Power Query en Power BI: cómo limpiar y transformar datos empresariales

Las empresas generan información constantemente a través de archivos de Excel, sistemas administrativos, plataformas de ventas, bases de datos, aplicaciones en la nube y diferentes herramientas departamentales. Sin embargo, tener grandes cantidades de información no garantiza que esta pueda utilizarse correctamente para tomar decisiones.

Antes de crear indicadores, gráficos o dashboards en Power BI, es necesario asegurarse de que los datos estén completos, organizados, actualizados y estructurados de manera consistente. Power Query es la herramienta que permite realizar este proceso de preparación dentro de Power BI.

Con Power Query, los usuarios pueden conectar diferentes fuentes, eliminar información innecesaria, corregir formatos, combinar tablas, identificar errores y automatizar transformaciones que, de otro modo, tendrían que repetirse manualmente cada vez que se recibe nueva información.

¿Qué es Power Query en Power BI?

Power Query es el motor de conexión, preparación y transformación de datos utilizado por diferentes productos de Microsoft, entre ellos Power BI y Excel. Su función consiste en extraer datos desde una o varias fuentes, transformarlos y prepararlos antes de incorporarlos al modelo de análisis.

Microsoft define Power Query como un motor de preparación y transformación de datos que permite realizar procesos de extracción, transformación y carga, conocidos como procesos ETL. También incorpora una interfaz gráfica desde la cual los usuarios pueden aplicar diferentes operaciones sin tener que programar cada modificación desde cero.

En Power BI Desktop, Power Query se abre mediante la opción Transformar datos. Desde su editor se pueden revisar las consultas disponibles, observar una vista previa de la información y registrar cada cambio como un paso aplicado.

Esto significa que Power Query no modifica necesariamente el archivo original. En su lugar, guarda una secuencia de instrucciones que se vuelve a ejecutar cuando los datos se actualizan.

¿Para qué sirve Power Query en una empresa?

Power Query sirve para convertir información desordenada o proveniente de distintas fuentes en un conjunto de datos adecuado para el análisis.

Puede utilizarse para tareas como:

• Importar archivos de Excel, CSV, XML o JSON.
• Conectarse a bases de datos y servicios empresariales.
• Eliminar filas, columnas o registros innecesarios.
• Corregir tipos de datos.
• Sustituir valores incorrectos.
• Separar o combinar columnas.
• Unificar tablas de diferentes áreas.
• Consolidar archivos periódicos.
• Detectar errores, valores vacíos y duplicados.
• Preparar información para crear indicadores y dashboards.

Power Query puede conectarse con múltiples fuentes y aplicar transformaciones como agrupaciones, combinaciones y ajustes estructurales antes de cargar los resultados.

El objetivo no es solamente que los datos se vean ordenados, sino que puedan utilizarse de forma consistente y repetible.

¿Por qué es importante limpiar los datos antes de analizarlos?

Un dashboard puede tener un diseño atractivo y, aun así, presentar conclusiones equivocadas si la información de origen contiene errores.

Algunos problemas frecuentes en los datos empresariales son:

• Fechas registradas en diferentes formatos.
• Nombres duplicados o escritos de distintas maneras.
• Celdas vacías.
• Importes guardados como texto.
• Columnas innecesarias.
• Registros duplicados.
• Archivos con estructuras diferentes.
• Categorías inconsistentes.
• Valores fuera del periodo que se desea analizar.
• Información distribuida en varios documentos.

Por ejemplo, una empresa puede registrar al mismo cliente como “Empresa ABC”, “ABC S.A.” y “ABC”. Si estos valores no se estandarizan, Power BI podría considerarlos como tres clientes diferentes.

También puede ocurrir que una columna de ventas contenga números guardados como texto. En ese caso, la herramienta no podrá sumar correctamente los importes hasta que el tipo de dato sea corregido.

Power Query permite identificar y solucionar estos problemas antes de crear el modelo de datos y las visualizaciones. Microsoft incluye el cambio de tipos de datos, la eliminación de columnas, el filtrado de filas, la creación de perfiles de columnas y la reorganización de información entre las principales tareas de preparación de datos en Power BI.

Diferencia entre limpiar, transformar y modelar datos

Aunque estos conceptos suelen utilizarse juntos, no representan exactamente el mismo proceso.

Limpiar datos

Consiste en corregir problemas de calidad, por ejemplo:

• Eliminar duplicados.
• Sustituir valores incorrectos.
• Corregir espacios adicionales.
• Quitar filas vacías.
• Cambiar formatos.
• Identificar errores.
• Estandarizar nombres.

