Dans le chapitre précédent, nous avons corrigé les données de la table des situations familiales. Nous allons maintenant pouvoir l’utiliser avec nos autres tables pour construire une vision complète du dossier client.
Avant tout, il nous faut comprendre le concept de liaison de tables de données.
Liez vos tables de données
Dans notre table des demandes de prêt, nous n’avons que les numéros des clients qui sont à l’origine de ces demandes.
Comment faire pour visualiser le nombre de demandes de prêt acceptées par le Crédit Breton pour des clients mariés ?
En l’état actuel des choses, il nous faudrait :
Prendre la liste des identifiants de clients mariés de la table Situation familiale.
Regarder dans la table des demandes de prêt, les demandes acceptées pour ces identifiants.
Un travail fastidieux que nous faisions régulièrement par des bricoles sur Excel…
Dans la vidéo suivante, je vous montre avec un exemple concret pourquoi il vous faut lier vos tables pour réaliser ces analyses croisées.
Nous verrons aussi que Power BI crée par défaut des liens entre vos tables, dont nous nous sommes servis jusqu'à présent sans le savoir…
Power BI nous a bien aidés jusque là en créant des liens automatiquement, comme celui entre la table des agences et celle des demandes de prêt.
Découvrons maintenant comment créer ces liens nous-mêmes :
Découvrez le modèle de données en étoile
La modélisation des données est un des concepts les plus importants de Power BI, et même de la Business Intelligence en général !
Avec ce que nous venons de voir, vous pouvez créer des modèles complexes, simplement en ajoutant des tables supplémentaires. Et ça, c’est une révolution par rapport aux tableurs usuels auxquels vous êtes habitués !
Si nous avions les données, on pourrait imaginer ajouter à notre modèle :
le moyen par lequel nos clients ont entendu parler de nous, pour identifier le canal de marketing le plus efficace ;
ou encore le conseiller bancaire en charge de la demande de prêt, pour calculer ses performances commerciales…
Bref, vous voyez l’idée !
La conception de schémas en étoile est très importante pour le développement de modèles Power BI, afin d’optimiser les performances.
Tenez compte du fait que chaque visuel de rapport Power BI génère une requête envoyée au modèle Power BI. Ces requêtes sont utilisées pour filtrer, regrouper et totaliser les données du modèle. Un modèle bien conçu fournit des tables pour le filtrage et le regroupement, et des tables pour la totalisation.
Avec le modèle de données en étoile, on économise également de l’espace de stockage et on simplifie la maintenance.
Si le nom d’une agence du Crédit Breton change, nous avons une cellule à changer dans la table Agences. Si toutes les données étaient dans une seule table, nous aurions dû changer toutes les demandes de prêt de cette agence pour faire évoluer le nom de l’agence en question.
Combinez les requêtes au lieu de lier les tables de données
Il peut vous arriver d’avoir besoin de combiner des tables en une seule plutôt que d’utiliser la liaison des tables de données.
Voici deux mises en situation :
Situation 1 : vous disposez de plusieurs tables d’événements
Imaginons : nous avons une table des demandes de prêt par année (donc 4 depuis 2017). Dans ce cas, il est utile de pouvoir “ajouter par le bas” des évènements à notre table, afin d’avoir une seule liste complète.
Situation 2 : il manque des dimensions à votre table d’événements
Par exemple, dans notre cas nous avons une table "Apport" qui ne comprend que le montant des apports et les numéros des demandes de prêt. Cela comporte plusieurs inconvénients :
Cette table a autant de lignes que notre table de demandes de prêt, car il y a un apport différent par demande de prêt. Séparer ces tables a rendu la maintenance beaucoup moins facile.
Nous devons stocker en double la colonne sur les numéros de demandes de prêt pour faire la jointure. Nous avons donc perdu en espace de stockage.
Nous devons gérer l'interaction entre les deux tables lorsque nous faisons des requêtes sur les apports (filtrages, etc.). Le calcul sera plus lent : nous avons donc perdu en performance.
Nous aurions pu avoir une seule table de demandes de prêt avec une colonne pour les apports.
Dans notre cas, il est alors préférable de fusionner les tables en ajoutant “à droite” une nouvelle colonne à notre table d'événements (demandes de prêts), en ajoutant les apports.
Voyons comment réaliser une fusion des requêtes entre notre table des demandes de prêt et la table des apports :
Créez des rôles différents pour gérer la confidentialité des données
Maintenant que notre modèle de données est complet, nous pouvons également traiter une demande du Crédit Breton qui concerne la confidentialité des données.
Il est impératif que les directeurs d’agence et les conseillers bancaires n’aient pas accès à toutes les données du réseau via le dashboard.
Ils ne doivent être concernés que par les données de leur agence.
Dans la prochaine vidéo, nous allons voir comment créer différents rôles dans Power BI, et gérer ainsi la confidentialité des données.
En résumé
Avec Power BI, vous pouvez créer des relations entre vos tables de données afin de pouvoir réaliser des requêtes croisées.
Le modèle de données en étoile consiste à séparer les tables de faits qui stockent des événements, des tables de dimension qui décrivent les choses que vous modélisez.
La conception de schémas en étoile est très importante pour le développement de modèles Power BI, afin d’optimiser les performances et la maintenance.
Il peut vous arriver d’avoir besoin de combiner des tables en une seule, en utilisant l’ajout de table ou la fusion.
Pour restreindre la visibilité de certaines données à vos utilisateurs, il faut configurer des rôles dans Power BI.
Dans le chapitre suivant, nous allons voir comment créer de nouvelles données à partir des données déjà existantes !
