Vous n’êtes pas le héros du rapport (et cela change tout). En analytique, le public est le héros, pas les données. Une fois que vous avez compris cela, la façon dont vous concevez les rapports Power BI change complètement.

L’erreur subtile que commettent la plupart des tableaux de bord

Il y a une erreur subtile qui se cache discrètement dans la plupart des travaux d’analyse.

• Ce n’est pas un problème de modélisation
• Ce n’est pas un problème de conception visuelle
• Ce n’est même pas un problème de qualité des données

C’est une question d’identité. La plupart des analyses sont conçues comme si les données étaient le héros. Et c’est là le problème.

Le piège centré sur les données

Si vous travaillez dans le domaine de l’analyse depuis un certain temps, vous avez constaté cette tendance. Un tableau de bord est présenté avec une fierté tranquille :

“Voici les données.”

• Plusieurs graphiques
• Relations complexes
• Pages d’accès au détail
• Mesures impressionnantes du DAX.

Techniquement excellent. Structurellement dense. Et pourtant, quelque chose n’atteint pas. L’exécutif se penche en avant et demande :

“Alors qu’est-ce que ça veut dire ?”

Le gérant demande :

“Que devons-nous faire?”

La salle devient interprétative plutôt que décisive. Non pas parce que les données sont fausses. Parce que le rapport a été construit comme une vitrine plutôt que comme un guide.

Le voyage du héros (édition commerciale)

Dans la narration classique, chaque récit a un héros.

• Le héros fait face à l’incertitude
• Le héros rencontre des obstacles
• Le héros a besoin de clarté

Et en chemin, le héros rencontre un guide. En analyse commerciale, nous choisissons souvent le mauvais personnage pour le rôle principal.

Nous traitons :

• L’ensemble de données en héros
• Le tableau de bord en héros
• L’analyste comme héros

Mais aucun d’eux n’est le héros. Le public est le héros de l’analyse.

• L’exécutif décide de la stratégie.
• Le gestionnaire réaffecte le budget.
• L’équipe choisit les priorités.

Ils se trouvent au bord de l’incertitude. Et ils recherchent de la clarté.

Quand la data devient le héros

Lorsque les données sont positionnées comme le héros, l’attention se déplace subtilement :

• Nous mettons l’accent sur l’exhaustivité plutôt que sur la clarté
• Nous préférons la sophistication à la simplicité
• Nous montrons ce que le modèle peut faire

Le tableau de bord devient une performance. Même si cela peut impressionner un public soucieux de la technique, cela accélère rarement les décisions. Parce que le public doit lui-même traduire la complexité en action. Et ce n’est pas leur travail.

Analyses centrées sur l’histoire

Maintenant, inversez la perspective. Dans une approche centrée sur l’histoire, les données existent toujours. Cela compte toujours. Mais il joue un rôle de soutien. Le héros est le décideur. Le rapport existe pour les guider depuis :

Incertitude → Compréhension → Action

Au lieu de demander :

« Que pouvons-nous montrer ?

Vous demandez :

« Que doit savoir le héros ?

Le guide contre le héros : ce que les belles histoires nous apprennent

Pensez à certaines des histoires les plus reconnaissables de la culture moderne.

Dans Histoire de jouetsWoody n’est pas le héros tout-puissant, c’est le guide qui aide Buzz l’Éclair à comprendre qui il est vraiment et comment naviguer dans le monde d’Andy. Buzz a peut-être l’arc, mais Woody fournit la base.

Dans Les Mondes de Ralphun de mes films préférés de tous les temps. Ralph pense qu’il a besoin d’une médaille pour être un héros, mais ce sont des personnages comme Vanellope qui le guident vers la compréhension que l’identité n’est pas définie par un tableau de bord tableau de bord.

Dans Harry PotterHarry est clairement le héros, mais sans Dumbledore, Hagrid et même Hermione pour le guider, il ne survivra jamais au voyage. L’histoire fonctionne parce que les guides éliminent la confusion et éclairent le chemin. “Le bonheur peut être trouvé, même dans les moments les plus sombres, si seulement on se souvient d’allumer la lumière”

Dans Le Seigneur des AnneauxFrodon porte le fardeau, mais c’est Gandalf et plus tard Sam qui font office de guides. Ils ne prennent pas la bague. Ils aident le héros à supporter le voyage.

