Visualización de rankings globales: análisis técnico de índices de emprendimiento
Cuando recibimos el encargo de integrar un ranking global de competitividad o facilidad para emprender en un ecosistema corporativo, el primer impulso suele ser pintar un mapa. Sin embargo, para un consultor de Business Intelligence, un mapa es solo la punta del iceberg. Los datos del Global Entrepreneurship Monitor (GEM) de 2025, donde economías como Emiratos Árabes Unidos lideran y otras como India escalan posiciones, nos obligan a replantear cómo estructuramos la información geográfica para que sea útil en la toma de decisiones.
El reto no es mostrar quién va primero, sino explicar qué componentes (financiación, políticas gubernamentales, infraestructura) han llevado a ese país a esa posición. En entornos de producción reales, añadir una nueva dimensión de ranking puede comprometer el rendimiento si no se gestiona correctamente la granularidad o si se abusa de visuales geográficos complejos que consumen demasiados recursos de renderizado.
En este artículo analizaremos cómo abordar este tipo de modelos desde la arquitectura de datos, asegurando que la integración de índices externos no se convierta en un cuello de botella para tu capacidad de Microsoft Fabric o para la usabilidad de tus informes en Power BI.
Arquitectura de datos y preparación en Power Query
El principal error en proyectos que manejan datos de 50 o 60 economías distintas es confiar en los nombres de los países como clave primaria. En mi experiencia, esto es una receta para el desastre: variaciones entre «USA» y «United States» o problemas con caracteres especiales arruinan cualquier modelo. La primera regla de oro es la normalización mediante códigos ISO 3166-1 (Alpha-2 o Alpha-3).
Al integrar datos de emprendimiento, solemos recibir tablas desnormalizadas con puntuaciones por pilares. Antes de cargar nada, debemos decidir si vamos a realizar un proceso de Unpivot para llevar los pilares a filas, lo que facilita el filtrado dinámico, o si los mantenemos como columnas para cálculos específicos. En este punto, es vital entender la diferencia entre unir y anexar consultas en Power Query, ya que la forma en que combinemos los datos maestros de los países con los índices temporales determinará la escalabilidad del modelo.
let
Origen = Excel.Workbook(Web.Contents("https://api.ejemplo.com/gem_2025.xlsx"), null, true),
Datos_Sheet = Origen{[Item="Datos",Kind="Sheet"]}[Data],
// Normalización de nombres de países a códigos ISO
AgregarISO = Table.AddColumn(Datos_Sheet, "CodISO", each if [Pais] = "UAE" then "ARE" else if [Pais] = "India" then "IND" else [Pais]),
// Transformación para análisis por pilares
ColumnasPivot = Table.UnpivotOtherColumns(AgregarISO, {"CodISO", "Pais", "Anio"}, "Pilar", "Puntuacion")
in
ColumnasPivotEl problema de la granularidad temporal
Los índices como el NECI (National Entrepreneurship Context Index) no cambian a diario. Sin embargo, los modelos de producción suelen tener una tabla de Calendario a nivel de día. Si vinculas un índice anual directamente a una tabla de hechos diaria, crearás una relación de uno a muchos que puede inflar artificialmente las medidas de agregación si no usas TREATAS o si no gestionas correctamente la propagación del filtro. Mi recomendación es mantener una dimensión de ‘Escenario’ o ‘Índice’ separada para evitar ambigüedades.
Modelado DAX: Rankings dinámicos y robustos
Calcular la posición de un país como India o Emiratos Árabes no es tan sencillo como aplicar un RANKX básico. En un entorno profesional, necesitamos que el ranking reaccione a los filtros de región, nivel de ingresos o año, pero que a la vez mantenga la coherencia cuando no hay filtros aplicados. Aquí es donde muchos analistas fallan al no manejar los empates o los valores nulos.
Además, al comparar diferentes pilares, es fundamental usar funciones de división seguras. Como ya hemos comentado en otras ocasiones, elegir entre DIVIDE frente a la barra ‘/’ puede evitar que tu informe muestre errores de infinito cuando un país no tiene datos reportados en una categoría específica.
// Cálculo del Ranking Nacional dinámico
Ranking Pais =
VAR ValorActual = [Puntuacion Media]
RETURN
IF(
ISBLANK(ValorActual),
BLANK(),
RANKX(
ALLSELECTED('Dim_Pais'),
[Puntuacion Media],
,
DESC,
Dense
)
)Este código asegura que el ranking se recalcule según el contexto de filtrado del usuario (gracias a ALLSELECTED) y utiliza el método Dense para evitar saltos en la numeración si dos países comparten la misma puntuación. En proyectos de sector público o consultoría estratégica, este detalle es innegociable.
