Power BI impulsa la analítica con modelos semánticos compuestos: Direct Lake e Import Tables
En su compromiso constante por transformar la analítica empresarial, Microsoft ha dado un paso clave en la evolución de Power BI. El lanzamiento de los modelos semánticos compuestos con integración entre Direct Lake e Import Tables, anunciado el 6 de octubre de 2025, representa una revolución técnica y estratégica dentro del ecosistema Microsoft Fabric.
Esta innovación amplía las posibilidades de análisis de datos, optimiza el rendimiento y refuerza la integración con la inteligencia artificial y Copilot, preparando el terreno para una nueva generación de modelos analíticos híbridos.
1. Un nuevo paradigma en el modelado de datos
Los modelos semánticos compuestos permiten combinar diferentes modos de conexión dentro de un mismo modelo:
- Tablas Direct Lake, que acceden directamente a los datos almacenados en OneLake.
- Tablas importadas, que se cargan en memoria para acelerar consultas o aplicar cálculos avanzados.
Esta capacidad rompe las limitaciones de los enfoques previos, como los modelos DirectQuery + Import, ofreciendo una experiencia más fluida, escalable y coherente.
El resultado es un modelo híbrido en el que el analista puede elegir, tabla a tabla, el modo de acceso más adecuado según las necesidades del negocio.
Mientras las tablas de gran volumen permanecen en Direct Lake para asegurar rendimiento y actualización continua, las dimensiones pequeñas o tablas de referencia pueden importarse para habilitar cálculos complejos, jerarquías o columnas calculadas.
Imagen 1 – captura de pantalla del modelado web de Power BI que muestra tablas en modo de almacenamiento Direct Lake y en modo de almacenamiento de importación dentro del mismo modelo compuesto, con opciones para agregar más tablas.
2. Arquitectura y funcionamiento técnico
En la práctica, un modelo compuesto Direct Lake + Import se apoya en la infraestructura unificada de Microsoft Fabric, que conecta fuentes como Lakehouses, Data Warehouses, SQL Databases o Dataflows dentro del entorno OneLake.
El modelo semántico se convierte así en una capa de negocio única, donde conviven datos almacenados directamente en el lago con otros cargados en memoria o procedentes de conectores externos.
Entre sus principales ventajas destacan:
- Reducción de latencia.
- Aprovechamiento de la potencia de cálculo de Fabric.
- Creación, edición y publicación directa desde Power BI Service.
Esto facilita la colaboración, la gobernanza y el despliegue continuo de modelos analíticos empresariales.
Imagen 2 – captura de la página de creación en el servicio de Power BI que muestra el mosaico del catálogo de OneLake usado para crear modelos semánticos desde cero con tablas Direct Lake.
3. Arquitectura y funcionamiento técnico
- Mayor flexibilidad al combinar datos en tiempo real (Direct Lake) con datos precargados (Import).
- Rendimiento mejorado frente a los modelos DirectQuery tradicionales.
- Compatibilidad total con relaciones y medidas DAX entre ambos tipos de tablas.
- Posibilidad de crear modelos de negocio unificados, evitando la duplicación de datasets.
- Edición directa desde la web, con paridad respecto a Power BI Desktop.
- Optimización de costes gracias a la lectura directa desde OneLake, reduciendo el almacenamiento redundante.
4. Ejemplo práctico: análisis híbrido de objetivos y rendimiento
Microsoft ilustra esta innovación con un caso práctico basado en un escenario de análisis de entregas y objetivos comerciales.
- Los datos de entregas (de gran volumen) se mantienen en modo Direct Lake.
- Un archivo CSV con objetivos mensuales se importa al modelo en memoria.
Ambas fuentes se combinan en un único modelo semántico que permite calcular métricas clave, como el porcentaje de cumplimiento de objetivos, desviaciones mensuales y tendencias de rendimiento.
Este enfoque híbrido demuestra que es posible mantener datos actualizados sin sacrificar velocidad ni capacidad de cálculo.
Imagen 3 – Modelo de datos hibrido con Direct Lake y fichero CSV
5. Impacto en la analítica impulsada por IA y Copilot
El avance hacia los modelos compuestos no solo mejora el rendimiento, sino que prepara Power BI para un uso más profundo de la IA.
Con Copilot y la posibilidad de preparar modelos directamente desde el servicio, los analistas pueden:
- Interactuar con los datos mediante lenguaje natural.
- Realizar exploraciones guiadas por IA.
- Generar informes automatizados basados en la semántica del modelo.
La mezcla de Direct Lake e Import facilita que los modelos sean comprendidos por Copilot, garantizando una interpretación más precisa de los datos y potenciando la analítica conversacional.
6. Implicaciones para las organizaciones
Esta actualización impulsa una analítica más ágil, colaborativa y segura.
Departamentos de finanzas, operaciones o marketing pueden integrar fuentes heterogéneas bajo un mismo modelo de datos, garantizando:
- Consistencia en las métricas.
- Control del dato.
- Cumplimiento de estándares corporativos y normativos.
Además, la edición desde el entorno web acelera el desarrollo y favorece el trabajo concurrente.
7. La visión de PKF
En PKF creemos que esta evolución consolida la madurez de Power BI como plataforma integral de Business Intelligence.
La combinación de Direct Lake e Import Tables permite construir una analítica más robusta, escalable y preparada para la inteligencia artificial.
Nuestra experiencia en Microsoft Fabric nos permite acompañar a las empresas en el diseño de modelos híbridos optimizados, impulsando la transformación digital a través de decisiones basadas en datos.
8. Conclusión
Los modelos semánticos compuestos representan un hito en la evolución de Power BI.
La integración entre Direct Lake e Import Tables ofrece una base más sólida para la analítica avanzada, con soporte nativo para IA, mayor rendimiento y arquitectura unificada.
Esta mejora redefine cómo las empresas interactúan con sus datos, acercando el concepto de “analítica viva”: datos que se actualizan, se interpretan y se transforman en decisiones estratégicas en tiempo real.
9. Fuentes
- Microsoft Power BI Blog (2025, 6 de octubre). Deep dive into composite semantic models with Direct Lake and import tables. https://powerbi.microsoft.com/en-us/blog/deep-dive-into-composite-semantic-models-with-direct-lake-and-import-tables/
- Microsoft Power BI Blog (2025, 7 de octubre). Prep your data for AI — now in the Power BI service. https://powerbi.microsoft.com/en-us/blog/prep-your-data-for-ai-now-in-the-power-bi-service
- Microsoft Learn. Power BI Documentation. https://learn.microsoft.com/en-us/power-bi/
