Tutoriel sur la carte de chaleur Power BI - Comment créer des cartes de chaleur avec des exemples

Commencez par charger un ensemble de données propre et construisez une matrice où les colonnes basées sur le temps montrent les tendances et les catégories décrivent les groupes. Appliquez une échelle de couleurs aux valeurs afin que l'intensité la plus élevée apparaisse dans les couleurs chaudes et la plus faible dans les tons plus froids. Cette approche basique vous aide à représenter rapidement la demande et les performances et donne une compréhension rapide des domaines sur lesquels se concentrer. Stockez les données brutes dans un emplacement stable et actualisez l'ensemble de données selon un calendrier qui correspond à votre horizon temporel.

Dans Power BI, choisissez le visuel Matrice, placez Temps sur les Colonnes et Catégorie sur les Lignes, puis faites glisser Ventes vers Valeurs. Ouvrez Mise en forme conditionnelle, sélectionnez Couleur d'arrière-plan, et choisissez une échelle de couleurs Divergente avec un Min/Max clair. Le maintien d'une plage limitée (par exemple, 0 à 100) améliore la lisibilité et facilite la comparaison des tendances entre les éléments. Ces étapes vous aident à comparer des éléments dans différentes catégories.

Essayez des exemples pratiques pour voir comment cela fonctionne : un ensemble de données qui couvre un seul magasin et aussi des réseaux, ou un journal de volume de service par heure dans des contextes éducatifs. Si vous avez des transcriptions ou des interactions de service, regroupez-les par heure et mappez le nombre à l'intensité de la couleur. Ces cas concrets montrent à quoi s'attendre lorsque vous appliquez la logique de la carte thermique à votre domaine.

Conseils pour améliorer la lisibilité : limitez la palette de couleurs à 5 à 7 nuances, activez une légende avec des étiquettes claires, ajoutez des étiquettes de données ou des info-bulles pour les chiffres exacts et fournissez une cible ou un point de référence souhaité via une carte KPI distincte. Dans le visuel, utilisez un aspect pour une mise en forme cohérente sur toutes les pages et liez votre carte thermique à un ensemble de données associé pour les scénarios d'éducation et de services.

Étapes suivantes : publiez votre rapport, partagez un lien avec les parties prenantes et stockez le classeur dans votre espace de travail afin que les membres de l'équipe puissent le réutiliser. Avec le temps gagné, les analystes ont la possibilité d'identifier rapidement les points chauds et de planifier des actions dans tous les services, notamment dans les réseaux, l'éducation et les services.

Étapes pratiques pour construire et valider des cartes thermiques dans Power BI

Considérez une carte thermique comme une grille où votre mesure colore chaque cellule. Commencez par importer une dimension de date de calendrier et une table de faits financiers dans Power BI à l'aide des connecteurs appropriés. Si votre pipeline de données utilise un importateur, mappez soigneusement les champs pour éviter les erreurs de correspondance. Créez ou importez une table de calendrier pour activer l'intelligence temporelle, et choisissez des jours quotidiens ou agrégés pour votre analyse. Cette approche vous donnera une base solide pour exploiter les informations basées sur le temps.

Étape 1 : Préparez le modèle de données. Connectez-vous aux sources, en vous assurant que les champs requis existent : date, champ, produit et valeurs financières clés. Utilisez des connecteurs pour charger les tables, puis créez des relations : date au calendrier, produit à la dimension du produit. Définissez la direction de filtrage croisé par défaut sur les deux si votre modèle le prend en charge. Vérifiez que le champ de date est continu et lié, afin que les jours s'alignent sur les visuels.

Étape 2 : Construisez la mesure. Créez une expression DAX détaillée pour capturer la métrique que vous souhaitez mapper à la couleur, telle que TotalSales = SUM( Sales[Amount] ). Si vous travaillez avec plusieurs devises, ajoutez un simple sélecteur de devises comme segment et incorporez-le dans la mesure. Conservez la cohérence des noms de champ et étiquetez clairement la mesure afin que le mot utilisé dans les étiquettes reste compréhensible pour les utilisateurs finaux.

Étape 3 : Créez le visuel de carte thermique. Utilisez un visuel Matrice avec Lignes = catégorie de produit (ou autre catégorie) et Colonnes = date (formatée selon la granularité choisie). Valeurs = la mesure de l'étape 2. Activez la mise en forme conditionnelle pour la couleur d'arrière-plan et choisissez une échelle de couleurs de clair à foncé pour refléter l'intensité. Le tri doit s'appliquer aux Colonnes par Date dans l'ordre croissant, et vous pouvez utiliser une granularité par défaut quotidienne, hebdomadaire ou mensuelle en fonction de vos données. Si nécessaire, ajoutez des étiquettes de données de petite taille pour améliorer la lisibilité sans l'encombrer.

