Columnas calculadas y condicionales

Los datos originales rara vez contienen toda la información que necesitas para el análisis. En esta lección aprenderás a crear columnas nuevas calculadas a partir de datos existentes, sin modificar las fuentes originales.

Columnas en Power Query vs DAX

Antes de empezar, es crucial entender la diferencia:

Aspecto	Columnas en Power Query	Columnas calculadas en DAX
Cuándo se calculan	Al cargar/refrescar datos	En tiempo real al visualizar
Almacenamiento	Físicas en el modelo	Físicas en el modelo
Contexto	Fila por fila (sin filtros del reporte)	Contexto de fila + filtros
Performance	Se calcula una vez	Se recalcula con cada interacción
Query Folding	Puede mantenerlo	No aplica
Uso ideal	Transformaciones de datos, limpieza	Cálculos de negocio, agregaciones

Regla de oro: Si puedes calcular la columna en Power Query, hazlo ahí. Es más eficiente.

Ejemplos que van en Power Query:

• Extraer año de una fecha
• Concatenar nombre y apellido
• Clasificar valores en rangos
• Calcular edad a partir de fecha de nacimiento

Ejemplos que van en DAX:

• Comparar ventas con promedio del sector (filtros dinámicos)
• Clasificar producto según ventas relativas del año seleccionado
• Cálculos que dependen del contexto del usuario

1. Columna personalizada con lenguaje M

La forma más flexible de crear columnas calculadas.

Anatomía de una columna personalizada

1. Ve a Agregar columna > Columna personalizada
2. Aparece diálogo con:
   • Nuevo nombre de columna: Nombre descriptivo
   • Fórmula de columna personalizada: Código M
   • Columnas disponibles: Lista de columnas existentes

Sintaxis básica

// Referencia a columna actual
[NombreColumna]

// Operaciones aritméticas
[Precio] * [Cantidad]

// Concatenación de texto
[Nombre] & " " & [Apellido]

// Condicional simple
if [Ventas] > 1000 then "Alto" else "Bajo"

Ejemplo 1: Calcular total de venta

Datos originales:

ProductoID | Cantidad | PrecioUnitario
-----------|----------|---------------
P001       | 5        | 25.50
P002       | 2        | 100.00

Agregar columna Total:

1. Agregar columna > Columna personalizada
2. Nombre: Total
3. Fórmula:

[Cantidad] * [PrecioUnitario]

4. Aceptar

Resultado:

ProductoID | Cantidad | PrecioUnitario | Total
-----------|----------|----------------|-------
P001       | 5        | 25.50          | 127.50
P002       | 2        | 100.00         | 200.00

Tipo de dato: Power Query intenta detectarlo, pero verifica y ajusta si es necesario.

Ejemplo 2: Nombre completo

Datos:

ClienteID | Nombre | Apellido
----------|--------|----------
C001      | Juan   | Pérez
C002      | Ana    | López

Fórmula:

[Nombre] & " " & [Apellido]

Resultado:

NombreCompleto
--------------
Juan Pérez
Ana López

Ejemplo 3: Clasificación de ventas

Datos:

VentaID | Monto
--------|-------
V001    | 500
V002    | 1500
V003    | 800

Fórmula con condicional:

if [Monto] >= 1000 then "Alto"
else if [Monto] >= 500 then "Medio"
else "Bajo"

Resultado:

Monto | Clasificación
------|---------------
500   | Medio
1500  | Alto
800   | Medio

Funciones comunes en columnas personalizadas

Funciones de texto

// Mayúsculas
Text.Upper([Nombre])
// Resultado: "JUAN PÉREZ"

// Minúsculas
Text.Lower([Email])
// Resultado: "juan@email.com"

// Capitalizar cada palabra
Text.Proper([Nombre])
// Resultado: "Juan Pérez"

// Longitud de texto
Text.Length([Código])
// Resultado: 5

// Extraer caracteres
Text.Start([Código], 3)
// Resultado: "ABC" de "ABC123"

Text.End([Código], 3)
// Resultado: "123" de "ABC123"

// Reemplazar
Text.Replace([Teléfono], "-", "")
// Resultado: "5551234567" de "555-123-4567"

