Conseils et astuces pour créer des rapports dans Power BI Desktop

Que diriez-vous d’un petit coup de pouce pour vous aider à tirer le meilleur parti de vos données ? Cet article contient des astuces que vous pouvez utiliser lors de la création de rapports dans Microsoft Power BI Desktop. Ces conseils fonctionnent également dans les éditions Excel 2016 ou Excel 2013 Pro-Plus avec le complément Power Pivot activé et Power Query installé et activé.

Prise en main de l’Éditeur de requête

En termes de fonctionnalités, l’Éditeur de requête dans Power BI Desktop est semblable au complément Power Query dans Excel 2013. Même si les pages du support technique de Power BI comptent de nombreux articles utiles, vous pouvez également passer en revue la documentation de Power Query sur support.office.com en guise d’introduction.

Vous pouvez obtenir des informations supplémentaires à partir du Centre de ressources Power Query.

Vous pouvez également afficher la référence de formule.

Types de données dans l’Éditeur de requête

Quand vous utilisez l’Éditeur de requête dans Power BI Desktop pour charger des données, celui-ci détecte le type de données sur la base de la meilleure hypothèse. Avec des formules, les paramètres de types de données des colonnes ne sont parfois pas conservés. Vérifiez que le type de données des colonnes est correct après avoir effectué les opérations suivantes : charger des données initialement dans l’Éditeur Power Query, Première ligne comme en-tête, Ajouter une colonne, Grouper par, Fusionner et Ajouter, mais aussi avant d’appuyer sur le bouton de chargement des données pour la première fois.

Souvenez-vous de ce point important : le texte en italique dans la grille de données ne signifie pas que le type de données est correctement défini. Cela veut simplement dire que les données ne sont pas considérées comme du texte.

Requêtes de référence dans l’Éditeur de requête

Dans le navigateur de l’Éditeur de requête de Power BI Desktop, quand vous cliquez avec le bouton de droite sur une des requêtes, une option Référence est disponible. Cela est utile pour la raison suivante :

  • Quand vous utilisez des fichiers comme source de données d’une requête, le chemin d’accès absolu au fichier est stocké dans la requête. Lorsque vous partagez ou déplacez un fichier Power BI Desktop ou un classeur Excel, vous gagnez du temps lorsque vous mettez à jour les chemins d’accès en mettant à jour le fichier ou le classeur une fois au lieu de mettre à jour les chemins d’accès.

Par défaut, toutes les requêtes sont chargées dans le modèle de données. Certaines requêtes sont des étapes intermédiaires qui ne sont pas destinées aux utilisateurs. Lorsque vous faites référence aux requêtes susmentionnées, cela est souvent le cas. Vous pouvez contrôler le comportement du chargement en cliquant avec le bouton de droite sur la requête dans le Navigateur et en activant ou en désactivant l’option Activer le chargement. Si l’option Activer le chargement n’est pas cochée, la requête est toujours disponible sous l’Éditeur Power Query et vous pouvez l’utiliser avec d’autres requêtes. Cela est particulièrement utile si vous utilisez conjointement des transformations Fusionner, Ajouter et Référence. Toutefois, étant donné que les résultats de la requête ne sont pas chargés dans le modèle de données, la requête n’encombre pas la liste des champs de vos rapports ni votre modèle de données.

Nécessité d’un identificateur de point dans les nuages de points

Prenons un exemple simple d’une table contenant des températures et les heures de mesure. Si vous tracez directement sur un nuage de points, Power BI agrège toutes les valeurs en un seul point. Pour afficher les points de données individuels, vous devez ajouter un champ dans le compartiment Détails de la liste de champs. Pour ce faire dans Power BI Desktop, sur l’Éditeur Power Query utilisez l’option Ajouter une colonne d’index sur le ruban Ajouter une colonne.

Lignes de référence dans votre rapport

Vous pouvez utiliser une colonne calculée dans Power BI Desktop pour définir une ligne de référence. Identifiez la table et la colonne à utiliser pour créer une ligne de référence. Sous l’onglet Accueil, sélectionnez Nouvelle colonne dans le ruban, puis tapez la formule suivante dans la barre de formules :

Target Value = 100

Cette colonne calculée retourne la valeur 100, quel que soit l’emplacement où elle est utilisée. Votre nouvelle colonne s’affiche dans la liste des champs. Ajoutez la colonne calculée Valeur cible à un graphique en courbes pour afficher le lien entre une série quelconque et cette ligne de référence spécifique.