Dans chaque cas, le guide n’est pas là pour montrer la puissance ou la complexité. Le guide existe pour aider le héros à réussir. C’est votre rôle dans l’analyse.

L’exécutif est Frodon.
Le gérant est Harry.
L’équipe est Ralph.

Vous êtes Gandalf. Vous ne pouvez pas passer! À quel point es-tu cool ?

Vous êtes le guide

Une fois que vous acceptez que le public soit le héros, votre rôle devient clair. Vous êtes le guide. Les guides ne se montrent pas. Les guides ne sont pas submergés. Les guides suppriment les obstacles. Les guides réduisent la confusion. Votre travail ne consiste pas à démontrer des compétences techniques. Votre travail consiste à aider quelqu’un à prendre une décision.

Ce que font réellement les guides

Un bon guide :

• Anticipe les questions avant qu’elles ne soient posées
• Supprime les chemins inutiles
• Signale clairement le risque
• Indique le bon itinéraire

Appliqué à l’analyse, cela signifie :

• Pré-répondre aux objections évidentes
• Mettre en avant ce qui compte le plus
• Réduire l’importance de ce qui ne l’est pas
• Structurer intentionnellement l’information

Cela signifie également avoir une opinion analytique. Cela compte plus que cela. Ce modèle est significatif. Cette métrique est du bruit.

Pourquoi de bonnes analyses semblent simples

Il y a une raison pour laquelle les meilleurs rapports semblent souvent calmes et directs. Ce n’est pas parce que le problème sous-jacent était simple. C’est parce que quelqu’un a réfléchi sérieusement avant la rédaction du rapport.

• Ils ont clarifié la décision
• Ils ont identifié les signaux critiques
• Ils ont structuré le récit
• Ils ont supprimé la distraction

Le public n’était donc pas obligé de le faire.

Le piège de l’ego dans l’analyse

L’analyse est une discipline technique. Il récompense la sophistication. Et cela peut créer de subtils pièges à l’ego. Si vous avez passé des heures à construire un modèle, il est tentant de le montrer en entier. Mais le public n’est pas fier de votre modèle. Ils éprouvent de l’incertitude quant à leur décision. Le passage de héros à guide requiert de l’humilité.

Un essai simple

Ouvrez l’un de vos tableaux de bord et demandez :

• Qui est le héros ici ?
• Le rapport présente-t-il les données ?
• Ou est-ce que cela guide quelqu’un vers l’action ?

Si vous avez l’impression que cela aide quelqu’un à avancer, vous avez franchi le pas.

Prêt à devenir le guide ?

Si vous souhaitez que vos rapports Power BI passent de la présentation des données à l’orientation des décisions, c’est exactement ce sur quoi nous nous concentrons dans le cadre du Accélérateur de données.

Nous aidons les équipes à passer du reporting à l’aide à la décision, en structurant les analyses autour de la clarté, de la confiance et de l’action.

Dans le prochain article, nous aborderons la pratique et verrons comment commencer par la vraie question – la décision qui est actuellement bloquée – et tout construire autour de cela.

En rapport: Structure du rapport Power BI : début, milieu, fin

Commencez la série : Les tableaux de bord ne déterminent pas les décisions (et c’est le vrai problème de l’analyse)

Comment mon Je vous salue Marie est devenu un échec Marie. Pourtant, d’une manière ou d’une autre, j’ai quand même gagné la Gameweek. Un raté Mary qui marche !

Comme le savent les téléspectateurs réguliers du FPL Power BI SQL Show et les lecteurs de longue date de ce blog, nous passons un temps ridicule chaque semaine à parler de stratégie. Bonne stratégie. Il ne s’agit pas de décisions instinctives, mais de décisions motivées par la montagne de données que nous extrayons de l’API FPL. Nous le digérons, l’interprétons, le façonnons, le retournons à l’envers, le tout dans l’espoir de transformer nos équipes FPL respectives en vainqueurs de ligue plutôt qu’en fourrage de milieu de table qu’elles aiment parfois prétendre être.

Et les données de la semaine dernière étaient intéressantes. Très intéressant. En regardant la difficulté des rencontres, les scores prévus et les performances historiques de certains actifs haut de gamme, j’avais l’impression que la porte s’ouvrait pour ce que j’aime appeler un « peu de jeu ». Et par « un peu de jeu », j’entends bien sûr : c’est peut-être la semaine où j’essaie quelque chose de stupidement courageux et j’espère que cela portera ses fruits. Ou, plus poliment, une opportunité de différencier ma stratégie et de récupérer des points sur des rivaux qui se sont un peu trop installés au-dessus de moi.

