Objectif métier

Power Query est la couche de préparation des données utilisée pour se connecter aux sources métier et structurer leurs données avant leur analyse dans Power BI. Elle permet de transformer des enregistrements opérationnels incohérents en un jeu de données reproductible destiné aux rapports. La fiabilité d’un tableau de bord commercial dépend directement des dates, des produits, des clients et des montants qui l’alimentent ; c’est lors de la préparation que ces données sont inspectées et rendues cohérentes.

Prenons le cas d’un distributeur dont les ventes arrivent sous forme de feuilles de calcul hebdomadaires provenant de plusieurs magasins, tandis que les descriptions des produits et leurs catégories sont gérées dans un fichier distinct. Les rapports doivent présenter des ventes comparables par magasin, produit et semaine. Si chaque feuille de calcul utilise un nom de colonne différent ou enregistre les dates et les montants dans un format différent, le simple chargement de tous les fichiers peut produire des comparaisons incomplètes ou trompeuses. Power Query fournit une séquence visible de transformations qui peut être actualisée lorsque de nouvelles données sources sont disponibles.

L’objectif n’est pas de rendre toutes les sources identiques pour le principe. Chaque transformation doit répondre à un besoin de reporting, préserver une règle métier ou faciliter la validation des données. Conservez, lorsque cela est possible, la traçabilité des enregistrements sources et évitez de modifier silencieusement des valeurs dont la signification métier est incertaine.

Connexion aux sources

Commencez par déterminer où se trouvent les données et qui en est responsable. Les sources métier courantes comprennent les classeurs Excel, les fichiers texte ou CSV, les dossiers contenant des exports récurrents, les bases de données et les applications métier cloud. Choisissez le connecteur qui correspond à la source réelle et à son mode d’accès. Un connecteur de dossier peut être utile lorsque chaque nouveau fichier suit la même structure ; en revanche, combiner des fichiers sans lien provenant d’un dossier peut introduire des colonnes inattendues ou des enregistrements en double.

Avant de vous connecter, confirmez les tables ou fichiers concernés, la période de reporting et le fait que la source soit un export opérationnel actuel ou une archive historique. Vérifiez que le compte utilisé pour l’accès dispose des autorisations requises. Power BI peut demander des identifiants, et les paramètres de confidentialité peuvent influer sur la combinaison de données provenant de différentes sources. Considérez les identifiants et les accès comme faisant partie de la propriété du rapport : une actualisation qui ne fonctionne qu’avec le compte de son auteur ne constitue pas un processus métier fiable.

Dans l’aperçu de Power Query, inspectez les noms de colonnes, les valeurs d’exemple et la structure des données avant d’appliquer des modifications. Vérifiez que la feuille de calcul ou la table sélectionnée contient les enregistrements pertinents, et non une page de titre, une section de sous-totaux ou des notes. Si les enregistrements commencent après plusieurs lignes d’introduction, supprimez uniquement les lignes qui se trouvent systématiquement en dehors des données. Consignez les hypothèses concernant la source, telles que la convention de nommage des fichiers et les colonnes obligatoires, afin que les futurs responsables puissent repérer toute modification d’un export.

Structurer les données pour le reporting

Utilisez des transformations pour rendre les enregistrements cohérents et prêts pour l’analyse. Attribuez à chaque colonne un type de données approprié : les dates de transaction doivent être des dates, les quantités doivent être numériques et les identifiants doivent être traités de manière cohérente comme du texte ou des nombres, selon leur utilisation par l’entreprise. Par exemple, les codes produits comportant des zéros initiaux ne doivent pas être convertis en nombres si ces zéros sont significatifs. Corrigez les types de données dès le début, car ils influencent le filtrage, les calculs, les relations et la détection des erreurs.

Nettoyez les champs texte en supprimant, lorsque cela est pertinent, les espaces indésirables et les caractères non imprimables, et standardisez les valeurs telles que les noms de magasins ou les libellés de statut lorsqu’une correspondance a été définie. Renommez les colonnes aux intitulés vagues avec des termes métier clairs, supprimez les colonnes qui n’ont aucune utilité pour le reporting ou l’audit, et filtrez les lignes qui ne correspondent pas à des transactions, comme les en-têtes répétés ou les lignes vides. Ne supprimez pas automatiquement les erreurs sans en comprendre la cause. Une erreur de conversion peut révéler un enregistrement mal formé qui doit être corrigé ou une règle d’exclusion documentée.

