Obtener datos con Power BI¶

Ejercicio power-bi-get-data-annex.pdf · PDF

Has pasado esta unidad dentro de una sola herramienta. Conectaste Superset a una base de datos, le hiciste preguntas en SQL y guardaste las respuestas como datasets y tablas. Entonces llegas a tus prácticas en una empresa y nadie allí ha oído hablar de Superset. "Usamos Power BI", te dicen, y te dan un portátil con Windows.

¿Empiezas de cero? No. Las fuentes son las mismas seis. Una base de datos sigue pidiendo host, puerto, base de datos, usuario y contraseña. Un CSV sigue teniendo un separador. Lo que cambia es dónde acaban los datos una vez que los has traído, y esa única diferencia explica casi todo lo demás de la herramienta.

En la última página conservaste tu trabajo de dos maneras: una receta (una consulta guardada) o un táper (filas almacenadas). Ten presente esa cocina. La pregunta de hoy es: ¿esta herramienta guarda la receta o el táper?

Una herramienta sin servidor en medio¶

Power BI es la familia de herramientas de Microsoft para convertir datos en gráficos e informes. Power BI Desktop es el programa que instalas en un ordenador para construir esos informes.

Microsoft lanzó Power BI al público general el 24 de julio de 2015, el mismo año en que nació Superset en Airbnb. Es un producto comercial: una empresa es su dueña y vende servicios a su alrededor. Power BI Desktop en sí es una descarga gratuita, con una pega: solo funciona en Windows. No hay versión para Linux ni para macOS.

La gran diferencia está en la fontanería. Compara los dos esquemas:

flowchart TB
    subgraph SUP ["<b>Superset</b>: un servidor en medio"]
        direction LR
        B1["Tu navegador"] --> S["Superset<br>en un servidor"] --> D1[("PostgreSQL")]
    end
    subgraph PBI ["<b>Power BI Desktop</b>: todo en tu PC"]
        direction LR
        P["Power BI Desktop<br>en tu PC con Windows"] --> D2[("PostgreSQL")]
        P --> F["<b>Archivo .pbix</b><br>(la nevera)"]
    end

En Superset, la conexión se configura una vez, en el servidor, y todo el mundo consulta a través de ella. En Power BI Desktop no hay servidor en medio: el programa se ejecuta en tu PC, se conecta desde tu PC y guarda el resultado en un archivo de tu PC.

Un archivo .pbix es un informe de Power BI guardado en disco: sus gráficos, la descripción de dónde vienen sus datos y, muy a menudo, una copia de los datos.

Recuerda ese archivo. En la cocina de hoy, es la nevera.

Un muro de conectores¶

En Power BI Desktop, toda fuente empieza en el mismo botón: Home → Get data. Elige More... y se abre la ventana Get Data con una larga lista de fuentes, agrupadas por categorías: File, Database, Online Services y otras.

Un conector es la pieza de una herramienta que sabe hablar con un tipo de fuente.

Es la misma idea que el driver de Conectar Superset a una base de datos, con un formulario delante. Repasa la lista y reconocerás viejos amigos de Fuentes de datos:

Los mismos seis tipos de fuente de siempre. Solo los botones son nuevos.

Tres maneras de entrar¶

Vas a traer los Pokémon a Power BI tres veces: desde un archivo, desde la base de datos como copia y desde la base de datos en vivo.

Desde un archivo¶

Mira otra vez el paso 2. Esas tres casillas son las mismas tres comprobaciones que aprendiste a hacer en un editor de texto: codificación, separador y qué tipo de valor contiene cada columna. Power BI adivina las tres por ti. Una suposición puede ser errónea.

Desde la base de datos, como copia¶

Ahora la misma conexión que conoces de Superset, con otra forma. Necesitas la tabla pokemon_by_generation que creaste en Datasets y destino.

¿Adónde fueron los cinco ajustes?

Cinco ajustes y un traductor, exactamente como antes. Si la casilla Server te da problemas, recuerda qué es un host: el nombre o la dirección de una máquina. Sin http:// delante, y no el puerto 8088 de Superset. Esa puerta pertenece a la página web de Superset, no a PostgreSQL.

