mai 16, 2022Lire l'article
(écrit par un humain)
Il est courant de travailler avec des fichiers qui s’enrichissent au fil du temps dans le cadre de l’analyse de données. Pour éviter des mises à jour manuelle permanente dans Power BI, nous avons une solution : Power Query. Ou comment rejouer automatiquement les étapes déjà configurées, même si le fichier source change.
Admettons que vous ayez conçu un rapport Power BI basé sur un fichier Excel contenant des données jusqu’à 2019. Vous disposez désormais d’un fichier mis à jour avec les données jusqu’à 2021. Nous sommes ici dans le cas d'un fichier incrémentiel c'est-à-dire un fichier avec un historique qui augmente chaque mois, trimestre ou année avec des colonnes supplémentaires. L’objectif est simple : faire en sorte que toutes les étapes déjà définies dans Power Query s’appliquent automatiquement à ce nouveau fichier.
Ce cas de figure très courant est abordé régulièrement dans nos formations Power BI, que ce soit en présentiel ou à distance.
Tout d’abord, ouvrez votre fichier Power BI et cliquez sur Transformer les données pour accéder à Power Query.
Bonne pratique : dupliquez la requête avant de faire des modifications. Cela vous permet de garder une version de secours en cas d’erreur.
Ensuite, dans la requête active, rendez-vous à l’étape Source et cliquez sur Parcourir pour sélectionner le nouveau fichier Excel, celui avec les données jusqu’en 2021.
Une fois le nouveau fichier sélectionné, rendez-vous à la dernière étape appliquée dans la requête. Vous verrez peut-être apparaître une erreur. Dans notre exemple, celle-ci survient à l’étape Colonne renommée ; parce que Power Query tente de renommer une colonne qui n’existe plus sous le même nom. Dans le fichier de 2019, la colonne s’appelait « Dans le cas d’un opérateur verticalement intégré », tandis que dans le fichier de 2021, elle commence par « Le total de locaux raccordables par zone ».
Résultat : le code ne trouve plus la colonne à renommer, et l’étape échoue.
Pour éviter ce type de problème, utilisons la technique suivante : renommer une colonne en fonction de sa position dans la table, plutôt que par son nom.
Si vous ne connaissez pas la syntaxe M pour cela, pas d'inquiétude. Vous pouvez demander à ChatGPT de vous générer la ligne de code, ou chercher une solution sur les forums officiels de Microsoft. Voici un exemple de fonction :
Dans cette ligne :
Vous remplacez simplement l’étape défaillante par cette fonction, en adaptant les valeurs à votre cas.
Dans notre exemple, une autre erreur est apparue à l’étape Colonnes permutées, ce qui veut dire colonne déplacée. Cette étape aide l'utilisateur à mieux visualiser sa requête. En soit elle n'est pas très importante car elle n’a aucune incidence sur les données dans Power BI Desktop. On va donc la supprimer.
Conseil : si une étape ne modifie pas les données de fond mais provoque une erreur suite à un changement de structure, vous pouvez simplement la supprimer.
Après avoir ajusté ou supprimé les étapes problématiques, rendez-vous à l’étape finale de votre requête. Si aucune erreur n’apparaît, vous êtes sur la bonne voie.
Il ne vous reste plus qu’à vérifier dans la colonne Date que l’année 2021 est bien présente. Confirmez ensuite dans Power BI Desktop que les visuels et les filtres affichent bien les données jusqu’en 2021. Et voilà !
Grâce à Power Query, il est possible d’automatiser l’adaptation de vos changements de données, même lorsque la structure du fichier source évolue. En utilisant des techniques comme le renommage par position ou en identifiant les étapes non critiques, vous pouvez conserver vos rapports à jour avec un minimum d’effort manuel.
Ces bonnes pratiques sont essentielles à maîtriser pour toute personne souhaitant aller plus loin avec Power BI. Elles font partie intégrante de nos parcours de formation, conçus pour vous rendre autonome dans vos projets de reporting.