Cómo se llamaba DAX antes: El Fascinante Origen de una Herramienta Revolucionaria en el Análisis de Datos
Recuerdo como si fuera ayer la primera vez que me topé con las siglas DAX. Estaba inmerso en un proyecto de análisis de datos en la oficina, intentando extraer información valiosa de un conjunto de datos enorme en Excel. Las fórmulas tradicionales se quedaban cortas, la agilidad era nula y la frustración empezaba a hacer mella. Fue entonces cuando un colega, con una sonrisa enigmática, me habló de «un nuevo lenguaje» que lo cambiaría todo para nuestro Excel: PowerPivot. Y con PowerPivot, inevitablemente, llegó DAX. La pregunta, casi obvia para cualquiera que profundiza en estas herramientas, surge naturalmente: **cómo se llamaba DAX antes** de ser el lenguaje omnipresente que conocemos hoy en día en Power BI, Excel y Analysis Services. Pues bien, la respuesta es tan fascinante como el propio lenguaje, porque en realidad, DAX, tal como lo conocemos, no tuvo un nombre «anterior» distinto, sino que nació y se desarrolló de la mano de un proyecto mucho más grande, conocido inicialmente como **Project Gemini**, que más tarde se materializó como **PowerPivot para Excel**.
Es crucial entender que DAX (Data Analysis Expressions) no es un lenguaje que existiera previamente bajo otro nombre y luego se renombrara. No hubo un «Proto-DAX» o un «Pre-DAX» con una identidad independiente. Más bien, fue concebido y diseñado desde cero como el lenguaje de fórmulas para un nuevo motor de análisis de datos que Microsoft estaba desarrollando. Este motor, junto con su lenguaje de expresión, surgió para resolver un problema apremiante en el mundo del Business Intelligence (BI): la necesidad de que los usuarios de negocio pudieran realizar análisis sofisticados sobre grandes volúmenes de datos de manera autónoma, sin depender constantemente de los equipos de TI.
El Contexto de Nacimiento: Project Gemini y la Revolución del BI de Autoservicio
Para comprender verdaderamente **cómo se llamaba DAX antes**, debemos retroceder a principios de la década de 2000, cuando la analítica de datos empezaba a transformarse. Las empresas se ahogaban en datos, pero los usuarios de negocio a menudo se sentían impotentes para extraer el valor que necesitaban. Los sistemas de Business Intelligence existentes eran potentes, sí, pero complejos, lentos de implementar y, en gran medida, reservados para especialistas en TI. Excel, a pesar de su popularidad y flexibilidad, tenía limitaciones inherentes, especialmente con grandes volúmenes de datos y relaciones complejas entre ellos. Las fórmulas de Excel, aunque versátiles para hojas de cálculo, no estaban diseñadas para el modelado de datos multidimensional o relacional a gran escala.
Fue en este caldo de cultivo donde Microsoft inició lo que internamente se conoció como el **Project Gemini**. La visión era audaz: empoderar al usuario final con herramientas de Business Intelligence de autoservicio (Self-Service BI). La idea central era crear un motor de datos in-memory (que almacena los datos en la memoria RAM para un acceso ultrarrápido) capaz de manejar millones de filas con una eficiencia asombrosa, y que además fuera accesible directamente desde el entorno familiar de Excel. Este motor, posteriormente conocido como VertiPaq, sería el corazón de la nueva oferta.
Aquí es donde DAX entra en escena. Si tienes un motor de datos súper potente, necesitas un lenguaje igual de potente y flexible para interactuar con esos datos, para definir cálculos, métricas e indicadores clave de rendimiento (KPIs). Un lenguaje que pudiera expresar lógica de negocio compleja en un contexto relacional, y que al mismo tiempo fuera lo suficientemente intuitivo como para ser adoptado por analistas de negocio, no solo por programadores. DAX fue, por tanto, diseñado específicamente como el lenguaje de consulta y expresión para este nuevo motor.
Así, aunque DAX nunca tuvo un nombre previo per se, nació intrínsecamente ligado a **Project Gemini** y se presentó al mundo como el lenguaje de fórmulas para **PowerPivot para Excel**. Podríamos decir, con cierta licencia poética, que su «nombre de pila» o su contexto de nacimiento fue PowerPivot. Fue la interfaz que los usuarios veían y la plataforma a través de la cual DAX cobraba vida y demostraba su capacidad. Sin PowerPivot, DAX no habría tenido una plataforma para mostrar su poder al público general.
