Scénarios d’utilisation de Power BI : BI en libre-service managé personnalisable

Notes

Cet article fait partie de la série d’articles sur la planification de l’implémentation de Power BI. Cette série se concentre principalement sur l’expérience Power BI au sein de Microsoft Fabric. Pour une introduction à la série, consultez Planification de la mise en œuvre de Power BI.

Comme décrit dans la feuille de route pour l'adoption de Fabric, la BI en libre-service managée se caractérise par une approche mixte qui met l'accent sur la discipline au cœur et la flexibilité à la périphérie. L’architecture des données est généralement maintenue par une seule équipe d’experts en décisionnel centralisé, tandis que la responsabilité des rapports revient aux créateurs au sein des services ou des unités commerciales.

Toutefois, lorsque l’architecture de données principale n’inclut pas toutes les données requises, les créateurs de modèles sémantiques peuvent étendre, personnaliser ou personnaliser des modèles sémantiques partagés existants. Il est possible de créer de nouveaux modèles sémantiques spécialisés qui répondent à des besoins commerciaux non satisfaits par les modèles sémantiques centralisés existants. Il est important de noter qu’il n’y a pas de duplication des données de base. Ce scénario d’utilisation est appelé Décisionnel libre-service géré et personnalisable.

Notes

Ce scénario de décisionnel libre-service géré et personnalisable est le deuxième des scénarios de décisionnel en libre-service. Ce scénario s’appuie sur ce qui peut être fait avec un modèle sémantique partagé centralisé (qui a été introduit dans le scénario Décisionnel libre-service géré). Vous trouverez une liste de tous les scénarios dans l’article Scénarios d’utilisation de Power BI.

Par souci de concision, certains aspects décrits dans la rubrique Scénarios de collaboration et de distribution de contenu ne sont pas abordés dans cet article. Pour une couverture complète, lisez d’abord ces articles.

Schéma du scénario

Le diagramme suivant présente une vue d’ensemble de haut niveau des actions les plus courantes de l’utilisateur et des composants de Power BI pour prendre en charge le décisionnel en libre-service géré et personnalisable. L’objectif principal est de fournir aux créateurs de contenu dans les unités commerciales la possibilité de créer un modèle de données spécialisé en étendant un modèle sémantique partagé existant. L’objectif est de parvenir à la réutilisation chaque fois que possible et de permettre une certaine flexibilité pour répondre à des exigences analytiques supplémentaires.

Conseil

Nous vous encourageons à télécharger le diagramme de scénario si vous souhaitez l’incorporer dans votre présentation, documentation ou billet de blog ou encore l’imprimer en tant qu’affiche murale. Étant donné qu’il s’agit d’une image SVG (Scalable Vector Graphics), vous pouvez la mettre à l’échelle vers le haut ou vers le bas sans aucune perte de qualité.

Le diagramme de scénario décrit les actions utilisateur, outils et fonctionnalités qui suivent :

