Cómo crear un gráfico de series temporales con líneas de tendencia en Power BI

João Barros 20 de August de 2026 4 min de lectura

Este tutorial muestra cómo crear un gráfico de series temporales en Power BI con líneas de tendencia y una previsión simple. Es útil para analizar la evolución de ventas, visitas o métricas a lo largo del tiempo e identificar patrones y desviaciones.

Requisitos previos

Power BI Desktop instalado.
Una tabla con columnas de Fecha y Valor (p. ej.: Date, Sales).
Noções básicas de modelación (relaciones) y DAX.

Paso 1: Preparar la tabla de fechas

Una tabla de fechas (Calendar) es esencial para series temporales: permite agrupar por mes, trimestre y usar funciones de time intelligence correctamente.

// Exemplo DAX para crear una Calendar table Calendar = ADDCOLUMNS (   CALENDAR (DATE(2020,1,1), DATE(2024,12,31)),   "Year", YEAR([Date]),   "MonthNumber", MONTH([Date]),   "MonthName", FORMAT([Date], "MMMM"),   "YearMonth", FORMAT([Date], "YYYY-MM") )

Después de crear la tabla, márcala como "Date table" en Modelado y asegúrate de que la columna Date es la columna de fecha.

Paso 2: Relacionar la Calendar con los datos

Crea una relación entre Calendar[Date] y tu tabla de hechos (p. ej.: Sales[Date]). Usa relación 1:* con la Calendar en el lado 1.

Paso 3: Crear medidas básicas

Crea medidas para totalizar el valor y para comparar con periodos anteriores. Las medidas son esenciales para líneas de tendencia y forecast simple.

// Medida total Total Sales = SUM(Sales[Amount])  // Medida - ventas en el período anterior Sales Prev Period = CALCULATE([Total Sales], DATEADD(Calendar[Date], -1, YEAR))

Paso 4: Crear el gráfico de líneas

Añade un visual de Line chart. Coloca Calendar[Date] en el eje X y la medida Total Sales en los valores. Configura el eje para mostrar fecha continua (Type: Continuous) si quieres líneas suaves.

Paso 5: Añadir una línea de tendencia con una medida DAX

Para tener control y explicitar la línea de tendencia, calcula una tendencia lineal vía regresión simple (coeficiente e intercepto con DAX) y dibújala como serie adicional.

// Exemplo de tendencia linear (mínimo viable) Trend_Slope = VAR X = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR Y = AVERAGEX(VALUES(Calendar[Date]), [Total Sales]) VAR XY = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM")) * [Total Sales]) VAR XX = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM")) * VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR N = COUNTROWS(VALUES(Calendar[Date])) RETURN DIVIDE(XY - N * X * Y, XX - N * X * X)  Trend_Intercept = VAR X = AVERAGEX(VALUES(Calendar[Date]), VALUE(FORMAT(Calendar[Date], "YYYYMM"))) VAR Y = AVERAGEX(VALUES(Calendar[Date]), [Total Sales]) VAR Slope = [Trend_Slope] RETURN Y - Slope * X  Trend Line = VAR CurrX = VALUE(FORMAT(MAX(Calendar[Date]), "YYYYMM")) RETURN [Trend_Intercept] + [Trend_Slope] * CurrX

Nota: este ejemplo usa YYYYMM como representación numérica del tiempo para una regresión simple. Para intervalos diferentes ajusta la transformación de X.

Paso 6: Mostrar la línea de tendencia en el gráfico

Añade la medida Trend Line al mismo Line chart como serie adicional. Verás la línea que representa la tendencia lineal a lo largo del tiempo. Si lo prefieres, convierte el eje a Type: Continuous para una apariencia más natural.

Paso 7: Crear una previsión simple (forecast)

Puedes extender la tendencia para predecir valores futuros. Crea una tabla auxiliar con fechas futuras y usa la misma fórmula de Trend Line para calcular estimaciones.

// Tabla de fechas futuras (ejemplo 6 meses) FutureCalendar = CALENDAR (MAX(Calendar[Date]) + 1, EDATE(MAX(Calendar[Date]), 6))  // Medida para forecast en contexto de FutureCalendar Forecast Value = VAR CurrX = VALUE(FORMAT(MAX(FutureCalendar[Date]), "YYYYMM")) RETURN [Trend_Intercept] + [Trend_Slope] * CurrX

Combina la Calendar normal y la FutureCalendar en una visualización combinada o usa un Line chart que acepte ambas series (puedes unir las tablas con UNION si es necesario).

Verificar el resultado

Confirma que el gráfico muestra la serie original y la línea de tendencia. Verifica fechas con valores nulos, puntos outliers y si la línea de tendencia sigue la dirección esperada. Errores comunes: no marcar la tabla de fechas, uso de eje discreto en lugar de continuo, y agregaciones al nivel erróneo (usar Date vs YearMonth).

Conclusión

Ahora tienes un gráfico de series temporales con línea de tendencia y una previsión simple en Power BI. Próximos pasos: experimentar con suavizado (moving average), usar R o Python para forecast avanzado, o optimizar la regresión para frecuencias distintas. Consejo: prueba los resultados con holdout (separa algunos meses para validar la previsión).