«Modelo Semántico», porque es importante llamarle a las cosas por su nombre

Por fin Mocrosoft ha decidido llamarle a los modelos analíticos, hasta ahora «conjunto de datos», con una terminología más alineada a su realidad, «modelo semántico». Porque llamar a las cosas por su nombre no es una cosa baladí.

Llevo años, desde que empecé con Power BI básicamente a la vez que apareció la herramienta hace ya más de 7 años, explicando que los modelos analíticos son la pieza fundamental de este sistema. Me gusta definirlos como los traductores del lenguaje IT al lenguaje de los analistas de negocio, porque realmente estos artefactos es lo que hacen, traducir la información transaccional almacenada en un lenguaje IT a un lenguaje de negocio en un formato analítico.

El concepto de conjunto de datos te lleva a eso, datos que me permiten generar un informe, es decir, visualizo lo que quiero o me piden de manera focalizada sin tener en cuenta un alcance global en la compañía. Esto provoca que el foco principal en el desarrollo se ponga en el informe analítico, algo que ha provocado despliegues muy deficientes en muchas organizaciones. Y digo esto porque me ha tocado hacer muchas auditorías de despliegues de Power BI realizadas bien por el propio cliente, bien por consultores «especialistas», donde el resultados suele ser una cardinalidad igual entre informes y modelos, repitiendo las tablas de hechos en múltiples modelos, lo que provoca en muchos casos inconsistencia de datos y una escalabilidad totalmente limitada. Y no estoy entrando en la composición del propio modelo y la eficiencia tanto en cargas como en tablas (modelo estrella, modelo copa de nieve y desnormalización).

Es cierto que el diseño de un despliegue analítico debe ser con la secuencia quién , qué  y cómo , esto es, profesionales que demandan análisis, qué indicadores analizan, y cómo los analizan. Esto último, el cómo , es el modelo analítico y es la última etapa del diseño, pero es imprescindible diseñar una arquitectura de modelos analíticos que permita dar respuesta global, consistente y escalable. Básicamente, una vez diseñado el edificio que quieren nuestros clientes, debemos construir unos pilares y estructuras sólidas que lo soporten.

Crear, consumir y explotar informes analíticos en Power BI, es decir, sacarle toda el conocimiento que los datos nos pueden ofrecer, está al alcance de cualquier usuario con una formación mínima siempre que los modelos semánticos (intentaré adoptar esta terminología a partir de ahora aunque me sigue gustando más modelo analítico) sean consistentes, fiables y completos. Los modelos analíticos dan autonomía y flexibilidad a los analistas y responsables de negocio.

Además, y esto da para otro post que espero publicar en breve, desde abril de 2023 Microsoft por fin ha dado respuesta a la necesidad de que los analistas de negocios sean responsables de una parte del modelo analítico, la creación y modificación de indicadores (medidas) a través del entorno de explotación de modelos, el Servicio Power BI. Esto facilita mucho el mantenimiento y evolución de los modelos ya que no es necesario el IDE de desarrollo Power BI Desktop, cortando parte de la dependencia de IT, y se traslada a estos perfiles, los analistas de negocio, la responsabilidad de los indicadores, dotándoles de mayor autonomía.