Cómo funciona una herramienta de BI: cálculos y refresco

Ya tienes las tres capas de abajo: la conexión a fuentes, el modelo de datos y la distinción entre dimensiones y métricas. Lo que queda son las dos capas de arriba — los campos calculados y el refresco — y una decisión de arquitectura que lo cambia todo: dónde se hace el trabajo pesado.

### Capa 4: campos calculados — cuando el dato que necesitas no viene en la tabla

Muchas veces la métrica que quieres mostrar no existe como columna en la fuente. Tienes "ingresos" y tienes "costes", pero no tienes "margen". Tienes "pedidos" y "visitas", pero no tienes "tasa de conversión". Ese dato hay que calcularlo, y para eso todas las herramientas ofrecen los campos calculados: columnas o métricas nuevas que defines tú con una fórmula, a partir de las que ya hay.

Cada herramienta tiene su lenguaje de fórmulas. Power BI usa DAX (Data Analysis Expressions), un lenguaje potente y con curva de aprendizaje pronunciada, parecido de lejos a las fórmulas de una hoja de cálculo pero pensado para agregaciones sobre modelos de datos. Tableau tiene sus "calculated fields" con su propia sintaxis. Looker define las medidas y dimensiones calculadas en LookML. Qlik tiene su lenguaje de expresiones. Los nombres y la sintaxis cambian; la idea es idéntica en todos: escribes una fórmula y la herramienta la calcula al vuelo para cada fila o cada grupo.

1Mismo cálculo, tres lenguajes distintos:
2
3Power BI (DAX):
4  Margen = SUM(ventas[ingresos]) - SUM(ventas[costes])
5
6Tableau (calculated field):
7  SUM([Ingresos]) - SUM([Costes])
8
9Hoja de cálculo (que ya conoces):
10  = SUMA(B:B) - SUMA(C:C)
11
12La misma resta. Cambia la sintaxis, no la idea.

Los campos calculados son potentísimos para cosas sencillas: restas, divisiones, porcentajes, ratios, condiciones ("si el margen es negativo, marca en rojo"). Pero tienen un límite importante que debes conocer desde el principio, y que separa al analista junior del que sabe lo que hace.

### Dónde se hace el trabajo pesado: en la fuente o en la herramienta

Esto merece una sección propia porque es la decisión de arquitectura que más distingue a un dashboard rápido y fiable de uno lento y lleno de números raros. La pregunta es sencilla: ¿dónde se hace cada cálculo, en la base de datos (con SQL, antes) o en la herramienta de BI (después)?

La respuesta profesional es un reparto claro. Los JOIN grandes entre tablas enormes, la deduplicación de registros repetidos, la limpieza de datos sucios, el cálculo de cohortes, las agregaciones complejas — todo eso se hace en la fuente, en SQL, y se deja preparado en una tabla o una vista lista para consumir. La herramienta de BI, idealmente, se encuentra los datos ya masticados y solo tiene que agrupar por una dimensión y sumar una métrica: el GROUP BY final, ligero, que sí sabe hacer rápido.

¿Por qué este reparto? Por dos razones. La primera es rendimiento: la base de datos está diseñada para hacer JOIN y agregaciones a gran escala, la herramienta de BI no. Empujar el trabajo pesado a la fuente hace que el dashboard vuele. La segunda, y más importante, es fiabilidad: si el cálculo del margen vive en una vista SQL, hay UNA definición de margen que todos los dashboards usan. Si cada analista lo recalcula con su propio campo calculado, acabas con cinco definiciones distintas de "margen" y cinco números que no cuadran en la reunión. Preparar el dato antes no es solo más rápido: es la única forma de que todos hablen del mismo número.

### Capa 5: refresco de datos — ¿de cuándo son estos números?

Última capa, y la que más malentendidos causa con los usuarios de negocio. Cuando alguien mira un dashboard, ve números — pero esos números tienen una fecha de caducidad que casi nunca está a la vista. El refresco de datos, o frescura del dato (data freshness), es la respuesta a la pregunta "¿de cuándo son estos números que estoy mirando?".

Hay tres modos de refresco, y ya conoces los cimientos de todos por la capa de conexión. El primero es el refresco programado: la herramienta está en modo importación y actualiza su copia de los datos a una hora fija — cada noche a las 3, cada hora en punto. Entre refrescos, los números están congelados. El segundo es el refresco en vivo: la herramienta está en consulta directa y cada vez que abres el dashboard trae lo último. El tercero es la caché: la herramienta guarda el resultado de una consulta durante un rato para no repetirla, así que puedes estar viendo un número que se calculó hace diez minutos aunque la conexión sea "en vivo".

Ahora ya puedes traducir la queja más común que vas a oír: "el dashboard está desactualizado". Casi nunca significa que algo esté roto. Significa que el usuario mira un dashboard en modo importación cuyo último refresco fue anoche, y espera ver la venta que acaba de entrar hace cinco minutos. El dato no está mal: está congelado a la hora del último refresco, exactamente como se diseñó. La solución no siempre es refrescar más a menudo (eso carga la fuente y ralentiza); a veces es simplemente MOSTRAR la hora del último refresco en una esquina del dashboard, para que el usuario sepa de cuándo son los números que mira.

### Juntando las cinco capas

Recorramos el viaje completo de un dato para que las cinco capas encajen. Hay una base de datos con las ventas. La herramienta se conecta (capa 1) y decides importarlas cada noche. En el modelo (capa 2) dibujas la relación entre ventas y clientes por el id de cliente. Marcas "region" como dimensión e "importe" como métrica (capa 3). Como no tienes el margen, creas un campo calculado que resta costes a ingresos (capa 4) — pero la deduplicación de pedidos repetidos ya venía hecha en una vista SQL, porque eso era trabajo pesado. Y arriba, una etiqueta dice "actualizado a las 03:00" (capa 5). El usuario abre el dashboard, ve ingresos por región al instante, y sabe de cuándo son. Cinco capas, un dato que fluye de la fuente al ojo.

Este mapa te sirve con cualquier herramienta. El día que te sientes delante de Power BI, Tableau o la que sea, no vas a preguntarte "¿qué es todo esto?": vas a preguntarte "¿dónde configuro cada una de las cinco capas en ESTA herramienta?". Y esa pregunta se responde en una tarde. Lo difícil —entender qué hace cada capa y por qué— ya lo tienes.

Con las cinco capas claras, ya sabes CÓMO la herramienta convierte datos en gráficos. Lo que viene ahora no es técnico: es lo que nadie te cuenta hasta que trabajas dentro de una empresa —quién paga las licencias y cuánto cuestan, y quién puede ver qué datos y con qué permisos—. Saber montar las tuberías por dentro es una cosa; conseguir que la empresa te deje enchufarlas es otra. De eso va la lección siguiente.