Si estás leyendo esto seguramente ya sepas que cada pase, cada carrera y cada decisión puede medirse. Y si queremos sacarle jugo a esa información, necesitamos herramientas que nos permitan ir más allá de las simples estadísticas.
Aquí es donde aparece DAX en Power BI, ese compañero de batalla que te ayudará a transformar números en conocimiento real y aplicable al fútbol.
¿Es la primera vez que oyes este término? no te preocupes, aquí te lo explicamos.
¿Qué es el lenguaje DAX y por qué es clave para el análisis de fútbol en Power BI?
DAX (Data Analysis Expressions) es un lenguaje de fórmulas diseñado para trabajar con datos. Microsoft lo creó en 2010 y hoy puedes usarlo en Excel, Analysis Services y, por supuesto, en Power BI, que es el que más nos interesa para el fútbol.
La mejor noticia es que no necesitas ser un programador para empezar. Si alguna vez has usado fórmulas en Excel, te sonará muy familiar. DAX te permite hacer desde operaciones básicas hasta cálculos avanzados que convierten una base de datos en información táctica.
Te dejo un ejemplo sencillo: imagina que tienes una tabla con goles y asistencias de tus jugadores. Con una de sus fórmulas puedes crear una nueva columna de “Participaciones de gol”, sumando ambas. Eso, llevado al análisis, te permite comenzar a entender la incidencia real de un futbolista en el juego ofensivo del equipo.
De los datos en bruto a decisiones que cambian partidos
Power BI no solo te permite organizar volúmenes enormes de datos (todo lo que pasa en un partido, en una semana de entrenamientos o en una temporada completa). Lo que realmente marca la diferencia es cómo, gracias a DAX, puedes detectar patrones, tendencias o relaciones que están un poco escondidas a simple vista.
Por ejemplo, medir cómo influye un jugador en la construcción del juego, o analizar qué combinaciones de futbolistas potencian más el rendimiento colectivo.
Además, DAX te abre la puerta a la predicción. Puedes crear modelos que anticipen comportamientos, simulen rendimientos o ayuden a perfilar qué tipo de jugador encajaría en tu equipo. Y lo mejor: una métrica bien creada es reutilizable y dinámica. No tienes que rehacer el trabajo para cada contexto.
Esa flexibilidad te ahorra horas de tareas mecánicas y te permite dedicar tu energía a lo que de verdad importa: interpretar, sacar conclusiones y aportar valor al cuerpo técnico.
En mi experiencia, dominar esta función ha sido un antes y un después. Pasé de hacer informes estáticos y repetitivos a crear sistemas que se actualizan solos, y eso me dio más tiempo para pensar el fútbol. Al final, el objetivo es claro: no coleccionar datos por coleccionar, sino convertirlos en decisiones que mejoren el rendimiento de tu equipo.
Preparando tu Power BI: organiza tus métricas como un vestuario
Tener métricas y KPIs está genial, pero si los tienes desperdigados por todo el modelo de datos… es como tener el vestuario hecho un caos. Y todos sabemos lo que pasa cuando cada jugador deja la ropa tirada por cualquier lado.
Una tabla de métricas: orden y claridad en tu trabajo
Un buen analista no solo se distingue por lo que mide, sino por cómo organiza su trabajo. Por eso te recomiendo crear una tabla específica para tus métricas en Power BI. Así tendrás todo limpio y accesible.
El proceso es fácil:
- Abre Power BI Desktop.
- Ve a “Modelado”.
- Pulsa “Nueva tabla”.
- Empieza a guardar ahí todas tus medidas.
Puedes hacerlo de dos formas:
- Una tabla única con todas las métricas.
- Varias tablas temáticas: delanteros, centrocampistas, defensas, porteros… cada uno con sus datos específicos.
Lo importante es que, cuando vayas a trabajar, sepas exactamente dónde está cada cosa. Igual que en un vestuario ordenado: botas en su sitio, camisetas colgadas y balones listos para salir al campo. Ese orden se nota luego en el informe, porque todo fluye mucho mejor y puedes escalar tu trabajo sin dolores de cabeza.
Dominando las fórmulas DAX: creando medidas esenciales para el fútbol
En el análisis de fútbol con Power BI, DAX es la llave que abre la puerta a un mundo de métricas dinámicas y útiles. Una vez que entiendes la base del lenguaje, el siguiente paso es aprender a crear medidas, esas fórmulas que se convierten en el corazón de cualquier panel de análisis y que te permiten pasar de datos en bruto a conclusiones que impactan directamente en la preparación y el rendimiento del equipo.
