Que sont les modèles sémantiques de Power BI ?

Qu'est-ce qui constitue un modèle sémantique ?

Les modèles sémantiques se composent de plusieurs éléments différents :

• Connexions de données à une ou plusieurs sources de données, soit importées, soit par DirectQuery, soit dans le cadre d'un modèle composite.
• Transformations qui nettoient et préparent les données pour le reporting.
• Définition de calculs et d'indicateurs basés sur des règles commerciales afin de garantir la cohérence des rapports élaborés à partir du modèle sémantique. Cela permet d'assurer la clarté et d'éviter les divergences entre les analyses et les rapports.
• Les relations définies entre les tableaux permettent aux utilisateurs de se concentrer sur la conception de rapports sans connaître au préalable les structures de base de données et les modèles de données sous-jacents.

Modes du modèle sémantique

Choisir le bon mode lors de la connexion à vos données dans Power BI est une première étape importante dans la création d'un modèle sémantique, car chacun présente des avantages et des inconvénients dont vous devez être conscient.

Il existe trois modes de modèles sémantiques dans Power BI :

• Mode d'importation
• Mode DirectQuery
• Mode composite

Mode d'importation

Cela permet de charger complètement les données dans le fichier Power BI (.pbix). À chaque rafraîchissement du rapport Power BI, le moteur de stockage Vertipaq compresse, optimise et stocke les données sur le disque. Cela se traduit par des performances rapides et des options de conception flexibles pour les créateurs de rapports. En outre, le mode d'importation permet aux créateurs de modèles sémantiques d'utiliser l'ensemble des fonctions du langage Power Query M pour transformer et préparer les données, ainsi que les fonctions DAX pour créer des calculs et des mesures.

Mode DirectQuery

Ce mode ne stocke que les métadonnées relatives à la structure du modèle et non les données elles-mêmes. Lorsque le modèle est interrogé (par exemple lors de l'affichage d'un visuel), les données sont extraites de la source de données sous-jacente. Ceci est particulièrement utile pour les gros volumes de données ou lorsque l'entreprise a besoin de données en temps quasi réel dans un rapport.

Mode composite

Le mode composite est une combinaison des modes import et DirectQuery. Ce mode est utile lorsque vous avez besoin de la puissance et des performances du mode importation, ainsi que de la possibilité de visualiser les données en temps réel. Un tableau peut être configuré en mode de stockage double, ce qui permet au service Power BI de choisir un mode plus efficace en fonction de la nature de la requête.

5 étapes pour créer des modèles sémantiques Power BI

La création d'un modèle sémantique implique les mêmes étapes que celles que vous suivez peut-être déjà dans les phases initiales de développement de rapports à l'aide de Power BI desktop. Si vous êtes un analyste de données en herbe, vous pouvez apprendre les principes fondamentaux de Power BI avec notre cursus de compétences, où vous apprendrez la visualisation de données, DAX, et comment transformer vos données.

Naturellement, les étapes exactes que vous suivrez lors de la création d'un modèle sémantique dépendent des besoins de votre entreprise et de l'objectif du modèle. Cependant, à un niveau élevé, ces cinq étapes sont couramment rencontrées lors de la création d'un modèle sémantique :

Image de l'auteur

1. Importez ou connectez-vous aux sources de données requises en utilisant le mode d'importation, DirectQuery ou des modèles composites.
2. Nettoyer et transformer les données pour les rendre utiles aux utilisateurs. Il s'agit de supprimer les doublons, de traiter les données manquantes, de nettoyer les colonnes de données textuelles, etc. Les étapes exactes de la transformation dépendent des exigences propres à vos données.
3. Définissez les relations entre vos tableaux de données en utilisant de bons principes de modélisation des données, comme le schéma en étoile. Nous avons un cours qui vous apprendra les fondements de la modélisation des données dans Power BI.
4. Créez des mesures et des calculs basés sur les besoins spécifiques de votre entreprise.
5. Une fois que vous êtes satisfait de votre modèle sémantique, publiez-le dans le service Power BI.

Exploiter les modèles sémantiques pour des rapports efficaces

Une fois que vous avez créé et publié votre modèle sémantique dans le service Power BI, vous pouvez créer une connexion en direct au modèle sémantique à partir d'un autre rapport Power BI. En fait, vous pouvez créer plusieurs rapports à partir d'un seul modèle sémantique publié, ce qui garantit la cohérence et la fiabilité de tous les rapports.

Auparavant, il était courant de trouver plusieurs rapports Power BI basés sur le même ensemble de données, chacun avec des modèles de données distincts. Cela représentait un défi, car il pouvait y avoir de grandes différences entre les rapports, et il pouvait être assez difficile et long de déterminer ce qui causait la différence et quel rapport devait être modifié. La création d'un modèle sémantique unique partagé par plusieurs rapports Power BI résout complètement ce problème.

Si vous souhaitez mettre à niveau vos compétences en matière de visualisation de données Power BI et apprendre à créer des rapports efficaces dans Power BI, nous avons un cours pour vous y aider.

Gestion des modèles sémantiques

Les modèles sémantiques peuvent être facilement partagés entre les espaces de travail, ce qui démocratise les données et favorise une forte culture des données. Cependant, cela nécessite également une gestion efficace de ces modèles sémantiques avec des contrôles et des politiques appropriés qui maintiennent l'intégrité, la sécurité et la qualité des données.