Étape 4 : Validez les résultats. Vérifiez que la grille s'affiche sans cellules vides pour les jours attendus et que les totaux s'alignent sur les données source sur plusieurs dates. Recherchez les lacunes qui signalent des jours manquants dans le calendrier et étudiez les lignes correspondantes dans l'importateur ou les connecteurs. Chaque fois que vous ajustez un segment ou un filtre, confirmez que la carte thermique se met à jour immédiatement et reste cohérente avec les attentes basées sur le temps.

Étape 5 : Testez l'interactivité et les performances. Ajoutez des segments pour la plage de dates, la catégorie et la région afin de simuler plusieurs scénarios utilisateur. Assurez-vous que la carte thermique réagit aux changements de tri, de granularité et de filtrage croisé, et vérifiez que le rendu reste réactif lorsque l'ensemble de données augmente en modifiant l'affichage quotidien à une portée de calendrier plus large.

Étape 6 : Documentation et partage. Documentez les mappages de champs, la granularité temporelle choisie, les règles de mise en forme et les contrôles de validation que vous avez effectués. Publiez le rapport sur votre espace de travail, configurez un calendrier d'actualisation via les connecteurs appropriés et fournissez des notes de navigation afin que les utilisateurs puissent explorer le calendrier, la date et les sélections de champs avec confiance.

Section 1 : Préparation des données – identifiez les mesures et les dimensions de la grille

Spécifiez un ensemble unique de mesures capturant l'intensité et les ventes, et associez-les aux dimensions qui définissent la grille. Cette méthode exploitant l'intelligence fournit un point de départ clair pour l'analyste, et aide particulièrement lorsque vous avez besoin de décisions rapides, comme pour les examens de chaîne immédiats. La grille doit accéder aux données à partir d'une source fiable par incréments d'une minute, afin que vous puissiez comparer les modèles de jour de semaine entre les périodes et identifier les points chauds. Utilisez une échelle bleue pour l'intensité et gardez l'interface interactive pour prendre en charge l'exploration des détails du comportement.

Choisissez des mesures ayant une signification pour les résultats commerciaux : les ventes totales, le delta du taux de conversion et les moyennes d'activité telles que les visites par session. Spécifiez la granularité du temps et assurez-vous du stockage des données dans un fichier fiable afin de pouvoir analyser les tendances. Nous avons observé que le maintien d'un sous-ensemble cohérent de métriques améliore la lisibilité des tableaux croisés à des fins d'examens par les analystes et aide les équipes à agir sur les résultats.

Définissez les dimensions de la grille : la famille de produits, la catégorie, la région, le canal et le jour de semaine en tant que dimension temporelle de base. Pour faciliter la lecture, limitez l'ensemble de dimensions et assurez-vous que chaque champ a un chemin d'accès stable et une définition claire qui fonctionne sous différents filtres. Cette configuration prend en charge l'exploration interactive, de sorte qu'un analyste peut cliquer sur une cellule pour révéler les détails du comportement sous-jacent.

Adoptez un flux de travail interactif et léger : construisez une carte thermique bleue où l'intensité de chaque cellule reflète une certaine ampleur d'activité. Cette approche fournit un modèle de données simple, stocke les valeurs sous un schéma cohérent, et utilise une méthode largement prise en charge par les outils de BI. Une telle configuration vous permet d'analyser le comportement, d'éclairer les décisions commerciales et de permettre l'accès aux bonnes parties prenantes.

Section 1 : Disposition de la grille – disposez les lignes, les colonnes et les clés de la carte thermique

Commencez avec une grille 4x5 : 4 lignes pour les régions et 5 colonnes pour les périodes, et placez une légende (clés) dédiée pour assurer une interprétation intuitive et une action rapide.

Connectez les données de l'importateur à un visuel de matrice, mappez les régions aux lignes et les périodes aux colonnes, et affectez la mesure aux valeurs de la matrice. Cette configuration crée un tableau matriciel au sein du rapport et permet une très bonne lisibilité, une valeur informative pour les analystes et les rapports, et soutient la valeur de la formation.

Étapes à mettre en œuvre : 1) préparez les données dans l'importateur et nettoyez-les dans l'éditeur de requêtes, 2) ajoutez le visuel de matrice à la surface du rapport, 3) utilisez le formatage conditionnel pour mettre en évidence les valeurs faibles et élevées, 4) ajoutez une section distincte pour la clé, 5) testez la lisibilité dans les thèmes sombres et clairs.

