Débuter avec Power BI : Guide Simple pour Analyser Vos Données

La réalité des données aujourd’hui

Dans un monde où les entreprises dépendent de plus en plus de l’analyse des données pour prendre des décisions adaptées, Power BI s’impose comme l’outil incontournable pour exploiter au mieux les informations à disposition.

Cette solution d’intelligence d'affaires développée par Microsoft permet de transformer des données financières et autres informations brutes en rapports interactifs et tableaux de bord percutants. Pour les débutants, se lancer dans Power BI peut sembler complexe, mais la puissance de ses fonctionnalités comme DAX (Data Analysis Expressions), Power Query, et ses multiples connecteurs de données ouvre des perspectives infinies.

Ce guide Power BI Débutant est conçue pour vous guider pas à pas dans l'utilisation de cet outil de visualisation de données, de la modélisation des données à l’automatisation des rapports. Vous apprendrez à utiliser des visualisations personnalisées pour rendre vos rapports dynamiques et captivants.

De plus, l'intégration avec Excel facilite l'intégration des données et améliore la collaboration grâce au Power BI Service. Que vous travailliez avec du Big Data ou des sources de données multiples, cet article vous donnera les compétences nécessaires pour maîtriser l'éditeur de requêtes, optimiser la transformation des données, et collaborer en temps réel avec vos équipes.

Découvrez comment Power BI peut révolutionner votre approche de la gestion des données.

Pourquoi ce guide est essentiel pour vous ?

- Vous êtes novice en matière de gestion des données et d'intelligence d'affaires ?

- Vous souhaitez optimiser votre temps et améliorer la précision de vos rapports sans passer des heures sur Excel ?

Ce guide est une ressource incontournable pour quiconque souhaite passer du statut de débutant à celui d'utilisateur compétent de Power BI. Que vous soyez un professionnel de la finance, du marketing ou un chef de projet, ce que vous allez apprendre dans ce guide vous aidera à améliorer vos compétences en analyse de données avec l’outil de Business Intelligence de Microsoft.

• Comprendre les bases de Power BI
• Comment importer et préparer vos données
• Les principes fondamentaux de la modélisation de données
• Introduction au langage DAX
• Créer des visualisations percutantes
• Partager vos rapports

Pourquoi Power BI Est Essentiel pour la Gestion des Données en Entreprise ?

Nous vivons donc dans une époque où les données sont devenues le moteur de la prise de décision. Les entreprises collectent des quantités très importantes d'informations à partir de diverses sources : ventes, marketing, production, finances, et bien plus encore.

Chaque décision, chaque stratégie, chaque opportunité est alimentée par une multitude d'informations qui, lorsqu'elles sont correctement exploitées, peuvent radicalement transformer la performance de votre entreprise.

Sans les bons outils pour analyser et interpréter ces données, vous risquez de passer à côté d’opportunités cruciales ou de prendre des décisions basées sur des informations incomplètes ou erronées.

Mais comment améliorer la gestion des données pour tirer parti de ces flux de données, obtenir des informations précieuses pour prendre des décisions éclairées ?

La réponse se trouve dans Power BI, l'outil d’analyse de données de Microsoft.

Comprendre les bases de Power BI

Power BI : Bien Plus Qu’un Simple Outil de Visualisation

Cependant, lorsque débutez dans la gestion de données et que vous pensez à Power BI, vous ne principalement qu’à créer des visuels dynamiques et interactifs.

Sauf qu'en faisant cela, et bien, vous entretenez une vision erronée de Power BI, parce que vous le limitez  à un simple outil de Dashboard.

Alors que Power BI est bien plus puissant que la simple création de visuels.

Vous limitez d’autant plus l’outil de business intelligence de Microsoft, que la visualisation des données n'est que la dernière partie de son  processus de travail.

En effet, pour obtenir de jolis visuels impactant, il vous faut d'abord des données exploitables. C'est-à-dire des tableaux sans erreurs, ni valeurs vides.

De plus, comme ces tableaux peuvent provenir de sources de données variées tels que Excel,  SQL, Web, ils doivent être mises en relation pour fournir toutes les informations dont vous avez besoin pour vos analyses.

Et enfin, c'est seulement lorsque vous avez effectué ce travail que vous pouvez réaliser des visuels qui vont vous éclairer sur la situation de vos données et les décisions à prendre.

