Cómo crear un Incremental Refresh en Power BI en Microsoft Fabric: paso a paso

João Barros 08 de October de 2026 4 min de lectura

Este tutorial explica cómo configurar el Incremental Refresh en un Power BI Dataset dentro del entorno Microsoft Fabric para actualizar datos de forma eficiente. Es útil para reducir el tiempo de refresh, minimizar costes y manejar grandes volúmenes usando Direct Lake o Import.

Pre-requisitos

Cuenta con acceso a un workspace en Microsoft Fabric.
Fuente de datos soportada (p. ej.: Lakehouse Delta Table, SQL del Warehouse, o Parquet en OneLake) con columnas de fecha/hora.
Power BI Desktop (optimizado para Fabric) o creación de Dataset en Power BI en el navegador.
Permisos para publicar en el workspace y crear/editar Datasets.

Paso 1: Elegir el enfoque (Direct Lake vs Import)

Entender por qué elegir Direct Lake o Import es crítico. Direct Lake lee datos directamente del Lakehouse/OneLake sin importar, ideal para consultas en tiempo real y grandes volúmenes. Import carga particiones en el Dataset, ideal si necesita latencia predecible y compresión.

Paso 2: Preparar la fuente de datos con columna de fecha

El Incremental Refresh necesita una columna de fecha o datetime para particionar los datos. Asegúrese de que existe y que tiene valores continuos y correctos.

-- Exemplo T-SQL para adicionar coluna de data, se usar Warehouse
ALTER TABLE sales ADD sale_date datetime2;
-- Preencher sale_date conforme necessário
UPDATE sales SET sale_date = created_at;

Paso 3: Crear una query en Power BI Desktop (o Dataflow) con parámetros

En Power BI Desktop cree dos parámetros RangeStart y RangeEnd del tipo DateTime. Úselos en la query para filtrar la tabla por fecha. Esto permite al servicio gestionar qué particiones cargar.

-- Exemplo M (Power Query) para filtrar por RangeStart/RangeEnd
let
  Source = Fabric.DataLake(/* fonte */),
  Filtered = Table.SelectRows(Source, each [sale_date] >= RangeStart and [sale_date] < RangeEnd)
in
  Filtered

Paso 4: Publicar en el workspace en Microsoft Fabric

Tras validar la modelación y las relaciones, publique el .pbix en el workspace de Fabric. Si usa Direct Lake, asegúrese de que el Dataset está configurado para Direct Lake en el momento de la publicación.

Paso 5: Configurar Incremental Refresh en el Dataset (en el servicio)

En el workspace de Microsoft Fabric abra el Dataset publicado, vaya a las configuraciones de Incremental Refresh y configure el periodo de retención y la frecuencia de actualización (p. ej.: mantener 3 años, actualizar 1 día). Para Import elija también si debe particionar por día/mes.

Paso 6: Validar políticas de partición y probar el refresh

Ejecute un refresh manual inicial. Verifique los logs y el tamaño de las particiones (en el caso de Import). Si hay errores comunes, normalmente son: parámetros mal definidos, columna de fecha con valores nulos, o permisos insuficientes en la fuente.

-- Exemplo de verificação no Warehouse (listar partições criadas se aplicável)
SELECT partition_id, min_date, max_date
FROM sys.partitions_metadata
WHERE object_name = 'sales'
ORDER BY min_date DESC;

Verificar el resultado

Confirme que los informes muestran datos actualizados conforme el intervalo definido. Para Import verifique que solo las particiones recientes se recargaron y que los tiempos de refresh se redujeron. Para Direct Lake, pruebe consultas en los informes para garantizar latencia aceptable y que los filtros por fecha funcionan.

Conclusión

El Incremental Refresh en Power BI en Microsoft Fabric reduce costes y acelera las actualizaciones cuando se configura con parámetros, particiones y la elección correcta entre Direct Lake e Import. Próximos pasos: monitorizar los refreshes programados, ajustar la retención y considerar agregaciones en Gold tables. Consejo: empiece con ventanas de refresh cortas para validar y luego amplíe.