Excel power pivot como herramienta de apoyo para la estrategia de bi self-service
1. Excel PowerPivot como herramienta de apoyo para la
estrategia de BI Self-Service
29 de Julio 2015 (12 pm GMT -5)
Julián Castiblanco
Resumen:
Mostrar algunos de los escenarios en que Excel Power Pivot se
presenta como una herramienta de apoyo para analizar
información en las diferentes áreas de la organización.
Está por comenzar:
Moderador: Carlos Ulate
Próximos Eventos
Sincronizando Azure Search con
SQL Server
12 de Agosto
David Sánchez
Visualización. Mejorando las
respuestas a las preguntas de
Negocio
5 de Agosto
Salvador Ramos
Introducción a Data Science
19 de Agosto
Jose Luis Rivera
2. Manténgase conectado a nosotros!
Visítenos en http://globalspanish.sqlpass.org
/SpanishPASSVC
lnkd.in/dtYBzev
/user/SpanishPASSVC
/SpanishPASSVC
4. 4
Oportunidades de Voluntariado
PASS no pudiera existir sin personas apasionadas y
dedicadas de todas partes del mundo que dan de su
tiempo como voluntarios.
Se un voluntario ahora!!
Para identificar oportunidades locales visita
volunteer.sqlpass.org
Recuerda actualizar tu perfil en las secciones de
“MyVolunteering” y MyPASS para mas detalles.
6. Excel PowerPivot como herramienta de apoyo
para la estrategia de BI Self-Service
29 de Julio de 2015
Julián Castiblanco
MVP, MCSE, MCSA, MCITP SQL Server
Scrum Master
Líder de Comunidad ITPros-DC Colombia.
Moderador: Carlos Ulate
8. Fundamentos de la Tecnología
Cantidad impresionante
de información para
analizar en las compañías
8 Referencias: http://bit.ly/1JuC8wq, http://bit.ly/1ezrQxY,
Excel, es una herramienta
masificada para análisis
de datos
Capacidad de computo
de las estaciones de
trabajo.
9. Excel
97/2003
Excel 2007
Excel
2010/2013
Fundamentos de la Tecnología
Columnas: 256
Filas: 65.536
9 Referencias :http://bit.ly/1DaE6AG
Con SQL Server 2012
PowerPivot *
Columnas: 2,147,483,647
Filas: 1,999,999,997
Tablas: 2,147,483,647
Columnas: 16.384
Filas: 1.048.576
Columnas: 16.384
Filas: 1.048.576
10. Fundamentos de la Tecnología
Id_empleado Nombre Apellido Cargo Horas Laborales
1 Juan Perez Analista 8
2 Henry Ariza Jefe de planta 8
3 Juan Romero Contador 12
4 María Ariza Analista 8
5 Rubén Montes Analista 8
10
Bases de datos orientadas a filas
11. Fundamentos de la Tecnología
Id
empleado
Nombre Apellido Cargo Horas
Laborales
1 Juan Perez Analista 8
2 Henry Ariza Jefe de
planta
8
3 Juan Romero Contador 12
4 María Ariza Analista 8
5 Rubén Montes Analista 8
11
Bases de datos orientadas a columnas
Nombre de columna Datos
Id_empleado 1,2,3,4,5
Nombre Juan,Henry,Juan,María,Rubén
Apellido Perez,Ariza,Romero,Ariza,Montes
Cargo Analista,Jefe de planta,Contador,Analista,Analista
Horas Labores 8,8,12,8,8
Fila1
Fila 2
Fila 3
Fila 4
C
1
C
2
C
3
12. Fundamentos de la Tecnología
12
SharePoint PowerPivot
SSAS TABULAR MODE
EXCEL PowerPivot
13. Columnas Calculadas
Ejemplos
• [Total Venta] = [Cantidad] *[Valor]
• [Nombre Completo]= [Nombre] & “ “ & [Apellido]
Propiedades Siguen el mismo concepto de los campos
formulados en excel*
Similares a las columnas calculadas de SQL Server
Pueden usarse como columnas, filtros y “Slicers”
Evaluados en el contexto de fila
14. Campos Calculados
Propiedades Calculados en tiempo de ejecución
Usados solo en las Pivot Table
Evalaudos en el contexto de fitro
Filas/Columnas/Filtros/Slicers
Diversidad de funciones aplicables solo a este tipo
de campos.
Ejemplos
• [Total Venta] = SUM([Cantidad] *[Valor])
• [Promedio Cant]=AVERAGEX(Ventas,(Ventas[Cantidad])
15. Contexto de Filtro
Filter Context = Cálculo de la celta dentro del PivotTable
[CalendarYear] = 2008
[ChannelName]=”Store”
[ContinentName]=”Europe”
[RegionCountryName] = “Germany”
Frederik Vandeputte. DAX (Data Analysis expressions) From Zero to Hero
17. Visualización. Mejorando las respuestas a las preguntas de
Negocio
5 de Agosto (12 pm GMT -5)
Salvador Ramos
Resúmen:
En esta sesión veremos múltiples ejemplos concretos de respuestas de
negocio. En cada una de ellas se estudiarán diversas formas de mostrar la
información (tablas, diversos tipos de gráficos, colores), pros y contras de
cada una de ellas; partiendo de una mala solución que se irá comentando
y mejorando, mediante técnicas y herramientas de visualización, hasta
convertirla en una buena respuesta.
Próximo Evento
Editor's Notes
En sql server se almacena la información fila a fila y físicamente en páginas y extend. Esto genera en full scan de toda la fila para devolver la información*.
Consultas optimizadas para determinadas columnas. Mayor grado de compresión de información, bases de datos en memoria. Permanece comprimida en memoria y solo es descomprimida durante la ejecución de las consultas.