Accès bêta gratuit pendant 30 jours · aucun paiement · progression enregistrée
Le problème métier
Un modèle BI importe des doublons, mélange les grains et reproduit des calculs déjà stables dans la base.
Ce que vous saurez faire
Expliquer les choix de grain, de modèle et de répartition entre SQL, Power Query et DAX, puis les appliquer à une requête source SQL.
Définir le grain
Distinguer faits et dimensions
Répartir SQL, Power Query et DAX
Définir les contrôles d’un rafraîchissement
Limites de cette micro-formation
Cette micro-formation cible une compétence précise. Elle ne remplace pas un parcours complet ni une formation d’administration de serveur.
Prérequis
JOIN et agrégations
Aucun compte Power BI requis
Projet et pratique
8 exercices vérifiés sont disponibles. Un projet métier est inclus.
Module théorique guidé · 6 micro-leçons
Comprenez comment préparer une source pour Power BI.
Ce module explique les concepts et les décisions d’architecture avant la connexion à l’outil. Il ne contient ni interface Power BI, ni publication de rapport ; les exercices SQL servent à appliquer la théorie.
01
Définir le grain avant les colonnes
Problème. Un export mélange une ligne par commande avec une ligne par produit. Les montants sont alors doublés dans le modèle.
Principe. Écrivez une phrase qui définit chaque ligne : une commande, une ligne de commande, un client ou un mois. Ne sélectionnez ensuite que les colonnes compatibles avec ce grain.
Contrôle à comprendre. Comptez les identifiants distincts et comparez-les au nombre de lignes.
02
Séparer faits et dimensions
Problème. Les informations client et produit sont recopiées dans chaque vente, ce qui complique les corrections et les relations.
Principe. Préparez une table de faits au grain de l’événement et des dimensions possédant une clé stable. Une relation plusieurs-à-un doit pouvoir être expliquée et testée.
Contrôle à comprendre. Vérifiez l’unicité de la clé côté dimension et les clés orphelines côté faits.
03
Construire un contrat SQL stable
Problème. Un rafraîchissement casse parce qu’une colonne change de nom, de type ou disparaît après un SELECT *.
Principe. Nommez explicitement les colonnes, stabilisez les alias métier et convertissez les types ambigus dans SQL. Le résultat devient un contrat entre la base et le modèle BI.
Contrôle à comprendre. Contrôlez noms, types, ordre utile, NULL et quelques valeurs connues.
04
Répartir SQL, Power Query et DAX
Problème. La même règle métier est recalculée dans trois couches et produit trois résultats différents.
Principe. Placez dans SQL les filtres de source, jointures et règles partagées. Utilisez Power Query pour les transformations liées à l’import et DAX pour les mesures dépendant du contexte du rapport.
Contrôle à comprendre. Documentez le propriétaire de chaque calcul et supprimez les duplications.
05
Préparer les dates et le rafraîchissement
Problème. Le modèle recharge tout l’historique et mélange date de commande, paiement et livraison.
Principe. Choisissez la date métier, fournissez une clé de date exploitable et rendez les bornes de période explicites. Un filtre de rafraîchissement doit rester déterministe et indexable.
Contrôle à comprendre. Testez une période complète avec borne de début incluse et borne de fin exclue.
06
Réconcilier avant de publier
Problème. Le tableau de bord est visuellement correct, mais son chiffre d’affaires ne correspond pas au système source.
Principe. Produisez avec la requête source des contrôles de volume, total, doublons, valeurs absentes et statut. Comparez ensuite ces contrôles après import avant de commenter un KPI.
Contrôle à comprendre. Conservez un total de référence, une date d’extraction et la requête qui l’a produit.
Parcours ciblé
Exercices pratiques
Les contenus restent centralisés : terminer une activité ici met aussi à jour le parcours qui la contient.
01
Éviter le double comptage après plusieurs jointures
Calculez le revenu client sans multiplier les lignes lorsqu’une commande possède plusieurs articles et plusieurs paiements.