Tri par une autre colonne

Quand vous utilisez une valeur catégorique (chaîne) dans Power BI pour les axes du graphique ou dans un segment ou un filtre, l’ordre par défaut est l’ordre alphabétique. Pour modifier cet ordre, par exemple si vous avez affaire à des éléments comme des jours de la semaine ou des mois, vous pouvez indiquer à Power BI Desktop de trier les valeurs selon une autre colonne. Pour plus d’informations, consultez Trier une colonne à partir d’une autre colonne dans Power BI.

Génération simplifiée de mappages grâce aux indications fournies à Bing

Power BI s’intègre à Bing pour fournir des coordonnées de mappage par défaut dans un processus appelé géocodage, ce qui facilite la création de mappages. Bing utilise des algorithmes et des conseils pour essayer d’obtenir le bon emplacement, mais il ne s’agit que d’une hypothèse. Pour augmenter vos chances d’obtenir un géocodage correct, vous pouvez utiliser les conseils suivants :

Quand vous créez une carte, vous cherchez souvent à tracer des pays/régions, des états et des villes. Dans Power BI Desktop, si vous nommez des colonnes après la désignation géographique, Bing sera plus à même de rechercher ce que vous souhaitez afficher. Par exemple, si vous avez un champ contenant des états américains comme « Californie » et « Washington », il se peut que Bing retourne l’emplacement de la ville de Washington, DC et non celui de l’État de Washington pour le mot « Washington ». Le fait de nommer la colonne « État » améliore le géocodage. Il en va de même pour les colonnes nommées « Pays ou région » et « Ville ».

Certaines désignations sont ambiguës lorsqu’elles sont envisagées dans le contexte de plusieurs pays ou régions. Dans certains cas, ce qu’un pays ou une région considère comme un « État » peut être traité comme une « province », un « département » ou avec une autre désignation. Pour augmenter la précision du géocodage, créez des colonnes qui regroupent plusieurs champs et utilisez-les pour tracer les emplacements de vos données. Par exemple, au lieu de passer uniquement « Wiltshire », vous pouvez passer « Wiltshire, Grande-Bretagne » pour obtenir un résultat de géocodage plus précis.

Vous pouvez toujours fournir des emplacements spécifiques basés sur la latitude et la longitude dans le service Power BI ou Power BI Desktop. Dans ce cas, vous devez également passer un champ Emplacement. Sinon, les données sont agrégées par défaut et l’emplacement défini par la latitude et la longitude peut ne pas correspondre à celui que vous attendiez.

Catégoriser des champs géographiques pour fournir des conseils à Bing dans le cadre du géocodage

Vous pouvez également vous assurer que les champs sont correctement géocodés en définissant la Catégorie de données sur les champs de données. Dans Power BI Desktop, sélectionnez la table souhaitée, accédez au ruban d’options avancées, puis spécifiez Adresse, Ville, Continent, Pays/Région, Code Postal, État ou Province comme Catégorie de données. Ces catégories de données aident Bing à encoder correctement les données. Pour en savoir plus, consultez Spécifier des catégories de données dans Power BI Desktop.

Amélioration du géocodage grâce à des emplacements plus spécifiques

Parfois, même la définition des catégories de données pour le mappage ne suffit pas. Générez un emplacement plus spécifique, une rue par exemple, à l’aide de l’Éditeur de requête dans Power BI Desktop. Utilisez la fonctionnalité Ajouter une colonne pour créer une colonne personnalisée. Puis créez l’emplacement souhaité comme suit :

= [Field1] & " " & [Field2]

Utilisez ensuite ce champ résultant dans les visualisations de carte. Cette approche est très utile pour générer des adresses postales à partir des champs Adresse d’expédition qui sont couramment employés dans les jeux de données. Sachez toutefois que la concaténation ne fonctionne qu’avec des champs de texte. Si nécessaire, convertissez le numéro de rue en type de données texte avant de vous en servir pour générer une adresse.