// Verificar si contiene
Text.Contains([Email], "@")
// Resultado: true/false

Funciones numéricas

// Redondear
Number.Round([Precio], 2)
// Resultado: 19.99 de 19.9876

// Redondear hacia arriba
Number.RoundUp([Total])
// Resultado: 101 de 100.01

// Redondear hacia abajo
Number.RoundDown([Total])
// Resultado: 100 de 100.99

// Valor absoluto
Number.Abs([Diferencia])
// Resultado: 50 de -50

// Módulo (resto de división)
Number.Mod([Número], 2)
// Resultado: 0 (par) o 1 (impar)

Funciones de fecha

// Fecha actual
Date.From(DateTime.LocalNow())

// Año
Date.Year([FechaVenta])
// Resultado: 2026

// Mes (número)
Date.Month([FechaVenta])
// Resultado: 1 (enero)

// Día
Date.Day([FechaVenta])
// Resultado: 27

// Nombre del mes
Date.MonthName([FechaVenta])
// Resultado: "January" (inglés por defecto)

// Día de la semana
Date.DayOfWeek([FechaVenta])
// Resultado: 0 (domingo) a 6 (sábado)

// Diferencia entre fechas
Duration.Days([FechaEntrega] - [FechaOrden])
// Resultado: 5 (días)

// Agregar días
Date.AddDays([FechaInicio], 30)
// Resultado: fecha 30 días después

Funciones lógicas

// Verificar nulo
if [Columna] = null then "Sin datos" else [Columna]

// Múltiples condiciones (AND)
if [Ventas] > 1000 and [Región] = "Norte" then "Destacado" else "Normal"

// Múltiples condiciones (OR)
if [Estado] = "Cancelado" or [Estado] = "Rechazado" then "Inactivo" else "Activo"

// Negación
if not Text.Contains([Email], "@") then "Email inválido" else "OK"

Manejo de errores en columnas personalizadas

// Intentar conversión, usar valor por defecto si falla
try Number.From([Texto]) otherwise 0

// Ejemplo: Calcular descuento, manejar división por cero
try [Descuento] / [PrecioOriginal] otherwise 0

2. Columna condicional (interfaz visual)

Para condicionales simples sin escribir código M.

Cuándo usar columna condicional

✅ Condiciones basadas en una sola columna ✅ IF/THEN/ELSE simples ✅ Clasificaciones o categorizaciones ✅ No requieres cálculos complejos

Paso a paso

Escenario: Clasificar clientes por monto de compra

Datos:

ClienteID | TotalCompras
----------|-------------
C001      | 500
C002      | 2500
C003      | 1200

Crear columna condicional:

1. Agregar columna > Columna condicional
2. Nuevo nombre de columna: Segmento
3. Configurar condiciones:

Si [TotalCompras] es mayor o igual que 2000
Entonces: "Premium"

Sino si [TotalCompras] es mayor o igual que 1000
Entonces: "Gold"

Sino si [TotalCompras] es mayor o igual que 500
Entonces: "Silver"

De lo contrario: "Básico"

4. Aceptar

Resultado:

ClienteID | TotalCompras | Segmento
----------|--------------|----------
C001      | 500          | Silver
C002      | 2500         | Premium
C003      | 1200         | Gold

Código M generado:

= Table.AddColumn(#"Paso anterior", "Segmento", each
    if [TotalCompras] >= 2000 then "Premium"
    else if [TotalCompras] >= 1000 then "Gold"
    else if [TotalCompras] >= 500 then "Silver"
    else "Básico")

Operadores disponibles

Operador	Descripción	Ejemplo
es igual a	Igualdad exacta	[Estado] = "Activo"
no es igual a	Diferente	[Estado] ≠ "Cancelado"
es mayor que	Estrictamente mayor	[Edad] > 18
es mayor o igual que	Mayor o igual	[Ventas] ≥ 1000
es menor que	Estrictamente menor	[Stock] < 10
es menor o igual que	Menor o igual	[Descuento] ≤ 0.5
empieza con	Texto inicia con	[Código] empieza con "A"
no empieza con	Texto NO inicia con	[Email] no empieza con "test"
termina con	Texto finaliza con	[Archivo] termina con ".xlsx"
no termina con	Texto NO finaliza con	-
contiene	Texto contiene substring	[Descripción] contiene "urgente"
no contiene	Texto NO contiene	[Comentario] no contiene "spam"

3. Columnas de fecha y hora

Las fechas son críticas para análisis de series temporales.