La Integración con PowerPivot: El Primer Gran Escenario de DAX
La llegada de **PowerPivot para Excel 2010** fue un antes y un después. De repente, Excel dejaba de ser solo una hoja de cálculo para convertirse en una potente herramienta de modelado de datos y BI. Los usuarios podían importar datos de múltiples fuentes (bases de datos, archivos de texto, web, etc.), crear relaciones entre tablas y, lo más importante, definir medidas y columnas calculadas utilizando DAX.
Para muchos de nosotros, este fue nuestro primer contacto con DAX. Recuerdo la curva de aprendizaje, ciertamente empinada para quienes veníamos de las fórmulas de Excel. DAX no era solo «Excel avanzado»; era una forma de pensar completamente diferente sobre los datos. Las funciones como `CALCULATE`, `SUMX`, `ALL` nos obligaban a entender conceptos como el contexto de fila y el contexto de filtro, algo ajeno a las celdas individuales de Excel. Pero una vez que «hacías clic», la potencia era inigualable. Podías responder preguntas de negocio que antes requerían días de trabajo de SQL o de programación compleja, todo desde la comodidad de Excel.
El éxito de PowerPivot y, por ende, de DAX, fue rotundo. Demostró que existía una enorme demanda insatisfecha de BI de autoservicio. Los analistas de negocio, que antes dependían de equipos de TI para cada informe o análisis ad-hoc, ahora podían construir sus propios modelos de datos dinámicos y realizar análisis profundos por sí mismos.
Evolución y Expansión: De PowerPivot a los Modelos Tabulares de SSAS y Power BI
El éxito del enfoque de Project Gemini y PowerPivot no se limitó a Excel. Microsoft rápidamente reconoció el valor de este motor y de DAX, y decidió integrarlo en su suite de productos de Business Intelligence de nivel empresarial. Así, los **Modelos Tabulares de SQL Server Analysis Services (SSAS)** nacieron, utilizando el mismo motor VertiPaq y el mismo lenguaje DAX. Esto permitió que los modelos de datos creados en PowerPivot por usuarios de negocio pudieran ser escalados, gestionados y desplegados a nivel corporativo por equipos de TI, manteniendo la coherencia y el rendimiento.
Y luego llegó Power BI. En 2015, Power BI Desktop se lanzó como una herramienta de BI de autoservicio aún más completa y visualmente rica, diseñada para la creación de informes y cuadros de mando interactivos. ¿Y qué motor de datos y qué lenguaje de cálculo utiliza Power BI Desktop? Lo adivinaste: el motor VertiPaq y DAX. De hecho, Power BI Desktop es, en esencia, la evolución natural de PowerPivot, llevando el concepto de BI de autoservicio a un nuevo nivel con capacidades de visualización y compartición en la nube.
Desde mi perspectiva como profesional, esta coherencia en el ecosistema de Microsoft ha sido una de las mayores fortalezas de DAX. Aprendes DAX una vez y puedes aplicarlo en Excel, en SQL Server Analysis Services y, por supuesto, en Power BI. Esta portabilidad del conocimiento es un testimonio de la visión original del Project Gemini y de la robustez del diseño de DAX. No es solo un lenguaje; es un pilar fundamental en la estrategia de datos de Microsoft, un hilo conductor que conecta diferentes herramientas y públicos, desde el analista de negocio en Excel hasta el arquitecto de datos en SSAS.
¿Por qué DAX y no otro lenguaje? Una Mirada Profunda a sus Principios de Diseño
Entender **cómo se llamaba DAX antes** no es solo una cuestión de nomenclatura, sino de comprender el porqué de su diseño. Su origen en la necesidad de un BI de autoservicio determinó sus características fundamentales. Aquí desglosamos algunos principios clave:
* **Familiaridad para Usuarios de Excel:** Aunque DAX es más complejo que las fórmulas básicas de Excel, sus creadores se esforzaron por mantener cierta familiaridad sintáctica. Muchas funciones tienen nombres similares (SUM, AVERAGE, MIN, MAX) y la estructura general de las fórmulas puede recordar a los usuarios de Excel cómo construyen expresiones. Esto redujo la barrera de entrada para millones de usuarios.