Histogrammes dans l’étape de requête

Il existe plusieurs façons de générer des histogrammes dans Power BI Desktop :

Histogrammes les plus simples : identifiez la requête contenant le champ à utiliser pour créer un histogramme. Utilisez l’option Référence de la requête pour créer une nouvelle requête et nommez-la Histogramme NomChamp. Utilisez l’option Regrouper par dans le ruban Transformer et sélectionnez l’agrégation Compter les lignes. Vérifiez que le type de données de la colonne d’agrégation résultante est un nombre. Visualisez ensuite ces données dans la page des rapports. Cet histogramme est rapide et facile à générer, mais n’est pas très adapté si vous avez plusieurs points de données. Par ailleurs, il n’autorise pas le balayage d’éléments visuels.

Définition de compartiments pour générer un histogramme : identifiez la requête contenant le champ à utiliser pour créer un histogramme. Utilisez l’option Référence de la requête pour créer une nouvelle requête et nommez-la NomChamp. À présent, définissez les compartiments au moyen d’une règle. Utilisez l’option Ajouter une colonne personnalisée du ruban Ajouter une colonne et créez une règle personnalisée. Voici un exemple d’une règle simple de création de compartiments :

if([FieldName] \< 2) then "\<2 min" else
if([FieldName] \< 5) then "\<5 min" else
if([FieldName] \< 10) then "\<10 min" else
if([FieldName] \< 30) then "\<30 min" else
"longer")

Vérifiez que le type de données de la colonne d’agrégation résultante est un nombre. Vous pouvez maintenant utiliser le groupe à l’aide de la technique décrite dans « Histogramme simple » pour générer l’histogramme. Cette option permet de traiter plus de points de données, mais elle ne prend toujours pas en charge le balayage.

Définition d’un histogramme prenant en charge le balayage : si des visuels sont liés entre eux et qu’un utilisateur sélectionne un point de données dans un visuel, les autres visuels de la page de rapport mettent en surbrillance ou filtrent les points de données liés à celui sélectionné. C’est ce que l’on entend par « balayage ». Étant donné que vous manipulez les données au moment de la requête, nous devons créer une relation entre les tables et déterminer l’élément de détail qui est lié au compartiment dans l’histogramme et vice-versa.

Pour démarrer le processus, identifiez la requête contenant le champ à utiliser pour créer un histogramme, puis sélectionnez l’option Référence. Nommez la nouvelle requête « Buckets ». Dans cet exemple, nous allons appeler la requête d’origine Details. Ensuite, supprimez toutes les colonnes à l’exception de celle que vous allez utiliser comme compartiment pour l’histogramme. Utilisez maintenant la caractéristique Supprimer les doublons dans la requête. La caractéristique se trouve sur le menu Clic droit lorsque vous sélectionnez la colonne, de sorte que les valeurs restantes sont les valeurs uniques de la colonne. Si vous disposez de nombres décimaux, vous pouvez tout d’abord suivre le conseil visant à définir des compartiments pour générer un histogramme afin d’obtenir un ensemble gérable de compartiments. Examinez à présent les données affichées dans l’aperçu de la requête. Si vous voyez des valeurs vides ou nulles, vous devez les corriger avant de créer une relation. L’utilisation de cette approche peut être problématique, car elle nécessite que les données soient triées.

Notes

Il est utile de réfléchir à l’ordre de tri avant de générer des visuels.

L’étape suivante du processus consiste à définir une relation entre les requêtes Compartiment et Détails dans la colonne des compartiments. Dans Power BI Desktop, sélectionnez Gérer les relations sur le ruban. Créez une relation dans laquelle Compartiments est dans la table de gauche et Détails dans la table de droite, puis sélectionnez le champ que vous utilisez pour l’histogramme.

La dernière étape consiste à créer l’histogramme. Faites glisser le champ Compartiment à partir de la table Compartiments. Supprimez le champ par défaut de l’histogramme résultant. Maintenant, à partir de la table Détails, faites glisser le champ de l’histogramme dans le même élément visuel. Dans la liste des champs, spécifiez l’agrégation par défaut sur Nombre. L’histogramme est généré. Si vous créez un autre élément visuel comme un Treemap à partir de la table Details, sélectionnez un point de données dans Treemap pour mettre en surbrillance l’histogramme et afficher l’histogramme pour le point de données sélectionné par rapport à la tendance de l’ensemble du jeu de données.

