Modélisation des données dans Power BI
Assurez-vous que votre modélisation de données est correcte avant de pouvoir utiliser Power BI pour examiner vos données et créer des rapports. Ce cours vous permet d’examiner une boîte à outils de façons de nettoyer, de mettre en forme et de charger vos données. Vous pouvez utiliser ces techniques pour nettoyer, mettre en forme et charger vos propres données.
Le processus de création d’un modèle de données compliqué dans Power BI est simple. Plus vous avez de systèmes transactionnels, plus vous devez travailler avec des tables. Avant de vous en rendre compte, vous pourriez avoir des dizaines de tables. Construire un excellent modèle de données consiste à donner un sens au chaos.
L’une des choses les plus importantes qu’un analyste de données puisse faire dans Microsoft Power BI est de créer un bon modèle des données avec lesquelles il travaille. Lorsque vous faites bien ce travail, vous facilitez la compréhension de vos données par les utilisateurs, ce qui leur permettra, ainsi qu’à vous, de créer des rapports Power BI utiles.
Étant donné que chaque élément de données est unique, il est difficile de définir un ensemble de règles définissant ce qui constitue un bon modèle de données. Dans la plupart des cas, il est préférable d’avoir un modèle de données plus petit, car il s’exécutera plus rapidement et sera plus facile à utiliser. Il est également difficile de comprendre ce qu’est un modèle de données plus petit, car il s’agit d’un concept heuristique et subjectif.
Dans la plupart des cas, un modèle de données plus petit a beaucoup moins de tables et beaucoup moins de colonnes dans chaque table qui peuvent être vues par les utilisateurs. Les utilisateurs ne comprendront pas si vous importez toutes les tables d’une base de données de vente, mais il y en a 30 au total. Cinq tableaux valent mieux que 100 colonnes lorsqu’il s’agit de simplifier le modèle de données pour les utilisateurs. S’ils ouvrent une table et voient 100 colonnes, ils peuvent être dépassés. Supprimez les colonnes inutiles pour faciliter la lecture du nombre de colonnes. Cela augmentera la probabilité que l’utilisateur lise tous les noms de colonne. Pour résumer, vous devriez essayer de rendre vos modèles de données aussi simples que possible.
