• Gestión deportiva, datos y KPIsEl dato como activo estratégico en entidades deportivas. Ciclo de valor del dato. Cómo cambió el rol de la tecnología en la gestión.
• El problema real: los datos existen pero están dispersos, fragmentados y sin trazabilidad. Decisiones por intuición vs. decisiones con evidencia.
• Del problema a la variable, y de la variable a la pregunta de análisis. Qué significa medir en gestión.
• Calidad de las preguntas: claridad, contexto, medibilidad y accionabilidad.
• Tipos de preguntas: qué está pasando, por qué está pasando, qué debería pasar.
• Fuentes de datos internas: socios y afiliados, administración y finanzas, participación y actividad, comunicación y comunidad, sponsors y alianzas. Fuentes externas y datos de contexto.
• Distinción entre información, fuente, dato y soporte. Criterios para evaluar una fuente. Sistemas formales, herramientas de trabajo y registros informales. Excel y Google Sheets: solución y problema.
• Cuándo un dato está en condiciones de usarse: datos incompletos, formatos heterogéneos, duplicados, falta de actualización, ausencia de integración. Diagnóstico de madurez y gobierno de datos.
• Sistemas operacionales vs. sistemas analíticos. Arquitectura digital en entidades deportivas: capas de sistemas, datos, infraestructura, integración y consumo. El problema de los silos. Capa analítica de almacenamiento. Qué nivel de análisis habilita cada arquitectura.
• Diccionario de datos: versión mínima y ampliada. Por qué un KPI no puede ser más confiable que los datos que lo alimentan.
• Dato, métrica, indicador y KPI. Métricas descriptivas vs. accionables. Métricas de contexto, seguimiento, diagnóstico y acción. Vanity metrics. Indicadores de resultado vs. de proceso. Ficha técnica de KPI.
• Niveles de analítica: descriptiva, diagnóstica, predictiva y prescriptiva. Lecturas analíticas: evolución, comparación, segmentación, ranking, concentración, desvíos y alertas. El problema de los promedios.
• Segmentación y cohortes. Riesgos de interpretación.
• Qué debería estar resuelto antes de abrir Power BI: decisión, pregunta, KPIs definidos, segmentaciones relevantes y lecturas necesarias.

El taller recorre el ciclo completo de una solución de BI, con desarrollo en vivo sobre un caso de club y réplica de cada participante sobre sus propios datos.
Encuentro 4 — Fundamentos, conexión y transformación de datos

• Arquitectura de Power BI: Desktop, Service y aplicaciones móviles. Flujo de trabajo y roles.
• Licenciamiento (Free, Pro, Premium por usuario) y qué habilita cada uno.
• Anatomía del archivo .pbix: vistas de informe, tabla y modelo.
• Conexión a fuentes: Excel, CSV, carpetas, Google Sheets, bases de datos y web. Modos de conectividad: importación vs. DirectQuery, y cuándo conviene cada uno.
• Power Query: interfaz, pasos aplicados y lógica de transformación no destructiva.
• Transformaciones habituales: tipos de datos, encabezados, filas y columnas innecesarias, valores nulos y errores, división y combinación de columnas, reemplazos, columnas condicionales y columnas calculadas.
• Anular dinamización (unpivot): cómo convertir planillas de gestión con meses en columnas en tablas analizables.
• Combinación de consultas: anexar (varias sedes, varios períodos) y combinar (merge) para cruzar socios, pagos y asistencia.
• Parámetros y consultas reutilizables. Lectura y edición básica de código M; generación de pasos con asistentes de IA.
• Perfilado de datos en Power Query: calidad de columna, distribución y detección temprana de problemas.

Encuentro 5 — Modelado de datos y medidas DAX 

• Por qué el modelo importa más que el gráfico. Tablas de hechos y tablas de dimensiones.
• Modelo en estrella vs. tabla única: ventajas para el análisis, el rendimiento y el mantenimiento.
• Relaciones: cardinalidad, dirección del filtro, relaciones activas e inactivas. Errores frecuentes y cómo diagnosticarlos.
• Tabla calendario: construcción con DAX, marcado como tabla de fechas y por qué es imprescindible para cualquier análisis temporal.
• Jerarquías, categorización de datos y organización del modelo para usuarios finales. Ocultar campos técnicos. Columnas calculadas vs. medidas: cuándo usar cada una y por qué la medida es la opción por defecto.
• Fundamentos de DAX: sintaxis, contexto de filtro y contexto de fila. Funciones de agregación (SUM, AVERAGE, COUNTROWS, DISTINCTCOUNT) y la función CALCULATE como eje del lenguaje.
• Medidas para gestión deportiva: socios activos, altas y bajas, tasa de retención, porcentaje de morosidad, ocupación, tasa de asistencia, ingresos por unidad de negocio, ticket promedio.
• Inteligencia de tiempo: acumulados al período, comparación contra el período anterior y contra el mismo período del año anterior, promedios móviles y variaciones porcentuales. DIVIDE y manejo de errores; formatos, unidades y símbolos para que los indicadores se lean correctamente.
• IA aplicada a DAX: escritura, explicación y depuración de medidas con asistentes generales y con Copilot en Power BI; validación de resultados contra cálculos de control.

Encuentro 6 — Visualización, publicación y distribución

• Del KPI a la visualización: elegir el gráfico según la lectura analítica que se necesita (evolución, comparación, composición, distribución, ranking, correlación). Tipos de visuales y errores frecuentes: gráficos de torta, ejes truncados, exceso de colores, gráficos decorativos.
• Diseño del reporte: jerarquía visual, resumen ejecutivo, agrupamiento por tema, uso del espacio y consistencia. Tarjetas de KPI y visuales de tendencia.
• Interactividad: segmentaciones, filtros a nivel visual, página e informe, edición de interacciones, obtención de detalles (drill-through), marcadores y botones de navegación.
• Formato condicional, indicadores de desempeño contra objetivo y alertas visuales sobre umbrales definidos en el bloque conceptual.
• Vista móvil del reporte. Publicación en Power BI Service: áreas de trabajo, conjuntos de datos e informes. Diferencia entre informe y dashboard; anclado de visuales.
• Actualización de datos: actualización programada, puerta de enlace (gateway) para orígenes locales, y qué implica en una entidad con planillas propias.
• Distribución y seguridad: compartir informes, aplicaciones, roles y seguridad a nivel de fila (RLS) para separar sedes o áreas. Suscripciones y alertas por correo.
• Buenas prácticas de sostenibilidad: documentación del modelo, nomenclatura, versionado y traspaso a otra persona de la entidad.

• Exposición del proyecto integrador: decisión de gestión abordada, pregunta priorizada, fuentes utilizadas, KPIs definidos, hallazgos y acciones que habilita.
• Revisión entre pares y devolución docente sobre el modelo, los indicadores y la narrativa.
• 
  Cómo comunicar hallazgos a un público de decisión: síntesis ejecutiva, orden del relato y anticipación de objeciones.
• Cierre: hoja de ruta para dar continuidad al trabajo con datos en la propia entidad y próximos pasos de
  formación.