Cómo crear tus primeras medidas en Power BI con el Lenguaje DAX
En Power BI, las métricas se llaman “medidas”, y son las que nos permiten cuantificar y analizar diferentes aspectos del juego. Crearlas es más sencillo de lo que parece:
- En Power BI Desktop, tienes que dirigirte a la pestaña Modelado o directamente a los tres puntos de la tabla de métricas y eliges Nueva medida.
- Te aparecerá una barra de fórmulas muy parecida a la de Excel. Ahí es donde escribirás tu expresión DAX.
- Mi consejo: organiza siempre tus medidas en una tabla específica (llámala “Métricas”, por ejemplo). Así tendrás todo centralizado y limpio.
Una medida puede ser tan básica como una suma de goles o tan avanzada como una fórmula que combine múltiples condiciones de juego. Lo importante es que entiendas que cada medida que creas se convierte en una pieza que podrás reutilizar en distintos contextos: un equipo, un jugador, una competición o una fase concreta del partido.
Ejemplos prácticos de fórmulas DAX para métricas futbolísticas
DAX trae un arsenal de funciones listas para usar. Te comparto algunas de las más útiles en análisis de fútbol, con ejemplos prácticos:
- ⚽ COUNT(columna) → Cuenta los elementos de una columna.
Ejemplo: COUNT(‘Eventos Partido'[Tiro]) = número total de tiros en un partido. - 🧮 DISTINCTCOUNT(columna) → Cuenta valores únicos.
Ejemplo: DISTINCTCOUNT(‘Jugadores'[Equipo]) = número de equipos distintos en una liga. - 🎯 SUM(columna) → Suma todos los valores de una columna.
Ejemplo: SUM(‘Estadísticas'[Goles]) = total de goles de la competición. - 🔝 MAX(columna) → Devuelve el valor más alto.
Ejemplo: MAX(‘Estadísticas'[Goles]) = máximo de goles anotados por un jugador. - 📉 MIN(columna) → Devuelve el valor más bajo.
Ejemplo: MIN(‘Jugadores'[Año de nacimiento]) = el jugador más veterano de la base de datos. - 📊 AVERAGE(columna) y AVERAGEX(tabla, expresión) → Calculan promedios.
Ejemplo: AVERAGE(‘Jugadores'[Edad]) = edad media de los jugadores en la competición. - 🛠️ CALCULATE(expresión, filtros) → Modifica el contexto de una fórmula.
Ejemplo: CALCULATE(SUM(‘Eventos'[Goles]), ‘Jugadores'[Equipo] = «Sevilla») = goles marcados por el Sevilla. - 🔎 FILTER(tabla, condición) → Devuelve una tabla filtrada.
Ejemplo: tiros solo desde dentro del área:
FILTER(‘Eventos’, ‘Eventos'[Zona] = «Área»). - 📅 Funciones de tiempo (DATE, DATESYTD, DATESMTD, etc.) → Para métricas acumuladas.
Ejemplo: CALCULATE(SUM(‘Eventos'[Goles]), DATESYTD(‘Calendario'[Fecha])) = goles acumulados en lo que va de temporada.
👉 Consejo práctico
No te agobies intentando aprender todas las funciones de golpe. Empieza con las básicas (SUM, COUNT, AVERAGE) y poco a poco ve incorporando las más avanzadas como CALCULATE o FILTER, que son las que de verdad te permiten darle profundidad a tu análisis.
Más allá de las medidas: columnas calculadas con DAX en el fútbol
Cuando trabajamos en Power BI solemos tirar de medidas para casi todo. Y está bien, porque son rápidas, flexibles y funcionan de maravilla en la mayoría de escenarios. Pero hay ocasiones en las que las columnas calculadas se convierten en una herramienta muy útil, sobre todo si queremos guardar resultados directamente en el modelo de datos y usarlos después para segmentar o filtrar.
Cuándo y cómo crear columnas calculadas con DAX
Las columnas calculadas son como una extensión de tu tabla: no viven en el aire, sino que se quedan guardadas fila a fila. ¿Qué significa esto? Que si tienes una tabla de jugadores, cada uno va a llevar consigo ese cálculo en todo momento.