Conseils pour les tendances et les éléments exploitables : organisez par région, alignez-vous sur les objectifs de l'organisation, utilisez une rampe de couleurs cohérente qui fonctionne en mode sombre pour préserver la lisibilité, et documentez l'approche d'interprétation afin que l'analyste puisse interpréter rapidement. Ceci est important pour la gouvernance et la formation, aidant l'analyste à déduire des informations exploitables et à renforcer les rapports. Envisagez d'ajouter un échantillon à LinkedIn pour démontrer un récit de données clair et renforcer la valeur de l'organisation.

Région	T1	T2	T3	T4
Nord	78	82	65	90
Sud	54	60	58	72
Est	88	91	74	95
Ouest	62	67	70	80

Section 1 : DAX for heat values – create a measure to drive color intensity

Créez une seule mesure DAX nommée Heat Intensity (Intensité de chaleur) afin de diriger la couleur dans vos visuels. Cette approche axée sur les données normalise le contexte actuel de sorte que chaque cellule dans les tableaux matriciels, y compris les clients, les semaines et les zones, utilise la même échelle de gradient. Utilisez cette mesure comme base pour les comparaisons numériques et les décisions d'étiquetage, et gardez la création axée sur une métrique claire et réutilisable.

1. Identifiez la valeur de base à visualiser. Choisissez un champ numérique tel que le total des ventes, des bénéfices ou des commandes, et assurez-vous qu'il s'agrège correctement dans vos visuels.
2. Calculez le min et le max sur la portée pertinente. Utilisez ALLSELECTED pour respecter les segments tout en préservant le contexte de visualisation actuel :
3. Retournez une valeur normalisée entre 0 et 1. Cela permet un mappage des couleurs cohérent dans les zones et tableaux matriciels associés, même lorsque vous filtrez par groupes de clients ou semaines.
4. Fournissez le code DAX pour la mesure. Cet exemple utilise une valeur de revenu simple et respecte les sélections actuelles :
5. Expliquez comment appliquer la mesure à la couleur. Utilisez la mise en forme conditionnelle pour la couleur d'arrière-plan dans une matrice ou une carte thermique, en choisissant un gradient qui passe du froid au chaud pour refléter les valeurs basses à élevées.

Exemple de code à placer dans Power BI comme nouvelle mesure :

Heat Intensity :=
VAR v = SUM('Sales'[Amount])
VAR mn = CALCULATE(MIN('Sales'[Amount]), ALLSELECTED('Sales'))
VAR mx = CALCULATE(MAX('Sales'[Amount]), ALLSELECTED('Sales'))
RETURN IF(mx - mn = 0, 0, (v - mn) / (mx - mn))

Conseils d'utilisation pratique :

• Option : basculez entre ALL et ALLSELECTED pour modifier la portée de la normalisation. Utilisez ALL pour une échelle globale, ALLSELECTED pour les gradients sensibles aux segments.
• Option : créez une intensité de chaleur divergente si vous préférez un accentuation du point central, par exemple, 0,5 comme neutre, avec des écarts négatifs et positifs affichés dans des couleurs opposées.
• Commentaire : étiquetez la mesure clairement (Intensity de la chaleur, Valeur normalisée) afin que les coéquipiers puissent la réutiliser dans tous les projets sans mal interpréter l'échelle de couleurs.
• Les variables aident à la lisibilité : séparez les calculs v, mn et mx, puis assemblez le retour final pour faciliter la maintenance dans les grands modèles.
• Les clients, les semaines et les domaines connexes deviennent plus faciles à comparer lorsque l'échelle est fixée par la mesure plutôt que codée en dur par visuel.
• Si les sources de données s'étendent sur plusieurs tableaux, envisagez une intégration couplerio ou hevo pour assurer la cohérence des devises, des dates ou des conversions d'unités avant la normalisation.
• Utile dans les exemples où vous créez un rapport de narration axé sur les données, permettant un aperçu rapide des différences de performances entre les cohortes.

Comment postuler dans un rapport :

1. Sélectionnez le visuel de matrice ou de tableau que vous souhaitez colorer par intensité de chaleur.
2. Ouvrez le volet de mise en forme conditionnelle et choisissez la couleur d'arrière-plan (ou la couleur de police).
3. Formatez par valeur de champ et sélectionnez la mesure d'intensité de la chaleur.
4. Choisissez un gradient (par exemple, du bleu au rouge) et ajustez les couleurs min/max pour refléter l'accentuation visuelle souhaitée.
5. Étiquetage : assurez-vous que les étiquettes des axes et de la légende indiquent que la couleur reflète une proportion numérique de la plage, pas les valeurs brutes.

