17. Entropía

Definición

La Entropía es la tendencia natural de un modelo de datos a perder orden, claridad y significado analítico con el paso del tiempo, a medida que se acumulan cambios, excepciones, parches y decisiones no estructuradas.

Un modelo no se degrada de golpe.
Se degrada gradualmente.

En Power BI, la entropía aparece cuando el modelo sigue funcionando técnicamente, pero cada vez es más difícil de entender, mantener y extender.

Naturaleza

Temporal, estructural y acumulativa.

La entropía no es un error puntual.
Es un proceso continuo.

Un modelo puede ser:

• correcto hoy,
• útil este trimestre,
• funcional este año,

y aun así estar entrándose en entropía si no se controla su evolución.

Función

Reconocer y gestionar la entropía permite:

• preservar la calidad del modelo,
• mantener la coherencia a largo plazo,
• y evitar la degradación silenciosa.

En Power BI, gestionar la entropía:

• protege la sostenibilidad analítica,
• reduce deuda técnica,
• y mantiene el modelo legible en el tiempo.

Consecuencia

Cuando la entropía está controlada:

• el modelo se mantiene limpio,
• los cambios son comprensibles,
• la analítica conserva su valor.

Cuando la entropía domina:

• el modelo se vuelve confuso,
• cada ajuste cuesta más,
• la analítica se abandona o se reemplaza.

La entropía no rompe el modelo.
Lo desgasta.

Señales de Baja Entropía (✔️)

• Estructura clara y estable.
• Medidas bien nombradas y organizadas.
• Lógica reutilizable.
• Cambios documentados o autoexplicativos.
• Facilidad para incorporar nuevos analistas.

Señales de Alta Entropía (❌)

• DAX duplicado y contradictorio.
• Medidas “temporales” que se vuelven permanentes.
• Excepciones acumuladas sin refactor.
• Dificultad para entender el modelo completo.
• Frases como: “mejor no tocar eso”.

🔧 Samples — Entropía en Power BI

🔹 Sample 1 — Acumulación de parches

❌ Alta entropía:
Cada requerimiento nuevo se resuelve con una medida adicional sin revisar las existentes.

✅ Baja entropía:
Se refactoriza el modelo periódicamente para integrar cambios de forma estructural.

👉 La complejidad se gestiona, no se acumula.

🔹 Sample 2 — DAX duplicado

❌ Alta entropía:
Múltiples medidas hacen lo mismo con ligeras variaciones.

✅ Baja entropía:
Medidas base reutilizadas y derivadas.

👉 Menos código, más significado.

🔹 Sample 3 — Excepciones no absorbidas

❌ Alta entropía:
Reglas especiales hardcodeadas para casos aislados.

✅ Baja entropía:
El modelo absorbe excepciones mediante diseño, no parches.

👉 El orden prevalece.

🔹 Sample 4 — Crecimiento desordenado

❌ Alta entropía:
Nuevas tablas y columnas sin criterio común.

✅ Baja entropía:
Crecimiento guiado por un marco semántico claro.

👉 El modelo crece sin perder forma.

🔹 Sample 5 — Antipatrón vs Patrón

❌ Antipatrón — Modelo entrópico

• Complejidad acumulada.
• Mantenimiento costoso.
• Alta fragilidad.

✅ Patrón — Modelo con entropía controlada

• Complejidad consciente.
• Refactor continuo.
• Longevidad analítica.

📌 Regla práctica:
Si el modelo funciona pero nadie lo entiende,
la entropía ya ganó terreno.

Interacciones con otras Propiedades

• Plasticidad → permite adaptarse sin aumentar entropía.
• Consistencia → frena la degradación semántica.
• Transmisibilidad → combate la pérdida de entendimiento.
• Entropía → mide el desgaste del modelo en el tiempo.

Síntesis

La entropía no se elimina.
Se gestiona.

Un modelo maduro:

• acepta el cambio,
• controla la complejidad,
• y preserva el significado a largo plazo.