Un dashboard de Power BI útil no se define por la cantidad de gráficos sino por la velocidad con la que responde una pregunta concreta. Esta guía construye uno completo desde cero —carga de datos, limpieza, modelo, medidas y publicación— usando un conjunto de datos de ejemplo que podés descargar gratis. Al terminar vas a tener una pieza publicable para tu portfolio.

El recorrido asume que nunca abriste la herramienta. Si ya conocés la interfaz, podés saltear directo a la sección del modelo de datos, que es donde se define si el dashboard va a funcionar bien o va a ser lento e inconsistente.

Antes de empezar: qué necesitás

• Power BI Desktop: la aplicación de escritorio es gratuita y es donde se construye todo. Se descarga desde el sitio de Microsoft.

• Un conjunto de datos: vamos a usar los datos financieros de ejemplo que Microsoft publica junto con su documentación oficial de datos de muestra. Es un archivo de Excel con ventas por producto, país, segmento y fecha.

• Una pregunta: este es el paso que más se saltea. Antes de abrir nada, definí qué querés responder. Para este ejercicio: ¿qué combinación de producto y país genera más ganancia, y cómo evolucionó en el tiempo?

Paso 1: cargar los datos

En Power BI Desktop, abrí Obtener datos → Libro de Excel y seleccioná el archivo descargado. En la ventana del navegador vas a ver las hojas disponibles: marcá la tabla de datos financieros.

Acá aparece la primera decisión importante. Tenés dos botones: Cargar y Transformar datos. Elegí siempre Transformar datos. Cargar directo funciona con datos perfectos, y no existen datos perfectos.

Paso 2: limpiar en Power Query

Se abre el editor de Power Query, donde se preparan los datos antes de que lleguen al modelo. Las tareas mínimas para este conjunto:

• Verificar tipos de datos. Fijate el ícono a la izquierda de cada nombre de columna. Las fechas deben ser fecha, los montos número decimal, los códigos texto. Un monto interpretado como texto rompe cualquier suma posterior.

• Revisar la calidad de columna. Activá Vista → Calidad de columna y Distribución de columna. Vas a ver el porcentaje de valores vacíos y de errores en cada campo.

• Limpiar espacios y mayúsculas. En las columnas de texto, aplicar Formato → Recortar evita que "Francia" y "Francia " se cuenten como dos países distintos.

• Eliminar columnas que no vas a usar. Menos columnas es mejor rendimiento y menos confusión.

Cada acción queda registrada en el panel de Pasos aplicados a la derecha. Ese panel es tu historial: podés volver atrás, editar un paso o reordenarlos. Cuando termines, Cerrar y aplicar.

Paso 3: armar el modelo de datos

Este es el paso que separa un dashboard profesional de uno que funciona por casualidad. La regla básica: una tabla de hechos con las transacciones, tablas de dimensiones con los atributos.

Crear una tabla de calendario

Sin una tabla de fechas propia, el análisis temporal es limitado. Creá una tabla nueva con esta expresión DAX:

Calendario = CALENDARAUTO()

Después agregá columnas calculadas para año, mes y trimestre, y marcá la tabla como tabla de fechas desde el menú de herramientas de tabla. Recién ahí las funciones de inteligencia temporal funcionan bien.

Relacionar las tablas

En la vista Modelo, arrastrá el campo de fecha de la tabla de ventas al campo de fecha del calendario. La relación debe quedar de uno a muchos, con dirección del filtro del calendario hacia las ventas.

Evitá las relaciones bidireccionales salvo que tengas un motivo concreto: son la causa más frecuente de resultados inconsistentes en modelos nuevos.

Paso 4: crear las medidas

Las medidas son cálculos que se recalculan según el contexto del gráfico. Se escriben en DAX y son el corazón del análisis. Si querés el detalle de la sintaxis y el catálogo completo de funciones, la documentación oficial de DAX en Microsoft Learn es la referencia. Empezá con estas tres:

• Ventas Totales = SUM(financials[Sales])

• Ganancia Total = SUM(financials[Profit])

• Margen % = DIVIDE([Ganancia Total], [Ventas Totales])

Notá el uso de DIVIDE en lugar del operador de división: maneja la división por cero sin generar error, que es exactamente el tipo de detalle que diferencia un modelo robusto.

Agregá una medida de comparación temporal:

Ventas Año Anterior = CALCULATE([Ventas Totales], SAMEPERIODLASTYEAR(Calendario[Date]))

Con esta ya podés construir la variación interanual, que es la métrica que todo stakeholder pide primero.

Paso 5: diseñar el dashboard

El diseño responde a la pregunta que definiste al principio. Una estructura que funciona en casi cualquier caso:

1. Fila superior: tarjetas de KPI. Ventas totales, ganancia total, margen y variación interanual. Cuatro números, no diez.

