Bones pràctiques per a un informe de Power BI

Abans d'obrir un visual, cal tenir clar que un informe de Power BI passa sempre per tres fases connectades: importar i transformar les dades, modelar les taules i relacions, i visualitzar. Un informe no es basa en gràfics bonics: es basa en una base de dades neta, ben estructurada i correctament modelada.

Power Query és l'entorn de preparació de dades de Power BI. Aquí es netegen, transformen i estructuren les dades abans de carregar-les al model.

Quan fer cada transformació:

• Usa noms clars i sense espais: DataVenda millor que "data venda"
• Evita caràcters especials o accents en noms de columna i de taula
• Renombra els passos si cal claredat (clic dret sobre el pas → "Canviar el nom")

L'esquema en estrella és l'estructura de model optimitzada per a l'anàlisi. Es compon de taules de fets (dades numèriques: vendes, imports, quantitats) i taules de dimensions (dades descriptives que filtren i agrupen: clients, productes, dates, zones).

Per què val la pena l'esforç:

• Millora el rendiment de Power BI
• Facilita escriure mesures DAX sense ambigüitats
• Redueix errors en relacions
• Permet relacions d'un a molts, predictibles i eficients

Regles bàsiques:

• Les dimensions tenen camps únics (sense repetir) per poder relacionar-se correctament
• Les relacions van sempre de dimensió → fets (un a molts)
• Evita les relacions de molts a molts sempre que puguis
• Mai relacionis dues taules de fets directament; usa una dimensió comuna o una taula intermèdia

Power BI necessita una taula de dates pròpia per crear mesures d'intel·ligència temporal (TOTALYTD, SAMEPERIODLASTYEAR, DATEADD) i per filtrar de forma consistent per any, mes o trimestre.

Desactiva-ho primer:

Crea-la manualment amb DAX:

Calendari =
ADDCOLUMNS(
    CALENDAR(DATE(2015,1,1), DATE(2030,12,31)),
    "Any", YEAR([Date]),
    "Mes", MONTH([Date]),
    "NomMes", FORMAT([Date], "MMMM"),
    "Trimestre", "Q" & FORMAT([Date], "Q"),
    "AnyMes", FORMAT([Date], "YYYY-MM")
)

• El camp [Date] ha de ser únic i sense buits en el rang
• Ordena NomMes per Mes, i AnyMes per [Date]

Versió dinàmica (recomanada per a producció): calcula l'inici i el final a partir de les dates reals de la taula de fets, arrodonits a any complet perquè les comparatives YTD i interanuals no es trenquin a mig any.

Calendari =
VAR DataMin = DATE( YEAR( MIN( F_Vendes[Data] ) ), 1, 1 )
VAR DataMax = DATE( YEAR( MAX( F_Vendes[Data] ) ), 12, 31 )
RETURN
ADDCOLUMNS(
    CALENDAR( DataMin, DataMax ),
    "Any", YEAR([Date]),
    "Mes", MONTH([Date]),
    "NomMes", FORMAT([Date], "MMMM"),
    "Trimestre", "Q" & FORMAT([Date], "Q"),
    "AnyMes", FORMAT([Date], "YYYY-MM")
)

I marca-la com a taula de dates (per a qualsevol de les dues versions):

Amb les dades importades i el model estructurat, toca deixar-lo net i clar tant per a l'usuari final com per a tu mateix quan hi tornis d'aquí sis mesos.

Categoritza i formata cada camp:

• Ordena columnes com NomMes per una auxiliar numèrica (Modelatge → "Ordenar per columna")
• Oculta columnes tècniques, d'ordenació o claus redundants (IDProducte si ja tens NomProducte) — clic dret → "Ocultar a la vista d'informe"
• Fes servir noms coherents per a taules i columnes; els prefixos DIM_ / F_ són opcionals però ajuden a distingir dimensions de fets d'un cop d'ull

Abans de passar a la visualització, valida:

• Totes les relacions estan actives
• No hi ha relacions innecessàries
• Totes van d'1 (dimensió) a * (fets)

Amb dades i model llestos, arriba la fase visual. L'objectiu és mostrar la informació de forma clara i útil per prendre decisions — no fer una demostració de tots els visuals que ofereix Power BI.