Extraer componentes de fecha

Método visual: Selecciona columna de fecha > Agregar columna > Fecha

Opciones disponibles:

• Edad: Días desde la fecha hasta hoy
• Solo fecha: Remueve componente de hora
• Año
• Inicio del año: 1 de enero del año de la fecha
• Fin del año: 31 de diciembre
• Mes (número 1-12)
• Inicio del mes: Primer día del mes
• Fin del mes: Último día del mes
• Días en el mes: 28, 29, 30 o 31
• Día (número 1-31)
• Día de la semana (número 0-6)
• Nombre del día: "Monday", "Tuesday"...
• Trimestre del año: 1, 2, 3, 4
• Semana del año: 1-52
• Semana del mes: 1-5

Ejemplo: Extraer año, mes y trimestre

1. Selecciona columna FechaVenta
2. Agregar columna > Fecha > Año
3. Repite: Mes
4. Repite: Trimestre del año

Resultado:

FechaVenta  | Año  | Mes | Trimestre del año
------------|------|-----|-------------------
2026-01-27  | 2026 | 1   | 1
2026-06-15  | 2026 | 6   | 2
2026-10-03  | 2026 | 10  | 4

Crear columna de hora

Selecciona columna fecha/hora > Agregar columna > Hora

Opciones:

• Hora (0-23)
• Minuto (0-59)
• Segundo (0-59)
• Solo hora: Remueve componente de fecha

Calcular edad o antigüedad

Escenario: Días desde la venta hasta hoy

Método 1: Visual

• Selecciona columna FechaVenta
• Agregar columna > Fecha > Edad
• Se crea columna con valor tipo Duration

Método 2: Personalizada con días específicos

Duration.Days(Date.From(DateTime.LocalNow()) - [FechaVenta])

Ejemplo práctico: Clasificar por antigüedad

let
    DiasAntiguedad = Duration.Days(DateTime.LocalNow() - [FechaContratación]),
    Clasificación =
        if DiasAntiguedad > 1825 then "5+ años"
        else if DiasAntiguedad > 730 then "2-5 años"
        else if DiasAntiguedad > 365 then "1-2 años"
        else "Menos de 1 año"
in
    Clasificación

4. Columna de índice

Agrega una columna con números secuenciales.

Tipos de índice

1. Agregar columna > Columna de índice
   • Desde 0: 0, 1, 2, 3...
   • Desde 1: 1, 2, 3, 4...
   • Personalizado: Inicio y incremento a elegir

Usos comunes:

• Crear ID único temporal
• Ranking o posición en lista ordenada
• Agrupar cada N filas

Ejemplo: Ranking de ventas

1. Ordena por columna Ventas (descendente)
2. Agregar columna > Columna de índice > Desde 1
3. Renombra a "Ranking"

Resultado:

Producto  | Ventas | Ranking
----------|--------|--------
Laptop    | 15000  | 1
Monitor   | 8000   | 2
Mouse     | 500    | 3

Código M:

= Table.AddIndexColumn(#"Paso anterior", "Ranking", 1, 1)

Índice personalizado

Escenario: Números de lote de 100 en 100

1. Agregar columna > Columna de índice > Personalizado
2. Valor inicial: 100
3. Incremento: 100
4. Aceptar

Resultado: 100, 200, 300, 400...

5. Duplicar columna

Para crear copia de una columna antes de transformarla.

1. Clic derecho en columna
2. Duplicar columna
3. Se crea "Columna - Copia"

Uso: Mantener valor original mientras pruebas transformaciones en la copia.

6. Columna a partir de ejemplos

Power Query puede inferir la transformación basándose en ejemplos que proporciones.

Cómo funciona

1. Agregar columna > Columna a partir de ejemplos
   • De todas las columnas: Usa cualquier columna existente
   • De la selección: Usa solo columnas seleccionadas
2. Escribe ejemplos en las primeras filas
3. Power Query sugiere valores para las demás
4. Si es correcto, presiona Aceptar

Ejemplo: Extraer código de área de teléfono

Datos:

Teléfono
--------------
(555) 123-4567
(214) 987-6543
(310) 555-0199

Pasos:

1. Agregar columna > Columna a partir de ejemplos
2. En la primera fila de la nueva columna, escribe: 555
3. En la segunda fila, escribe: 214
4. Power Query detecta el patrón y completa: 310
5. Verifica y Aceptar

Código M generado automáticamente:

= Table.AddColumn(#"Paso anterior", "Código de área", each Text.BetweenDelimiters([Teléfono], "(", ")"), type text)

¡Increíble! Power Query escribió la fórmula por ti.