2. Izquierda: evolución temporal. Un gráfico de líneas con ventas por mes, con la serie del año anterior como comparación.

3. Derecha: ranking. Un gráfico de barras horizontales con los productos o países ordenados por ganancia.

4. Inferior: detalle. Una tabla o matriz con el desglose para quien quiera el dato exacto.

5. Lateral: filtros. Segmentaciones de año, país y segmento.

Reglas de diseño que importan

• Ordená siempre los rankings. Un gráfico de barras sin ordenar obliga a leer todo para encontrar el máximo.

• Un color de acento, el resto neutro. Si todo está resaltado, nada está resaltado.

• Títulos que digan el hallazgo. "Ventas por país" describe; "Francia concentra el 32 % de la ganancia" informa.

• Eliminá el desorden. Cuadrículas de fondo, bordes y leyendas redundantes suman ruido y no información.

Paso 6: publicar y compartir

Desde Inicio → Publicar, el informe sube al servicio de Power BI. Ahí podés fijar los gráficos a un dashboard, configurar la actualización de datos y compartirlo. Para un proyecto de portfolio, exportar a PDF y sumar capturas al caso de estudio suele ser más práctico, porque no requiere que quien lo revisa tenga cuenta.

Un detalle que agrega valor al portfolio: documentá las decisiones. Por qué elegiste esas métricas, qué descartaste y qué preguntas quedaron sin responder. Si querés repasar los fundamentos de la herramienta antes de avanzar, el artículo sobre qué es Power BI, sus ventajas y cómo usarlo cubre el contexto general.

Errores frecuentes en el primer dashboard

• Usar columnas calculadas donde corresponden medidas. Las columnas ocupan memoria y se calculan una vez; las medidas responden al contexto. Como regla, si es una agregación, es medida.

• Una sola tabla gigante. Funciona con pocos datos y se vuelve inmanejable después.

• Demasiados objetos visuales por página. Más de siete u ocho hace lento el informe y difícil la lectura.

• No probar los filtros. Antes de publicar, aplicá cada segmentación y verificá que todos los gráficos respondan de manera coherente.

Cómo seguir después de este dashboard

Con el primer informe terminado, el camino natural es profundizar en DAX, aprender a conectar fuentes de datos reales y sumar SQL para consultar directamente las bases. En Coderhouse hay recorridos para cada tramo:

• Curso de Excel: si la parte de tablas dinámicas y funciones te resultó difícil, conviene reforzar acá primero. Los conceptos se transfieren directo a Power BI.

• Curso de Power BI: profundiza en modelado, DAX avanzado y diseño de informes, que es lo que sigue después de esta guía.

• Carrera de Data Analytics: recorrido completo con SQL, Python y visualización, pensado para llegar a un perfil laboral y no solo a una herramienta.

Si estás decidiendo entre herramientas antes de invertir tiempo, la comparación de Excel vs Power BI: cuál aprender primero ayuda a ordenar la secuencia.

Preguntas frecuentes

¿Power BI Desktop es gratis?

Sí, la aplicación de escritorio es gratuita y permite construir informes completos sin límite. Lo que requiere licencia paga es compartir informes con otras personas dentro de una organización a través del servicio en la nube. Para aprender y armar un portfolio, la versión gratuita alcanza.

¿Necesito saber programar para usar Power BI?

No en el sentido tradicional. DAX es un lenguaje de fórmulas más parecido a las funciones de Excel que a un lenguaje de programación. Dicho eso, para modelos complejos conviene entender lógica de programación básica, y saber SQL amplía mucho lo que podés hacer con las fuentes de datos.

¿Cuánto tarda alguien sin experiencia en armar su primer dashboard?

Siguiendo una guía como esta, entre tres y cinco horas la primera vez. Lo que lleva más tiempo no es la construcción sino entender el modelo de datos y las relaciones, que es el concepto que más cuesta al principio y el que más rinde después.

¿Conviene aprender Power BI o Tableau?

Depende del mercado al que apuntes. Power BI tiene mayor penetración en empresas que ya usan el ecosistema de Microsoft, que en la región son mayoría. Tableau es fuerte en compañías con equipos de datos más grandes. Los conceptos de modelado y visualización se transfieren entre ambas, así que la primera elección no es irreversible.

¿Puedo usar mis propios datos en lugar del conjunto de ejemplo?

Sí, y para el portfolio es mejor. Un dashboard sobre datos públicos de tu ciudad, de un deporte que sigas o de tu propio consumo demuestra más iniciativa que uno sobre el conjunto de muestra que usó todo el mundo. La única condición es que los datos tengan suficiente volumen y variedad para justificar un análisis.