Bonnes pratiques pour les dataflows

  • Article

Les dataflows Power BI constituent une solution de préparation des données pour les entreprises, qui permet de disposer d’un écosystème de données prêtes à être consommées, réutilisées et intégrées. Cet article liste les bonnes pratiques et fournit des liens vers d’autres articles et informations pour vous aider à comprendre et utiliser les dataflows au maximum de leur potentiel.

Dataflows dans Power Platform

Les dataflows peuvent être utilisés sur diverses technologies Power Platform, telles que Power Query, Microsoft Dynamics 365 et d’autres offres Microsoft. Pour plus d’informations sur le fonctionnement des flux de données sur Power Platform, consultez Que sont les flux de données.

Les flux de données supprimés ne peuvent pas être récupérés

Les flux de données supprimés ne peuvent pas être récupérés, mais vous pouvez les sauvegarder avec différentes méthodes décrites dans cette section.

Si vous activez la connexion de stockage Azure sur votre espace de travail Power BI, une copie de votre définition de flux de données et des instantanés sont automatiquement stockées dans un lac de données. Vous pouvez ensuite récupérer un flux de données supprimé ou modifié en téléchargeant son fichier model.json à partir du lac de données, puis en l’important dans Power BI.

Vous pouvez utiliser Power Automate ou Azure Logic Apps pour exporter votre définition de flux de données vers un fichier JSON, puis la stocker dans SharePoint ou Azure Data Lake Gen2. L’utilisation de l’une de ces méthodes vous permet de sauvegarder votre flux de données à l’aide d’autres options de stockage de fichiers et d’automatiser le processus.

Vous pouvez également exporter manuellement votre flux de données vers un fichier JSON et l’importer dans un autre espace de travail ou emplacement. L’exportation manuelle de votre flux de données est simple et rapide, mais il s’agit d’un processus manuel qui doit être effectué chaque fois que vous souhaitez sauvegarder votre flux de données.

Le tableau suivant fournit une collection de liens vers des articles qui décrivent les bonnes pratiques pour la création ou l’utilisation de dataflows. Les liens incluent des informations sur le développement d’une logique métier, le développement de flux de données complexes, la réutilisation de flux de données et le mode de mise à l’échelle de l’entreprise avec vos flux de données.

Rubrique Domaine de conseil Lien vers un article ou contenu
Power Query Trucs et astuces pour tirer le meilleur parti de votre expérience de data wrangling Bonnes pratiques lors de l’utilisation de Power Query
Utilisation de tables calculées L’utilisation de tables calculées dans un flux de données est bénéfique pour les performances Scénarios de tables calculées
Développement de dataflows complexes Modèles pour le développement de dataflows performants à grande échelle Meilleures pratiques pour concevoir et développer des flux de données complexes
Réutilisation des dataflows Modèles, conseils et cas d’usage Meilleures pratiques pour réutiliser des flux de données dans des environnements et des espaces de travail
Implémentations à grande échelle Utilisation à grande échelle et conseils pour compléter une architecture d’entreprise Meilleures pratiques pour créer un modèle dimensionnel à l’aide de flux de données
Utilisation du calcul amélioré Possibilité d’améliorer les performances des dataflows jusqu’à 25 fois Utilisation du moteur de calcul pour améliorer les performances
Optimisation de vos paramètres de charge de travail Tirer le meilleur parti de l’infrastructure de vos flux de données en comprenant les leviers que vous pouvez tirer pour optimiser les performances Configurer les charges de travails des dataflows Premium Power BI
Jointure et développement de tables Création de jointures performantes Optimiser Power Query lors du développement des colonnes de table
Instructions de pliage des requêtes Accélération des transformations à l’aide du système source Pliage des requêtes Power Query
Utilisation du profilage des données Comprendre la qualité, la distribution et le profil des colonnes Utilisation des outils de profilage des données
Implémentation de la gestion des erreurs Développement de dataflows robustes résistants aux erreurs d’actualisation avec des suggestions Gestion des erreurs dans Power Query
Gestion des erreurs
Utiliser la vue Schéma Améliorer l’expérience de création quand vous travaillez avec un tableau large et effectuez des opérations au niveau du schéma Vue Schéma
Tables liées Réutilisation et référencement des transformations Créer un flux de données en utilisant des tables liées
Actualisation incrémentielle Charger les données les plus récentes ou changées plutôt qu’effectuer un rechargement complet Utilisation d’une actualisation incrémentielle avec des dataflows

Contenu connexe

Les articles suivants vous permettront d’en savoir plus sur les dataflows et Power BI :