq Analyzer, que muestra el tamaño de cada tabla y columna del modelo.

El modelo: estrella, no hoja de cálculo

El motor de Power BI está pensado para modelos dimensionales. En la práctica:

  • Las tablas de hechos guardan los eventos (ventas, atenciones, asientos contables), con claves y valores numéricos.
  • Las tablas de dimensión describen esos eventos (cliente, producto, fecha, sucursal) y se relacionan con la tabla de hechos mediante relaciones de uno a varios.

Señales de que el modelo se alejó de eso:

  • una sola tabla ancha con decenas de columnas descriptivas repetidas en cada fila;
  • relaciones bidireccionales agregadas para “hacer que el filtro funcione”;
  • relaciones de varios a varios entre tablas grandes;
  • varias tablas de fechas, o la fecha y hora automáticas activadas en las opciones de carga de datos, algo que crea una tabla de fechas oculta por cada columna de fecha.

Una única tabla de calendario, marcada como tabla de fechas y con la fecha y hora automáticas desactivadas, ya reduce el tamaño y simplifica las medidas de tiempo.

Cardinalidad: lo que ocupa memoria

En modo Import, Power BI comprime los datos por columna. Las columnas con pocos valores distintos quedan pequeñas; las que tienen millones de valores distintos se comprimen mal y vuelven todo más lento.

Los sospechosos de siempre:

  • Fecha y hora juntas, con segundos. Sepárelas en una columna de fecha y otra de hora (redondeada, si el análisis lo permite).
  • Identificadores únicos como GUID, número de transacción o clave natural en texto. Si ningún informe los usa, deben salir del modelo.
  • Texto libre, como observaciones y descripciones largas.
  • Columnas que nadie usa. Cada columna importada ocupa memoria, aunque ningún visual la muestre.

Prefiera claves enteras en las relaciones y cargue solo las columnas y el histórico que el análisis realmente necesita.

DAX: medidas que trabajan de más

Algunas construcciones obligan al motor a recorrer una tabla fila por fila cuando podría trabajar sobre columnas comprimidas.

-- Recorre toda la tabla Ventas para aplicar el filtro
Ventas Norte =
CALCULATE ( [Total Ventas], FILTER ( Ventas, RELATED ( Sucursal[Region] ) = "Norte" ) )

-- Filtra directamente la columna de la dimensión
Ventas Norte =
CALCULATE ( [Total Ventas], Sucursal[Region] = "Norte" )

Las dos versiones no son idénticas en todos los casos: el filtro directo sobre la columna reemplaza un filtro que ya exista en Sucursal[Region]. Si la intención es respetar ese filtro, use KEEPFILTERS ( Sucursal[Region] = "Norte" ).

Las variables evitan calcular dos veces la misma expresión y hacen la medida más legible:

Margen % =
VAR Ingreso = [Total Ventas]
VAR Costo = [Total Costo]
RETURN
    DIVIDE ( Ingreso - Costo, Ingreso )

Otros puntos a revisar:

  • columnas calculadas complejas en tablas grandes, que podrían resolverse en Power Query o en el propio origen;
  • iteradores (SUMX, AVERAGEX, FILTER) anidados sobre la tabla de hechos;
  • medidas que aplican ALL a toda la tabla cuando bastaría con quitar el filtro de una sola columna, con ALL ( Tabla[Columna] ) o REMOVEFILTERS ( Tabla[Columna] ).

Import o DirectQuery

El modo de almacenamiento cambia el comportamiento del informe.

Import carga los datos en el modelo. Las consultas son rápidas porque todo está en memoria comprimida, pero los datos solo cambian con la actualización, y el tamaño del modelo tiene límites que dependen de la licencia.

DirectQuery no guarda los datos: cada visual, en cada interacción, envía consultas al origen. El rendimiento pasa a depender de la base de datos (índices, carga concurrente, latencia de red) y de cuántos visuales tiene la página. También hay restricciones de transformación y de DAX.

DirectQuery tiene sentido cuando el volumen no cabe en el modelo o cuando el retraso de una actualización programada realmente no es aceptable. Si se elige solo por “querer tiempo real”, suele traer lentitud sin necesidad. Hay términos medios: modelos compuestos, con las dimensiones en Import o Dual y la tabla de hechos grande en DirectQuery, y tablas de agregación que responden las consultas resumidas sin ir al origen.

Si el modelo usa DirectQuery sobre SQL Server, conviene revisar también la base: las consultas generadas aparecen en SQL Server y pueden necesitar índices, incluidos índices columnstore en tablas de hechos grandes.

Actualización incremental

Recargar cinco años de ventas cada día para sumar las ventas de ayer es un desperdicio. La actualización incremental divide la tabla en particiones por fecha y actualiza solo las más recientes.

Para configurarla, cree en Power Query los parámetros RangeStart y RangeEnd, de tipo fecha y hora, filtre con ellos la columna de fecha de la tabla y defina la directiva en la tabla: cuánto histórico conservar y cuánto actualizar en cada ejecución. La directiva se aplica cuando el modelo se publica en el servicio.

Lo que más a menudo arruina esta configuración es el plegado de consultas (query folding). El filtro de fechas tiene que traducirse a la consulta que se envía al origen. Si un paso anterior de Power Query lo impide, Power BI lee la tabla completa y filtra después, y la ganancia desaparece. Con un origen SQL, la opción “Ver consulta nativa” en el paso del filtro ayuda a confirmarlo.

Gateway: el cuello de botella que nadie mira

Los orígenes que están en la red de la empresa llegan al servicio de Power BI a través de una puerta de enlace de datos local (gateway). Es un servidor como cualquier otro y muchas veces quedó instalado en la máquina que estaba libre.

Revise:

  • si el gateway está en una máquina dedicada, con CPU, memoria y disco acordes al volumen, y sin competir por recursos con la propia base de datos;
  • la distancia de red hasta los orígenes, porque el gateway debe estar cerca de los datos;
  • si la versión está actualizada y si hay más de un nodo en clúster, para no depender de una sola máquina;
  • si hay muchas actualizaciones programadas a la misma hora, compitiendo por el mismo gateway y el mismo origen.

Los registros y contadores de rendimiento del gateway muestran si está saturado en los horarios de actualización.

Un orden práctico

  1. Mida con el Analizador de rendimiento e identifique las páginas y visuales más lentos.
  2. Revise el tamaño del modelo y quite columnas e histórico que no se usan.
  3. Corrija el modelado: estrella, relaciones en una sola dirección, una tabla de fechas.
  4. Reescriba las medidas más costosas.
  5. Revise el modo de almacenamiento y la actualización incremental.
  6. Solo entonces piense en más capacidad. Más capacidad sobre un modelo deficiente suele solo postergar el problema.

¿Necesita ayuda con su modelo?

Si los informes están lentos y el equipo no sabe por dónde empezar, un diagnóstico mide el modelo y los orígenes para ubicar dónde se pierde el tiempo. Conozca el servicio de business intelligence y Power BI o solicite un diagnóstico.