Item	Description
	Le créateur de modèle sémantique A développe un modèle à l’aide de Power BI Desktop. Pour un modèle sémantique destiné à être réutilisé, il est courant (mais pas obligatoire) que le créateur appartienne à une équipe centralisée qui assiste les utilisateurs au-delà des frontières de l’organisation (comme le service informatique, le décisionnel d’entreprise ou le centre d’excellence).
	Power BI Desktop se connecte aux données d’une ou plusieurs sources de données.
	Le développement du modèle de données se fait dans Power BI Desktop. Un effort supplémentaire est fait pour créer un modèle bien conçu et convivial, afin qu’il soit utilisé comme source de données par de nombreux créateurs de rapports en libre-service. Les créateurs de modèles peuvent utiliser des requêtes DAX pour développer et explorer le modèle pendant le développement.
	Lorsqu’il est prêt, le créateur de modèles A publie son fichier Power BI Desktop (.pbix) ou son fichier de projet Power BI (.pbip) qui contient uniquement un modèle sur le service Power BI.
	Le modèle sémantique est publié dans un espace de travail dédié au stockage et à la sécurisation de modèles sémantiques partagés. Comme le modèle sémantique est destiné à être réutilisé, il est approuvé (certifié ou promu, selon le cas). Le modèle sémantique est également marqué comme découvrable pour encourager davantage sa réutilisation. La vue de traçabilité dans le service Power BI peut être utilisée pour suivre les dépendances qui existent entre les éléments Power BI.
	La découverte de données dans le hub de données OneLake est activée, car le modèle sémantique est marqué comme découvrable. La découvrabilité permet à un modèle sémantique d’être visible dans le hub de données OneLake par d’autres créateurs de contenu Power BI en quête de données.
	Les créateurs de contenu utilisent le hub de données OneLake du service Power BI pour rechercher des éléments de données détectables, tels que les modèles sémantiques.
	Si les créateurs de contenu ont cette autorisation, ils peuvent formuler une requête d’autorisation de générer sur les éléments de données. Cela lance un workflow pour demander l’autorisation de générer à un approbateur autorisé. Une fois qu'ils en ont reçu l'autorisation, les créateurs de contenu peuvent réutiliser les éléments de données pour élaborer de nouvelles solutions.
	Dans Power BI Desktop, le créateur du modèle B crée une connexion active au modèle sémantique partagé original qui se trouve dans le service Power BI. Étant donné que l’intention est d’étendre et de personnaliser le modèle sémantique d’origine, la connexion active est convertie en modèle DirectQuery. Cette action donne lieu à un modèle local dans le fichier Power BI Desktop.
	Power BI Desktop se connecte aux données provenant de sources de données supplémentaires. L’objectif est d’augmenter le modèle sémantique partagé de sorte que les exigences analytiques supplémentaires soient satisfaites par le nouveau modèle sémantique composite spécialisé.
	Des relations sont créées dans Power BI Desktop entre les tables existantes (à partir du modèle sémantique partagé, également appelé modèle distant) et les nouvelles tables venant d’être importées (stockées dans le modèle local). Des calculs et un travail de modélisation supplémentaires sont effectués dans Power BI Desktop pour compléter la conception du modèle composite spécialisé.
	Lorsqu’il est prêt, le créateur du modèle sémantique B publie son fichier .pbix ou .pbip sur le service Power BI.
	Le nouveau modèle sémantique composite spécialisé est publié dans un espace de travail dédié au stockage et à la sécurisation des modèles sémantiques qui sont détenus et gérés par le service.
	Le modèle sémantique spécialisé reste connecté au modèle sémantique partagé Power BI d’origine. Toute modification apportée au modèle sémantique partagé d’origine affectera les modèles sémantiques composites spécialisés en aval qui en dépendent.
	D’autres créateurs de rapports en libre-service peuvent créer de nouveaux rapports liés au modèle sémantique composite spécialisé. Les créateurs de rapports peuvent choisir d’utiliser Power BI Desktop, le Générateur de rapports Power BI, ou Excel.
	Les rapports sont publiés dans un espace de travail dédié au stockage et à la sécurisation des rapports et des tableaux de bord.
	Les rapports publiés restent connectés au modèle sémantique spécialisé qui est stocké dans un espace de travail différent. Toute modification du modèle sémantique spécialisé affecte tous les rapports qui y sont connectés.
	Certaines sources de données peuvent nécessiter une passerelle de données locale ou une passerelle de réseau virtuel pour l’actualisation des données, comme celles qui résident dans un réseau d’organisation privé.
	Les administrateurs de structure supervisent et surveillent l’activité dans le portail Fabric.

Points clés

Voici quelques points clés à souligner concernant le scénario de décisionnel libre-service géré et personnalisable.

Modèle sémantique partagé

L’aspect clé de la création d’un décisionnel libre-service managé consiste à réduire le nombre de modèles sémantiques. Ce scénario illustre un modèle sémantique partagé qui contribue à produire une version unique de la vérité.

Remarque

Pour simplifier, le schéma de scénario ne représente qu’un seul modèle sémantique partagé. Toutefois, il n’est généralement pas pratique de modéliser toutes les données organisationnelles en un seul modèle sémantique. L’autre extrême consiste à créer un nouveau modèle sémantique pour chaque rapport, comme le font souvent les créateurs de contenu moins expérimentés. L’objectif est de trouver le juste équilibre, en privilégiant des modèles sémantiques relativement peu nombreux et en créant de nouveaux modèles sémantiques lorsque cela s’avère utile.

Augmenter le modèle sémantique partagé initial

Parfois, les créateurs en libre-service doivent augmenter un modèle sémantique existant avec, par exemple, des données supplémentaires spécifiques à leur service. Dans ce cas, ils peuvent utiliser les connexions DirectQuery aux modèles sémantiques Power BI. Cette fonctionnalité permet de trouver le bon équilibre entre les possibilités offertes par le libre-service et l’investissement dans les ressources de données gérées de manière centralisée. Le diagramme de scénario représente une connexion DirectQuery. La conversion d’une connexion dynamique en une connexion DirectQuery crée un modèle local qui permet d’ajouter de nouvelles tables. Des relations peuvent être créées entre les tables du modèle sémantique partagé d’origine (le modèle distant) et les nouvelles tables qui viennent d’être ajoutées (le modèle local). Des calculs et une modélisation des données supplémentaires peuvent être effectués pour personnaliser le nouveau modèle de données.

Conseil

Ce scénario met en évidence la réutilisation d’un modèle sémantique partagé. Cependant, il y a parfois des situations où les modélisateurs de données veulent limiter la création du modèle de données en aval. Dans ce cas, ils peuvent activer la propriété Empêcher les connexions DirectQuery dans les paramètres de Power BI Desktop.

