Démo 2 de la Masterclass Power BI

Partie 2 - Modèle de données et indicateurs (table Date + mesures)

Dans cette deuxième partie, l’objectif est de transformer votre table consolidée en un vrai modèle d’analyse : une table de dates dédiée, une relation propre, puis quelques mesures (KPIs) pour démarrer un reporting utile.

⚠️ Avertissement (niveau requis) Cette démonstration suppose des bases Power BI (import, modèle, mesures). Si vous débutez, pas d’inquiétude : je vous guide pas à pas et je simplifie au maximum. Vous pouvez suivre sans IA et obtenir un résultat propre dès aujourd’hui — et si vous utilisez une IA, vous irez encore plus vite.

Point de départ : nous sommes de retour dans Power BI Desktop. À droite, vous voyez la table Commandes. Dépliez‑la pour vérifier les colonnes.

Table Commandes dans Power BI

Créer une table de dates (deux options)

Pour réaliser des analyses temporelles, il vous faut une table Date. C’est un standard en BI.

Option A (recommandée) : utiliser une IA générative (ex : ChatGPT) pour obtenir rapidement une formule DAX adaptée à votre contexte. C’est particulièrement utile si vous voulez enrichir le calendrier (semaine ISO, trimestres fiscaux, libellés personnalisés, etc.).

Option B : créer la table de dates manuellement avec une formule standard ci‑dessous.

Formule DAX de base (CALENDARAUTO + colonnes utiles)

Dans Power BI Desktop : Modélisation > Nouvelle table, puis collez la formule suivante :

Date =
ADDCOLUMNS (
    CALENDARAUTO (),
    "Année", YEAR ( [Date] ),
    "MoisNum", MONTH ( [Date] ),
    "MoisCourt", FORMAT ( [Date], "mmm" ),
    "Mois", FORMAT ( [Date], "mmmm" ),
    "SemaineNum", WEEKNUM ( [Date], 2 ),
    "Année-Mois", FORMAT ( [Date], "YYYY-MM" )
)

Ensuite : - sélectionnez la table Date - Modélisation > Marquer comme table de dates - choisissez la colonne [Date]

Créer la relation entre Commandes et Date

L’idée est simple : la table Date pilote les analyses temporelles.

Passez en vue Modèle pour vérifier la table Date.

Vue Modèle

Les deux tables ne sont pas encore reliées. Nous allons créer la relation :

1) Cliquez sur Date[Date] (table Date) 2) Glissez‑déposez vers Commandes[OrderDate]

La fenêtre de relation s’affiche. Vérifiez les champs :

Vérification de la relation

Enregistrez. Vous devez obtenir un diagramme similaire et voir la relation entre Date et OrderDate :

Diagramme relationnel

Remarque importante : si vous voulez analyser selon d’autres dates (ShipDate, DeliveryDate), vous pouvez créer d’autres relations vers la même table Date, mais elles seront généralement inactives. Elles sont très utiles pour des analyses plus avancées.

Créer une table “Mesures” (bonne pratique)

Pour garder un modèle propre, créez une table dédiée aux mesures :
Accueil > Entrer des données.

Entrer des données

Créez une table vide nommée Mesures (une seule ligne suffit).

Table Mesures

Vous verrez une troisième table apparaître dans le modèle :

Table Mesures dans le modèle

C’est une très bonne pratique : toutes les mesures sont rangées au même endroit, et votre modèle reste lisible.

Mesures prêtes à l’emploi pour démarrer le reporting

Pour démarrer vos analyses, créez quelques mesures de base. Clic droit sur la table Mesures > Nouvelle mesure, puis créez les mesures suivantes.

Nb Livraisons

Nb Livraisons =
DISTINCTCOUNT ( Commandes[ShipmentID] )

Délai Moyen / Colis (pondéré par le nombre de colis)

Delai Moyen / Colis =
VAR Relevant =
    FILTER (
        Commandes,
        NOT ISBLANK ( Commandes[ShipDate] )
            && NOT ISBLANK ( Commandes[DeliveryDate] )
            && Commandes[ParcelsCount] > 0
    )
VAR TotalParcels =
    SUMX ( Relevant, Commandes[ParcelsCount] )
VAR TotalDelay =
    SUMX (
        Relevant,
        Commandes[ParcelsCount]
            * DATEDIFF ( Commandes[ShipDate], Commandes[DeliveryDate], DAY )
    )
RETURN
    DIVIDE ( TotalDelay, TotalParcels )

CO2 Moyen / Colis

CO2 Moyen / Colis =
VAR TotalCO2 =
    SUM ( Commandes[CO2_kg] )
VAR TotalParcels =
    SUM ( Commandes[ParcelsCount] )
RETURN
    DIVIDE ( TotalCO2, TotalParcels )

Nb Clients livrés (mois)

Cette mesure compte les clients distincts ayant au moins une livraison dans le contexte courant.

Nb Clients livres (mois) =
CALCULATE (
    DISTINCTCOUNT ( Commandes[ClientID] ),
    NOT ISBLANK ( Commandes[DeliveryDate] )
)

Vérification rapide (petit test en visuel)

Pour valider que tout fonctionne :

créez une matrice
mettez Date[Année-Mois] en lignes
ajoutez les 4 mesures en valeurs

Si vos chiffres évoluent correctement par mois, votre modèle est en place.

Résumé (ce que vous avez construit)

Vous avez maintenant :

une table Date robuste pour analyser dans le temps
une relation propre entre Date et Commandes
quatre premières mesures pour démarrer un reporting logistique

Si vous débutez : relisez cette partie une première fois, puis refaites‑la pas à pas. C’est normal de revenir sur les étapes. Le but est simple : un modèle propre, compréhensible, et prêt pour vos analyses.