Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
S’APPLIQUE À :
Service Power BI pour les utilisateurs métier Service Power BI pour les concepteurs et les développeurs 
Power BI Desktop Nécessite une licence Pro ou Premium
Power BI Insights vous aide à découvrir automatiquement des modèles importants dans vos données. Au lieu d’explorer manuellement chaque graphique et chaque nombre, vous pouvez demander à Power BI d’analyser vos données et de mettre en évidence des résultats intéressants. Considérez les aperçus comme votre assistant de données, en mettant en évidence les tendances, les valeurs inhabituelles et les schémas que vous avez peut-être manqués.
Vous pouvez obtenir des insights à partir des éléments suivants :
- Vignettes de tableau de bord
- Visuels de rapport
- Pages d’un rapport
Pour obtenir des instructions pas à pas, consultez Afficher des insights de données sur les vignettes de tableau de bord avec Power BI.
Ce que révèlent les insights
Power BI examine vos données et applique des algorithmes avancés pour rechercher des modèles significatifs. Lorsque vous demandez des insights, Power BI crée de nouveaux visuels qui mettent en évidence des découvertes telles que des pics inhabituels, des corrélations masquées et des modèles saisonniers.
Les insights que vous voyez dépendent de vos données. Pour les vignettes de tableau de bord, vous pouvez voir jusqu’à 10 types d’insights différents. Pour les rapports, Power BI analyse automatiquement les tendances, les changements inhabituels et les indicateurs de performances clés.
Termes courants
Lorsque vous explorez des insights, vous pouvez rencontrer ces termes :
- Mesure : nombres que vous analysez, comme les totaux des ventes, les scores moyens ou les nombres. Les mesures répondent à des questions telles que « combien ? » et « combien ? »
- Dimension : catégories qui organisent vos mesures, telles que les noms de produits, les régions ou les périodes de temps. Les dimensions répondent à « quel type ? » et « où ? »
- Corrélation : lorsque deux choses changent ensemble de manière similaire ou opposée. Par exemple, si les ventes de crème glacée augmentent lorsque les températures augmentent, elles sont positivement corrélées.
- Série chronologique : points de données affichés au fil du temps, tels que les ventes quotidiennes, les visites mensuelles de sites web ou les revenus annuels.
Types d’insights que Power BI recherche
Voici les insights que Power BI peut découvrir dans vos données. Chacun vous aide à comprendre vos données à partir d’un angle différent.
Meilleurs et moins bons performeurs
Ce qu’il trouve : catégories qui se distinguent du reste avec des valeurs beaucoup plus élevées ou inférieures.
Pourquoi cela est important : vous pouvez rapidement identifier vos meilleurs et pires interprètes sans comparer manuellement chaque catégorie.
Exemple : si vous examinez les ventes par produit, cet insight peut montrer que le produit A vend 10 fois plus que n’importe quel autre produit.
Changements significatifs au fil du temps
Ce qu’il trouve : points dans le temps où vos données ont changé de direction ou changé considérablement.
Pourquoi cela est important : vous aide à repérer quand quelque chose d’important s’est produit qui a affecté vos métriques.
Exemple : les plaintes des clients ont fortement diminué en mars, ce qui coïncide avec une nouvelle version du produit.
Modèles corrélés
Ce qu’il trouve : plusieurs métriques qui se déplacent ensemble dans des directions similaires ou opposées.
Pourquoi cela compte : révèle les relations entre différents aspects de votre entreprise.
Exemple : les dépenses marketing et le trafic du site web augmentent tous les deux au cours des mêmes mois.
Valeurs cohérentes
Ce qu’il trouve : Quand les valeurs sont remarquablement similaires dans différentes catégories.
Pourquoi cela est important : indique quand les performances sont distribuées uniformément, ce qui peut indiquer la stabilité ou le manque de différenciation.
Exemple : les cinq régions ont des scores de satisfaction client presque identiques.
Contributeurs dominants
Ce qu’il trouve : une catégorie qui constitue la plupart de la valeur totale.
Pourquoi cela compte : il met en évidence le risque de concentration ou le principal moteur de votre activité.
Exemple : 80% de vos revenus proviennent d’un segment client.
Valeurs inhabituelles
Ce qu’il trouve : points de données individuels qui ne correspondent pas au modèle attendu.
Pourquoi cela est important : il signale les anomalies qui peuvent nécessiter une enquête ou représenter des circonstances particulières.
Exemple : les niveaux d’inventaire d’un magasin sont trois fois plus élevés que tous les autres magasins.
Tendances vers le haut ou vers le bas
Ce qu’il trouve : augmente ou diminue régulièrement au fil du temps.
Pourquoi cela est important : il indique la direction globale que vos métriques déplacent.
Exemple : Les utilisateurs actifs mensuels ont augmenté régulièrement depuis six mois.
Modèles saisonniers
Ce qu’il trouve : modèles récurrents qui se répètent à intervalles réguliers, tels que hebdomadaire, mensuel ou annuel.
Pourquoi cela est important : vous aide à anticiper les changements cycliques et à planifier en conséquence.
Exemple : Pic des ventes chaque décembre et baisse chaque février.
Proportions stables
Ce qu’il trouve : lorsqu’une catégorie conserve le même pourcentage du total au fil du temps, même si le total change.
Pourquoi cela est important : affiche une part de marché cohérente ou une distribution stable.
Exemple : la région Est représente 25% des ventes totales, que les ventes mensuelles soient de 100 000 $ ou 200 000 $.
Dates ou heures inhabituelles
Ce qu’il trouve : dates ou heures spécifiques avec des valeurs qui diffèrent considérablement des autres périodes.
Pourquoi cela est important : identifie les jours exceptionnels qui peuvent représenter des opportunités ou des problèmes.
Exemple : Les blocages de site web sur Black Friday ont provoqué un pic de trafic de 500% plus élevé que la normale.
Contenu connexe
Vous avez d’autres questions ? Posez des questions à la Communauté Power BI.