Una matriz de Power BI muestra dos clientes en una categoría y uno en otra. El total general es dos. La primera reacción puede ser cambiar la fórmula para que muestre tres, pero antes hay que comprobar si una misma persona aparece en ambas categorías.
Cuando una medida cuenta entidades únicas, sumar las cifras visibles puede responder a una pregunta distinta de la que plantea el total. El diagnóstico empieza por la definición del indicador y por los registros que entran en cada celda.
Un ejemplo mínimo que se puede revisar a mano
Considera estas compras ficticias. Cada fila representa una compra identificada y todos los clientes tienen una referencia válida:
| Compra | Cliente | Categoría |
|---|---|---|
| V-1 | C-01 | Accesorios |
| V-2 | C-02 | Accesorios |
| V-3 | C-01 | Servicios |
| V-4 | C-01 | Accesorios |
La medida ilustrativa es:
Clientes únicos = DISTINCTCOUNT(Compras[Cliente])En Accesorios hay dos clientes, C-01 y C-02, aunque existen tres compras. En Servicios aparece C-01. En el conjunto completo siguen existiendo dos clientes diferentes.
Por tanto, las filas de la matriz muestran 2 y 1, y el total de clientes únicos muestra 2. La documentación de DISTINCTCOUNT explica que estos totales no son aditivos: un identificador presente en varios grupos se cuenta una sola vez en el conjunto total.
Hay tres preguntas legítimas, con resultados diferentes
En el ejemplo, contar clientes únicos devuelve 2. Contar compras devuelve 4. Contar pares distintos de cliente y categoría devuelve 3: C-01 en Accesorios, C-02 en Accesorios y C-01 en Servicios.
Ninguno de esos valores es intercambiable. Si dirección quiere conocer el alcance de la cartera, puede necesitar clientes únicos. Si operaciones quiere medir actividad, puede necesitar compras. Si analiza participación por familia, puede necesitar relaciones cliente-categoría.
Cambiar a un recuento de filas solo para obtener un total mayor alteraría la definición. Antes de modificar DAX, escribe la unidad que debe contar el indicador.
Aísla el contexto de la celda que sorprende
Filtra un periodo y un conjunto pequeño que puedas exportar o inspeccionar. Identifica qué clientes entran en cada fila y cuáles se repiten entre grupos. Comprueba los filtros de página, visualización y segmentadores que afectan al resultado.
La fila total evalúa la medida en su contexto; no tiene por qué sumar los números que ves encima. Si el cálculo utiliza condiciones, ratios o recuentos distintos, revisa cómo se aplica la definición a ese conjunto más amplio.
La elección de una medida o una columna calculada también depende de cuándo y bajo qué contexto debe calcularse el valor, pero convertir una en otra no corrige una definición ambigua.
Descarta errores de modelo antes de aceptar el total
Un total inesperado puede ser correcto, pero eso no demuestra que el modelo completo lo sea. Comprueba claves, relaciones y filas sin correspondencia. Un filtro que no llega a la tabla de compras puede hacer que varias categorías muestren el mismo conjunto de clientes.
Revisa además los identificadores vacíos. DISTINCTCOUNT incluye el valor en blanco cuando está presente; decide si representa un cliente desconocido, un error de calidad o un caso excluido por la definición. No cambies el tratamiento sin registrar qué información queda fuera.
Si comparas contra otro informe, alinea periodo, estados y fecha de corte mediante una reconciliación de KPIs. Dos cálculos correctos pueden utilizar conjuntos diferentes.
Deja un caso de aceptación para cada nivel
Conserva el ejemplo pequeño junto a la definición de la medida. Comprueba cada categoría, el total y un filtro que deje un solo cliente. Añade después una compra repetida del mismo cliente: debe aumentar el número de compras, pero no necesariamente el de clientes únicos.
Si el negocio decide medir participaciones por categoría, crea y etiqueta ese indicador de forma explícita. No lo presentes con el mismo nombre que el recuento de personas o empresas únicas.
Para revisar un modelo de Business Intelligence, comparte con Nexeus Big Data una matriz que genere dudas y unas pocas operaciones rastreables. Esa muestra permite distinguir una diferencia esperada de contexto de un error en las relaciones o en la definición del indicador.