Transformar datos

Consiste en modificar su estructura para que puedan utilizarse en el análisis, por ejemplo:

• Dividir una columna.
• Combinar columnas.
• Agrupar registros.
• Pivotar o despivotar información.
• Crear columnas condicionales.
• Unir diferentes tablas.
• Consolidar archivos.
• Cambiar el nivel de detalle.

Modelar datos

Ocurre después de la preparación y consiste en definir cómo se relacionan las tablas dentro de Power BI.

El modelado puede incluir:

• Crear relaciones entre tablas.
• Diseñar un esquema de datos.
• Crear medidas con DAX.
• Definir jerarquías.
• Configurar formatos.
• Optimizar el modelo semántico.

En términos sencillos, Power Query prepara los datos y el modelo de Power BI organiza la forma en que serán analizados.

Transformaciones de Power Query más utilizadas en las empresas

1. Cambiar el tipo de dato

Una columna puede contener fechas, números enteros, decimales, porcentajes, valores monetarios o texto. Definir correctamente cada tipo es fundamental para que los cálculos y filtros funcionen.

Por ejemplo:

• Una fecha guardada como texto no podrá utilizarse correctamente en un análisis por mes.
• Un importe guardado como texto no podrá sumarse.
• Un código con ceros iniciales podría modificarse si se interpreta como número.

Power Query ofrece transformaciones específicas según el tipo asignado a cada columna.

2. Eliminar columnas y filas innecesarias

No toda la información disponible debe incorporarse al modelo.

Eliminar columnas que no serán utilizadas ayuda a mantener una estructura más clara y evita cargar datos que no aportan valor al análisis.

También se pueden filtrar:

• Periodos antiguos.
• Registros cancelados.
• Filas de prueba.
• Productos descontinuados.
• Transacciones sin validez.
• Datos que no correspondan al alcance del reporte.

Microsoft recomienda filtrar la información no relevante lo antes posible dentro de la consulta, ya que esto facilita el trabajo y puede mejorar el rendimiento.

3. Reemplazar valores

Esta transformación permite estandarizar información.

Por ejemplo:

Valor original	Valor estandarizado
CDMX	Ciudad de México
México DF	Ciudad de México
C. de México	Ciudad de México
GDL	Guadalajara
Mty	Monterrey

De esta manera, los indicadores no separan registros que en realidad pertenecen a una misma categoría.

4. Dividir columnas

Es frecuente recibir información concentrada en una sola columna.

Por ejemplo:

Juan Pérez – Ventas – Norte

Power Query puede separar el contenido en:

• Nombre.
• Departamento.
• Región.

La separación puede realizarse mediante delimitadores, número de caracteres, posiciones determinadas u otros criterios.

5. Combinar columnas

También puede realizarse el proceso contrario.

Por ejemplo, pueden combinarse:

• Nombre y apellido.
• Código y descripción.
• Ciudad y estado.
• Año y mes.
• Familia y subfamilia de producto.

6. Combinar consultas

La combinación de consultas permite relacionar información almacenada en diferentes tablas.

Por ejemplo:

• Una tabla de ventas puede combinarse con un catálogo de clientes.
• Una lista de empleados puede relacionarse con una tabla de departamentos.
• Un inventario puede conectarse con un catálogo de productos.
• Una tabla de pedidos puede complementarse con información de vendedores.

Esta operación es similar a realizar una búsqueda entre tablas, pero puede manejar estructuras más amplias y procesos actualizables.

7. Anexar consultas

Anexar significa colocar los registros de una tabla debajo de otra.

Esta función es especialmente útil cuando una empresa recibe archivos periódicos con la misma estructura, por ejemplo:

• Ventas de enero.
• Ventas de febrero.
• Ventas de marzo.
• Ventas de abril.

En lugar de copiar y pegar manualmente cada archivo, Power Query puede consolidarlos en una sola tabla.

8. Agrupar datos

La función de agrupación permite resumir información según una categoría.

Por ejemplo:

• Ventas totales por sucursal.
• Número de pedidos por cliente.
• Horas trabajadas por empleado.
• Gastos por departamento.
• Casos atendidos por agente.

9. Pivotar y despivotar columnas

Muchas hojas de cálculo se crean para ser leídas visualmente por una persona, pero no están estructuradas para ser analizadas por Power BI.

