L'équipe data d'un réseau de magasins veut un rapport de suivi des ventes, actualisé chaque matin. Voici comment le cadrer avec ce qui précède — sans encore rien construire.

Étape 1 — Identifier les sources (leçons 2 et 3) : le logiciel de caisse exporte chaque nuit un fichier de ventes par magasin dans un dossier partagé ; un classeur séparé liste les produits et leur catégorie ; un autre liste les magasins. Trois sources, dont un dossier (un fichier par magasin, même structure).

Étape 2 — Prévoir les transformations (leçons 1 et 5) : dans Power Query, corriger le type de la colonne de dates, retirer les colonnes techniques du système de caisse, et combiner les fichiers du dossier en une seule table de ventes.

Étape 3 — Anticiper le modèle (leçon 8) : une table d'événements chiffrés (les ventes) ; deux tables de catégories (produits, magasins) ; il faudra y ajouter une table de dates au chapitre 4.

Étape 4 — Penser l'actualisation (leçon 6) : la suppression des lignes de total du système de caisse doit s'écrire comme une règle (lignes sans identifiant de vente), pas « les 2 dernières lignes », pour survivre à l'actualisation automatique du Service.

Étape 5 — Prévoir la restitution (leçon 7) : le rapport sera publié dans un espace de travail partagé avec les responsables de magasin, avec une actualisation planifiée chaque matin.

À retenir : avant d'ouvrir Power BI, on sait déjà quelles sources, quelles transformations, quelle forme de modèle et quel mode de partage. Le reste du module construit chacune de ces briques.

À vous de jouer : dans ce cas pratique, combien de sources de données distinctes l'équipe a-t-elle identifiées ?