Power BI : Une suite d’outils d’intelligence d’affaires

Power BI n'est donc pas seulement un super outil de création de tableaux de bord, mais une suite d’outils d’intelligence d’affaires, qui offre une solution complète pour le traitement, l’analyse de données et la création de visuels personnalisés.

Parce qu’en réalité, le travail sur Power BI s’effectue en 3 étapes.

• Extraire, transformer et charger les données.
• Modéliser les tables de données et obtenir des métriques Personnalisées.
• Créer des pages de rapport avec des graphiques et visuels adaptés et personnalisés.

Si vous souhaitez travailler de façon collaborative, c'est-à-dire partager vos données avec un collègue ou une équipe, vous pouvez même ajouter une 4e étape.

• Partager des rapports et créer des tableaux de bord.

Pour ce faire, vous utilisez les différents outils, logiciels qui composent l’écosystème de Power bi.

L'Écosystème Power BI : Un Outil pour Chaque Besoin

L’outil d’analyse de données de Microsoft doit être compris comme un écosystème composé de 3 applications différentes qui chacune participe au processus de travail dans l’environnement Power BI.

• Power BI Desktop
• Power BI Service
• Power BI Mobile

Chaque élément remplit un travail précis.

• Power BI Desktop est le logiciel qui installé localement sur votre ordinateur, vous permet de réaliser tout le travail du traitement à l’analyses des données. Cependant, le travail sur Power BI est à dimension privé, c'est-à-dire que vous seul pouvez accéder aux données et au travail réalisé.

• Lorsque vous entrez dans une dimension de travail collaboratif avec un besoin de partager vos travaux, vous allez devoir publier vos travaux dans Power BI Service.

• Power BI Service et le pendant en ligne de Power Bi Desktop. Il permet la collaboration en temps réels en partageant vos données et vos pages de rapport avec une personne ou un groupe de personnes.

• Power BI Service vous permet aussi de créer des tableaux de bord. Un tableau de bord est une page composée de différents visuels issus de différentes pages de rapport.

• Lorsque vous partagez un tableau de bord, vos collègues en interne ou vos partenaires en externes peuvent consulter vos Dashboard via Power BI Mobile.

• Power BI Mobile est adapté aux appareils mobiles tels que les smartphones, les tablettes et permet une interaction avec vos tableaux de bord.

Dans cet article, nous nous concentrerons sur l’outil qui occupera 80% de votre temps de travail sur Power BI.

C'est-à-dire Power BI Desktop.

Power BI Desktop

En effet, c’est dans Power BI Desktop, que vous allez réaliser toutes les étapes de transformation, de modélisation de données et création de visuels.

Et pour cela, Power BI Desktop intègre 3 applications dédiés :

• Un outil de traitement de données
• Une application de modélisation de données
• Un outil de création de visuels

Un outil de traitement de données pour un Nettoyage et une Préparation des Données Simplifiés

Comme nous l'avons vu dans l'introduction de cet article, sans données exploitables, vous ne pourrez pas obtenir les résultats escomptés.

C’est-à-dire qu’avant de pouvoir analyser des données, il est crucial de les préparer correctement. C'est là que Power Query, l'outil intégré à Power BI, entre en jeu et est la première application que vous utiliserez dans Power BI.

Power Query permet de nettoyer, transformer et structurer vos données de manière rapide et intuitive.

Une application de Modélisation des Données pour une Vision Complète des données

Une fois le travail de nettoyage et transformation réalisé, la 2e étape consiste à modéliser vos données.

La modélisation des données dans Power BI Desktop vous permet de créer une base solide pour des analyses approfondies et des visualisations pertinentes. Elle s’effectue en 2 parties :

• La 1ere partie consiste à créer des relations entre différentes tables pour obtenir une vue cohérente et interconnectée de vos données

• La 2e partie consiste à utiliser le langage DAX (Data Analysis Expressions) pour créer des calculs personnalisés vous permettant d'obtenir des informations détaillées, tels que le nombre de clients, le total du chiffre d'affaires, la marge bénéficiaire, le taux de croissance et bien plus encore.

Une application de création de visuels pour une Visualisation Dynamique et Interactive des Données

Enfin, la 3e et dernière étape de travail dans Power BI Desktop consiste à réaliser une analyse de vos données en créant des visuels percutants et des indicateurs de performance nécessaires à vos observations et prises de décision.

