Escenarios de uso de Power BI: BI de autoservicio administrado personalizable

Nota

Este artículo forma parte de la serie de artículos sobre el planeamiento de la implementación de Power BI. Esta serie se centra principalmente en la carga de trabajo de Power BI dentro de Microsoft Fabric. Para obtener una introducción a la serie, consulte el planeamiento de la implementación de Power BI.

Como se describe en la hoja de ruta de adopción de Fabric, BI con características de autoservicio administrada se caracteriza por un enfoque combinado que enfatiza la disciplina en el núcleo y la flexibilidad en el perímetro. Normalmente, la arquitectura de datos se mantiene mediante un único equipo de expertos de BI centralizados, mientras que la responsabilidad de los informes pertenece a los creadores dentro de departamentos o unidades de negocio.

Sin embargo, cuando la arquitectura de datos principal no incluye todos los datos necesarios, el modelo semántico (anteriormente conocido como un conjunto de datos) los creadores pueden ampliar, personalizar o personalizar modelos semánticos compartidos existentes. Se pueden crear nuevos modelos semánticos especializados que cumplan los requisitos empresariales no cumplidos por los modelos semánticos entregados centralmente existentes. Lo importante es que no haya duplicación de datos principales. Este escenario de uso se denomina BI de autoservicio administrado personalizable.

Nota

Este escenario de BI de autoservicio administrado personalizable es el segundo de los escenarios de BI de autoservicio. Este escenario se basa en lo que se puede hacer con un modelo semántico compartido centralizado (que se introdujo en el escenario de BI de autoservicio administrado ). Puede encontrar una lista de todos los escenarios en el artículo Escenarios de uso de Power BI.

Para mayor brevedad, algunos aspectos descritos en el tema Escenarios de colaboración y entrega de contenido no se tratan en este artículo. Si quiere obtener una cobertura completa, lea primero esos artículos.

Diagrama del escenario

En el diagrama siguiente se muestra información general de alto nivel de las acciones de usuario más comunes y los componentes de Power BI para admitir BI de autoservicio administrado personalizable. El objetivo principal es proporcionar a los creadores de contenido en las unidades de negocio la capacidad de crear un modelo de datos especializado mediante la extensión de un modelo semántico compartido existente. El objetivo es lograr la reutilización siempre que sea posible y permitir la flexibilidad para satisfacer requisitos analíticos adicionales.

Sugerencia

Le recomendamos que descargue el diagrama de escenariossi desea insertarlo en su presentación, documentación o entrada de blog, o imprimirlo como un póster de pared. Dado que es una imagen de gráficos vectoriales escalables (SVG), puede escalarla o reducirla verticalmente sin pérdida de calidad.

En el diagrama de escenario se muestran las siguientes acciones de usuario, herramientas y características:

