Granularité, mesures et hiérarchies

Modélisation de données intermédiaire dans Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Comprendre la granularité

  • Granularité : à quel niveau les données sont-elles stockées par rapport aux dimensions ?
  • Niveau minimal de détail pour interroger
  • Définir la granularité avec des mentions « par » :
    • Ex. par client, par produit, par jour
    • Ex. par id, par code NAICS$^1$, par âge de l’établissement, par année

1 NAICS : North American Industry Classification System
Modélisation de données intermédiaire dans Power BI

Gérer la granularité dans Power BI

  • Passer à un grain plus fin : déconseillé !
  • Passer à un grain plus grossier : agrégations et regroupements
    • Meilleures performances avec moins de lignes
    • Cache plus petit et rafraîchissement plus rapide

agrégation dans PBI

regrouper par dans PBI

Modélisation de données intermédiaire dans Power BI

Mesures

  • Champs ou combinaisons de champs pouvant être agrégés ou calculés
    • Viennent directement des faits
    • De nouvelles mesures peuvent aussi être calculées

mesures dans une table de faits

Modélisation de données intermédiaire dans Power BI

Créer des mesures

  • Les valeurs numériques deviennent des mesures et sont agrégées par somme

  • Créez vos propres mesures dans Power BI avec DAX
  • Créez des types de calculs via une boîte de dialogue : Mesures rapides

  • Idéal pour apprendre à créer des mesures modérément complexes
Modélisation de données intermédiaire dans Power BI

Hiérarchies

Permettent d’explorer les dimensions en profondeur

Hiérarchies naturelles
  • Les niveaux de la hiérarchie existent « dans le monde réel »
  • Année -> Mois -> Jour
Hiérarchies artificielles
  • Les niveaux sont créés pour l’analyse
  • Année d’entrée -> Couleur préférée -> Sport préféré
Modélisation de données intermédiaire dans Power BI

Passons à la pratique !

Modélisation de données intermédiaire dans Power BI

Preparing Video For Download...