Power BI libère les utilisateurs… Mais comment garder la maîtrise de sa plateforme dans le temps ?

 

Power BI libère les utilisateurs…

 

Mais comment garder la maîtrise de sa plateforme dans le temps ?

Power BI est en train de créer un précédent dans le monde de la dataviz : pratiquement toutes les entreprises importantes du monde l’ont déployé comme solution corporate ou, a minima, comme solution d’appoint (pour certaines lignes métier) – et on le comprend : licencing attractif, ergonomie, intégration native avec l’écosystème Microsoft (Excel, Azure, SQL Server, Microsoft 365) déjà présent presque partout.

 

Cette accessibilité a un revers : à mesure que la plateforme s’ouvre aux utilisateurs, les dashboards se multiplient, les sources se diversifient, la complexité s’installe. La gouvernance de la plateforme est d’ores et déjà un défi – ou le deviendra.

C’est dommage quand on sait que l’adoption d’un nouvel outil de dataviz est une opportunité pour reconstruire sur des bases durablement saines, pas pour créer de la dette à vitesse grand V.

C’est dans cette optique que nous avons réfléchi à une approche outillée, pensée pour les équipes data, mais aussi pour les métiers.

Elle permet de garder une vision claire sur la qualité des données et de piloter durablement la plateforme – sans freiner l’adoption 😊 !

 

Contrôler sa plateforme Power BI - Axe #1 :

Inventorier et qualifier en continu son patrimoine de dashboards Power BI (et autres).

 

Contrôler sa plateforme Power BI - Axe #2 : 

Une analyse d’impact dans Power BI pour faire évoluer la plateforme en sécurité

 

Contrôler sa plateforme Power BI - Axe #3 : 

Analyse de la réplication dans Power BI pour écarter les clones

 

Certains dashboards, bien qu’ultra récents, peuvent être déjà largement répliqués. 

Pour éviter les doublons inutiles, {openAudit} compare chaque dashboard avec tous les autres selon 5 axes clés. Pour ce faire, on ira s'appuyer sur la base de données d'{openAudit} qui stocke l'intelligence et la structure du dashboard. Le pourcentage de réplication révèle les similitudes (en vert) et les dissemblances (en rouge) qui peuvent être analysées dans le détail ("drill through").

 

Les critères analysés :

  • "Similitude" : pourcentage de proximité des contenus (données chargées) entre le dashboard maître et ses clones.
  • "Formulas" : comparaison des formules et variables, i.e. l'intelligence.
  • "Structure" : analyse des contenants, c’est-à-dire des composants graphiques.
  • "Filter" : mesure de la réplication des filtres appliqués.
  • "Deep filter" : évaluation de la réplication des données filtrées elles-mêmes.

 

 

Contrôler sa plateforme Power BI - Axe #4 : 

Le data lineage dans Power BI, pour avoir une vision claire des flux et des dépendances.

 

Nous proposons à travers {openAudit}, un data lineage très intelligible, car modulable et raccordé aux sources. Chaque donnée de chaque dashboard Power BI peut ainsi être retracée automatiquement jusqu’à ses sources opérationnelles.

À travers ce data lineage, on va pouvoir identifier les sources utilisées, les datasets impliqués, les expressions mises en œuvre, etc. 

 

🆕 Ce data lineage peut être actionné maintenant directement depuis le dashboard Power BI Online avec notre plugin Chrome / Edge ! 

 

Use cases :

  • Comprendre d’où vient l’information exposée, surtout quand un indicateur paraît mal calculé (ou mériterait de l’être autrement).
  • Identifier les dépendances en cas de modification d’un élément du système.
  • Documenter, si besoin, certaines données réglementaires, etc.
 
 
 

Commentaires

Posts les plus consultés de ce blog

Migration automatisée de SAP BO vers Power BI, au forfait.

La Data Observabilité, Buzzword ou nécessité ?

La 1ère action de modernisation d’un Système d'Information : Ecarter les pipelines inutiles ?