Desde la base de datos, en vivo¶

Una vez más, cambiando una sola casilla.

¿Por qué ha desaparecido la Table view? Porque no hay ninguna tabla que ver. En DirectQuery, Power BI no guarda filas. Cada gráfico que dibujas, cada casilla que marcas, envía una consulta nueva a la base de datos.

Import o DirectQuery: táper o receta¶

Esa casilla, Data Connectivity mode, es la elección más importante de esta página.

Import copia los datos dentro del informe. DirectQuery deja los datos en la base de datos y pregunta de nuevo cada vez que un gráfico los necesita.

En la cocina:

• Import es el táper. Cocinaste una vez y guardaste el resultado. La nevera es el archivo .pbix.
• DirectQuery es la receta. No se guarda nada. Cada gráfico vuelve a hacer el pedido a la cocina.

¿Y Superset? ¿A cuál de los dos se parece? A DirectQuery. Superset nunca guarda tus filas: cada gráfico envía una consulta a la base de datos. Esa fue la primera idea de Conectar Superset a una base de datos, y ahora tiene nombre en otra herramienta.

Una API en una sola ventana¶

Recuerda lo que costó traer 20 Pokémon de la PokéAPI a Superset: un script de Python, un archivo CSV y una subida. Superset solo habla con bases de datos, así que la API tenía que extraerse y cargarse primero.

Power BI tiene un conector para eso.

Sin script. ¿Está entonces resuelto el problema de la API? Sé honesto con lo que has conseguido:

Lo que añade Power BI es que el paso de aplanar (convertir JSON anidado en filas y columnas) se hace con clics en lugar de con código. Esos clics tienen nombre, Power Query, y una página propia en la unidad siguiente: Power Query.

Superset y Power BI, lado a lado¶

Todo lo de esta página en una sola tabla.

Ninguna de las dos columnas es "la buena". Un equipo que comparte una base de datos y quiere que todos vean las mismas cifras está bien servido con un servidor en medio. Una persona que explora un archivo en un portátil está bien servida con un programa que simplemente lo abre. Saber en qué situación estás es la habilidad.

Pruébalo: los mismos datos, otra herramienta¶

Necesitas un PC con Windows y Power BI Desktop, el archivo pokemon_df.csv de la página de Recursos y los datos de conexión de tu base de datos de clase.

Haz las tres rutas de esta página y luego rellena esta ficha:

¿No tienes un PC con Windows en casa? Haz la ficha con tus apuntes de clase, y responde la última pregunta con la tabla comparativa.

Ideas clave¶

• Power BI Desktop es el programa de Microsoft para construir informes. Es gratuito, funciona solo en Windows y no tiene servidor en medio: el resultado es un archivo .pbix en tu PC.
• Un conector es la versión de Power BI de un driver con un formulario delante. Las fuentes son las mismas seis de siempre, y una base de datos sigue pidiendo host, puerto, base de datos, usuario y contraseña.
• Import copia los datos dentro del .pbix (el táper); DirectQuery los deja en la base de datos y pregunta de nuevo cada vez (la receta).
• El consejo de Microsoft es Import por defecto. DirectQuery es para datos demasiado grandes o que cambian demasiado deprisa para copiarlos, y solo funciona con algunos conectores.
• Superset se comporta como DirectQuery: nunca guarda tus filas. Un CSV subido en Superset se convierte en una tabla de la base de datos; un CSV cargado en Power BI se convierte en una copia dentro del informe.
• Dos herramientas pueden leer el mismo archivo de forma distinta: NA se convirtió en NULL en Superset y se quedó como texto en Power BI. Comprueba siempre lo que ha hecho la herramienta.

Comprobación rápida¶

Con esto se cierra la Unidad 1: sabes encontrar una fuente, entrar en ella, pedir exactamente lo que necesitas, guardar el resultado y hacerlo en dos herramientas distintas. Pero lo que has traído todavía no está limpio. Ya has visto NA, NULL y una columna que no sabía qué tipo tenía. En la unidad siguiente lo arreglas: Unidad 2 · Limpieza.