Visualización y UI: Del mapa a la narrativa
El uso de mapas en Power BI es tentador, pero poco eficiente para comparar 53 economías simultáneamente. El ojo humano no es bueno comparando áreas sombreadas en un mapa de burbujas para determinar si la posición 5 es significativamente mejor que la 10. Para estos casos, la anotación de gráficos de líneas o el uso de Small Multiples ofrece una claridad muy superior.
| Tipo de Visual | Mejor uso | Limitación técnica |
|---|---|---|
| Mapa Coroplético | Identificar patrones geográficos regionales. | Carga lenta y oculta países pequeños. |
| Gráfico de Barras | Comparación directa de rankings (Top 10). | No muestra distribución geográfica. |
| Scatter Chart | Correlación entre dos pilares del índice. | Requiere explicar el eje X/Y al usuario. |
| Small Multiples | Evolución temporal de varios países a la vez. | Ocupa mucho espacio en el lienzo. |
Si decides usar mapas, asegúrate de activar la caché de mapas de Power BI y limitar el número de puntos de datos. En entornos con Microsoft Fabric, si los datos provienen de un Warehouse, es preferible pre-calcular las coordenadas o los nombres normalizados en una vista SQL para evitar que Power BI tenga que hacer el geocoding al vuelo, lo cual penaliza la experiencia de usuario.
Consideraciones de rendimiento en producción
En proyectos de gran envergadura, el rendimiento de los visuales geográficos puede disparar el consumo de unidades de capacidad (CU). Si estás monitorizando tu entorno, habrás notado que ciertas consultas DAX asociadas a mapas son especialmente pesadas. Es fundamental revisar las consultas costosas en Fabric Capacity Metrics para identificar si el problema es el visual en sí o la medida DAX subyacente que está iterando sobre demasiadas filas.
-- Preparación de datos en SQL para Fabric Warehouse
CREATE VIEW Gold.RankingEmprendimiento AS
SELECT
CountryCode,
Year,
AVG(Score) as GlobalScore,
RANK() OVER(PARTITION BY Year ORDER BY AVG(Score) DESC) as NationalRank
FROM Silver.Fact_GEM_Indices
GROUP BY CountryCode, Year;Mover la lógica del ranking a la capa de SQL (como en el ejemplo anterior) es una estrategia de consultoría avanzada. Al materializar el ranking en una vista o tabla en el Warehouse de Fabric, reducimos la carga de cálculo en el motor de Analysis Services (Vertipaq), permitiendo que el informe cargue de forma casi instantánea incluso con miles de usuarios concurrentes.
Errores frecuentes al trabajar con rankings internacionales
- No manejar los nulos: Un país sin datos no debe aparecer como el último del ranking con un 0, debe ser excluido del cálculo para no sesgar la media.
- Ignorar el contexto cultural: Comparar el índice de India con el de Luxemburgo sin normalizar por tamaño de mercado o PIB puede llevar a conclusiones erróneas.
- Exceso de precisión: Mostrar 5 decimales en un índice de percepción no aporta valor y ensucia la interfaz.
- Geocoding dinámico: Dejar que Power BI adivine dónde está «UAE» en lugar de darle latitud/longitud o códigos ISO claros aumenta el tiempo de renderizado.
Preguntas frecuentes
¿Cómo gestiono los países que cambian de nombre o frontera en datos históricos?
La mejor práctica es utilizar una dimensión de país con fechas de validez (SCD Tipo 2) o, en su defecto, mapear siempre hacia el estándar ISO actual, manteniendo una columna de ‘Nombre Original’ para la trazabilidad histórica si es estrictamente necesario.
¿Es mejor RANKX o la función RANK de DAX?
La nueva función RANK (introducida en 2023) es más sencilla de usar para rankings basados en columnas físicas y suele ser más eficiente. Sin embargo, RANKX sigue siendo la opción ganadora cuando necesitas una lógica compleja basada en medidas dinámicas que dependen del contexto de filtro.
¿Cómo evito que el mapa se vea vacío al filtrar por un pilar específico?
Debes implementar una lógica de validación en tu medida DAX. Si el pilar seleccionado no tiene datos para un país, la medida debe devolver BLANK(), y en la configuración del visual de mapa, asegúrate de que la opción ‘Mostrar elementos sin datos’ esté desactivada para que el mapa solo resalte las áreas con información relevante.
Checklist de implementación
- Validar todos los nombres de países contra el estándar ISO 3166-1 Alpha-3.
- Mover los cálculos de ranking estáticos a la capa de SQL/Warehouse si trabajas en Microsoft Fabric.
- Utilizar
DIVIDEpara todos los cálculos de ratios entre pilares del índice. - Configurar el Performance Analyzer para medir el impacto de los visuales de mapa.
- Añadir una página de ‘Metodología’ que explique qué significa cada posición en el ranking.

Deja una respuesta