Repérer l’ouverture : les rencontres difficiles de Haaland

Au début de la semaine de match, les chiffres suggéraient que Haaland était sur le point d’entrer dans une période difficile, à Liverpool et à Newcastle de chaque côté de la trêve internationale. Historiquement, il n’a pas vraiment amené Liverpool aux nettoyeurs, et avec cette propriété effective extrêmement élevée, vous savez ce que cela signifie : parfois, la plus grande différence est simplement pas En tant que capitaine du joueur, tous les autres mettent le brassard sans réfléchir.

Cela faisait un moment que je réfléchissais à cela. L’idée m’a traversé l’esprit en début de semaine : Si je me sens courageux… et si les étoiles s’alignent… peut-être que j’enlève le brassard à Haaland pour les deux prochaines semaines de match et j’espère des blancs. Je ne le vends pas. Je ne le mets pas sur le banc. Il suffit de retirer tranquillement cet insigne brillant de capitaine et de prier les dieux du FPL.

Je l’ai même mentionné au FPL Show. Je l’ai appelé mon moment Je vous salue Marie, vous savez, celui où je fais un jeu qui soit me fait gagner la semaine de jeu, soit me fait rouler au-delà de la récupération. J’ai proposé l’idée à Justin, qui m’a donné la réponse classique de Justin : « Euh… je ne sais pas », combinée à ce visage qui dit qu’il pense que j’ai complètement perdu l’intrigue. Il a également mentionné qu’il quittait Meta et que nous devions déplacer nos communications vers Telegram ou Signal – mais je vais laisser Justin expliquer cette décision de vie particulière.

La pièce : brassard à Gabriel

Quoi qu’il en soit, j’ai fait la pièce. J’ai enlevé le brassard de Haaland… et je l’ai donné à Gabriel à Arsenal.

Maintenant, pour être honnête, ce n’était pas dû au hasard. Gabriel avait le score prévu le plus élevé de l’ensemble de données cette semaine-là. Arsenal n’avait plus encaissé de but depuis huit ou neuf matches. Et avec leur style de football « Crazy Gang », il est toujours à la recherche d’un but. Arsenal jouait contre Sunderland – un nouveau promu, un départ décent, mais pas exactement une équipe avec laquelle les soi-disant « favoris du titre » devraient avoir du mal. Si Arsenal est vraiment aussi bon que la moitié des experts le prétendent, cela aurait dû être un simple travail de mise à l’épée.

Mais Arsenal… oh Arsenal. Ils ont fait match nul 2–2 avec Sunderland. À la maison. Prouvant à eux-mêmes et au monde que peut-être que le trophée du titre ne sera pas gravé à leur nom en novembre après tout, et peut-être – juste peut-être – nous devons voir comment les 27 autres matchs se dérouleront avant de couronner le « New Crazy Gang » en tant que champions élus.

Gabriel, au milieu de ce spectacle de cirque absolu, a réussi un puissant point. Donc avec le brassard, j’en ai deux. Glorieux.

Bird, bien sûr, m’a immédiatement envoyé un message avec le résumé parfait :

Échouez vraiment Mary.

Tout n’était pas perdu… d’une manière ou d’une autre

Mais voici ce qui est drôle : à part cette honte d’une performance d’Arsenal, le reste de mon équipe s’en sortait plutôt bien. Mes actifs à Crystal Palace et à Chelsea ont fait leur part. Les joueurs de mon équipe ont fait ce qu’ils étaient censés faire. J’avais passé la semaine à décider de ne pas brûler les transferts lors de mouvements de panique et je voulais plutôt voir ce que mon banc pouvait offrir. Et pour être juste envers eux, ils ont tenu leurs promesses.

Pourtant, toute la stratégie reposait sur une chose : Haaland devait blanchir.

Avance rapide jusqu’au dernier match du week-end – Man City contre Liverpool. City a complètement détruit Liverpool. La seule raison pour laquelle le score n’était pas plus laid était une décision douteuse de refuser le but de Liverpool. La ville était dominante. Et Haaland a marqué.

Catastrophe?