Notes avancées :

• Si vous conservez une dimension des semaines, vous pouvez comparer les performances d'une semaine sur l'autre tout en conservant une rampe de couleurs stable.
• Pour les tableaux de bord de projet, combinez ceci avec une info-bulle numérique pour afficher la valeur réelle à côté de l'indice de couleur normalisé.
• Lorsque vous travaillez avec des tableaux matriciels provenant de plusieurs sources, vérifiez les types de données et les règles d'arrondi afin que la normalisation reste stable sur les visuels associés.
• Facultatif : créez une mesure distincte pour les valeurs maximum et minimum à réutiliser dans d'autres visuels ou pour afficher la plage actuelle dans une carte.

Cette approche fournit un signal de couleur cohérent et interprétable sur l'ensemble complet des zones, des clients et des semaines, ce qui facilite le repérage des valeurs aberrantes et des tendances en un coup d'œil, sans nécessiter d'étapes de création répétitives pour chaque visuel.

Section 2 : Réglage visuel – définir les échelles de couleurs, les légendes et les info-bulles

Recommandation : Définissez une échelle de couleurs divergente pour les changements et une échelle séquentielle pour les valeurs absolues, puis verrouillez le min et le max dans la plage de données. Cela rend les différences de valeur claires entre les lignes de mois et les emplacements.

Choisissez des échelles de couleurs en fonction de la répartition des données. Pour les cartes thermiques de vente, appliquez une palette séquentielle de clair à foncé pour mettre l'accent sur les valeurs plus élevées ; pour les changements de pourcentage, utilisez une échelle divergente avec un point médian neutre. En mode automatique, Power BI s'adapte aux données, mais vous pouvez terminer en affinant les points médians pour améliorer le contraste visuel et la lisibilité.

Affichez la légende et optimisez sa position pour faciliter la lecture. Utilisez un titre de légende concis (par exemple, « Valeur » ou « Ventes ») et placez la légende horizontalement pour économiser de l'espace vertical. Gardez les tailles de police cohérentes avec les autres visuels et assurez-vous que la légende ne chevauche jamais les données dans les aperçus affichés.

Les info-bulles donnent le contexte au-delà de la couleur. Dans le volet Info-bulle, ajoutez des champs de valeur, de mois et de jour de la semaine, ainsi que des emplacements et un service pour donner un contexte rapide lorsque vous passez la souris. Incluez les transcriptions ou les notes comme champ secondaire lorsque disponible, afin que les analystes puissent transformer un coup d'œil rapide en une idée exploitable sans revenir aux données sources.

Améliorez les indices visuels avec une icône ou un petit indicateur qui signale la direction de la tendance. Par exemple, une flèche vers le haut dans l'info-bulle ou l'en-tête aide les utilisateurs à interpréter les données en un coup d'œil, renforçant ainsi la lisibilité sans encombrement. Cette approche prend en charge les tableaux de bord visuellement clairs qui soutiennent la conformité et la confiance dans les chiffres.

La disposition et l'interaction comptent. Placez l'échelle de couleurs pour qu'elle reste en dehors de la grille principale, gardez les sous-totaux dans les matrices visibles lorsque cela est pertinent, et assurez-vous que l'alignement horizontal préserve un flux de lecture clair. Lorsque vous cliquez sur une cellule, le rapport doit revenir aux résultats filtrés, affichant l'impact sur les mois, les emplacements et les canaux de vente associés.

L'accessibilité et la convivialité sont des avantages concrets. Testez la palette de couleurs pour les utilisateurs daltoniens, et vérifiez que la valeur et les sous-totaux restent lisibles lorsque vous faites défiler les mois. Si vous devez afficher des détails longs, annotez avec une petite info-bulle d'icône plutôt que d'occuper de l'espace supplémentaire, ce qui préserve la lisibilité pour les utilisateurs occupés qui travaillent avec des données de jour de la semaine et de fin de semaine.

Conseils pratiques : commencez par régler le min-mid-max de l'échelle de couleurs, puis affinez la légende et les info-bulles. En quelques minutes, vous pouvez terminer une carte thermique qui communique clairement les performances du service dans tous les endroits et mois, prend en charge les contrôles de conformité et met en évidence les segments les plus forts pour les équipes de vente.