Elemento	Descripción
	El creador de modelos semánticos A desarrolla un modelo mediante Power BI Desktop. Para un modelo semántico destinado a su reutilización, es común (pero no necesario) que el creador pertenezca a un equipo centralizado que admita usuarios a través de límites de la organización (como TI, BI empresarial o centro de excelencia).
	Power BI Desktop se conecta a los datos de uno o varios orígenes de datos.
	El desarrollo del modelo de datos se realiza en Power BI Desktop. Se hace un esfuerzo adicional para crear un modelo bien diseñado y fácil de usar para que muchos creadores de informes de autoservicio puedan usarlo como origen de datos. Los creadores de modelos pueden usar consultas DAX para desarrollar y explorar el modelo durante el desarrollo.
	Cuando esté listo, el creador de modelos A publica su archivo Power BI Desktop (.pbix) o el archivo de proyectos de Power BI (.pbip) que contiene solo un modelo en el servicio Power BI.
	El modelo semántico se publica en un área de trabajo dedicada a almacenar y proteger modelos semánticos compartidos. Dado que el modelo semántico está pensado para su reutilización, está aprobado (certificado o promocionado, según corresponda). El modelo semántico también se marca como detectable para fomentar su reutilización. La vista de linaje de la servicio Power BI se puede usar para realizar un seguimiento de las dependencias que existen entre los elementos de Power BI.
	La detección de datos en el centro de datos de OneLake está habilitada porque el modelo semántico está marcado como reconocible. La detectabilidad permite que otros creadores de contenido de Power BI que busquen datos puedan ver la existencia de un modelo semántico en el centro de datos de OneLake.
	Los creadores de contenido usan el centro de datos de OneLake del servicio Power BI para buscar elementos de datos reconocibles, como modelos semánticos.
	Si los creadores de contenido tienen permiso, pueden solicitar permiso de compilación en elementos de datos. Esto inicia un flujo de trabajo para solicitar el permiso de compilación desde un aprobador autorizado. Una vez que tengan permiso, los creadores de contenido pueden reutilizar los elementos de datos para crear nuevas soluciones.
	En Power BI Desktop, el creador del modelo B crea una conexión dinámica al modelo semántico compartido original que se encuentra en el servicio Power BI. Dado que la intención es ampliar y personalizar el modelo semántico original, la conexión dinámica se convierte en un modelo de DirectQuery. Esta acción da como resultado un modelo local en el archivo Power BI Desktop.
	Power BI Desktop se conecta a datos de orígenes de datos adicionales. El objetivo es aumentar el modelo semántico compartido para que el nuevo modelo semántico compuesto especializado cumpla los requisitos analíticos adicionales.
	Las relaciones se crean en Power BI Desktop entre las tablas existentes (del modelo semántico compartido, también conocido como modelo remoto) y las nuevas tablas recién importadas (almacenadas en el modelo local). Los cálculos adicionales y el trabajo de modelado se realizan en Power BI Desktop para completar el diseño del modelo compuesto especializado.
	Cuando esté listo, el creador de modelos semánticos B publica su archivo .pbix o .pbip en el servicio Power BI.
	El nuevo modelo semántico compuesto especializado se publica en un área de trabajo dedicada a almacenar y proteger los modelos semánticos que son propiedad y administran el departamento.
	El modelo semántico especializado permanece conectado al modelo semántico compartido de Power BI original. Los cambios realizados en el modelo semántico compartido original afectarán a los modelos semánticos compuestos especializados de bajada que tienen dependencia de él.
	Otros creadores de informes de autoservicio pueden crear nuevos informes conectados al modelo semántico compuesto especializado. Los creadores de informes pueden elegir usar Power BI Desktop, Power BI Report Builder o Excel.
	Los informes se publican en un área de trabajo dedicada al almacenamiento y protección de informes y paneles.
	Los informes publicados permanecen conectados al modelo semántico especializado almacenado en un área de trabajo diferente. Los cambios realizados en el modelo semántico especializado afectan a todos los informes conectados a él.
	Algunos orígenes de datos pueden requerir una puerta de enlace de datos local o una puerta de enlace de red virtual para la actualización de datos, como las que residen dentro de una red organizativa privada.
	Los administradores de Fabric supervisan la actividad en el portal de Fabric.

Puntos clave

A continuación se muestran algunos puntos clave que se deben destacar sobre el escenario de BI de autoservicio administrado personalizable.

Modelo semántico compartido

El aspecto clave de hacer que la BI de autoservicio administrada funcione es minimizar el número de modelos semánticos. En este escenario se muestra un modelo semántico compartido que contribuye a lograr una única versión de la verdad.

Nota:

Para simplificar, el diagrama de escenarios muestra solo un modelo semántico compartido. Sin embargo, no suele ser práctico modelar todos los datos de la organización en un único modelo semántico. El otro extremo es crear un nuevo modelo semántico para cada informe, ya que los creadores de contenido menos experimentados suelen hacer. El objetivo es encontrar el equilibrio adecuado, inclinarse hacia relativamente pocos modelos semánticos y crear nuevos modelos semánticos cuando tenga sentido hacerlo.

Aumento del modelo semántico compartido inicial

A veces, los creadores de autoservicio necesitan aumentar un modelo semántico existente con, por ejemplo, datos adicionales específicos de su departamento. En este caso, pueden usar conexiones de DirectQuery a modelos semánticos de Power BI. Esta característica permite un equilibrio ideal de la capacitación de autoservicio, al tiempo que se aprovecha la inversión en recursos de datos que se administran de forma centralizada. En el diagrama de escenario se muestra una conexión de DirectQuery. El acto de convertir una conexión dinámica a una conexión DirectQuery crea un modelo local que permite agregar nuevas tablas. Las relaciones se pueden crear entre tablas del modelo semántico compartido original (el modelo remoto) y las nuevas tablas recién agregadas (el modelo local). Se pueden realizar cálculos adicionales y modelado de datos para personalizar el nuevo modelo de datos.