Propriété et autorisations

La gestion du contrôle d'accès et des autorisations pour les modèles sémantiques dans Power BI peut être effectuée par les administrateurs, les membres de l'espace de travail (en fonction de leur rôle) et les propriétaires de modèles sémantiques (le propriétaire est celui qui a créé le modèle sémantique).

Les autorisations relatives aux modèles sémantiques peuvent être définies et gérées de deux manières :

• Premièrement, en contrôlant directement l'accès aux modèles sémantiques pour des personnes individuelles ou des groupes de sécurité entiers.
• Deuxièmement, en gérant la manière dont les modèles sémantiques et leurs rapports sont partagés avec d'autres utilisateurs qui ne se trouvent pas dans l'espace de travail.

Une fois que vous avez publié un modèle sémantique dans le service Power BI, vous (en tant que propriétaire du modèle sémantique) et les administrateurs pouvez définir l'un des quatre niveaux de permission pour le modèle sémantique :

• Lire: Permet aux utilisateurs d'accéder aux rapports qui utilisent les données du modèle sémantique et les paramètres du modèle de vue.
• Construire: Permet aux utilisateurs de créer de nouveaux rapports et tableaux de bord à partir du modèle.
• Reshare: Permet aux utilisateurs de donner à d'autres personnes l'accès au modèle sémantique.
• Écrire: Permet aux utilisateurs de republier et d'apporter certaines modifications au modèle, à l'exception de certains paramètres tels que l'ajout ou la modification des informations d'identification de la source de données, par exemple.
• Propriétaire: Bien qu'il ne s'agisse pas strictement d'une permission, les créateurs d'un modèle sémantique en deviennent les propriétaires dans le service Power BI et disposent de toutes les permissions ci-dessus.

Considérations relatives à la sécurité

Les administrateurs de Power BI peuvent également restreindre les modalités d'accès, de partage et de modification des données au sein de leur locataire Power BI. Ils peuvent limiter la réutilisation des modèles sémantiques complètement ou partiellement en fonction des groupes de sécurité, ce qui a un impact sur diverses fonctionnalités telles que la copie de rapports entre espaces de travail, l'édition de rapports basés sur des modèles sémantiques partagés et la visibilité des modèles sémantiques dans le service ou le bureau Power BI.

Les propriétaires de modèles sémantiques contrôlent également qui peut accéder aux données de leurs modèles sémantiques et les utiliser. Ils peuvent rendre les modèles sémantiques accessibles en les certifiant ou en les promouvant, ce qui aide les utilisateurs et les créateurs de rapports à identifier les modèles sémantiques désignés comme "officiels" et considérés comme de haute qualité au sein de l'organisation.

La sécurité au niveau des rôles (RLS) est appliquée aux modèles sémantiques et à tous les rapports élaborés à partir de ceux-ci. RLS peut affecter la capacité des utilisateurs à lire les données d'un modèle sémantique s'ils ont l'autorisation de construire ou de lire, à moins que le rôle spécifique de RLS ne l'autorise.

Bonnes pratiques et considérations

Créer le nombre minimum de modèles sémantiques nécessaires et les utiliser comme source pour les rapports Power BI dans une organisation est la meilleure pratique acceptée.

En outre, il est recommandé que les modèles sémantiques soient :

• Complet: les modèles sémantiques doivent contenir tous les éléments nécessaires pour répondre aux questions commerciales pertinentes. Ces éléments doivent également refléter de manière précise et logique les systèmes et les processus de l'entreprise.
• Optimisés et performants: les modèles sémantiques doivent être optimisés de manière à ce que leurs actualisations, leurs calculs DAX et leurs chargements visuels soient rapides, même en cas d'augmentation du volume de données.
• Sécurisé: les modèles sémantiques doivent contenir les éléments de sécurité nécessaires pour empêcher tout accès non autorisé aux données (par exemple, sécurité au niveau des lignes).
• Souplesse: les modèles sémantiques doivent pouvoir s'adapter à l'évolution des besoins de l'entreprise.

Conclusion

En renommant les ensembles de données en modèles sémantiques, Power BI a créé un changement dans la façon dont nous devons penser la veille stratégique. Plutôt que de considérer les données comme des composants statiques de rapports et de tableaux de bord, nous pouvons les considérer comme faisant partie d'une couche sémantique plus large qui peut être facilement partagée et réutilisée.

En suivant les bonnes pratiques décrites dans cet article de blog, vous pouvez créer des modèles sémantiques efficaces et efficients qui serviront de source unique de vérité pour les besoins de votre organisation en matière de rapports. En exploitant la puissance des modèles sémantiques, vous pouvez donner aux utilisateurs techniques et non techniques les moyens d'analyser les données et de répondre aux questions commerciales, ce qui améliore la prise de décision au sein de votre organisation.

Si vous souhaitez faire carrière en tant qu'analyste de données dans Power BI, notre cursus vous fera découvrir tous les aspects de Power BI et vous préparera à la certification Microsoft PL-300.

Si vous avez déjà appris les bases de Power BI, explorez notre liste de 8 projets Power BI que vous pouvez réaliser pour mettre en pratique vos compétences et étoffer votre portfolio.