Collaboration et Partage Efficaces avec Power BI Service

Une fois les rapports créés, il est essentiel de les partager et de collaborer efficacement. Power BI Desktop vous permet de publier vos rapports sur le cloud dans Power BI Service pour les rendre accessibles à vos collègues et partenaires.

Ce sont toutes ces étapes qui constituent Power BI.

Cas d’Utilisation Concrets de Power BI

Pour mieux comprendre comment Power BI peut transformer votre entreprise, voici quelques exemples concrets de son utilisation :

Analyse des Ventes et Prévisions

Dans une entreprise de vente au détail, vous utilisez Power BI pour analyser vos performances commerciales. Les tableaux de bord interactifs vous permettent de suivre les ventes par produit, région et période. Vous obtenez des prévisions basées sur les données temporelles, qui vous  aident à planifier les stocks et les promotions, optimisant ainsi les performances de vente.

Gestion des Performances Financières

Dans une société financière, vous utilisez Power BI pour suivre ses indicateurs clés de performance (KPIs), tels que la rentabilité, les coûts opérationnels et les marges bénéficiaires. Les rapports financiers détaillés vous facilitent la gestion budgétaire et les prévisions financières, permettant ainsi des prises de décisions stratégiques basée sur des données précises.

Suivi des Projets et Gestion des Ressources

Dans une entreprise de services, vous utilisez Power BI pour suivre l’avancement des projets. Les visuels tels que les KPI, la jauge, la matrice ou la treemap vous permettent de surveiller les budgets, les délais et les ressources affectées à chaque projet. Cela aide à identifier les écarts et à prendre des mesures correctives rapidement, assurant ainsi une gestion de projet efficace.

Comment importer et transformer vos Données dans Power BI ?

Dans la première partie, nous avons découvert l'écosystème de Power BI et ses diverses composantes.

Nous avons relevé le fait que de nombreux débutants voient Power BI uniquement comme un outil de création de visuels. Beaucoup le limitent à un super outil de création de visuels. Alors qu’il est bien plus que cela.

Or, pour obtenir des visualisations percutantes, il est essentiel de commencer par des données propres et exploitables. En effet, sans des données propres et exploitables, vous ne pourrez jamais obtenir les visuels que vous escomptez et vous ne pourrez donc pas prendre les bonnes décisions, réaliser les bonnes métriques et fournir les bonnes informations à vos équipes ou partenaires.

Pour obtenir de beaux résultats, il nous faut d'abord de bonnes données.

Connecter Power BI à Vos Sources de Données

Power BI peut se connecter à plus de 100 types de données telles que des fichiers Excel ou CSV, des bases de données SQL, des dossiers SharePoint, et bien d'autres. Vous pouvez accéder à ces connecteurs dans la barre de menu de Power BI sous le groupe "Données". Cependant, il est crucial de sélectionner le bon connecteur de données pour accéder à vos fichiers ou tableaux.

Par exemple, pour importer des données d’un tableau Excel, vous devez choisir le connecteur Excel, sans quoi le document ne sera pas affiché.

Une fois le fichier sélectionné, vous avez alors la possibilité de charger les données ou de les transformer.

Comment choisir entre charger les données dans Power BI et transformer des Données avec Power Query ?

• L’option "Charger les données" permet d’importer directement les tables dans Power BI pour les analyser. Cela suppose que vos données sont déjà nettoyées et bien structurées. Si par contre, les tables comportent des espaces vides ou des données non exploitables, vous n'allez pas les charger, mais les transformer.
• "Transformer les données" permet d'importer vos données dans l'application dédiée à la transformation de données.

Cette application est Power Query.

Power Query : Nettoyez, transformez et préparez vos données pour une analyse approfondie

Power Query est un ETL. Il est entièrement dédié à la connexion aux données (Extract), à leur nettoyage, transformation (Transform) et au chargement des données (Load) dans Power BI.

Lorsque vous vous connectez à vos données dans Power bi, c'est en réalité, Power Query qui se connecte à ces données.

