Cuando un reporte de Power BI tarda ocho segundos en responder a un filtro, lo primero que hace casi todo el mundo es abrir la medida y reescribirla. Y casi siempre está mirando el lugar equivocado. En los modelos que me ha tocado revisar, la lentitud venía del modelo de datos o de Power Query mucho más seguido que del DAX: tablas gigantes traídas enteras, relaciones en ambos sentidos, columnas de texto con millones de valores distintos y fechas automáticas que nadie pidió.
Va el orden en el que conviene revisar, de lo que más impacto tiene a lo que menos.
1. El modelo: estrella, no una sola tabla gigante
El motor de Power BI está hecho para un esquema estrella: una tabla de hechos con las transacciones y varias tablas de dimensiones chicas colgando de ella (cliente, producto, fecha, sucursal). Cuando alguien aplana todo en una sola tabla ancha —porque "así venía del Excel"— pierde compresión y obliga al motor a escanear columnas enormes para responder cualquier cosa. Pasar de la tabla plana a la estrella es el cambio que más veces he visto bajar un reporte de segundos a menos de uno. Esa parte, el modelado y su optimización, es una sesión entera del Curso de Certificación Data Analyst con Power BI, y es la que más cambia la forma de trabajar de quien viene de hojas de cálculo.
Dos cosas que conviene mirar apenas abras el modelo:
- ▸Relaciones bidireccionales. Resuelven un caso puntual y después te cuestan en todas las consultas, además de abrir la puerta a ambigüedades. Déjalas solo donde puedas explicar por qué están.
- ▸Tabla de fechas propia. Una sola, marcada como tabla de fechas, en vez de la jerarquía automática que Power BI crea por cada columna de tipo fecha. Esa automática infla el archivo sin que te enteres.
2. Power Query: no traigas lo que no vas a mostrar
La regla es vieja y sigue siendo la más rentable: filtra lo más cerca posible del origen. Si el reporte muestra los últimos 24 meses, no cargues ocho años. Si nadie abre el detalle de línea, carga el resumen. Cada columna que eliminas en Power Query es memoria que el modelo no ocupa y tiempo que la actualización no gasta.
Tres hábitos que hacen diferencia real:
- ▸Quita las columnas identificadoras que no usas. Un código único con millones de valores distintos comprime pésimo y suele ser el que más pesa del modelo.
- ▸Desactiva la carga de las consultas intermedias (las de staging). Sirven para armar el flujo, no para vivir en el modelo.
- ▸Separa fecha y hora en dos columnas cuando no necesites el segundo exacto. Una columna de fecha y hora completa tiene casi tantos valores distintos como filas.
3. Columnas calculadas que deberían ser medidas
Una columna calculada se materializa fila por fila y se queda ocupando memoria. Una medida se calcula cuando el usuario la pide y no pesa nada en el archivo. Si lo que estás calculando es una suma, un promedio o un porcentaje del total, casi siempre debería ser medida. La columna calculada se justifica cuando necesitas ese valor para filtrar, agrupar o relacionar tablas.
Si el reporte ya está lleno de columnas calculadas, no las borres de golpe: empieza por las que están sobre la tabla de hechos, que es la grande. Las de una dimensión de 300 filas no le hacen daño a nadie.
4. Recién ahora, el DAX y el diseño de la página
Con el modelo ordenado, el DAX lento se vuelve visible y fácil de aislar. Usa el Analizador de rendimiento de Power BI Desktop: te dice cuántos milisegundos tarda cada objeto visual y cuánto de eso fue la consulta. Ahí te vas a llevar la segunda sorpresa del día, que no tiene nada que ver con fórmulas: una página con veinte objetos visuales lanza veinte consultas al abrirse. Muchas veces la solución no es optimizar nada, es partir esa página en dos.
Lo que nadie te dice es que un reporte rápido con 20 tarjetas apiladas igual es un mal reporte. La velocidad resuelve la queja; el orden de la historia resuelve la decisión.
Esto también cae en el PL-300
Quien se prepara para la certificación de Data Analyst de Microsoft suele llegar fuerte en visualizaciones y flojo en modelado, y ahí es donde se pierden preguntas: cardinalidad, dirección del filtro, cuándo una tabla puente y cuándo no. Se aprende haciéndolo, no leyéndolo. El curso asincrónico de certificación en Power BI son 32 horas con ocho sesiones que van de Power Query y modelado a DAX, storytelling, publicación y gobernanza, y cierra con dos simulacros del PL-300 más un taller de empleabilidad.
Si tu brecha es solo el lenguaje de fórmulas, el curso de Análisis de Datos con Power BI - DAX va directo a eso. Si todavía estás decidiendo si Power BI es tu herramienta, en la página de Power BI está el panorama completo, y si lo tuyo es el rol entero —SQL, Python, visualización y negocio— la ruta de Analista de Datos con IA es el camino largo.
Un ejercicio para hoy: abre tu reporte más pesado, mira qué columna ocupa más memoria y pregúntate si alguien la usa. En la mitad de los casos la respuesta es no, y ahí tienes tu primera mejora sin tocar una sola fórmula.
Si quieres revisar un modelo con otra gente que está en lo mismo, en la Comunidad AI Builders hacemos talleres en vivo cada semana y los casos de datos reales se discuten ahí.


