Importación vs DirectQuery vs Direct Lake: cómo elegir el modo de almacenamiento correcto en Power BI

By Mirko Peters · 2026-10-22

Compara los modos de almacenamiento Import, DirectQuery y Direct Lake en Power BI para optimizar el rendimiento de los informes, la actualidad de los datos y los costes de infraestructura.

Automatically translated with AI from the original post. Read the English original

Elegir el modo de almacenamiento correcto de Power BI determina la rapidez con la que se cargan tus informes y la actualidad de las cifras subyacentes. Entendiendo las diferencias operativas, las implicaciones de coste y los límites de escala de datos de Import, DirectQuery y Direct Lake, los desarrolladores pueden optimizar el rendimiento sin sacrificar la precisión de la inteligencia de negocio.

Puntos clave

• El modo de almacenamiento se configura por tabla, lo que permite a los desarrolladores crear modelos compuestos flexibles que combinan distintas estrategias de origen de datos.
• El modo Import ofrece un alto rendimiento gracias a la compresión en memoria, pero depende de actualizaciones programadas para refrescar los datos.
• DirectQuery proporciona acceso a datos en vivo y en tiempo real, consultando directamente la base de datos de origen en cada acción del usuario, aunque hereda las limitaciones de rendimiento del origen.
• Direct Lake ofrece un rendimiento muy alto dentro de Microsoft Fabric al leer directamente las tablas Delta desde OneLake, sin copias completas de los datos.
• Equilibrar el rendimiento de las consultas, la actualidad de los datos y los costes de licencia es esencial al diseñar modelos semánticos de nivel empresarial.

Entender los modos de almacenamiento de Power BI

Todo modelo semántico de Power BI necesita un método para obtener y alojar los datos. La configuración del modo de almacenamiento determina si los datos se copian físicamente en el modelo, se obtienen bajo demanda de una base de datos externa o se leen directamente desde el almacenamiento de archivos analíticos. Como el modo de almacenamiento se configura a nivel de tabla y no de forma global en todo el modelo semántico, los arquitectos de informes pueden combinar enfoques según las necesidades de cada unidad de negocio.

Elegir mal el almacenamiento suele provocar paneles lentos, actualizaciones de datos fallidas o un consumo de memoria excesivo. Para tomar decisiones de arquitectura informadas, debes evaluar cómo crecen tus datos, con qué frecuencia cambian y qué espera tu base de usuarios en cuanto a rendimiento.

Mecánica y compromisos del modo Import

El modo Import es el enfoque por defecto y el más habitual para quienes empiezan. Cuando usas el modo Import, Power BI extrae una copia de tus datos de origen, la comprime en gran medida —logrando a menudo una relación de compresión de 10 a 1— y la carga directamente en memoria (RAM) dentro del servicio de Power BI.

Como los datos residen por completo en memoria, los elementos visuales de los informes se renderizan con gran rapidez. Los usuarios pueden segmentar, desglosar y filtrar sin esperar a conexiones con bases de datos externas. Sin embargo, el gran compromiso es la actualidad de los datos. Las cifras importadas solo son tan actuales como la última actualización programada. En capacidades compartidas de Power BI puedes actualizar los datos hasta ocho veces al día; las capacidades Premium permiten hasta 48 actualizaciones diarias. Si tu negocio requiere actualizaciones con una frecuencia inferior al minuto, el modo Import por sí solo no será suficiente.

DirectQuery para necesidades en tiempo real

DirectQuery adopta el enfoque exactamente opuesto: no copia ningún dato en el modelo. En su lugar, el modelo semántico conserva únicamente los metadatos: las tablas, las relaciones y las medidas. Cada vez que un usuario abre un elemento visual de un informe o hace clic en un segmentador, Power BI traduce esa interacción en una consulta en vivo enviada directamente a la base de datos relacional subyacente.

Esto garantiza que tus datos estén siempre actualizados y elimina los límites artificiales de tamaño de archivo impuestos por las restricciones de memoria. Sin embargo, DirectQuery tiene penalizaciones de rendimiento importantes. Si la base de datos subyacente es lenta, los informes irán muy lentos. Además, los cálculos DAX se limitan a lo que la base de datos de origen puede interpretar de forma nativa, y el uso intensivo y concurrente por parte de varios consumidores de informes puede saturar tu sistema de origen.

Direct Lake: la ventaja de Fabric

Presentado específicamente para Microsoft Fabric, Direct Lake salva la distancia entre la velocidad del modo Import y la actualidad en tiempo real de DirectQuery. Direct Lake lee tablas Delta almacenadas en OneLake (el almacén de datos analíticos unificado de Fabric) y carga en memoria, bajo demanda, solo las columnas concretas que requiere una consulta.

La característica más destacada de Direct Lake es su mecanismo de actualización. A diferencia del modo Import, que exige copiar y recargar todos los datos, una actualización de Direct Lake solo actualiza los metadatos (un proceso que Microsoft llama "framing") en cuestión de segundos. Así se obtiene un rendimiento a la velocidad de la memoria sin la carga de duplicar los datos cada noche. Eso sí, Direct Lake requiere una suscripción de capacidad de Microsoft Fabric de pago, así que es una solución de nivel empresarial y no una mejora gratuita.

Crear modelos compuestos para un rendimiento óptimo

No tienes que elegir un único modo de almacenamiento para todo el modelo semántico. Combinando distintos tipos de almacenamiento dentro de un mismo modelo se crea lo que Microsoft denomina modelo compuesto. Un patrón clásico y muy eficaz consiste en colocar las tablas de dimensiones pequeñas y estables (como listados de productos o categorías de clientes) en modo Import para que el filtrado sea instantáneo, y las tablas de hechos masivas y de crecimiento rápido (como los registros de transacciones) en DirectQuery o usando Direct Lake.

Esta estrategia híbrida ofrece a los autores de informes lo mejor de ambos mundos: la respuesta ágil de la interfaz gracias a las tablas de dimensiones en caché, junto con datos transaccionales en tiempo real procedentes del origen. Una planificación cuidadosa en la fase de arquitectura evita costes de infraestructura innecesarios y mantiene una entrega de datos rápida.

Conclusión

Elegir entre Import, DirectQuery y Direct Lake depende, en última instancia, de la escala de tu organización, de su presupuesto y de sus necesidades de datos en tiempo real. Si ajustas el modo de almacenamiento a la cadencia operativa de los datos de tu negocio, podrás crear entornos analíticos fiables y ágiles. Si quieres saber más sobre cómo configurar modelos semánticos sólidos, escucha el episodio completo y suscríbete al podcast para recibir información diaria sobre la nube de Microsoft.

Preguntas frecuentes

¿Puedo combinar tablas de Import y DirectQuery en el mismo modelo de Power BI?

Sí. Power BI admite modelos compuestos, lo que te permite asignar distintos modos de almacenamiento a tablas individuales dentro del mismo modelo semántico.

¿Con qué frecuencia puedo actualizar un modelo de Power BI importado?

En capacidad compartida, las actualizaciones programadas pueden ejecutarse hasta 8 veces al día. En capacidad Premium o Fabric, puedes programarlas hasta 48 veces al día.

¿Direct Lake requiere un nivel de licencia especial?

Sí, Direct Lake requiere una suscripción de capacidad de Microsoft Fabric, mientras que Import y DirectQuery pueden funcionar con licencias estándar de Power BI gratuitas o Pro.

¿Qué ocurre con los cálculos DAX en modo DirectQuery?

Las fórmulas DAX en DirectQuery deben poder traducirse a consultas nativas que entienda la base de datos de origen, lo que limita el uso de ciertas funciones complejas o iterativas.