Por ejemplo:

Producto	Enero	Febrero	Marzo
Producto A	100	120	140
Producto B	80	90	110

Con una operación de despivotado, la estructura puede convertirse en:

Producto	Mes	Venta
Producto A	Enero	100
Producto A	Febrero	120
Producto A	Marzo	140

Esta segunda estructura facilita el análisis por periodo, la creación de gráficos y la aplicación de filtros.

10. Crear columnas condicionales

Las columnas condicionales permiten clasificar información mediante reglas.

Por ejemplo:

• Si la venta supera la meta: “Cumplida”.
• Si el inventario es menor al mínimo: “Reabastecer”.
• Si una factura supera 30 días: “Vencida”.
• Si el margen es negativo: “Revisar”.
• Si un colaborador completó la capacitación: “Finalizado”.

Ejemplo empresarial: consolidación automática de reportes mensuales

Supongamos que el área comercial recibe cada mes un archivo de Excel con los resultados de ventas.

El proceso manual podría ser:

1. Abrir cada archivo.
2. Copiar sus registros.
3. Pegarlos en un concentrado.
4. Corregir encabezados.
5. Eliminar filas vacías.
6. Ajustar fechas.
7. Revisar duplicados.
8. Crear nuevamente los gráficos.

Este procedimiento consume tiempo y aumenta el riesgo de errores.

Con Power Query, puede configurarse un flujo diferente:

1. Conectar Power BI con una carpeta.
2. Detectar automáticamente los archivos disponibles.
3. Seleccionar las hojas o tablas necesarias.
4. Unificar las columnas.
5. Corregir formatos.
6. Eliminar registros inválidos.
7. Consolidar la información.
8. Actualizar el reporte cuando se agregue un nuevo archivo.

La siguiente vez que llegue el reporte mensual, el usuario solamente necesita guardar el archivo en la ubicación establecida y actualizar la consulta.

Power Query registra las transformaciones mediante una lista de pasos aplicados. Cada cambio, como renombrar una columna o modificar un tipo de dato, queda incorporado a la secuencia de la consulta para ejecutarse nuevamente durante la actualización.

Casos de uso de Power Query por departamento

Power Query para ventas

Puede utilizarse para:

• Consolidar ventas de diferentes sucursales.
• Integrar información de clientes.
• Clasificar vendedores por región.
• Estandarizar nombres de productos.
• Analizar ventas por mes.
• Comparar ventas reales contra objetivos.

Power Query para finanzas

Permite:

• Integrar presupuestos y gastos reales.
• Consolidar movimientos contables.
• Clasificar conceptos financieros.
• Preparar estados comparativos.
• Convertir monedas o unidades.
• Identificar movimientos duplicados.

Power Query para Recursos Humanos

Puede apoyar en:

• Consolidar listas de colaboradores.
• Analizar ausentismo.
• Integrar resultados de capacitación.
• Estandarizar puestos y departamentos.
• Preparar indicadores de rotación.
• Relacionar empleados con centros de costos.

Power Query para marketing

Puede utilizarse para:

• Integrar campañas de diferentes plataformas.
• Unificar contactos y oportunidades.
• Estandarizar fuentes de adquisición.
• Consolidar resultados por periodo.
• Preparar indicadores de costo por lead.
• Relacionar inversión, conversiones y ventas.

Power Query para operaciones

Ayuda a:

• Consolidar inventarios.
• Integrar órdenes de producción.
• Comparar tiempos planeados y reales.
• Preparar indicadores de calidad.
• Unificar reportes de plantas o sucursales.
• Detectar incidencias y retrasos.

¿Power Query automatiza completamente la limpieza de datos?

Power Query automatiza transformaciones repetitivas, pero necesita una configuración inicial correcta y una revisión periódica.

La automatización funcionará adecuadamente mientras:

• Los archivos mantengan una estructura compatible.
• Las columnas necesarias sigan disponibles.
• Los nombres de los campos no cambien inesperadamente.
• Las credenciales de acceso permanezcan vigentes.
• Las fuentes puedan actualizarse.
• Las reglas empresariales continúen siendo válidas.

Por ejemplo, una consulta puede dejar de funcionar si un archivo que siempre contenía una columna llamada “Importe” cambia repentinamente a “Total de venta”.

Por esta razón, además de aprender a crear consultas, los usuarios deben saber interpretar errores, revisar dependencias y documentar sus transformaciones.

¿Qué es el lenguaje M de Power Query?

Cada transformación creada desde la interfaz de Power Query genera instrucciones en un lenguaje llamado M.