Restructurez les données pour répondre à la question à laquelle le rapport doit répondre. Si une feuille de calcul stocke chaque mois dans une colonne distincte, le dé-pivotage de ces colonnes mensuelles peut créer une ligne pour chaque produit et chaque mois, ce qui est souvent plus facile à analyser dans le temps. Pour combiner les exports des magasins de janvier et de février qui ont la même structure, ajoutez leurs lignes. Pour ajouter la catégorie de produit aux enregistrements de ventes, fusionnez la requête des ventes avec la table de correspondance des produits à l’aide de la clé produit, puis vérifiez que la correspondance n’a pas multiplié les enregistrements de manière inattendue et qu’aucun produit ne reste sans correspondance. L’ajout empile les enregistrements ; la fusion regroupe les colonnes associées.

Valider les données préparées

La validation doit tester la signification métier, et pas seulement vérifier qu’une transformation s’est terminée. Comparez le nombre de lignes sources avec le nombre de lignes préparées et justifiez toute exclusion volontaire. Recherchez les dates vides, les identifiants de transaction manquants, les quantités négatives ou nulles, les valeurs de vente inattendues et les enregistrements en double. Certains cas peuvent être légitimes, comme les retours ou les ajustements ; appliquez donc les règles métier avant de les considérer comme des erreurs.

Pour une fusion, vérifiez combien d’enregistrements de ventes n’ont trouvé aucun produit correspondant et si la clé produit est unique dans la table de correspondance. Une table de correspondance contenant des clés en double peut dupliquer les lignes de ventes après une fusion et gonfler le chiffre d’affaires. Pour un ajout, confirmez que les fichiers sources attendus ont été inclus et que les colonnes correspondent malgré les différences d’orthographe ou de casse. Comparez les totaux des ventes préparées avec ceux d’un rapport source fiable pour les mêmes magasins et la même période, en expliquant toute exclusion ou différence de calendrier.

Gardez les transformations compréhensibles et ordonnées afin qu’un autre analyste puisse les examiner. Power Query enregistre chaque opération sous forme d’étape appliquée, ce qui permet de vérifier où les valeurs ont été filtrées, renommées ou restructurées. Lorsqu’un export source évolue, examinez l’aperçu et les étapes concernées au lieu de considérer automatiquement l’actualisation comme valide simplement parce qu’elle s’est terminée. Une actualisation réussie confirme que les données ont été récupérées et que les étapes ont été exécutées ; elle ne prouve pas que les chiffres métier obtenus sont corrects.

Charger, actualiser et attribuer les responsabilités

Lorsque les requêtes préparées répondent aux besoins du reporting, chargez les tables nécessaires dans le modèle Power BI. Les requêtes qui servent uniquement d’étapes intermédiaires de préparation et qui ne sont pas nécessaires en tant que tables distinctes du modèle peuvent souvent être configurées pour ne pas être chargées, afin de conserver un modèle ciblé. Prenez cette décision en fonction de la conception du reporting et des besoins d’audit, et non comme une règle générale. Power Query prépare les données ; les relations, les mesures et les visuels du rapport sont gérés dans les couches du modèle et du rapport.

Planifiez l’actualisation en fonction du processus opérationnel réel de la source. Si un fichier hebdomadaire est attendu dans un dossier précis, veillez à ce que l’emplacement du dossier et la structure des fichiers restent stables et que l’identité utilisée pour l’actualisation puisse y accéder. Confirmez les identifiants d’accès pour chaque source concernée, la planification d’actualisation prévue et la personne chargée d’analyser les échecs. Si des fichiers sont déplacés ou renommés, ou si une colonne disparaît, la requête peut nécessiter une intervention avant que le tableau de bord puisse de nouveau être considéré comme fiable.

Une passation pratique comprend les emplacements des sources, la finalité des transformations importantes, les exclusions connues, les totaux de validation et la personne responsable des modifications des sources. Utilisez cette liste comme contrôle de mise en production avant la publication : les enregistrements requis sont présents, les champs clés ont des types appropriés, les jointures se comportent comme prévu, les totaux concordent et les droits d’actualisation relèvent du processus métier plutôt que d’un analyste individuel. Ces contrôles rendent la préparation des données reproductible et donnent aux utilisateurs des rapports une base claire pour faire confiance au tableau de bord.