* **Orientado a Medidas y Modelos Relacionales:** A diferencia de las fórmulas de Excel que operan en celdas individuales, DAX está diseñado para trabajar con modelos de datos relacionales. Esto significa que entiende las relaciones entre tablas (uno a muchos, muchos a uno) y puede propagar filtros a través de ellas. Su propósito principal es crear «medidas» que agreguen datos (sumas, promedios, recuentos) y «columnas calculadas» que transformen datos fila por fila.
* **Contexto de Evaluación:** Este es, para mí, el concepto más poderoso y distintivo de DAX. Las fórmulas de DAX no se evalúan de forma estática; lo hacen en un «contexto» específico.
* **Contexto de fila:** Cuando DAX calcula una columna calculada o una función iteradora (como SUMX), procesa fila por fila.
* **Contexto de filtro:** Este es el alma de la interactividad. Cuando seleccionas un filtro en un informe (por ejemplo, «Ventas por Año: 2023»), DAX automáticamente ajusta todas las medidas para reflejar solo los datos de 2023. La función `CALCULATE` es el rey de la manipulación del contexto de filtro, permitiendo anular, agregar o modificar filtros de forma dinámica, lo que habilita la creación de cálculos complejos como porcentajes del total, comparaciones año a año, etc.
* **Motor de Consulta Potente (VertiPaq):** DAX no sería tan rápido y eficiente sin el motor subyacente VertiPaq. Este motor, basado en columnas y diseñado para compresión de datos y procesamiento en memoria, permite que las consultas DAX sobre millones de filas se resuelvan en milisegundos. La velocidad es fundamental para la experiencia interactiva que Power BI ofrece, y DAX es la interfaz para explotar esa velocidad.
* **Funcionalidad Rica:** DAX incluye una vasta biblioteca de funciones para agregación, manipulación de texto, fechas y horas (especialmente potentes son las funciones de inteligencia de tiempo, como `TOTALYTD`, `SAMEPERIODLASTYEAR`), funciones lógicas, de tabla, de filtro y de relación. Esta riqueza permite construir prácticamente cualquier cálculo de negocio imaginable.
Desde mi experiencia personal, la verdadera magia de DAX reside en su capacidad para combinar la sencillez aparente de las funciones de hoja de cálculo con la profundidad y el poder de un lenguaje de consulta relacional. Es un puente entre el mundo del analista de negocio y el del especialista en bases de datos. No es un lenguaje de programación tradicional, sino un lenguaje declarativo y funcional diseñado para la expresión de cálculos y la transformación de modelos de datos.
La Perspectiva del Desarrollador: DAX como Lenguaje de Expresión
Para muchos, DAX puede parecer un lenguaje complejo. Y lo es, en el sentido de que requiere un cambio de paradigma mental. No es un lenguaje de programación procedimental como Python o C#, donde se especifican pasos uno tras otro. DAX es un lenguaje funcional y declarativo. Se le dice a DAX *qué* se quiere calcular, y DAX se encarga del *cómo*, optimizando la consulta para el motor VertiPaq.
Cuando un desarrollador de Power BI o un experto en Analysis Services escribe una fórmula DAX, no está pensando en bucles `for` o estructuras condicionales complejas de la misma manera que lo haría en otros lenguajes. En cambio, piensa en:
* **Agregaciones:** ¿Cómo sumar, promediar o contar elementos?
* **Contextos:** ¿Qué filtros se están aplicando actualmente a los datos? ¿Necesito modificar esos filtros para mi cálculo?
* **Iteradores:** ¿Necesito realizar un cálculo fila por fila antes de agregarlo (por ejemplo, `SUMX` para sumar el resultado de un cálculo por cada fila)?
* **Relaciones:** ¿Cómo acceder a datos de una tabla relacionada para mi cálculo?
Este enfoque declarativo, centrado en el «qué» más que en el «cómo», es lo que hace a DAX increíblemente eficiente para la tarea para la que fue diseñado: el análisis de datos. Permite a los usuarios centrarse en la lógica de negocio, dejando la optimización del rendimiento al motor subyacente. La curva de aprendizaje existe, sí, pero la recompensa en términos de flexibilidad y rendimiento es monumental.
DAX en el Ecosistema Actual de Microsoft Data Platform
Hoy en día, DAX es más relevante que nunca. Es el corazón de las capacidades analíticas en:
* **Power BI Desktop:** La herramienta líder para la creación de informes y cuadros de mando interactivos.
* **Power BI Service:** La plataforma en la nube para compartir, colaborar y consumir informes de Power BI.