Eh bien… en quelque sorte. Mais pas entièrement. Parce que Haaland aussi raté un penalty avant de marquer. Cela a fait baisser son total. Les capitaines ont obtenu 8 points. J’en ai eu 4. Perte nette : 4 points.

Douloureux? Oui.

Fin de saison ? Nulle part.

Avec le reste de mon équipe qui s’est comporté de manière respectable, il s’est avéré que mon Fail Mary… n’était pas un échec complet après tout.

Le décompte final : 51 points et un morceau de Justin

J’ai terminé la semaine de match avec 51 points. Sur le papier, ce n’est pas vraiment inspirant. C’est le genre de score qui donne l’impression que quelqu’un a laissé le frein à main serré.

Mais voici ce qui compte :

C’était 14 points au-dessus de la moyenne de la semaine de match.

Et plus important encore…

Cela a réduit l’écart avec tout le monde autour de moi, notamment en retirant une partie agréable et satisfaisante de l’avance de Justin.

Ainsi, malgré l’un des plus gros échecs de capitaine de la semaine, j’ai quand même remporté la semaine de jeu en termes de mouvement de rang et de dégâts des rivaux. Un Fail Mary inversé. Un Fail Mary qui fonctionne. Un miracle statistique obtenu grâce aux pénalités manquées, aux joueurs de banc surperformants et à l’incapacité absolue d’Arsenal de battre Sunderland.

C’est exactement pourquoi nous aimons (et détestons) FPL.

Regarder vers l’avenir

FPL est de retour la semaine prochaine. La machine à données est déjà en train de chauffer. J’ai les modèles en cours d’exécution, les tableaux de bord mis à jour et l’API FPL qui donne des chiffres qui, une fois de plus, me tenteront de faire quelque chose d’audacieux, de stupide, de génial ou les trois à la fois.

Je vous tiendrai au courant, surtout si je décide de jouer un autre Je vous salue Marie. Ou échouer Mary. Ou quelle que soit cette étrange version hybride.

Parce que s’il y a une chose que j’ai apprise cette saison :

Parfois, faire la « mauvaise » chose est le seul moyen de réaliser le bon type de progrès.

Et parfois… le Fail Mary fonctionne.

Liens utiles

Qu’est-ce qu’une stratégie de données ?

Pourquoi chaque PME a besoin d’une stratégie de données (même si vous pensez être trop petite)

Le coût de ne rien faire : comment ignorer la stratégie de données draine la croissance des PME

Dataflows Gen2 vs Data Factory dans Microsoft Fabric : quelle est la différence ? On m’a posé cette question à plusieurs reprises lors de récentes sessions de formation sur Microsoft Fabric, j’ai donc pris quelques notes ici.

Microsoft Fabric rassemble le meilleur des capacités d’ingénierie, d’intégration de données, d’analyse et d’IA de Microsoft dans une seule plateforme unifiée. Pour de nombreuses équipes qui adoptent Fabric, l’une des premières questions qui se pose est la suivante :

« Quelle est la différence entre Dataflows Gen2 et Data Factory Pipelines ? »

Les deux peuvent déplacer, transformer et préparer des données. Les deux vivent à l’intérieur de l’expérience Fabric. Et les deux peuvent être planifiés, surveillés et orchestrés. Cependant, ils servent différents objectifsoffre différentes forceset fonctionnent mieux dans différentes parties du cycle de vie moderne des données.

Cet article explique les principales différences et fournit des exemples pratiques pour vous aider à choisir le bon outil pour votre scénario.

Que sont les flux de données Gen2 ?

Flux de données Gen2 sont la solution de préparation et de transformation de données low-code de Fabric. Ils sont construits sur Requête puissantele même moteur utilisé dans Power BI et Excel, offrant aux analystes et aux développeurs citoyens une interface familière et conviviale.

Caractéristiques clés

• Low-code/no-code : Étapes de transformation par glisser-déposer plutôt que d’écrire du SQL ou du Python.
• Basé sur Power Query : Idéal pour la gestion, le nettoyage, la fusion, la mise en forme et l’enrichissement des données.
• Fonctionne bien pour les données de volume moyen : Excellent pour la préparation de données commerciales et les transformations de code M.
• Sorties directement dans Fabric : Peut charger des données dans les bases de données Lakehouses, Warehouses et KQL.
• Accessible aux analystes : Vous n’avez pas besoin d’une formation en ingénierie des données pour l’utiliser efficacement.