Histogrammes

Dans Power BI Desktop, vous pouvez utiliser un champ calculé pour définir un histogramme. Identifiez la table et la colonne à utiliser pour créer un histogramme. Dans la zone de calcul, tapez la formule suivante :

Frequency :=COUNT(<Nom de la colonne>)

Enregistrez vos modifications et revenez au rapport. Ajoutez <Column Name> et Frequency à une table, puis procédez à la conversion en graphique à barres. Vérifiez que <Column Name> se trouve sur l’axe des abscisses et que le champ calculé Frequency se trouve sur l’axe des ordonnées.

Conseils et astuces pour créer des relations dans Power BI Desktop

Souvent, en chargeant des jeux de données détaillés en provenance de plusieurs sources, des problèmes tels que des valeurs nulles, vides ou en double vous empêchent de créer des relations.

Intéressons-nous à un exemple présentant le chargement de jeux de données de demande de support de clients actifs et un autre jeu de données d’éléments de travail avec les schémas suivants :

CustomerIncidents: {IncidentID, CustomerName, IssueName, OpenedDate, Status} WorkItems: {WorkItemID, IncidentID, WorkItemName, OpenedDate, Status, CustomerName }

Lors du suivi de tous les incidents et éléments de travail liés à un CustomerName spécifique, vous ne pouvez pas simplement créer une relation entre ces deux jeux de données. Certains WorkItems ne sont peut-être pas liés à un CustomerName et nous nous retrouvons avec un champ vide ou NULL. Il peut y avoir plusieurs enregistrements dans WorkItems et CustomerIncidents pour un CustomerName donné.

Créer des relations dans Power BI Desktop, lorsque les données comprennent des valeurs nulles ou vides

Il arrive que des jeux de données contiennent des colonnes avec des valeurs nulles ou vides. Cela peut poser des problèmes lors de la création de relations. Pour résoudre les problèmes, deux options s’offrent à vous.

  1. Vous pouvez supprimer les lignes qui contiennent des valeurs null ou vides. Pour cela, utilisez la caractéristique de filtre dans l’Éditeur Power Query ou, si vous fusionnez des requêtes, sélectionnez l’option « Conserver uniquement les lignes correspondantes ».
  2. Vous pouvez aussi remplacer les valeurs null ou vides par des valeurs qui fonctionnent dans les relations, en général des chaînes comme « NULL » et « (Vide) ».

Il n’y a pas de bonne approche ici. Le filtrage de lignes dans l’étape de requête supprime les lignes et peut affecter les calculs et les statistiques récapitulatives. Le remplacement des valeurs préserve les lignes de données mais peut faire apparaître des lignes non associées liées au modèle, ce qui peut engendrer des erreurs de calcul. Si vous adoptez cette deuxième solution, veillez, le cas échéant, à utiliser des filtres au niveau de la vue ou du graphique pour obtenir des résultats précis. Plus important encore, déterminez les lignes qui sont conservées/supprimés et mesurez l’impact global sur l’analyse.

Créer des relations dans Power BI Desktop, lorsque les données comprennent des valeurs en doublon

Souvent, lors du chargement de jeux de données détaillés en provenance de plusieurs sources, les valeurs de données en double vous empêchent de créer des relations. Pour résoudre ces problèmes, créez une table de dimension avec les valeurs uniques des deux jeux de données.

Intéressons-nous à un exemple présentant le chargement de jeux de données de demande de support de clients actifs et un autre jeu de données d’éléments de travail avec les schémas suivants :

CustomerIncidents: {IncidentID, CustomerName, IssueName, OpenedDate, Status} WorkItems: {WorkItemID, IncidentID, WorkItemName, OpenedDate, Status, CustomerName }

Lors du suivi de tous les incidents et éléments de travail liés à un CustomerName spécifique, vous ne pouvez pas simplement créer une relation entre ces deux jeux de données. Certains WorkItems ne sont peut-être pas liés à un CustomerName et nous nous retrouvons avec un champ vide ou NULL. Si la table CustomerNames comprend des valeurs vides ou nulles, vous pouvez encore être dans l’impossibilité de créer une relation. Il existe peut-être plusieurs éléments WorkItems et CustomerIncidents pour un CustomerName donné.