Pour cela, Power Query possède une interface conviviale qui comprend différents outils de nettoyage et de transformation de données. Par exemple :

• Power Query permet de supprimer les lignes ou colonnes vides, fractionner des colonnes fusionnées, et formater les dates. Par exemple, si une colonne contient des espaces vides, vous pouvez facilement supprimer ces lignes ou colonnes.
• Power Query permet de fractionner des colonnes afin de les scinder en plusieurs colonnes distinctes.
• Vous pouvez ajouter des colonnes personnalisées ou reformater les colonnes existantes pour les rendre plus cohérentes. Si une colonne est mal formatée, Power Query peut corriger ce format.

Contrairement à Excel, où vous pouvez ajouter des lignes manuellement, Power Query utilise des fonctions automatisées pour effectuer ces tâches.

• Combiner plusieurs requêtes de données. Par exemple, avec les outils "Fusionner" et "Ajouter" dans Power Query, vous pouvez ajouter des lignes d’une table à une autre ou fusionner des colonnes issues de tables différentes.
• Vous pouvez aussi réaliser des calculs simples ou complexes en ajoutant à vos tables, des colonnes personnalisées ou calculées. Par exemple, créer des colonnes avec des opérations de base comme l’addition ou la multiplication, ou utiliser des fonctions conditionnelles similaires à celles d’Excel.

A savoir que toutes les actions que vous réalisez dans Power Quéry sont automatiquement enregistrées sous forme d’étapes appliquées. C’est-à-dire que, si vous supprimez une ligne ou si vous avez fractionnez une colonne, à l'image des macros en VBA, vos actions sont enregistrées pour former un code.

La partie droite de l'interface de Power Query, affiche sous forme d’"étapes appliquées", l'ensemble des actions réalisées dans le traitement de vos données.

Le code dans lequel sont enregistrées vos actions dans Power Query est appelée le langage M. Ce script M est facilement réa-applicable sur des données similaires.

Appliquer les Transformations dans Power Query et Charger les Données dans Power BI

Le dernier objectif de Power Query, c'est de charger les données dans Power BI pour les utiliser dans un rapport.

Pour ce faire, cliquez sur "Fermer et Appliquer" dans le menu Accueil de Power Query. Cela transfère les données traitées dans le modèle de données de Power BI et vous permet de commencer la modélisation des données.

Power Query est un outil essentiel pour rendre vos données exploitables avant de passer à la création de visuels dans Power BI. En nettoyant, transformant, et combinant vos données, vous vous assurez que les informations que vous analysez sont précises et utiles. La préparation des données avec Power Query est donc une étape cruciale et obligatoire pour obtenir des informations fiables.

Qu’est-ce que la modélisation de données et comment créer des relations entre plusieurs tables ?

Nous avons conclu le chapitre précédent, par l'introduction des notions de combinaison de données dans Power Query.

Nous avons vu comment les fusions et les jointures permettent de combiner efficacement des données issues de plusieurs tableaux. Et ce, parce que vous êtes amené à travailler avec des jeux de données comprenant non pas un tableau unique, mais plusieurs tableaux.

Nous avons vu par exemple que, fusionner deux tables est une technique intéressante et pratique lorsqu'on a un nombre de lignes limité ou un nombre de colonnes réduit à compléter.

Cependant, lorsque vous devez travailler avec un jeu de données composé de plusieurs tables et que vous ne souhaitez pas forcément modifier un tableau avec les informations d'un autre. Ces méthodes sont limitées.

Pour cela, dans cette partie, nous explorerons un concept crucial de la manipulation des données dans Power BI : la modélisation de données.

En maîtrisant cette étape, vous pourrez transformer vos données brutes en analyses précises et pertinentes.

La Modélisation de Données : Qu’est-ce que c’est ?

La modélisation de données est une étape fondamentale dans Power BI qui permet d’organiser et de structurer les données afin d’en faciliter l’analyse. Contrairement à la simple fusion de données, la modélisation vous permet de travailler avec plusieurs tables indépendantes tout en les reliant de manière cohérente pour obtenir des informations que vous n’avez pas de façon brutes dans vos données.

La modélisation de données comprend en 2 niveaux d’actions :

• Créer des relations entre les tables.
• Réalisez des calculs.

Dans un premier temps, vous devez savoir qu’en réalité, lorsque vous chargez des données depuis Power Query dans Power BI, ces données ne sont pas directement chargées dans Power BI, mais chargées dans un espace appelé le modèle de données.

