Identifier les valeurs hors norme avec des visuels Power BI

Une valeur hors norme est un type d’anomalie dans vos données. C’est quelque chose auquel vous ne vous attendez pas ou qui vous surprend, sur la base de moyennes ou de résultats historiques. Vous devez identifier les valeurs hors norme pour isoler les points de données qui diffèrent considérablement des autres, puis prendre des mesures pour rechercher les raisons de ces différences. Cette analyse peut avoir un fort impact sur la prise de décision métier.

Prenons l’exemple d’un scénario dans lequel vous analysez les données d’un entrepôt d’expédition. Vous remarquez que le nombre de commandes a dépassé la moyenne pour une catégorie de produits spécifique. Vous souhaitez d’abord identifier la catégorie de produits concernée. Ensuite, vous souhaitez poser plusieurs questions sur la valeur hors norme, par exemple :

• Est-ce qu’il y a eu des expéditions supérieures à la moyenne ce jour-là ?
• Cette anomalie s’est-elle produite dans un entrepôt spécifique ?
• Un seul événement a-t-il provoqué la hausse des commandes pour cette catégorie spécifique ?
• Cet événement est-il survenu d’autres jours comme celui-ci au cours du dernier mois, du dernier trimestre, de la dernière année ou d’une année antérieure ?

Power BI vous permet d’identifier les valeurs hors norme dans vos données, mais vous devez d’abord déterminer la logique sous-jacente à ce qui constitue une valeur hors norme. Vous pouvez utiliser des points de déclenchement, par exemple des calculs, autour de ce que vous considérez comme une valeur hors norme.

Le processus d’identification des valeurs hors norme implique la segmentation de vos données en deux groupes : l’un correspond aux données hors norme et l’autre non. Vous pouvez identifier les valeurs hors norme à l’aide de colonnes calculées. Toutefois, les résultats sont statiques jusqu’à ce que vous actualisiez les données. Un meilleur moyen d’identifier les valeurs hors norme consiste à utiliser une visualisation ou des mesures, car ces méthodes garantissent que vos résultats sont dynamiques.

Lorsque vous identifiez des valeurs hors norme dans vos données, vous pouvez les mettre en évidence à l’aide de segments ou de filtres. Vous pouvez également ajouter une légende à vos visuels, afin que les valeurs hors norme puissent être identifiées parmi les autres données. Vous pouvez ensuite accéder aux données hors norme pour une analyse plus détaillée.

Identifier les valeurs hors norme à l’aide d’un visuel

Le nuage de points est le meilleur visuel permettant d’identifier les valeurs hors norme. Il peut montrer la relation entre deux valeurs numériques. Les nuages de points affichent des modèles dans de grands jeux de données et sont donc idéaux pour afficher les valeurs hors norme.

Lorsque vous ajoutez un nuage de points à votre état, placez les champs intéressants dans les puits Axe des X et Axe des Y, respectivement. Dans ce cas, le champ Orders Shipped se trouve sur l’axe des X et le champ Qty Orders sur l’axe des Y.

Les mises à jour de visuels affichent les données en fonction des champs sélectionnés, ce qui permet de repérer facilement les valeurs hors norme, à savoir les éléments séparés des points de données principaux.

À présent que vous pouvez identifier les valeurs hors norme dans vos données, vous pouvez rechercher les raisons de leur existence et entreprendre une action corrective.

Identifier les valeurs hors norme à l’aide de mesures

Vous pouvez créer une mesure pour identifier les valeurs hors norme dans vos données en fonction de valeurs spécifiques. Dans le code suivant, Order Qty est une mesure dans la table Sales et Min Qty est une mesure qui détermine la quantité commandée la plus faible dans la table Sales.

Outliers =
CALCULATE (
    [Order Qty],
    FILTER (
        VALUES ( 'Product'[Product Name] ),
        COUNTROWS (
            FILTER (
                Sales,
                [Order Qty] >= [Min Qty]
            )
        ) > 0
    )
)

Après avoir créé la mesure hors norme, vous pouvez regrouper les produits en catégories, puis ajouter la mesure à un visuel Nuage de points pour analyser les valeurs hors norme et agir en fonction de ces valeurs.