Planifica abans de dissenyar:

• Pregunta't: què necessita veure l'usuari final, concretament?
• Defineix els KPI clau, els filtres habituals i les agrupacions per període
• Organitza per pàgines: una de resum (dashboard general) i altres de detall (per producte, client, zona…)

Tipus de filtres i quan usar-los:

Disposició clara:

• Evita sobrecarregar la pàgina amb massa visuals
• Deixa espais en blanc: milloren la llegibilitat
• Usa una paleta de colors coherent en tot l'informe
• Alinea els visuals i posa'ls títols clars
• Prioritza elements simples: targetes, columnes/línies, taules

Mesures DAX, no columnes calculades:

Ocupa espai en memòria
per a cada fila.
Es recalcula en carregar
i no respecta el context
de filtre dinàmicament.

TotalVendes = SUM(F_Vendes[Import])
VendesYTD =
TOTALYTD([TotalVendes], Calendari[Date])

Interaccions i format:

• Decideix com interactuen els visuals entre ells (filtren / ressalten / no s'afecten) des de Format → "Editar interaccions"
• Personalitza colors, etiquetes, línies de referència, mides de text i marges per a cada visual

Tooltips personalitzats:

Abans d'entregar l'informe, revisa'l com si fossis l'usuari final: filtra per diferents valors, comprova que els visuals responen bé, i assegura't que les dades s'entenen sense haver-te de preguntar res a tu.

Uns quants ajustos que val la pena revisar en començar qualsevol projecte, per evitar problemes que després costen molt de desfer.

És la part que sempre s'obvia i la que més es troba a faltar sis mesos després. Documentar bé el model ajuda a entendre el flux de treball, facilita el manteniment, permet col·laborar amb altres equips i fa que sigui més fàcil detectar errors o colls d'ampolla en la lògica de negoci.

• Usa noms descriptius i coherents per a taules, columnes i mesures
• Afegeix comentaris als passos de Power Query (clic dret sobre el pas → "Propietats" → escriu un comentari)
• Fes servir una taula auxiliar o un document extern on expliquis l'estructura del model, les relacions entre taules, les regles de negoci (com es calculen els KPI) i les suposicions preses (p. ex. "els valors nuls es tracten com a 0")
• Anomena les mesures DAX seguint un patró clar (p. ex. Total Vendes, Mitjana Vendes Últims 3 Mesos)
• Afegeix descripcions als camps (clic al camp → panell de propietats → "Descripció")

Apliquem els nou capítols anteriors seguits, sobre un cas real petit: una botiga d'articles esportius amb vendes, clients i productes. L'objectiu no és el resultat final, és veure com cada decisió d'un capítol condiciona el següent.

10.1 · Les dades en brut

Així arriba l'extracció del sistema de vendes, sense tocar:

10.2 · Neteja a Power Query

10.3 · Model en estrella

F_Vendes conté DataVenda, IdClient, IdProducte, Quantitat i Import — res de nom de client ni de producte, això viu a les dimensions. Les tres relacions surten de F_Vendes cap a cada dimensió, totes 1 (dimensió) a * (fets), com marca el capítol 3.

10.4 · Calendari dinàmic aplicat al cas

Calendari =
VAR DataMin = DATE( YEAR( MIN( F_Vendes[DataVenda] ) ), 1, 1 )
VAR DataMax = DATE( YEAR( MAX( F_Vendes[DataVenda] ) ), 12, 31 )
RETURN
ADDCOLUMNS( CALENDAR( DataMin, DataMax ), "Any", YEAR([Date]), "Mes", MONTH([Date]), "NomMes", FORMAT([Date],"MMMM") )

Cada cop que es carreguen vendes noves, DataMax avança sol. Ningú ha de recordar "ampliar el calendari" el gener següent.

10.5 · Mesures clau

TotalVendes = SUM(F_Vendes[Import])

CostVendes =
SUMX(F_Vendes, F_Vendes[Quantitat] * RELATED(DIM_Productes[CostUnitari]))

MargeBrut = [TotalVendes] - [CostVendes]

MargePercent = DIVIDE([MargeBrut], [TotalVendes])

VendesYTD = TOTALYTD([TotalVendes], Calendari[Date])

VendesAnyAnterior =
CALCULATE([TotalVendes], SAMEPERIODLASTYEAR(Calendari[Date]))

• SUMX és necessari a CostVendes perquè el cost és per unitat: cal multiplicar fila a fila abans de sumar, no es pot fer amb un SUM directe
• RELATED llegeix el cost des de la dimensió DIM_Productes aprofitant el context de fila que dona SUMX sobre F_Vendes
• DIVIDE en lloc de /: retorna en blanc (o el tercer paràmetre, si l'indiques) quan TotalVendes és 0, sense trencar el visual amb un error de divisió

10.6 · Disseny de l'informe