Ejemplo: Formato de fecha personalizado

Datos:

FechaVenta
-----------
2026-01-27
2026-06-15

Objetivo: "Ene 2026", "Jun 2026"

1. Agregar columna > Columna a partir de ejemplos
2. Escribe: Ene 2026
3. Escribe: Jun 2026
4. Power Query genera fórmula automáticamente

Limitaciones:

• Funciona mejor con patrones claros y consistentes
• Puede requerir varios ejemplos para patrones complejos
• Revisa el código M generado (a veces es ineficiente)

7. Casos de Uso Prácticos

Caso 1: Clasificación ABC de productos

Objetivo: Clasificar productos por contribución a ventas

// Columna personalizada: Clasificación ABC
if [%AcumuladoVentas] <= 0.80 then "A"
else if [%AcumuladoVentas] <= 0.95 then "B"
else "C"

Contexto:

• A: 80% de las ventas (productos clave)
• B: Siguiente 15% (importantes)
• C: Último 5% (menor impacto)

Caso 2: Días hasta entrega

Objetivo: Calcular tiempo de entrega en días

// Columna personalizada: DíasEntrega
Duration.Days([FechaEntrega] - [FechaPedido])

Uso: Identificar pedidos con retrasos

Caso 3: Email corporativo vs personal

Objetivo: Clasificar tipo de email

// Columna condicional
if Text.EndsWith([Email], "@empresa.com") then "Corporativo" else "Personal"

O con múltiples dominios:

// Columna personalizada
let
    Dominio = Text.AfterDelimiter([Email], "@"),
    Tipo = if List.Contains({"empresa.com", "empresa.mx"}, Dominio)
           then "Corporativo"
           else "Personal"
in
    Tipo

Caso 4: Nombre de mes en español

Problema: Date.MonthName devuelve nombres en inglés

Solución:

// Columna personalizada: MesNombre
let
    NumeroMes = Date.Month([Fecha]),
    NombreMes =
        if NumeroMes = 1 then "Enero"
        else if NumeroMes = 2 then "Febrero"
        else if NumeroMes = 3 then "Marzo"
        else if NumeroMes = 4 then "Abril"
        else if NumeroMes = 5 then "Mayo"
        else if NumeroMes = 6 then "Junio"
        else if NumeroMes = 7 then "Julio"
        else if NumeroMes = 8 then "Agosto"
        else if NumeroMes = 9 then "Septiembre"
        else if NumeroMes = 10 then "Octubre"
        else if NumeroMes = 11 then "Noviembre"
        else "Diciembre"
in
    NombreMes

8. Mejores Prácticas

Nombres descriptivos

❌ Columna personalizada 1, Custom ✅ TotalVenta, ClasificaciónCliente, AñoVenta

Orden de transformaciones

1. Columnas básicas primero (año, mes de fechas)
2. Cálculos simples (Total = Cantidad × Precio)
3. Clasificaciones (basadas en cálculos previos)
4. Columnas de índice al final (después de ordenar)

Documentación

Agrega comentarios en código M complejo:

// Clasificar cliente según compras anuales
// Premium: $2000+, Gold: $1000-$2000, Silver: $500-$1000, Básico: <$500
if [TotalCompras] >= 2000 then "Premium"
else if [TotalCompras] >= 1000 then "Gold"
else if [TotalCompras] >= 500 then "Silver"
else "Básico"

Verificación de tipos

Después de crear columna calculada:

1. Verifica que el tipo de dato sea correcto
2. Revisa valores nulos inesperados
3. Usa vista de Calidad de columna

Performance

✅ Usa columnas condicionales visuales para condiciones simples (más rápidas) ✅ Evita cálculos innecesarios (si no lo vas a usar, no lo calcules) ✅ Aprovecha Query Folding cuando sea posible ❌ No uses columnas personalizadas para hacer lookup (usa Merge)