Approbation de modèle sémantique

Étant donné que les modèles sémantiques partagés sont destinés à être réutilisés, il est utile de les approuver. Un modèle sémantique certifié indique aux créateurs de rapports que les données sont fiables et répondent aux standards de qualité de l’organisation. Un modèle sémantique promu souligne que le propriétaire du modèle sémantique estime que les données sont précieuses et méritent d’être utilisées par d’autres.

Conseil

Une bonne pratique consiste à mettre en place un processus cohérent, reproductible et rigoureux pour approuver le contenu. Le contenu certifié doit indiquer que la qualité des données a été validée. Il doit également suivre les règles de gestion des modifications, bénéficier d’un support formel et être entièrement documenté. Le contenu certifié répondant à des normes rigoureuses, les attentes en matière de confiance sont plus élevées.

Détection de modèle sémantique

Le hub de données OneLake permet aux créateurs de rapports de rechercher, d’explorer et d’utiliser des modèles sémantiques au sein de l’organisation. En plus de l’approbation du modèle sémantique, l’activation de la détection de modèle sémantique est critique pour promouvoir sa réutilisation. Un modèle sémantique découvrable est visible dans le hub de données pour les créateurs de rapports qui recherchent des données.

Remarque

Si un modèle sémantique n’est pas configuré pour être découvrable, seuls les utilisateurs Power BI disposant de l’autorisation de générer peuvent le trouver.

Requête d’accès au modèle sémantique

Un créateur de rapports peut trouver un modèle sémantique qu’il souhaite utiliser dans le hub de données. S’il n’a pas l’autorisation de générer pour le modèle sémantique, il peut formuler une requête d’accès. Selon le paramètre de requête d’accès pour le modèle sémantique, un e-mail sera envoyé au propriétaire du modèle sémantique, ou des instructions personnalisées seront présentées à la personne qui formule la requête d’accès.

Publier dans des espaces de travail distincts

Il y a plusieurs avantages à publier des rapports dans un espace de travail différent de celui où le modèle sémantique est stocké.

Tout d’abord, il faut savoir clairement qui est responsable de la gestion du contenu dans tel ou tel espace de travail. Deuxièmement, les créateurs de rapports disposent des autorisations nécessaires pour publier du contenu dans un espace de travail de rapports (via les rôles d’administrateur, de membre ou de contributeur de l’espace de travail). Toutefois, ils ne disposent que des droits de lecture et de générer pour des modèles sémantiques spécifiques. Cette technique permet à la Sécurité au niveau des lignes (RLS) de prendre effet lorsque cela est nécessaire pour les utilisateurs affectés au rôle Lecteur.

Analyse des dépendances et de l’impact

Lorsqu’un modèle sémantique partagé est utilisé par d’autres modèles sémantiques ou rapports, ces objets dépendants peuvent exister dans plusieurs espaces de travail. La vue de traçabilité permet d’identifier et de comprendre les dépendances en aval. Lors de la planification d’une modification d’un modèle sémantique, effectuez d’abord une analyse d’impact pour comprendre quels modèles sémantiques ou rapports doivent être modifiés ou testés.

Configuration de la passerelle

En général, une passerelle de données est nécessaire pour accéder à des sources de données qui résident dans le réseau organisationnel privé ou dans un réseau virtuel. La passerelle de données locale devient pertinente une fois qu’un fichier Power BI Desktop est publié sur le service Power BI. Les deux objectifs d’une passerelle sont les suivants : actualiser les données importées, ou voir un rapport qui interroge une connexion active ou un modèle sémantique DirectQuery.

Remarque

Pour les scénarios de décisionnel libre-service géré et personnalisable, une passerelle de données centralisée en mode standard est fortement recommandée par rapport aux passerelles en mode personnel. En mode standard, la passerelle de données prend en charge la connexion dynamique et les opérations DirectQuery (en plus des opérations programmées d’actualisation des données).

Supervision du système

Le journal d’activité enregistre les activités utilisateur qui se produisent dans le service Power BI. Les administrateurs de Power BI peuvent utiliser les données du journal d’activité qui sont collectées pour effectuer un audit afin de les aider à comprendre les modèles d’utilisation et l’adoption. Le journal des activités est également précieux pour soutenir les efforts de gouvernance, les audits de sécurité et les exigences de conformité. Dans le cadre d’un scénario de décisionnel libre-service géré et personnalisable, il est particulièrement utile de suivre l’utilisation du modèle sémantique partagé d’origine ainsi que des modèles sémantiques dépendants.

Contenu connexe

Dans l’article suivant de cette série, découvrez comment réutiliser le travail de préparation des données avec des flux de données dans le scénario de préparation des données en libre-service.