Power Query en Power BI: qué es y cómo limpiar y transformar datos

Los datos reales casi nunca vienen listos: filas de título encima de la tabla, fechas como texto, espacios sobrantes, meses en columnas, un archivo por mes. Power Query es el editor de Power BI para limpiar y dar forma a los datos. Su gran ventaja: graba cada paso que haces y lo repite automáticamente cada vez que actualizas. Limpias una vez; se limpia siempre.

Obtener datos

En Inicio → Obtener datos tienes más de cien conectores. Los más usados:

En la ventana de vista previa verás dos botones: Cargar (trae los datos tal cual) y Transformar datos (abre Power Query). Salvo que los datos estén perfectos, elige siempre Transformar datos.

El editor de Power Query

Cuando termines, pulsa Cerrar y aplicar: los datos limpios se cargan en el modelo. El archivo original nunca se modifica.

Las transformaciones esenciales

El sistema de Distribuidora Andina exporta un CSV con este aspecto:

Reporte de ventas - Generado 05/11/2026

Fecha;Cliente;Cod Producto;Ciudad;Cant;Importe
01/10/2026;  Bodega San José ;P-001;LIMA;10;125,50
01/10/2026;Minimarket Sol;P-004;arequipa;5;60,00
…
TOTAL;;;;;48.250,00

Pasos para limpiarlo:

1. Quitar filas superiores (Inicio → Quitar filas): elimina las 2 filas de título.
2. Usar la primera fila como encabezado.
3. Quitar filas inferiores: la fila TOTAL. Nunca cargues totales calculados por el sistema: Power BI los calculará.
4. Cambiar el tipo de cada columna: Fecha → Fecha, Cant → Número entero, Importe → Número decimal. Si las fechas o decimales vienen en otro formato regional, usa clic derecho → Cambiar tipo → Usar configuración regional y elige el país de origen.
5. Recortar (Transformar → Formato → Recortar) en Cliente: quita espacios al principio y al final.
6. Poner en mayúsculas cada palabra en Ciudad: "LIMA" y "arequipa" pasan a "Lima" y "Arequipa".
7. Renombrar columnas con nombres claros: Cod Producto → CodProducto, Cant → Cantidad.
8. Quitar las columnas que no vas a usar: cada columna ocupa memoria.

Anular la dinamización: de tabla "ancha" a tabla "larga"

Muchos archivos de Excel tienen los meses en columnas. Es cómodo para leer, pero pésimo para analizar:

Selecciona la columna Producto, haz clic derecho y elige Anular dinamización de otras columnas. Obtienes una tabla larga con tres columnas: Producto, Atributo (el mes) y Valor. Renómbralas a Producto, Mes y Meta. Ahora puedes filtrar, relacionar y graficar por mes, y si el archivo trae un mes más, se incorpora solo.

Combinar consultas: anexar y combinar

En Power BI, en lugar de combinar todo en una sola tabla gigante, normalmente es mejor cargar las tablas por separado y relacionarlas en el modelo (lección 5). Usa Combinar cuando realmente necesites la columna dentro de la tabla.

Una carpeta con un archivo por mes

Si cada mes recibes ventas_2026_01.csv, ventas_2026_02.csv… guárdalos en una carpeta y usa Obtener datos → Carpeta → Combinar y transformar datos. Power Query crea una función que aplica tus pasos de limpieza a cada archivo y los une. El próximo mes, solo copias el archivo nuevo en la carpeta y pulsas Actualizar.

Otras herramientas muy útiles

• Dividir columna por delimitador: "Lima - Centro" → Ciudad y Zona.
• Reemplazar valores: corregir "Aeq" por "Arequipa".
• Rellenar hacia abajo: completar celdas vacías que heredan el valor de arriba (típico en reportes con celdas combinadas).
• Columna condicional: "Si Importe ≥ 1.000, 'Grande'; si no, 'Normal'", sin escribir fórmulas.
• Columna a partir de ejemplos: escribes el resultado que quieres en dos o tres filas y Power Query deduce la transformación.
• Agrupar por: resumir antes de cargar (útil con datos enormes).
• Deshabilitar carga (clic derecho en la consulta): para consultas intermedias que no necesitas ver en el modelo.

let
    Origen = Csv.Document(File.Contents("C:\Datos\ventas.csv"), [Delimiter=";", Encoding=65001]),
    QuitarTitulo = Table.Skip(Origen, 2),
    Encabezados = Table.PromoteHeaders(QuitarTitulo, [PromoteAllScalars=true]),
    SinTotal = Table.SelectRows(Encabezados, each [Fecha] <> "TOTAL"),
    Tipos = Table.TransformColumnTypes(SinTotal,
        {{"Fecha", type date}, {"Cant", Int64.Type}, {"Importe", type number}}, "es-PE"),
    Recortado = Table.TransformColumns(Tipos, {{"Cliente", Text.Trim, type text}}),
    CiudadOk = Table.TransformColumns(Recortado, {{"Ciudad", Text.Proper, type text}})
in
    CiudadOk

Resumen

• Elige "Transformar datos" para limpiar en Power Query antes de cargar.
• Quita títulos y totales, define tipos correctos, recorta textos y renombra columnas.
• Anula la dinamización de las tablas con meses en columnas.
• Anexar une filas; combinar trae columnas, aunque en Power BI suele ser mejor relacionar tablas.
• Los pasos aplicados se repiten en cada actualización: limpias una vez, se limpia siempre.

En la próxima lección convertirás los datos limpios en visualizaciones claras: qué gráfico usar en cada caso, filtros y segmentaciones.