Ce modèle est une base de données interne où sont stockées toutes les tables et les relations  de votre jeu de données, organisées de manière à permettre de à gérer un volume important d’informations. Bien supérieur à Excel.

Le Modèle de Données dans Power BI

Imaginez !

Vous recevez des tableaux issues des services RH, Ventes, Production, Marketing. Tous ces tableaux ont pour objectif de vous fournir des informations que vous allez devoir analyser.

Comme vous savez déjà le faire, vous vous connectez à ces données via Power Query pour les nettoyer. Vous les chargez ensuite dans le modèle de données de Power BI.

A partir du moment où vous avez chargé les tables dans le modèle de données, toutes les tables du modèle de données sont classées en 2 catégories :

• Table de dimension
• Table de faits

Qu'est-ce que les Tables de Dimension et les Tables de Faits

Table de dimension

Dans une base de données, les Tables de Dimension sont des tableaux qui stockent des informations descriptives sur les événements ou transactions réalisés par une entité (personne ou entreprise).

Une table de dimension peut donc contenir des détails sur les clients, les produits ou les dates liés à un ou différents événements.

Les données dans une table de dimension sont qualitatives et permettent de contextualiser par exemple les informations de vente, livraison ou autre.

Table de faits

Les Tables de faits, sont des tableaux qui contiennent des données relatives à des événements ou des transactions. Ces tables enregistrent des données quantitatives, souvent accompagnées de métriques telles que les montants des ventes ou les quantités achetées par à un client par exemple.

Une table de faits peut contenir les ventes réalisées, les commandes passées ou toutes interactions mesurables.

Par défaut, les tables de dimension et les tables de faits sont déconnectées les unes des autres. Elles sont pas incapables d'échanger des informations.

Afin de communiquer et donc croiser leurs informations, les tables de faits et les tables de dimension nécessitent de contenir l'une et l'autre, un élément commun. Cet élément commun est une colonne qui va contenir les mêmes types d'informations entre la table de faits et la table de dimension. Les données de cette colonne commune sont appelées clé.

Qu’est-ce que des Clés Primaires et des Clés Étrangères

Table de dimension = Clé Primaire

Une table de dimension comprend des informations telles que le numéro de client, l’identifiant client, l'adresse, le code postal ou autre qui sont des données uniques et affiliées à une seule et unique personne.

La caractéristique d'une Clé primaire est qu'elle est unique. Elle n’apparait qu’une seule fois dans la table de dimension. Par exemple, un identifiant client dans une table client est unique à chaque client.

Table de faits = Clé Étrangère

Présente dans les tables de faits, une clé étrangère apparait plusieurs fois.

La clé étrangère fait référence à la clé primaire d’une table de dimension. Par exemple, dans une table des ventes, la clé étrangère peut être l’identifiant du client, reliant ainsi chaque vente à un client spécifique.

La caractéristique d'une Clé Etrangère est qu'elle est multiple. Elle apparait plusieurs fois dans la table de faits. Par exemple, un identifiant client apparait plusieurs fois dans une table de fait.

Avec leurs clés communes, les tables de faits et les tables de dimension ont ainsi la capacité de communiquer grâce à des relations.

Comment Créer des Relations entre tables dans Power BI ?

Les relations permettent aux différentes tables (faits et dimension) de communiquer entre elles, offrant une vue cohérente des données.

La création de relations est une étape importante dans la modélisation de données. Il existe deux méthodes principales pour créer des relations dans Power BI :

• Par Glisser-Déposer : en faisant glisser le champs de la colonne clé d’une table et en la déposant sur la colonne correspondante dans une autre table. Cette méthode rapide est idéale pour une visualisation immédiate des relations entre les tables.
• Via l’Interface de Création de Relations : Dans la vue de modèle, vous pouvez utiliser l’outil "Créer des relations" pour sélectionner les tables et les colonnes à relier. Cette méthode est intuitive et vous permet de définir facilement les relations entre les tables.

À partir de ce moment, le système propose une relation basée sur un type de relation, nommé cardinalité.

Par défaut et lorsque les relations sont correctement crées, vous n'avez pas besoin de modifier la cardinalité. Le système sait automatiquement appliquer la cardinalité adéquate.

Cependant, il est important d'en comprendre le rôle et le fonctionnement.