Los usuarios principiantes pueden realizar muchas tareas sin escribir código manualmente, ya que la interfaz genera los pasos automáticamente.

Sin embargo, conocer los fundamentos del lenguaje M permite:

• Crear reglas más personalizadas.
• Reutilizar funciones.
• Construir consultas dinámicas.
• Resolver transformaciones complejas.
• Modificar pasos con mayor precisión.
• Automatizar procesos que no están disponibles directamente en los menús.

No todos los usuarios empresariales necesitan convertirse en especialistas en M, pero comprender cómo se construyen las consultas facilita su mantenimiento.

¿Qué es el query folding y por qué puede mejorar el rendimiento?

El query folding, también llamado plegado de consultas, ocurre cuando Power Query traduce las transformaciones realizadas por el usuario y envía parte del trabajo al sistema de origen.

En lugar de descargar toda la información y procesarla localmente, la base de datos puede filtrar, agrupar o transformar los datos antes de entregarlos a Power BI.

Microsoft explica que el query folding permite generar una instrucción para recuperar y transformar la información desde la fuente, trasladando la mayor cantidad posible del procesamiento al sistema de origen para optimizar la consulta.

Esto puede ser especialmente importante cuando la empresa trabaja con:

• Grandes volúmenes de información.
• Bases de datos corporativas.
• Consultas frecuentes.
• Modelos con actualizaciones programadas.
• Reportes que tardan demasiado en actualizarse.

No todas las fuentes ni todas las transformaciones admiten query folding. Por ello, los usuarios avanzados deben revisar el orden de los pasos y evitar operaciones que puedan afectar innecesariamente el rendimiento.

Buenas prácticas para usar Power Query en Power BI

Filtrar los datos desde el inicio

Conservar únicamente la información necesaria reduce el volumen procesado. Microsoft recomienda aplicar filtros relevantes en las primeras etapas de la consulta.

Eliminar columnas que no se utilizarán

No es recomendable cargar campos solamente porque están disponibles. Deben conservarse aquellos que sean necesarios para relaciones, cálculos, filtros o visualizaciones.

Asignar correctamente los tipos de datos

Los tipos de datos deben revisarse antes de cargar la información al modelo.

Utilizar nombres comprensibles

En lugar de mantener nombres técnicos como Col1, Tbl_Vta_01 o Cod_Cte, conviene utilizar nombres que los usuarios puedan entender.

Mantener un orden lógico de pasos

Una consulta con pasos bien organizados es más fácil de revisar y corregir.

Evitar transformaciones manuales fuera de Power Query

Si un usuario corrige el archivo manualmente cada mes antes de actualizar Power BI, el proceso todavía depende de su intervención.

Siempre que sea posible, la corrección debe incorporarse como una transformación repetible.

Documentar reglas empresariales

Las clasificaciones, sustituciones y exclusiones deben estar justificadas.

Por ejemplo:

• ¿Por qué se excluyen determinados pedidos?
• ¿Qué se considera una venta válida?
• ¿Cómo se clasifican las regiones?
• ¿Qué registros se consideran duplicados?

Revisar errores y valores vacíos

Eliminar errores sin analizarlos puede ocultar problemas de origen. Primero debe determinarse por qué se generaron.

Evitar pasos innecesarios

Una consulta con demasiadas transformaciones puede ser difícil de mantener. Conviene revisar si varios pasos pueden simplificarse.

Errores frecuentes al utilizar Power Query

Modificar constantemente el archivo original

Esto impide que el proceso sea realmente automático.

No revisar los tipos de datos

Puede provocar errores en cálculos, relaciones y filtros.

Conservar todas las columnas

Aumenta innecesariamente el tamaño y la complejidad del modelo.

Eliminar errores sin investigar su causa

Puede ocasionar pérdida de información importante.

Crear una sola consulta demasiado compleja

En algunos casos es preferible dividir el proceso en consultas auxiliares.

No considerar el rendimiento

Una consulta puede funcionar correctamente con 5,000 registros y presentar problemas cuando alcance varios millones.

No establecer responsables

Las empresas deben definir quién puede modificar las consultas, validar las reglas y resolver fallas de actualización.

Power Query frente a las fórmulas de Excel

Power Query y las fórmulas de Excel pueden complementarse, pero cumplen funciones diferentes.