Por ejemplo, imagina que quieres saber qué porcentaje de titularidades tiene cada jugador. Sólo alcanzaría con añadir una columna con una fórmula tipo:
Porcentaje de titularidades = Titularidades / Partidos Jugados
Y listo, ya tienes un dato que se queda guardado dentro del modelo. Luego lo puedes formatear como porcentaje y usarlo en tus análisis. Yo la primera vez que lo hice con datos de un equipo juvenil pude filtrar de forma muy sencilla quién estaba siempre en el once y quién apenas entraba en la rotación.
Medidas vs. Columnas calculadas: elegir bien la herramienta
Aquí está la clave: no es que unas sean mejores que otras, sino que sirven para cosas distintas.
Para que no te pierdas, si quieres cálculos dinámicos y rápidos, tira de medidas, pero si necesitas guardar un valor para usarlo como filtro o segmento, la columna calculada es tu aliada.
Segmentar datos: lo fundamental de las columnas calculadas
Una de las cosas que más me gustan de las columnas calculadas es que te permiten darle vida a tus informes. Por ejemplo, si creas una columna con el porcentaje de titularidades, puedes colocar un segmentador que filtre solo a los jugadores que superan el 60%. Y eso, en un informe de análisis, es oro puro: te da la posibilidad de interactuar con los datos de forma intuitiva y rápida.
Con las medidas, esto no se puede hacer directamente. Funcionan de lujo para cálculos, pero no para segmentar. Por eso, aunque las medidas sean la opción más habitual, las columnas calculadas tienen ese valor añadido cuando quieres dar un paso más en la interactividad.
La Importancia de las Medidas DAX para un Análisis Flexible y Dinámico
Hay algunos analistas que prefieren trabajar con medidas en lugar de columnas calculadas. ¿Por qué? La respuesta es simple: flexibilidad y eficiencia.
- 🔄 Flexibilidad total → Una medida se adapta sola al filtro que le pongas. Si filtras por jugador, equipo o temporada, se recalcula automáticamente en ese contexto. Una medida de “Goles totales” mostrará los del equipo entero, de un jugador concreto o de un periodo de tiempo, según lo que quieras ver.
- ⚡ Mejor rendimiento → Las medidas no almacenan resultados en el modelo. Se calculan al vuelo, lo que hace que tu base sea más ligera y que las actualizaciones de tu modelo vayan más rápido.
- 🎯 Contextualización → Una medida te permite analizar situaciones de juego específicas sin tener que crear diez columnas nuevas para cada escenario.
- ⏳ Ahorro de tiempo → Menos tareas manuales y más tiempo para lo importante: interpretar el juego, buscar patrones y sacar conclusiones.
Si bien, se recomienda el uso de columnas a la hora de trabajar con filtros, en cualquier otro caso, las medidas son tu mejor arma. Te permiten trabajar de forma ágil, dinámica y con la capacidad de adaptar el análisis a cualquier contexto. Y créeme, cuando empiezas a dominar las medidas DAX, sientes que tienes un “superpoder” como analista.
Mi recomendación
Dedica tiempo a practicar. Elabora tus primeras medidas sencillas, aplícalas en un informe y juega con los filtros. La clave está en aprender haciendo. Cuanto antes lo integres, antes empezarás a ver cómo tus informes cobran vida y se convierten en verdaderas herramientas de decisión para el cuerpo técnico.
🚀 ¿Sabías que puedes trabajar analizando datos de fútbol?
Domina el arte del análisis de datos de fútbol aprendiendo a usar Power BI. Hazte indispensable para tu equipo.
Únete ahoraConclusión: el equilibrio es la clave
Al final, se trata de entender cuándo usar cada herramienta. En mis primeros informes cometí el error de abusar de las columnas calculadas porque me resultaban más visuales. Con el tiempo entendí que las medidas eran más eficientes para casi todo, y que las columnas debían reservarse para esos casos concretos en los que necesitaba filtrar o guardar un resultado fijo.
Si estás empezando con Power BI aplicado al fútbol, mi consejo es claro:
Empieza siempre con medidas, porque son más ligeras y flexibles. Usa columnas calculadas solo cuando quieras filtrar, segmentar o guardar un cálculo en el modelo. Y sobre todo, prueba, equivócate y ajusta. Es la mejor forma de aprender a sacarle todo el jugo a DAX.Porque al final, el objetivo no sólo es ser expertos en Power BI, sino utilizar estas herramientas para entender mejor el juego, tomar mejores decisiones y seguir creciendo como analistas de fútbol.