Sugerencia

En este escenario se resalta la reutilización de un modelo semántico compartido. Sin embargo, a veces hay situaciones en las que los modeladores de datos quieren limitar la creación del modelo de datos de bajada. En ese caso, pueden habilitar la propiedad Desalentar las conexiones de DirectQuery en la configuración de Power BI Desktop.

Aprobación del modelo semántico

Dado que los modelos semánticos compartidos están diseñados para su reutilización, resulta útil aprobarlos. Un modelo semántico certificado transmite a los creadores de informes que los datos son de confianza y cumplen los estándares de calidad de la organización. Un modelo semántico promocionado resalta que el propietario del modelo semántico cree que los datos son valiosos y vale la pena para que otros lo usen.

Sugerencia

Se recomienda tener un proceso coherente, repetible y riguroso para respaldar el contenido. El contenido certificado debe indicar que se ha validado la calidad de los datos. También debe seguir las normas de administración de cambios, contar con soporte formal y estar totalmente documentado. Dado que el contenido certificado ha superado rigurosos estándares, las expectativas de confiabilidad son mayores.

Detección de modelos semánticos

El centro de datos de OneLake ayuda a los creadores de informes a buscar, explorar y usar modelos semánticos en toda la organización. Además de la aprobación del modelo semántico, habilitar la detección de modelos semánticos es fundamental para promover su reutilización. Un modelo semántico reconocible está visible en el centro de datos para los creadores de informes que buscan datos.

Nota:

Si un modelo semántico no está configurado para ser reconocible, solo los usuarios de Power BI con permiso de compilación pueden encontrarlo.

Solicitud de acceso al modelo semántico

Un creador de informes podría encontrar un modelo semántico en el centro de datos que desea usar. Si no tienen permiso de compilación para el modelo semántico, pueden solicitar acceso. En función de la configuración de acceso de solicitud para el modelo semántico, se enviará un correo electrónico al propietario del modelo semántico o a las instrucciones personalizadas a la persona que solicita acceso.

Publicación en áreas de trabajo independientes

Hay varias ventajas para publicar informes en un área de trabajo diferente de donde se almacena el modelo semántico.

En primer lugar, hay claridad sobre quién es responsable de administrar el contenido en qué área de trabajo. En segundo lugar, los creadores de informes tienen permisos para publicar contenido en un área de trabajo de informes (a través de roles de administrador, miembro o colaborador del área de trabajo). Sin embargo, solo tienen permisos de lectura y compilación para modelos semánticos específicos. Esta técnica permite que la seguridad de nivel de fila (RLS) surta efecto cuando sea necesario para los usuarios asignados al rol de visor.

Análisis de dependencias e impacto

Cuando otros modelos semánticos o informes usan un modelo semántico compartido, esos objetos dependientes pueden existir en muchas áreas de trabajo. La vista de linaje ayuda a identificar y comprender las dependencias de bajada. Al planear un cambio de modelo semántico, realice primero un análisis de impacto para comprender qué modelos semánticos o informes se deben editar o probar.

Instalación de la puerta de enlace

Normalmente, se requiere una puerta de enlace de datos al acceder a orígenes de datos que residen en la red privada de la organización o en una red virtual. La puerta de enlace de datos local se vuelve relevante una vez que se publica un archivo Power BI Desktop en el servicio Power BI. Los dos propósitos de una puerta de enlace son actualizar los datos importados y ver un informe que consulta una conexión dinámica o un modelo semántico de DirectQuery.

Nota:

Para escenarios de BI de autoservicio administrados personalizables, se recomienda encarecidamente una puerta de enlace de datos centralizada en modo estándar a través de puertas de enlace en modo personal. En el modo estándar, la puerta de enlace de datos admite conexiones dinámicas y operaciones de DirectQuery (además de las operaciones de actualización de datos programadas).

Supervisión del sistema

El registro de actividad registra las actividades del usuario que se producen en el servicio Power BI. Los administradores de Power BI pueden usar los datos del registro de actividad recopilados para realizar auditorías que les ayuden a comprender los patrones de uso y adopción. El registro de actividad también es valioso para proporcionar asistencia a los esfuerzos de gobernanza, las auditorías de seguridad y los requisitos de cumplimiento. Con un escenario de BI de autoservicio administrado personalizable, resulta especialmente útil realizar un seguimiento del uso del modelo semántico compartido original, así como de los modelos semánticos dependientes.

Contenido relacionado

En el siguiente artículo de esta serie, obtenga información sobre cómo reutilizar el trabajo de preparación de datos con flujos de datos en el escenario de preparación de datos de autoservicio.