Power Query	Fórmulas de Excel
Prepara y transforma conjuntos de datos	Realiza cálculos en celdas
Registra pasos actualizables	Depende de fórmulas distribuidas
Combina archivos y fuentes	Trabaja principalmente dentro del libro
Consolida grandes tablas	Es útil para análisis puntuales
Automatiza procesos repetitivos	Puede requerir copiar fórmulas
Forma parte del flujo de Power BI	Se orienta al trabajo en hojas

Una empresa puede continuar utilizando Excel para determinadas tareas y emplear Power Query para consolidar, limpiar y preparar la información antes de analizarla en Power BI.

Beneficios empresariales de aprender Power Query

Menos trabajo manual

Las transformaciones configuradas pueden repetirse durante cada actualización.

Mayor consistencia

Todos los periodos siguen las mismas reglas de limpieza.

Menor riesgo de errores

Se reduce la necesidad de copiar, pegar y corregir información manualmente.

Reportes más confiables

Los dashboards parten de datos mejor estructurados.

Mayor trazabilidad

Cada transformación aparece registrada como un paso.

Integración de distintas fuentes

La empresa puede analizar información que antes se encontraba dispersa.

Mejor aprovechamiento de Power BI

Un buen dashboard comienza con una preparación adecuada de los datos.

¿Quién debería aprender Power Query?

Power Query es especialmente útil para:

• Analistas de datos.
• Analistas financieros.
• Responsables de ventas.
• Personal de Recursos Humanos.
• Analistas de marketing.
• Coordinadores de operaciones.
• Usuarios avanzados de Excel.
• Creadores de reportes.
• Responsables de inteligencia de negocios.
• Profesionales que se preparan para la certificación PL-300.

No es necesario ser programador para comenzar. La mayoría de las transformaciones básicas puede realizarse desde la interfaz visual, aunque los escenarios avanzados pueden requerir conocimientos de modelado, lenguaje M y optimización.

Cómo capacitar a un equipo en Power Query y Power BI

La capacitación empresarial debe ir más allá de enseñar botones o funciones aisladas.

Los participantes deben aprender a:

1. Identificar problemas de calidad de datos.
2. Seleccionar las fuentes adecuadas.
3. Conectar archivos, carpetas y bases de datos.
4. Aplicar transformaciones repetibles.
5. Combinar y anexar información.
6. Interpretar errores.
7. Organizar consultas.
8. Preparar datos para el modelo.
9. Considerar el rendimiento.
10. Crear reportes basados en información confiable.

El curso Power BI Esencial para Usuario Final de ExecuTrain incluye la preparación de datos con Power Query, así como operaciones para combinar tablas, renombrar columnas, eliminar errores y ajustar formatos.

Para perfiles que requieren diseñar y administrar soluciones analíticas más completas, el curso oficial PL-300: Design and Manage Analytics Solutions Using Power BI desarrolla habilidades relacionadas con preparación, transformación, modelado, visualización y administración de soluciones en Power BI.

La elección del curso debe considerar la experiencia previa de los participantes, la complejidad de sus fuentes y el tipo de reportes que necesitan construir.

Preguntas frecuentes sobre Power Query en Power BI

 

Conclusión

Power Query es una de las herramientas más importantes dentro de Power BI porque permite convertir datos dispersos, inconsistentes o difíciles de utilizar en información preparada para el análisis.

Su principal valor empresarial está en transformar tareas manuales en procesos actualizables. En lugar de copiar archivos, corregir formatos y reorganizar información cada mes, los usuarios pueden establecer una secuencia de pasos que se ejecute nuevamente cuando cambien los datos.

Sin embargo, aprovechar Power Query no consiste únicamente en aprender a eliminar columnas o combinar tablas. También requiere comprender la calidad de la información, las reglas del negocio, la estructura adecuada de los datos y el impacto que las transformaciones pueden tener en el rendimiento.

Cuando los equipos desarrollan estas habilidades, Power BI deja de ser solamente una herramienta para crear gráficos y se convierte en una solución capaz de generar reportes empresariales más confiables, eficientes y escalables.

Convierte los datos de tu empresa en información útil para decidir

Capacitar a los colaboradores en Power Query y Power BI les permite reducir procesos manuales, integrar distintas fuentes y construir reportes basados en datos mejor preparados.

En ExecuTrain ofrecemos cursos de Power BI para diferentes niveles de experiencia, desde usuarios que comienzan a trabajar con la herramienta hasta profesionales que necesitan diseñar y administrar soluciones analíticas empresariales.

Conoce la ruta de capacitación en Power BI de ExecuTrain y encuentra el programa adecuado para desarrollar las habilidades de análisis de datos de tu equipo.