Pour créer une relation dans ce cas, créez d’abord un jeu de données logique de tous les éléments CustomerNames dans les deux jeux de données. Dans l’Éditeur Power Query, vous pouvez utiliser la séquence suivante pour créer le jeu de données logique :

  1. Dupliquez les deux requêtes. Pour cela, nommez la première Temp et la seconde CustomerNames.
  2. Dans chaque requête, supprimez toutes les colonnes sauf la colonne CustomerName.
  3. Dans chaque requête, utilisez Supprimer les doublons.
  4. Dans la requête CustomerNames, sélectionnez l’option Ajouter dans le ruban, puis sélectionnez la requête Temp.
  5. Dans la requête CustomerNames, sélectionnez Supprimer les doublons.

Vous disposez à présent d’une table de dimension qui contient toutes les valeurs de CustomerIndicents et WorkItems. Utilisez cette table pour établir des liens à ces éléments.

Modèles permettant d’exploiter immédiatement l’Éditeur de requête

L’Éditeur de requête est un outil de manipulation des données puissant qui permet de mettre en forme et de nettoyer les données en vue de les visualiser ou de les modéliser. Voici quelques modèles à connaître

Les colonnes temporaires peuvent être supprimées après le calcul d’un résultat

Il est souvent nécessaire de générer un calcul dans Power BI Desktop qui transforme les données de plusieurs colonnes en une nouvelle colonne unique. Cette opération peut être complexe. Pour y parvenir, un moyen simple consiste à décomposer l’opération en plusieurs étapes.

  • Dupliquez les colonnes initiales.
  • Générez ensuite les colonnes temporaires.
  • Créez la colonne pour le résultat final.
  • Vous pouvez ensuite supprimer les colonnes temporaires pour ne pas saturer le jeu de données final.

Cette approche est possible parce que l’Éditeur Power Query exécute les étapes dans l’ordre.

Dupliquer ou référencer des requêtes, puis fusion avec la requête d’origine

Il est parfois utile de calculer des statistiques récapitulatives pour un jeu de données. Pour cela, la méthode la plus simple consiste à dupliquer la requête ou à faire référence à celle-ci sous l’Éditeur Power Query. Ensuite, utilisez Regrouper par pour calculer les statistiques récapitulatives. Les statistiques récapitulatives vous permettent de normaliser les données dans les données d’origine afin de faciliter les comparaisons. Elles sont particulièrement utiles pour comparer des valeurs individuelles à l’ensemble des valeurs. Pour cela, accédez à la requête d’origine, puis sélectionnez l’option Fusionner. Ensuite, fusionnez les données de la requête de statistiques récapitulatives correspondant aux identificateurs appropriés. Vous pouvez à présent normaliser les données en fonction des besoins de votre analyse.

Utiliser DAX pour la première fois

DAX est le langage des formules de calcul dans Power BI Desktop. Il est optimisé pour l’analyse décisionnelle. Si votre expérience est centrée uniquement autour d’un langage de requête standardisé semblable à SQL, cela peut vous paraître légèrement différent de ce à quoi vous êtes habitué. Si vous souhaitez apprendre DAX, vous trouverez de très bonnes ressources en ligne et divers ouvrages sur le sujet.

Découvrir les principes fondamentaux de DAX dans Power BI Desktop

DAX (Data Analysis Expressions)

Centre de ressources DAX

Service Power BI et Power BI Desktop

Lisez ou regardez « How to design visually stunning reports (and dashboards) » (Comment concevoir des rapports et tableaux de bord attrayants)

Miguel Myers, membre de la communauté, est spécialiste en données et concepteur graphique.

Screenshot showing an example Power BI report.

Prenez en compte votre public

Quelles sont les métriques clés qui les aideront à prendre des décisions ? Comment le rapport sera-t-il utilisé ? Quelles hypothèses culturelles peuvent affecter les choix en matière de conception ? De quelles informations votre public a-t-il besoin pour réussir ?

Où le rapport sera-t-il affiché ? S’il s’agit d’un grand écran, vous pouvez ajouter davantage de contenu. Si les lecteurs l’affichent sur leurs tablettes, moins de visualisations seront mieux lisibles.

Racontez une histoire et contentez-vous d’un seul écran

Chaque page du rapport doit indiquer un récit en un coup d’œil. Pouvez-vous éviter les barres de défilement sur vos pages ? Le rapport est-il trop encombré ou trop occupé ? Ne gardez que les informations importantes qui peuvent être facilement lues et interprétées.