Puntos Clave de esta Lección

1. Columnas en Power Query son físicas y se calculan al refrescar - A diferencia de medidas DAX que son dinámicas
2. Prefiere Power Query sobre DAX para transformaciones - Más eficiente calcularlo al cargar que en tiempo real
3. Columna personalizada para cálculos complejos - Lenguaje M completo disponible
4. Columna condicional para clasificaciones simples - Interfaz visual más rápida
5. Extraer componentes de fecha es esencial - Año, mes, trimestre para análisis temporal
6. Columna de índice útil para rankings - Ordena primero, agrega índice después
7. Columna a partir de ejemplos es mágica - Pero verifica el código generado
8. Nombres descriptivos y documentación - El futuro tú te lo agradecerá

Verificación de Conocimientos

Pregunta 1

Tienes una columna Precio con valores 19.99, 25.50, 30.00. Necesitas una columna que diga "Bajo" si <20, "Medio" si 20-30, "Alto" si >30. ¿Qué método es más apropiado?

A) Columna personalizada con código M B) Columna condicional con interfaz visual C) Columna calculada en DAX D) Merge con tabla de rangos

Ver respuesta

Respuesta: B) Columna condicional con interfaz visual

Es una clasificación simple basada en rangos de una sola columna. Columna condicional es perfecta: rápida, sin código, y genera M eficiente. Columna personalizada también funciona pero es innecesaria. DAX es incorrecto (hazlo en Power Query si puedes). Merge es excesivo para esto.

Pregunta 2

¿Cuál de estas columnas NO debería crearse en Power Query?

A) Año extraído de FechaVenta B) Total = Cantidad × PrecioUnitario C) Comparación de ventas del producto vs promedio de productos en filtro actual del usuario D) Clasificación de cliente según TotalCompras

Ver respuesta

Respuesta: C) Comparación de ventas del producto vs promedio de productos en filtro actual del usuario

Esta requiere contexto dinámico que cambia según filtros del usuario. Solo DAX puede manejar esto. Las otras son cálculos estáticos que se calculan una vez al cargar datos, perfectas para Power Query.

Pregunta 3

Tienes columnas Nombre ("Juan") y Apellido ("Pérez"). ¿Qué código M crea "Juan Pérez"?

A) [Nombre] + [Apellido] B) [Nombre] & " " & [Apellido] C) Concatenate([Nombre], [Apellido]) D) [Nombre] , [Apellido]

Ver respuesta

Respuesta: B) [Nombre] & " " & [Apellido]

En lenguaje M, & es el operador de concatenación de texto. El espacio " " entre las columnas asegura que no quede "JuanPérez" pegado. + es para operaciones numéricas. Concatenate() no existe en M. La opción D crearía una lista, no texto.

---

Resumen del Módulo 3

¡Felicidades! Has completado el módulo de Transformar Datos con Power Query. Ahora sabes:

✅ Navegar el Editor de Power Query - Interfaz, pasos aplicados, Query Folding ✅ Limpiar datos - Duplicados, nulos, errores, tipos de datos, formatos de texto ✅ Combinar tablas - Merge (joins) y Append (consolidación) de múltiples fuentes ✅ Crear columnas calculadas - Personalizadas, condicionales, de fecha, índices

Flujo completo de preparación de datos

1. CONECTAR
   ↓
2. FILTRAR filas innecesarias (reduce volumen)
   ↓
3. SELECCIONAR columnas relevantes (reduce ancho)
   ↓
4. LIMPIAR (duplicados, nulos, espacios)
   ↓
5. TIPOS DE DATOS correctos
   ↓
6. COMBINAR con otras tablas (Merge/Append)
   ↓
7. COLUMNAS CALCULADAS (clasificaciones, extracciones)
   ↓
8. CERRAR Y APLICAR

Próximo módulo

En el Módulo 4 aprenderás a Modelar Datos en Power BI:

• Crear relaciones entre tablas
• Esquemas estrella vs copo de nieve
• Cardinalidad y dirección de filtro
• Tablas de dimensiones y hechos
• Jerarquías para drill-down

El modelado correcto es la base de reportes eficientes y cálculos DAX poderosos. Tus datos ya están limpios y transformados, ahora los estructurarás para análisis.