Best Practices : La modélisation avec Power Pivot !

Mis à jour : 18 déc. 2019



Les Best Practices sont essentielles pour toute réalisation d'un projet. Avec Power BI, elles nous permettent d'améliorer les performances et la visibilité finale.


Nous allons approfondir certaines des meilleures pratiques conseillées pour Power Pivot (modélisation de notre modèle relationnel).


Prérequis :

  • Power BI Desktop ou

  • Excel





Créer des hiérarchies

Une hiérarchie est une combinaison de plusieurs champs ayant un lien de parents/enfants. Cela peut être une hiérarchie de date, de produit mais aussi de géographie (exemple : Continent, pays, ville).

Elles permettent de gagner du temps et éviter des erreurs lors de l’étape de dataviz.

Configurez vos hiérarchies directement depuis la vue modélisation !


Éviter d’abuser des relations bidirectionnelles

Les relations bidirectionnelles sont parfois utiles pour filtrer des tables dans les deux sens. Attention toutefois à ne pas en abuser, ce qui dégradera les performances du rapport. Tout comme, de créer une relation circulaire (Power BI signalera un message d’erreur).


Regrouper les mesures sous forme de dossier grâce aux paramétrages des tables

Lors de la conception d’un rapport Power BI, vous pourrez être amené à créer des mesures. Cette dernière est enregistrée comme en champs.

Il est conseillé de les regrouper avec les tables qui correspondent à l’expression.

De plus, vous pouvez les placer dans un dossier avec la vue modèle (Paramètre du champ).

Astuce : Nommez et utilisez un dossier « Mesures » dans chaque table.



Utiliser un vocabulaire compréhensible pour l’utilisateur final

L’utilisateur final n’est pas forcément le même qui développe le modèle de donnée Power BI. Il est essentiel d’adapter le vocabulaire retranscrit dans l’outil. Par exemple, les noms des tables doivent être comprises par le collaborateur final, qui n’est probablement pas un informaticien (Procrire les dbo, fact…).



Éviter les comptes distincts de champs avec une cardinalité élevée (soit des millions de valeurs distinctes)

Faites-en sorte d’éviter les champs présentant une précision inutile et une cardinalité élevée. Vous pouvez par exemple, fractionner les valeurs DateHeure uniques en différentes colonnes (mois, année, date, etc). Vous pouvez également, dans certains cas, arrondir les champs à haute précision à la cardinalité inférieure (par exemple : 13,29889 -> 13,3).



Alexis Dardaine - DGTL Performance





Contact

Alexis DARDAINE

0630478888

©2018 by DGTL Performance.

Toulouse