Affichez les informations les plus importantes en grand format

Si le texte et les visualisations sur votre page du rapport ont la même taille, vos lecteurs auront du mal à se concentrer sur ce qui est le plus important. Par exemple, les visualisations de carte sont un bon moyen de mettre en évidence un nombre important :

Screenshot showing a card visualization.

Mais, n’oubliez pas de préciser le contexte

Utilisez des fonctionnalités telles que les zones de texte et les info-bulles pour ajouter le contexte à vos visualisations.

Placez les informations les plus importantes en haut

La plupart des gens lisent de haut en bas. Placez donc les informations de haut niveau en haut et les informations détaillées en dessous pour suivre le mouvement de lecture de vos utilisateurs (de gauche à droite, de droite à gauche).

Utiliser la visualisation qui convient à vos données et la mettre en forme pour en faciliter la lecture

Évitez d’utiliser trop de types de visualisations différents. Les visualisations doivent représenter une image et être faciles à lire et à interpréter. Pour certaines données et visualisations, une simple visualisation graphique est suffisante. Toutefois, certaines données peuvent nécessiter une visualisation plus complexe : utilisez des titres, des étiquettes et d’autres personnalisations pour aider le lecteur.

  • Soyez prudent quand vous utilisez des graphiques qui déforment la réalité, tels que les graphiques 3D et les graphiques qui ne démarrent pas de zéro. N’oubliez pas qu’il est difficile pour le cerveau humain d’interpréter les formes circulaires. Les graphiques à secteurs, les graphiques en anneau, les jauges et autres types de graphiques circulaires, peuvent paraître élégants, mais il existe peut-être un visuel différent à utiliser à la place ?
  • Soyez cohérent avec les mises à l’échelle des axes, l’ordre des dimensions des graphiques et les couleurs utilisées pour les valeurs des dimensions dans les graphiques.
  • Encodez soigneusement les données quantitatives. Ne dépassez pas trois ou quatre chiffres pour les nombres. Affichez les mesures avec un ou deux chiffres à gauche de la décimale et procédez à une mise à l’échelle pour les milliers et les millions. Par exemple, utilisez 3,4 millions et non 3 400 000.
  • Essayez d’éviter de mélanger des niveaux de précision et d’heure. Assurez-vous que les périodes sont bien comprises. Ne mettez pas côte à côte un graphique concernant le mois dernier et des graphiques filtrés concernant un certain mois de l’année.
  • Essayez également d’éviter de mélanger des grandes et des petites mesures sur une même mise à l’échelle, telle qu’une ligne ou un graphique à barres. Par exemple, une mesure en millions et une autre en milliers. Avec une telle échelle, il est difficile de voir les différences de la mesure en milliers. Si vous devez les mélanger, choisissez une visualisation, par exemple un graphique combiné, qui permet d’utiliser un deuxième axe.
  • Évitez d’encombrer vos graphiques avec des étiquettes de données qui ne sont pas nécessaires. Les valeurs dans les graphiques à barres, si elles sont suffisamment grandes, sont généralement bien comprises sans nécessiter l’affichage du nombre réel.
  • Faites attention à la manière dont les graphiques sont organisés. Si vous voulez attirer l’attention sur le nombre le plus élevé ou le plus bas, effectuez un tri par mesure. Si vous voulez que les utilisateurs puissent trouver rapidement une catégorie parmi de nombreuses autres catégories, effectuez un tri par axe.
  • Si vous avez moins de huit catégories, les graphiques en secteurs conviendront le mieux. Étant donné que vous ne pouvez pas comparer des valeurs côte à côte, il est plus difficile de comparer des valeurs dans un graphique à secteurs que dans un graphique à barres ou dans un histogramme. Les graphiques en secteurs conviennent mieux à l’affichage des relations partie-tout qu’à la comparaison de différentes parties. Les jauges conviennent parfaitement pour l’affichage de l’état actuel dans le contexte d’un objectif.

Pour plus de conseils spécifiques aux visualisations, consultez Types de visualisations dans Power BI.

En savoir plus sur la Conception des tableaux de bord des meilleures pratiques

Voici quelques-uns de nos livres préférés :

  • Narration avec les données par Cole Nussbaumer Knafic
  • Points de données par Nathan Yau
  • L’illustration du sincère par Alberto Cairo
  • Now You See It par Stephen Few
  • Envisioning Information par Edward Tufte
  • Conception des présentations avancées par Andrew Abela

D’autres questions ? Poser des questions à la communauté Power BI