Comprendre les Cardinalités et Filtrage Croisé

La Cardinalité indique la nature de la relation entre les tables. C’est la manière dont s'échangent les informations. Il existe 3 types de cardinalités. Chacune ayant des implications sur la manière dont les données sont échangées :

Cardinalité : "Un à Plusieurs" ou "Plusieurs à Un"

Un à Plusieurs (1 to *) et Plusieurs à Un (* to 1) : Une seule entrée dans la table de dimension correspond à plusieurs entrées dans la table de faits ou plusieurs entrées dans la table de faits correspondent à une seule entrée dans la table de dimension. Par exemple, un client peut avoir plusieurs commandes.

La cardinalité “Un à Plusieurs” est la plus courante

Cardinalité : "Un à un"

Un à Un (1 to 1) : Chaque entrée dans les deux tables correspond à une entrée unique dans l’autre table. Cela est moins courant mais peut être utilisé pour des données très spécifiques.

Cardinalité : "Plusieurs à Plusieurs"

Plusieurs à Plusieurs (* to *) : Les deux tables peuvent avoir plusieurs correspondances entre elles. Ce type de relation est très complexe et nécessite une gestion minutieuse des données pour éviter les erreurs d’analyse.

Direction du Filtre Croisé

La direction du filtre croisé spécifie le flux d'informations entre les tables reliées et indique le sens dans lequel va s'écouler l'information. Par défaut, Power BI utilise une direction de filtre simple, où les filtres se propagent de la table de dimension vers la table de faits. Cela signifie que les informations dans la table de dimension influencent les résultats dans la table de faits.

Lorsque vous crée un modèle de données simple, vous devez vous assurer de créer des relations ou toutes vos tables de dimension sont connectées à votre table de fait. En faisant cela, vous vous assurez de créer un schéma de données où toutes les tables sont interconnectées par l'intermédiaire de la table de fait.

Les schémas de Modèles de Données

Vous pouvez créer des modèles de données robustes adaptés à vos besoins spécifiques. Voici 3 schémas de données courants :

Schéma en étoile

Le schéma en étoile est composé d'une table de faits centrale, entourée d'une ou plusieurs tables de dimension. Toutes les tables de dimension sont reliées à la table de faits par des relations à cardinalité 1 à Plusieurs.

Schéma en flocon

Le schéma en flocon est composé d'une table de faits centrale, entourée d'une ou plusieurs tables de dimension qui elles même sont connectées à une ou plusieurs tables de dimension.

Schéma en constellation

Le schéma en constellation est semblable au schéma en étoile, mais avec plusieurs tables de faits partageant des tables de dimensions communes. Ce schéma est utile pour des analyses plus complexes où plusieurs types d'événements doivent être comparés.

La modélisation de données est une étape cruciale pour tirer le meilleur parti de vos données dans Power BI. En établissant des relations entre vos tables, vous pouvez transformer des données brutes en analyses significatives et exploitables. Que vous deviez travailler sur 2,5 ou 10 tables à la fois, modéliser les données, vous facilite le travail et améliore les performances de vos données.

En maîtrisant ce concept, vous pourrez non seulement améliorer la qualité de vos rapports, mais aussi prendre des décisions basées sur une vue d’ensemble cohérente de vos informations.

Qu’est-ce que DAX et comment l’utiliser pour réaliser des calculs ?

Dans cette section, nous allons plonger dans le cœur de Power BI et explorer comment le moteur de calcul de Power BI, DAX, fonctionne pour créer des formules puissantes et des calculs complexes.

Comprendre le moteur de calcul DAX dans Power BI

DAX, ou Data Analysis Expressions, est le moteur de calcul de Power BI. Son nom reflète sa fonction principale : "Expression d'Analyse de Données". C'est à dire que dans Power BI les calculs se font par le biais d'expressions.

DAX permet de créer des formules simples ou sophistiquées pour analyser et manipuler les données. Contrairement à Excel, où les calculs se basent sur des cellules spécifiques, les calculs dans DAX font référence à des colonnes et des tables pour réaliser des calculs beaucoup plus flexibles et puissants que sur Excel.

Créer un calcul dans DAX se fait en 2 parties :

• Avant le = permet de nommer la colonne à créer.
• Après le = permet de réaliser la fonction ou le calcul.

