💡 Introducción: La Revolución de la Fusión de Datos

Históricamente, esto requería elegir entre la velocidad del modo Import o la frescura en tiempo real de DirectQuery. Sin embargo, la llegada de los Modelos Compuestos (Composite Models) redefinió estas reglas. Esta característica avanzada nos permite conectar de forma simultánea a múltiples fuentes DirectQuery y combinarlas con datos importados en un único modelo semántico, ofreciendo una flexibilidad sin precedentes sin comprometer la gobernanza del dato.

🧠 Conceptos Fundamentales de los Modelos Compuestos

Para implementar modelos compuestos con éxito, es crucial entender cómo Power BI gestiona internamente la coexistencia de diferentes tipos de almacenamiento. Un modelo compuesto es, en esencia, un modelo que combina más de una conexión DirectQuery, o combina una conexión DirectQuery con datos en modo Import.

Modos de Almacenamiento (Storage Modes)

• Import: Los datos se cargan en la memoria caché de Power BI (motor VertiPaq). Ofrece el rendimiento de consulta más rápido, pero consume memoria y requiere actualizaciones programadas.
• DirectQuery: Los datos permanecen en la fuente de origen. Power BI consulta directamente la base de datos en tiempo de ejecución. Es ideal para tiempo real y volúmenes masivos de datos.
• Dual (Dual Mode): La tabla se almacena en memoria (como Import) pero también puede actuar como DirectQuery. El motor de Power BI elige dinámicamente el modo óptimo según la consulta para evitar «saltos» entre islas de datos.

⚡ Estrategias para la Optimización del Rendimiento

El principal riesgo de un modelo compuesto mal diseñado es el temido «embotellamiento de consultas» (query bottleneck). Aquí presentamos las mejores prácticas de ingeniería de datos para asegurar un rendimiento excepcional:

1. Configurar Tablas de Dimensiones en Modo Dual

Si tienes tablas de dimensiones (como Clientes o Fechas) compartidas entre fuentes de datos de tipo Import y DirectQuery, configúralas en modo Dual. Esto permite que, cuando se filtre una tabla DirectQuery, la dimensión actúe como DirectQuery (evitando mover datos a la memoria), y cuando se filtre una tabla Import, actúe como Import (aprovechando la velocidad de VertiPaq).

2. Reducción de Consultas (Query Reduction)

Por defecto, cada segmentador o filtro que el usuario final interactúa envía una consulta al origen. En modelos compuestos basados en DirectQuery, esto puede saturar el servidor de base de datos. Configura las opciones de reducción de consultas en Power BI Desktop:

• Deshabilita el filtrado cruzado automático entre elementos visuales si no es estrictamente necesario.
• Añade botones de «Aplicar» en los paneles de filtros para enviar todas las selecciones en una sola consulta estructurada.

3. Minimizar la Cardinalidad en Relaciones Cruzadas

Evita crear relaciones cruzadas basadas en columnas con alta cardinalidad (como identificadores únicos de transacciones o marcas de tiempo detalladas). Es preferible agregar los datos a nivel de agregación requerido antes de establecer la relación del modelo compuesto.

📊 Comparativa de Enfoques de Modelado

La siguiente tabla resume cuándo es óptimo implementar cada enfoque de almacenamiento dentro de Power BI:

Característica	Modo Import puro	DirectQuery puro	Modelos Compuestos (Recomendado)
Rendimiento de Consulta	Ultra rápido (en memoria)	Variable (depende del origen)	Híbrido (optimizable mediante Dual)
Frescura del Dato	Latencia por programación	Tiempo Real	Mixto (Tiempo real + Histórico)
Límite de Datos	Limitado por la capacidad de Power BI	Prácticamente ilimitado	Ilimitado en hechos, controlado en dimensiones
Complejidad de Diseño	Baja / Media	Media	Alta (Requiere diseño de arquitectura)

📚 Fuentes Consultadas

• Guía de Modelos Compuestos de Microsoft: Uso de modelos compuestos en Power BI Desktop
• DirectQuery sobre modelos semánticos de Power BI: DirectQuery para modelos semánticos de Power BI y Analysis Services
• Optimización de relaciones limitadas: Instrucciones para modelos compuestos en Power BI Desktop