* **Excel:** A través de PowerPivot y los modelos de datos de Excel, sigue siendo una opción potente para análisis de autoservicio.
* **SQL Server Analysis Services (SSAS) Tabular:** Para modelos de datos a nivel empresarial, escalables y gestionados.
* **Azure Analysis Services:** La versión en la nube de SSAS Tabular.
* **Fabric (Microsoft Fabric):** La nueva plataforma unificada de Microsoft para datos y analítica, donde los modelos de datos de Power BI (y por ende DAX) juegan un papel central.
La ubicuidad de DAX en el ecosistema de Microsoft subraya la visión de sus creadores y la demanda de un lenguaje de expresión de datos robusto y flexible. Para cualquier profesional de datos que trabaje con herramientas de Microsoft, dominar DAX no es opcional; es una necesidad. Nos permite trascender los informes estáticos y crear análisis dinámicos, potentes y perspicaces que impulsan decisiones empresariales informadas. Y todo esto, nacido de la necesidad de empoderar al usuario de negocio, un objetivo que se remonta a los días del Project Gemini y a la pregunta de **cómo se llamaba DAX antes**.
Preguntas Comunes sobre DAX y sus Orígenes
Es natural que surjan muchas dudas al adentrarse en el mundo de DAX, especialmente al intentar comprender su historia. Aquí abordamos algunas de las preguntas más frecuentes que me he encontrado, desglosando las respuestas para una comprensión completa.
¿Qué significan las siglas DAX y cuándo se introdujo por primera vez?
Las siglas **DAX** corresponden a **Data Analysis Expressions**. Como ya hemos comentado, no tuvo un nombre anterior diferente como tal, sino que nació con su nombre actual desde su concepción. Se introdujo por primera vez al público en el año **2010**, acompañando el lanzamiento de **PowerPivot para Excel 2010**.
Este lanzamiento fue un hito porque marcó el inicio de la democratización del Business Intelligence de autoservicio. Antes de DAX y PowerPivot, realizar análisis de datos complejos y modelado relacional requería herramientas especializadas de BI o un conocimiento profundo de SQL, a menudo fuera del alcance del usuario de negocio promedio. DAX fue la respuesta a la necesidad de un lenguaje de fórmulas que pudiera operar sobre modelos de datos relacionales directamente desde una interfaz familiar como Excel, permitiendo a los analistas de negocio crear métricas y cálculos avanzados de manera independiente.
¿Cuál fue el propósito original de DAX y cómo abordó las limitaciones existentes?
El propósito original de DAX fue fundamentalmente **empoderar a los usuarios de negocio para realizar análisis de datos complejos y modelado de datos relacionales dentro de un entorno de hoja de cálculo familiar, sin depender de los equipos de TI**. Nació de la necesidad de superar las limitaciones inherentes de las fórmulas tradicionales de Excel, que no eran adecuadas para manejar grandes volúmenes de datos ni para trabajar eficientemente con modelos de datos que incluían múltiples tablas relacionadas.
Las fórmulas de Excel operan típicamente a nivel de celda o rango, y la gestión de relaciones entre diferentes conjuntos de datos era engorrosa, si no imposible, sin el uso de funciones como `BUSCARV` que pueden ser lentas e ineficientes para grandes volúmenes. DAX, por otro lado, fue diseñado para:
* **Manejar grandes volúmenes de datos:** A través de su integración con el motor VertiPaq, que comprime datos y los almacena en memoria, DAX permite consultas ultrarrápidas sobre millones de filas.
* **Trabajar con modelos de datos relacionales:** DAX entiende y utiliza las relaciones entre tablas. Esto significa que un cálculo puede referirse a columnas de diferentes tablas y los filtros aplicados a una tabla pueden propagarse a otras, lo que es crucial para un análisis de datos significativo.
* **Crear medidas dinámicas:** A diferencia de los valores estáticos, las medidas DAX se recalculan dinámicamente según el contexto de filtrado del informe. Esto permite una interactividad sin precedentes en los informes, donde los usuarios pueden segmentar y explorar datos en tiempo real.
* **Definir lógica de negocio compleja:** Con funciones como `CALCULATE`, `ALL`, `FILTER`, y las funciones de inteligencia de tiempo, DAX permite expresar cálculos complejos de negocio, como el porcentaje del total, el crecimiento interanual, o promedios móviles, con una elegancia y eficiencia que era inalcanzable con las herramientas anteriores de autoservicio.
