Linaje e Impact Analysis

El árbol genealógico de tus datos

El linaje documenta el camino que recorren los datos desde su origen hasta el informe que consume el usuario. En Power BI / Fabric se visualiza como un grafo con nodos (orígenes, dataflows, datasets, informes, dashboards, lakehouses) y aristas (relaciones de dependencia).

Sirve para responder preguntas cotidianas que de otro modo requieren detective:

• "Si renombro esta columna en SQL, ¿qué informes se romperán?"
• "¿De dónde sale el número de este dashboard? ¿De qué tabla, de qué refresh?"
• "¿Quién está usando este dataflow? ¿Lo puedo borrar?"

Ejemplo visual de un linaje típico:

[Azure SQL: Ventas]
       ↓
[Dataflow Gen2: Bronze_Ventas]
       ↓
[Lakehouse: Silver_Ventas]
       ↓
[Semantic Model: Modelo_Ventas_Iberia]   ← Certified ✅
       ↓                          ↓
[Informe: Pipeline Comercial]   [Informe: KPI Cierre Mensual]
       ↓
[Dashboard: Dirección Comercial]

Activación y uso

• En cualquier workspace, esquina superior derecha → icono de vista en cascada
• Disponible para roles Admin, Member y Contributor (Viewer no la ve por defecto)
• Muestra solo elementos del workspace actual y cómo enlazan con otros workspaces vía datasets compartidos

Lo que verás en cada nodo

• Tipo de artefacto y nombre
• Propietario y endorsement (Promoted / Certified)
• Último refresh exitoso y estado
• Sensitivity label aplicada
• Atajos a Settings, View metrics e Impact analysis

Filtros útiles

• Por tipo de artefacto: solo datasets, solo informes...
• Por origen de datos: muestra todo lo que tira de un mismo origen
• Por endorsement: aislar lo Certified
• Por refresh fallido: detectar cadenas rotas rápidamente

"¿Qué pasa si toco esto?"

El Impact Analysis es el panel que muestra, para un dataset o dataflow, todo el contenido que aguas abajo lo consume. Aparece en la vista de linaje (botón "Impact analysis") y también desde el menú "..." del artefacto.

Información que aporta

• Número de informes, dashboards y datasets dependientes
• Vistas únicas en los últimos 30 días por artefacto consumidor (qué duele más romper)
• Lista de workspaces afectados
• Capacidades involucradas (importante en migraciones a Fabric)
• Botón "Notify contacts" para mandar un aviso por email a propietarios consumidores

Cuándo usarlo

• Antes de renombrar tablas / columnas / medidas
• Antes de cambiar el modo de almacenamiento (Import ↔ DirectQuery)
• Antes de despromocionar o eliminar un dataset
• Antes de migrar un workspace a otra capacidad

Cuando Power BI no basta

La vista nativa de Power BI es excelente para el linaje dentro del Service. Para el linaje end-to-end que también incluye sistemas operacionales (Azure SQL, Synapse, Databricks, Salesforce...) la herramienta es Microsoft Purview (antes Azure Purview):

• Escanea orígenes externos y catálogos
• Importa metadatos de Power BI vía conexión nativa
• Construye un grafo de linaje a nivel de columna en muchos sistemas
• Permite añadir glossary terms y clasificaciones de datos sensibles
• Integra con sensitivity labels y DLP

Patrón habitual

Power BI lineage view para los analistas; Purview para el equipo de plataforma y compliance. Sin solapamiento, complementarios.

Receta para no romper informes ajenos

1. Identifica el cambio y el artefacto afectado en Dev
2. Abre Impact Analysis sobre el dataset / dataflow afectado en Prod
3. Categoriza los consumidores: críticos, importantes, exploratorios
4. Comunica a los propietarios con "Notify contacts" o por canal interno
5. Aplica el cambio en Dev → Test → Prod a través de Deployment Pipelines
6. Verifica refresh y visuals en al menos 1 informe representativo de cada consumidor crítico
7. Documenta la fecha del cambio en la descripción del dataset y, si aplica, en la wiki del CoE