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 énoncés « by » :
- P. ex. by customer, by product, by day
- P. ex. by id, by NAICS$^1$ code, by establishment age, by year

¹ NAICS: North American Industry Classification System

Gérer la granularité dans Power BI

Passer à un grain plus fin : déconseillé !

Passer à un grain plus grossier : agrégations et regroupements
- Meilleures performances de requête avec moins de lignes
- Cache plus petit et rafraîchissement plus rapide

agrégation dans PBI

regrouper par dans PBI

Mesures

Champs ou combinaisons de champs pouvant être agrégés ou calculés
- Proviennent directement des données de faits
- On peut aussi calculer de nouvelles mesures

mesures dans une table de faits

Créer des mesures

Les valeurs numériques sont automatiquement converties en mesures et agrégées par la somme

Créez vos propres mesures dans Power BI avec DAX

Créez des calculs spécifiques via une boîte de dialogue : Mesures rapides

Idéal pour apprendre à créer des mesures modérément complexes

Hiérarchies

Permettre aux utilisateurs 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 les besoins des requêtes
Année d'admission -> Couleur préférée -> Sport préféré

Passons à la pratique !

Modélisation de données intermédiaire dans Power BI

Preparing Video For Download...