Quand utiliser Dataflows Gen2

Les flux de données Gen2 brillent dans des scénarios tels que :

• Préparation des données en libre-service pour les analystes qui construisent des modèles sémantiques.
• Ingestion de données d’applications métier (Fichiers Excel, listes SharePoint, Dataverse, SQL).
• Transformations rapides telles que le fractionnement de colonnes, la fusion de tables, le nettoyage de texte ou la déduplication.
• Ensembles de données de prototypage avant de les confier aux équipes d’ingénierie.

Si vous connaissez Power Query, vous vous sentirez immédiatement chez vous.

Qu’est-ce que Data Factory (dans Fabric) ?

La version Fabric de Usine de données combine deux choses :

1. Pipelines – orchestration et déplacement des données.
2. Flux de données (Power Query) et notebooks (Spark) – transformation lourde pour les ingénieurs.

Il s’agit de la plateforme d’intégration complète des données et ETL/ELT de Microsoft, désormais étroitement intégrée à Fabric.

Caractéristiques clés

• Orchestration de niveau entreprise avec des pipelines, des déclencheurs et une gestion des dépendances.
• Des connecteurs puissants pour l’ingestion à grande échelle, en particulier à partir de systèmes cloud et sur site.
• Prend en charge les blocs-notes Spark et les charges de travail d’ingénierie des données.
• Gère des pipelines complexes et à volume élevé.
• Compatible CI/CD et adapté à l’ingénierie des données de production.

Quand utiliser Data Factory

Data Factory est conçu pour des tâches d’ingénierie plus complexes, telles que :

• Ingestion de gros volumes à partir de systèmes opérationnels, d’API ou de fichiers atterrissant dans le stockage cloud.
• ETL/ELT utilisant des notebooks SparkScripts SQL et activités de pipeline.
• Orchestration de workflows en plusieurs étapesy compris le branchement, les boucles et la logique conditionnelle.
• Copie d’ensembles de données à l’échelle du téraoctet à partir d’Azure SQL Database, Synapse, ADLS, AWS S3, Oracle, etc.
• Construire des pipelines prêts pour la production avec surveillance, tentatives et gestion des erreurs.

Si vous connaissez Azure Data Factory, cela semblera être sa prochaine évolution au sein de Fabric.

Dataflows Gen2 vs Data Factory : comment choisir ?

Voici une façon simple d’y penser :

Choisissez Dataflows Gen2 lorsque :

• Tu veux mise en forme de données low-code.
• Les analystes commerciaux préparent leurs propres ensembles de données.
• Vous avez besoin d’une simple ingestion ou transformation.
• Les volumes de données sont petit à moyen.
• Les systèmes sources sont Excel, SharePoint, Dataverse ou SQL.

Choisissez Data Factory lorsque :

• Vous construisez pipelines d’entreprise.
• Vous avez besoin d’orchestration, de planification et de dépendances.
• Vous travaillez avec ensembles de données volumineux ou complexes.
• Vous avez besoin de Spark, de notebooks, de Data Engineering ou d’une logique de pipeline SQL.
• Le mouvement des données doit être intégré dans CI/CD ou exploité à l’échelle de la production.

Une approche combinée

Dans de nombreuses organisations, la meilleure approche est les deuxtravailler ensemble :

• Pipelines Data Factory gérer l’ingestion des systèmes sources dans la couche Bronze.
• Flux de données Gen2 appliquez ensuite des transformations pour façonner et enrichir les données de la couche Silver ou du modèle sémantique.

Cette approche en couches offre évolutivité, gouvernance et flexibilité tout en permettant des analyses en libre-service.

Résumé

Bien que Dataflows Gen2 et Data Factory se côtoient dans Microsoft Fabric, ils ciblent des utilisateurs et des charges de travail très différents :

• Flux de données Gen2 → Idéal pour les analystes, transformations low-code, préparation rapide des données.
• Usine de données → Idéal pour les ingénieurs, les pipelines de données d’entreprise, l’ingestion complexe et l’orchestration.

Comprendre ces différences garantit que votre équipe utilise le bon outil pour le bon travail, vous aidant ainsi à créer des solutions de données efficaces, évolutives et bien gouvernées dans Microsoft Fabric.

Si vous enseignez ou adoptez Fabric, cette distinction est l’un des concepts les plus importants à maîtriser dès le début.