En DAX, il existe deux principales manières de créer des calculs :

• Les colonnes calculées
• Les mesures

Les Colonnes Calculées et le Contexte de Ligne

La première méthode consiste à ajouter des colonnes. Les colonnes calculées sont des colonnes ajoutées à des tables et qui contiennent des résultats calculés ligne par ligne. Chaque ligne de la colonne calculée est le résultat d'une expression DAX appliquée à cette ligne.

Les colonnes calculées permettent donc d'obtenir le résultat d'un calcul de 2 colonnes. Par exemple, si vous avez une table des ventes avec des colonnes pour le prix unitaire et la quantité, vous pouvez créer une colonne calculée pour le montant total en multipliant ces deux colonnes :

MontantTotal = Table[Vente] * Table[Quantité]

Les colonnes calculées ont ceci de spécial, c'est qu'elles comportent un contexte particulier : le contexte de ligne. Bien que vous fassiez référence à une colonne, chaque ligne est calculée indépendamment des autres lignes et le résultat est affiché ligne par ligne.

Cependant, les colonnes calculées ne sont pas faits pour calculer des résultats agrégés tels que des totaux ou des moyennes.

Pour obtenir un résultat agrégé, vous devez appliquer la 2e méthode de calcul.

Mesures et le Contexte de Filtre

Les mesures, sont des calculs dynamiques créés sur la base des fonctions DAX.

Les mesures sont idéales pour des calculs globaux tels que des totaux ou des moyennes et peuvent être réutilisées dans différents visuels et rapports.

Par exemple, pour calculer le total des ventes, vous pourriez créer une mesure comme suit :

TotalVentes = SUM(Table[Vente])

Pour calculer d’autres métriques, vous pouvez utiliser des fonctions DAX, entre autres :

• COUNT
• AVERAGE
• DIVIDE
• RELATED
• CALCULATE
• Etc.

Les mesures utilisent le contexte de filtre plutôt que le contexte de ligne. C’est-à-dire qu’elles ajustent leur calcul en fonction des filtres appliqués dans le rapport, ce qui permet de fournir des résultats dynamiques qui s'adaptent aux différentes vues et filtrages des données.

C’est pour cela que les mesures ne vous donnent pas automatiquement de résultats. Pour obtenir votre résultat, vous devez glisser et déposer la mesure dans le canevas (l'interface utilisateur de Power BI) et choisir le visuel le plus adapté à l’affichage du résultat.

Comment choisir entre Colonnes Calculées et Mesures

Bien que les colonnes calculées soient utiles dans certains scénarios, les mesures offrent plus d’avantages, comme entres autres :

• Une colonne calculée est ajoutée et stockée à votre jeu de données. Elle vient donc prendre une partie des ressources de votre disque. Imaginez que vous devez rajouter plusieurs colonnes de plusieurs millions de lignes. Au final, votre jeu de données s'alourdira considérablement et risque d'entraîner des problèmes de performance.
• Les mesures sont calculées à la volée et ne nécessitent pas d'espace de stockage supplémentaire dans votre modèle de données. Les Mesures sont donc plus performantes lorsque vous devez effectuer des calculs sur de grandes quantités de données.
• Le résultat d’une colonne calculée, obtenu par le biais d’un glisser déposer dans le canevas, n’est qu’un affichage avec aucune possibilité de réutilisation. A l’inverse, la force des mesures Dax, c'est de pouvoir être réutiliser sans avoir à les reproduire à chaque fois que vous en avez besoin. Créer une mesure permet d'obtenir une métrique, un résultat que vous allez pouvoir utiliser à l'infini ou imbriquer dans d'autres formules.
• Une mesure peut être utilisée dans différents visuels et rapports, ce qui simplifie les analyses et les rend plus cohérentes.

Alors pour éviter des difficultés, vous pouvez opter pour ce précepte : "les colonnes calculées, c'est bien, mais ce n'est pas indispensable."

Le moteur de calcul DAX dans Power BI est un outil super puissant qui permet de créer des calculs dynamiques et sophistiqués pour analyser vos données. Sans commune mesure avec Excel. En comprenant les différences entre les colonnes calculées et les mesures, et en maîtrisant les contextes de ligne et de filtre, vous pouvez optimiser vos analyses et créer des rapports interactifs et véritablement informatifs.