En resumen, DAX vino a llenar un vacío crítico, transformando a Excel de una simple hoja de cálculo en una potente herramienta de BI capaz de rivalizar, en ciertos aspectos, con soluciones empresariales más robustas.
¿Es DAX un lenguaje de programación completo o un lenguaje de consulta?
DAX se sitúa en un punto intermedio, pero es más preciso describirlo como un **lenguaje de expresiones funcionales y de consulta** más que como un lenguaje de programación completo en el sentido tradicional. No es un lenguaje de propósito general como Python, Java o C#, que se utilizan para construir aplicaciones completas, sistemas operativos o videojuegos.
Su enfoque principal es la **definición de cálculos y la manipulación de datos dentro de un modelo de datos tabular**. Las sentencias DAX se usan para crear:
* **Medidas:** Cálculos agregados que devuelven un único valor escalar (ej: `SUM(Sales[Amount])`, `% de Ventas Total`).
* **Columnas Calculadas:** Nuevas columnas que se añaden a una tabla, cuyo valor se calcula fila por fila (ej: `Sales[Profit] = Sales[Amount] – Sales[Cost]`).
* **Tablas Calculadas:** Nuevas tablas basadas en la lógica DAX (ej: una tabla de clientes segmentados).
Aunque DAX tiene funciones lógicas (`IF`), condicionales y de iteración (`SUMX`), su estructura y propósito están intrínsecamente ligados a la forma en que el motor VertiPaq procesa los datos y al modelo de datos tabular. Se centra en «qué» calcular más que en «cómo» ejecutar cada paso de la lógica. Carece de muchas de las construcciones que se encuentran en los lenguajes de programación de propósito general, como la capacidad de interactuar directamente con el sistema de archivos, manejar eventos complejos, o crear interfaces de usuario. Por lo tanto, es más apropiado verlo como un lenguaje altamente especializado y optimizado para la analítica de datos y la inteligencia de negocio.
¿Cómo se relaciona DAX con Power BI y es exclusivo de Microsoft?
La relación entre DAX y Power BI es simbiótica y fundamental: **DAX es el lenguaje de cálculos y expresiones que potencia los modelos de datos en Power BI**. Cada vez que creas una medida, una columna calculada o una tabla calculada en Power BI Desktop, estás utilizando DAX.
Power BI Desktop (y su predecesor, PowerPivot) utiliza el mismo motor de datos in-memory (VertiPaq) que los modelos tabulares de SQL Server Analysis Services. DAX es el lenguaje que permite interactuar con este motor, definir la lógica de negocio, realizar agregaciones, filtrar datos y crear métricas personalizadas que son esenciales para cualquier informe o cuadro de mando significativo. Sin DAX, Power BI sería una herramienta de visualización de datos estáticos mucho menos potente. Es DAX quien le da la capacidad de realizar análisis dinámicos, responder a preguntas de negocio complejas y adaptarse a la interactividad del usuario.
En cuanto a su exclusividad, sí, **DAX es un lenguaje exclusivo del ecosistema de Microsoft**. Fue diseñado por Microsoft específicamente para sus herramientas de Business Intelligence que utilizan el motor tabular de VertiPaq. Esto incluye:
* **Microsoft Power BI** (Desktop, Service, Premium, Fabric)
* **Microsoft Excel** (a través de PowerPivot y el modelo de datos)
* **SQL Server Analysis Services (SSAS) Tabular**
* **Azure Analysis Services**
Aunque existen otros lenguajes de consulta y expresión en el mundo de la analítica de datos (como MDX para modelos multidimensionales, SQL para bases de datos relacionales, o Python/R para análisis estadístico), DAX es único en su optimización y diseño para los modelos tabulares de Microsoft. No encontrarás DAX siendo utilizado de forma nativa en plataformas de BI de otros proveedores o en otras bases de datos fuera del entorno de Microsoft.
¿Cuál es la diferencia entre DAX y las fórmulas de Excel tradicionales?
Aunque DAX y las fórmulas de Excel comparten algunas similitudes superficiales en la sintaxis de algunas funciones (como `SUM`, `AVERAGE`), sus fundamentos y la forma en que operan son radicalmente diferentes, reflejando propósitos distintos.
**Fórmulas de Excel tradicionales:**
* **Orientadas a celdas:** Operan principalmente sobre celdas individuales o rangos de celdas en una hoja de cálculo bidimensional.
