EL MISMO RESULTADO de BUSCARV pero con DAX y POWER QUERY |

[@hectorluisgaitan996]

siempre con algo nuevo victor gracias

[@METN]

Gracias por valorar el contenido. un abrazo desde la CDMX

[@creatorMX]

Gracias, esto es lo que buscaba para tomar información especifica de otras tablas

[@dinaariza8320]

excelente mi amigo Victor

[@jhossya.3155]

Excelente profesor

[@METN]

Hola, muchas gracias, a la orden.

[@angelamariaruizbotero1276]

Muy clara la información. Es posible emplear alguna relación a modo de ejemplo con las consultas de ventas y productos donde para cada producto verifique la fecha de la última vez que se ha vendido y si se ha vendido o no.

[@RicardoMoralesOrtiz]

Excelente

[@METN]

Gracias Ricardo. Saludos.

[@RicardoMoralesOrtiz]

Buenos días ☀️ mundo, hoy nos toca aprendizaje

[@METN]

Hoy toca aprender cositas interesantes. un abrazo

[@wildorjiron2393]

Muy buen video. En tus cursos de Pivot y query podemos encontrar mucho más información si alguien quiere profundizar mas en el tema. Saludos Crack

[@METN]

Asi es, ahi en las listas de reproducción hay varias listas sobre los temas que mencionas para poder entenderlo a detalle. Saludos.

[@davidblas2564]

Cual es recomendable usar power query o Dax, si quiero traerme 2 columnas? tiene que ver el consumo de memoria?

[@Anibalsadano2010]

Otra consulta, si tengo una tabla con muchas columnas y registros, mejora en algo que elimine columnas dentro de power query? y que deje solamente las que necesite analizar? (suponiendo que la fuente es desde un excel) Saludos desde Argentina!

[@METN]

Sí, eliminar columnas innecesarias en Power Query puede mejorar tanto el rendimiento como la claridad del modelo de datos. Aquí te explico cómo: Rendimiento: Al eliminar columnas que no necesitas, reduces la cantidad de datos que Power Query tiene que procesar. Esto puede hacer que las transformaciones sean más rápidas, especialmente si estás trabajando con grandes volúmenes de datos. Memoria: Menos columnas significa menos datos cargados en la memoria. Esto es particularmente importante si planeas cargar esos datos en el modelo de Power BI o en Excel como una tabla, ya que puede reducir el uso de memoria y mejorar la velocidad de cálculo. Claridad del Modelo: Mantener solo las columnas relevantes facilita la comprensión del modelo de datos, tanto para ti como para otros que puedan trabajar con el archivo. Esto también reduce el riesgo de errores al trabajar con columnas innecesarias que podrían confundirte o ser usadas accidentalmente en análisis. Tamaño del Archivo: En el caso de que estés cargando los datos en un archivo Excel o exportando resultados, tener menos columnas puede reducir el tamaño final del archivo, lo que es útil para compartir o archivar.

[@Anibalsadano2010]

@@METN Muchas gracias por dedicar tu tiempo en responderme. Saludos!

[@METN]

Con gusto. 👌🏻👍

[@Anibalsadano2010]

Cuál sería lo más eficiente? DAX o Query?

[@METN]

La eficiencia entre DAX y Power Query depende del contexto y de lo que intentas lograr en Power BI. Aquí te explico los casos en los que cada uno tiene ventaja: 1. DAX (Data Analysis Expressions): Rendimiento en cálculos dinámicos: Si necesitas realizar cálculos que se actualizan en tiempo real al interactuar con tu informe (como medidas o columnas calculadas), DAX suele ser más eficiente. Por ejemplo, crear una medida que calcule el promedio de ventas al filtrar por un año específico. Cálculos avanzados: DAX es muy potente para realizar cálculos complejos y dinámicos dentro del modelo de datos, como análisis de tiempo, comparaciones, o cálculos sobre contextos filtrados. Menor uso de memoria: DAX, al trabajar sobre el modelo de datos ya cargado, puede ser más eficiente en el uso de memoria en comparación con crear nuevas columnas calculadas en Power Query. 2. Power Query (M Language): Transformación y limpieza de datos: Power Query es ideal para la preparación y transformación de los datos antes de cargarlos al modelo. Si necesitas realizar cambios a gran escala en los datos, como combinar tablas, eliminar duplicados, o cambiar tipos de datos, Power Query es la herramienta adecuada. Carga de datos más eficiente: Si realizas transformaciones en Power Query antes de cargar los datos al modelo, puedes reducir el tamaño del modelo y mejorar el rendimiento general. Es mejor optimizar los datos antes de cargarlos en el modelo, en lugar de hacer transformaciones innecesarias con DAX después. Simplificación del modelo: Power Query puede ayudarte a simplificar el modelo al reducir la cantidad de columnas y filas que necesitas cargar, lo que puede hacer que el modelo sea más fácil de manejar y más rápido de procesar. Conclusión: Usa DAX cuando necesites realizar cálculos dinámicos y análisis avanzados dentro del modelo de datos. Usa Power Query para la preparación, transformación y optimización de datos antes de cargarlos al modelo. En muchos casos, lo más eficiente es una combinación de ambos: utilizar Power Query para preparar y optimizar los datos, y luego DAX para los cálculos dinámicos y la visualización.