La media truncada es una técnica estadística útil para obtener un promedio resistente a valores extremos al eliminar un porcentaje de observaciones más pequeñas y más grandes antes de calcular la media. En contextos de inteligencia de negocio esta aproximación aporta estabilidad a los indicadores cuando los datos contienen picos o errores de captura que distorsionan la visión real del comportamiento.
En Power BI la función TRIMMEAN simplifica este cálculo, pero en escenarios con conexiones en vivo a modelos antiguos de Analysis Services esa función puede no estar disponible. En esos casos conviene implementar una solución DAX manual que sea dinámica y que respete filtros y segmentaciones aplicadas por el usuario.
La idea general del patrón DAX consiste en cuatro pasos: construir la tabla de trabajo respetando filtros, contar observaciones válidas, calcular cuantas filas se deben eliminar en cada extremo según el porcentaje de recorte elegido, y finalmente promediar solo las filas que quedan entre ambos límites. Este enfoque permite ajustar el porcentaje de recorte en tiempo real y mantener la interactividad en informes con slicers.
Un esquema conceptual de medida DAX que ilustra el patrón es el siguiente VAR Datos = FILTER(ALLSELECTED(TableName), NOT ISBLANK(TableName[ValueColumn])) VAR Total = COUNTROWS(Datos) VAR Porcentaje = 0.1 VAR Excluir = INT(Total * Porcentaje) VAR Filtrado = FILTER(Datos, RANKX(Datos, TableName[ValueColumn]) > Excluir && RANKX(Datos, TableName[ValueColumn]) <= Total - Excluir) RETURN AVERAGEX(Filtrado, TableName[ValueColumn])
Al aplicar este patrón hay consideraciones prácticas: el tratamiento de empates en la función de ranking puede afectar cuantas filas quedan, para tamaños pequeños de muestra el redondeo del número a excluir puede eliminar demasiada información, y el rendimiento puede verse afectado en tablas muy grandes por el uso reiterado de operaciones de ranking. Para mitigar estos retos se puede preagregar la información, crear tablas intermedias o ajustar la lógica de ranking según el comportamiento esperado de los datos.
Desde una perspectiva de implementación en empresas, este tipo de adaptaciones suelen formar parte de proyectos más amplios de servicios inteligencia de negocio donde el modelado, la optimización y la gobernanza de datos son clave para obtener informes fiables. En Q2BSTUDIO ayudamos a diseñar y desplegar estas soluciones dentro de entornos Power BI, integrando buenas prácticas de modelado y rendimiento y articulándolas con otras capacidades como aplicaciones a medida y servicios cloud aws y azure cuando la arquitectura lo requiere. Si desea profundizar en cómo aplicar este patrón en un proyecto real puede consultar nuestros servicios de Business Intelligence y coordinar una revisión técnica adaptada a su escenario.
Además, si la solución requiere componentes avanzados como modelos predictivos o agentes IA para enriquecer los datos antes del cálculo, o demandas de seguridad adicionales, Q2BSTUDIO puede acompañar la implementación con experiencia en inteligencia artificial, ia para empresas, ciberseguridad y software a medida, garantizando que la media truncada dinámica forme parte de un ecosistema analítico robusto y escalable.