Modéliser les données dans Power BI

Intermédiaire
Analyste Data
Power BI

Avec Power BI, la clé de voûte du succès est un bon modèle de données. Dans ce module, vous apprendrez à concevoir un modèle de données intuitif, hautes performances et facile à gérer. Vous utiliserez le langage DAX pour créer des mesures. Ces mesures vous aideront à créer un large éventail de solutions d’analyse. En outre, vous apprendrez à améliorer les performances avec vos tâches d’extraction de données Power Query.

Ce parcours d’apprentissage peut vous aider à préparer la certification Microsoft Certified : Associé Analyste de données.

Prérequis

Aucun

Modules de ce parcours d’apprentissage

Le processus de création d’un modèle de données complexe dans Power BI est simple. Si vos données proviennent de plusieurs systèmes transactionnels, vous pouvez très rapidement vous retrouver avec des dizaines de tables. Un bon modèle de données doit avant tout minimiser le désordre. Un schéma en étoile est un moyen de simplifier un modèle de données. Vous en apprendrez davantage sur la terminologie et l’implémentation de ce schéma dans ce module. Vous découvrirez également pourquoi le choix de la granularité des données est important pour les performances et la convivialité de vos rapports Power BI. Enfin, vous verrez comment améliorer les performances de vos modèles de données Power BI.

DAX (Data Analysis Expressions) est un langage de programmation utilisé dans Microsoft Power BI pour créer des colonnes calculées, des mesures et des tables personnalisées. Il s’agit d’une collection de fonctions, d’opérateurs et de constantes qui peuvent être utilisés dans une formule ou une expression pour calculer et retourner une ou plusieurs valeurs. Vous pouvez vous servir du langage DAX pour résoudre un certain nombre de problèmes de calcul et d’analyse de données, et ainsi créer de nouvelles informations à partir de données déjà présentes dans votre modèle.

L’optimisation des performances, également appelée réglage des performances, consiste à apporter des modifications à l’état actuel du modèle de données afin qu’il s’exécute plus efficacement. En gros, quand votre modèle de données est optimisé, il fonctionne mieux.