Modelos semánticos en el servicio Power BI

En este artículo se proporciona una explicación técnica de los modelos semánticos de Power BI.

Tipos de modelo semántico

Los modelos semánticos de Power BI representan un origen de datos que está listo para la creación de informes y la visualización. Puede crear modelos semánticos de Power BI de las maneras siguientes:

• Conexión a un modelo de datos existente que no está hospedado en Power BI.
• Carga de un archivo de Power BI Desktop que contiene un modelo.
• Carga de un libro de Excel que contenga una o varias tablas de Excel o un modelo de datos de libro, o carga de un archivo de valores separados por comas (CSV).
• Use el servicio Power BI para crear un modelo semántico de inserción.
• Uso el servicio Power BI para crear un modelo semántico de streaming o de streaming híbrido.

Excepto los modelos semánticos de streaming, los modelos semánticos representan modelos de datos, que usan las maduras tecnologías de modelado de Analysis Services.

Nota:

La documentación de Power BI a veces usa los términos modelo semántico y modelo indistintamente. Un modelo semántico del servicio Power BI hace referencia a un modelo desde la perspectiva de desarrollo. En el contexto de la documentación, los términos significan lo mismo.

Modelos hospedados externamente

Hay dos tipos de modelos hospedados externamente: SQL Server Analysis Services y Azure Analysis Services.

Para conectarse a un modelo de SQL Server Analysis Services, debe instalar una puerta de enlace de datos local, ya sea en el entorno local o en una infraestructura como servicio (IaaS) hospedada en una máquina virtual. Azure Analysis Services no requiere una puerta de enlace.

La conexión a Analysis Services a menudo tiene sentido cuando existen inversiones en modelos existentes, que normalmente forman parte de un almacenamiento de datos empresarial (EDW). Power BI puede establecer una conexión dinámica con Analysis Services y aplicar los permisos de datos con la identidad del usuario del informe de Power BI.

SQL Server Analysis Services admite tanto modelos multidimensionales (cubos) como modelos tabulares. Tal como se muestra en la imagen siguiente, un modelo semántico de conexión dinámica pasa consultas a modelos hospedados externamente.

Modelos desarrollados por Power BI Desktop

Puede usar Power BI Desktop, una aplicación cliente para el desarrollo con Power BI, para desarrollar un modelo. Un modelo de Power BI Desktop es efectivamente un modelo tabular de Analysis Services.

Puede desarrollar tres tipos o modos diferentes de modelos mediante Power BI Desktop: Importación, DirectQuery y Composición. Los modelos se desarrollan mediante la importación de datos desde flujos de datos y, a continuación, su integración con orígenes de datos externos. El modo depende de si los datos se importan al modelo o si permanecen en el origen de datos. Para más información sobre los modos, consulte Modos del modelo semántico en el servicio Power BI.

Propiedad del modelo semántico

Al trabajar con modelos semánticos mediante conexiones de puerta de enlace y de nube, la capacidad de realizar cambios en el modelo semántico depende de la propiedad del modelo. Si no es el propietario, se muestra una advertencia que indica que está viendo la sección de información del modelo semántico en modo de solo lectura porque no es el propietario del modelo. Para realizar cambios, debe ponerse en contacto con el propietario del modelo semántico para realizar cambios o asumir la propiedad de dicho modelo.

Seguridad de nivel de fila

Los modelos hospedados externamente y los modelos de Power BI Desktop pueden aplicar la seguridad de nivel de fila (RLS) para limitar los datos que pueden recuperar determinados usuarios. Por ejemplo, los usuarios asignados al grupo de seguridad Vendedores podrían ver los datos del informe solo para las regiones de ventas a las que están asignados. Los roles de RLS son dinámicos o estáticos. Los roles dinámicos los filtra el usuario del informe, mientras que los roles estáticos aplican los mismos filtros a todos los usuarios asignados al rol. Para más información, vea Seguridad de nivel de fila (RLS) con Power BI.

Modelos de libros de Excel

La creación de modelos semánticos basados en libros de Excel o archivos CSV crea un modelo automáticamente. Las tablas de Excel y los datos CSV importados crean tablas de modelo, mientras que los datos de un libro de Excel se transponen para crear un modelo de Power BI. En todos los casos, los datos del archivo se importan a un modelo.

Resumen

En resumen:

• Los modelos semánticos de Power BI que representan modelos se hospedan en el servicio Power BI o externamente, mediante Analysis Services.
• Los modelos semánticos pueden almacenar los datos importados, emitir solicitudes de consulta de tránsito a las fuentes de datos subyacentes o hacer ambas cosas.

Consideraciones

Los siguientes hechos y consideraciones importantes se aplican a los modelos semánticos de Power BI que representan modelos:

• Los modelos hospedados por SQL°Server Analysis Services requieren una puerta de enlace para hacer consultas de conexión dinámica.
• Para consultar modelos hospedados en Power BI que importan datos, debe cargarlos completamente en memoria.
• Los modelos hospedados en Power BI que usan la importación se deben actualizar para mantener datos actuales y deben usar puertas de enlace cuando los datos de origen no sean accesibles directamente mediante Internet.
• Los modelos de importación hospedados en Power BI se pueden actualizar según una programación o un usuario puede desencadenar una actualización a petición en el servicio Power BI.
• Los modelos hospedados en Power BI que usan el modo DirectQuery requieren conectividad con los datos de origen. Power BI emite consultas a los datos de origen para recuperar los datos actuales. Este modo debe usar puertas de enlace cuando no se puede acceder a los datos de origen directamente mediante Internet.
• Los modelos pueden aplicar reglas de RLS para filtrar el acceso a los datos para determinados usuarios.
• Puede usar los modelos semánticos: API de Take Over In Group para asumir la propiedad si un propietario del modelo semántico deja la organización.

Para implementar y administrar correctamente los modelos semánticos de Power BI, debe comprender los siguientes factores:

• El propio diseño del modelo, incluidas las consultas de preparación de datos, relaciones y cálculos.
• Las siguientes configuraciones, que pueden afectar significativamente a los recursos de capacidad de Power BI:
  • Dónde se hospedan los modelos
  • Modo de almacenamiento
  • Todas las dependencias de puertas de enlace
  • Tamaño de los datos importados
  • Frecuencia y tipo de actualización del modelo

Contenido relacionado

• Modos de modelo semántico en el servicio Power BI
• ¿Tiene alguna pregunta? Pregunte a la comunidad de Power BI
• ¿Sugerencias? Ideas para contribuir a mejorar Power BI