* **Contexto explícito:** El contexto de una fórmula de Excel se define explícitamente por las referencias de celda (por ejemplo, `A1`, `B2:B10`) o rangos nombrados.
* **No relacionales:** No tienen un mecanismo inherente para entender y trabajar con relaciones entre diferentes tablas de datos, más allá de funciones como `BUSCARV` o `INDICE-COINCIDIR`, que son operaciones de búsqueda.
* **Menos eficientes para grandes datos:** No están optimizadas para manejar millones de filas o realizar cálculos complejos sobre modelos de datos integrados. Pueden volverse muy lentas y propensas a errores con conjuntos de datos grandes.
* **Naturaleza «plana»:** Son excelentes para cálculos ad-hoc y organización de datos en dos dimensiones, pero les falta la profundidad necesaria para modelar datos de negocio complejos de forma jerárquica o relacional.
**DAX (Data Analysis Expressions):**
* **Orientado a modelos de datos:** Opera sobre un modelo de datos tabular que puede contener múltiples tablas interconectadas por relaciones. Piensa en tablas, columnas, y relaciones, no en celdas.
* **Contexto dinámico:** La clave de DAX es su comprensión del «contexto de evaluación». Una medida DAX se recalcula dinámicamente según los filtros aplicados en el informe (contexto de filtro) o la fila actual en la que se está evaluando (contexto de fila para columnas calculadas o funciones iteradoras). Esto permite cálculos muy flexibles y dinámicos.
* **Relacional por diseño:** Nació para trabajar con relaciones. Las funciones DAX pueden atravesar relaciones para acceder a datos de tablas relacionadas, y los filtros se propagan a través de estas relaciones automáticamente.
* **Altamente eficiente:** Al estar integrado con el motor VertiPaq, está optimizado para procesar grandes volúmenes de datos con una velocidad asombrosa, permitiendo una experiencia interactiva fluida.
* **Funcionalidad avanzada:** Proporciona un conjunto de funciones mucho más rico y especializado para el análisis de datos, incluyendo inteligencia de tiempo, manipulación de contexto de filtro, funciones iteradoras y funciones de tabla, que son vitales para cálculos de BI avanzados.
En síntesis, mientras que las fórmulas de Excel son como una navaja suiza para la manipulación de datos en una hoja de cálculo, DAX es una máquina diseñada específicamente para construir y consultar un potente modelo de datos analítico, capaz de gestionar relaciones, contextos dinámicos y volúmenes masivos de información. La curva de aprendizaje de DAX es mayor, pero su capacidad para transformar datos en conocimiento es exponencialmente superior.
¿Puedo usar DAX fuera del entorno de Microsoft?
Como ya se ha mencionado, **no, no se puede utilizar DAX de forma nativa fuera del entorno de Microsoft**. DAX está intrínsecamente ligado al motor de datos tabular de Microsoft (VertiPaq) y a las herramientas que lo utilizan, como Power BI, PowerPivot para Excel, y SQL Server Analysis Services (SSAS) Tabular.
Esto significa que no puedes escribir fórmulas DAX para consultar directamente una base de datos MySQL, por ejemplo, o usarlo en una herramienta de BI de un proveedor diferente como Tableau o Qlik Sense. Es un lenguaje propietario de Microsoft, diseñado para su ecosistema de Business Intelligence.
Sin embargo, esto no significa que no haya interacción o importación de datos. Puedes conectar Power BI a casi cualquier fuente de datos (bases de datos de terceros, archivos planos, servicios web, etc.), importar esos datos al modelo de datos de Power BI (donde residirá el motor VertiPaq), y una vez allí, sí podrás usar DAX para crear tus cálculos. La magia de DAX ocurre *dentro* del modelo de datos de Power BI o SSAS, después de que los datos de cualquier fuente se hayan cargado y transformado en ese modelo. Así que, aunque los datos pueden venir de cualquier lugar, el lenguaje para analizarlos dentro de las herramientas de Microsoft será DAX.
En definitiva, DAX es una pieza clave en el rompecabezas de la plataforma de datos de Microsoft. Entender **cómo se llamaba DAX antes**, o mejor dicho, cómo surgió y evolucionó junto a **Project Gemini** y **PowerPivot**, nos da una perspectiva más clara de su propósito, su poder y su relevancia actual en el mundo del análisis de datos. Es un testimonio de la visión de Microsoft para democratizar el Business Intelligence y empoderar a millones de usuarios con la capacidad de transformar datos en inteligencia de negocio accionable.