M1 ISCAE- Rabat

ETUDE DE CAS « Crédit Breton » : Partie 2

Objectif du TP : Mise en œuvre d’un système d’aide à la décision avec PowerBI

Exercice 1 : Réalisation des tableaux de bords avancés

Dans ce premier exercice, nous allons réaliser un rapport qui visualise les agences sur une
carte par taille relative au nombre de clients.

Visualisation 1 : User Story 9 : Le Crédit Breton souhaite visualiser la performance relative

des agences par leur volume de clients.

La seule différence entre les deux étant que la cellule centrale a accès aux données de toutes
les agences, tandis que les directeurs d’agence n’ont accès qu’à leur agence.
1. Commencer par créer une nouvelle page nommée Performance Agance
2. Sur votre page Performance Agence, réalisez les visualisations suivantes :
a. Ajoutez une visualisation de Carte simple sur votre page.
b. Ajoutez-y les localisations des agences dans le champ de données
Emplacement.
c. Dans le champ Légende, ajoutez les villes.
d. Dans le champ Taille, ajoutez la colonne Numéro client de votre table “Prêt”.
3. Dans format, augmenter la taille des bulles pour montrer la différence entre les
agences en termes de volume de clients.

Les tailles des bulles qui représentent les agences doivent alors changer,
proportionnellement au nombre de leurs clients, grâce à l'agrégation automatique.
Vous noterez que votre variable dans le champ Taille s’appelle désormais “Nombre de
numéros de clients”. Power BI dénombre tout seul le nombre de clients par agence pour
calculer les tailles des bulles.

Visualisation 2 : User Story 9 : Le Crédit Breton souhaite visualiser la quantité de demandes

de prêt reçues par agence
1/7
M1 ISCAE- Rabat

1. Ajoutez une visualisation de carte à plusieurs lignes.

2. Dans le champ de données “Champs”, ajoutez les villes des agences.
3. Ajoutez les numéros des clients

Vous verrez que par défaut, les numéros des prêts s'agrègent sous forme de somme des
demandes de prêt obtenues par les agences

Visualisation 3 : User Story 9 : Le Crédit Breton souhaite visualiser la performance relative

des agences en qualité des dossiers de demandes de prêt reçus
Nous souhaitons ici visualiser le taux d’acceptation des demandes de prêt par agence.
1. Insérez une visualisation d’histogramme empilé 100% sur la page.
2. Ajoutez au champ Axe la colonne ville, ajoutez au champ Légende votre colonne
Accord.
3. Ajoutez au champ Valeurs le numéro des prêts.
4. Dans format activez les étiquettes de données et changer les couleurs de données.

Visualisation 4 :– User Story 9 : Le Crédit Breton souhaite visualiser le classement annuel

des agences entre elles en nombre de dossiers de demandes de prêt reçus

2/7
M1 ISCAE- Rabat

1. Ajoutez une visualisation de graphique en ruban sur votre page. Avec celle-ci, nous
allons pouvoir visualiser la performance relative des agences sous forme de classement
relatif aux demandes de prêt obtenues auprès de clients.

2. Ajoutez dans le champ Axe la date des demandes de prêt, dans le champ Légende la
ville, et dans le champ Valeurs, les numéros des prêts. sélectionner l'agrégation
“nombre” dans le champ Valeurs.

Exercice 2 : Mettez en place des alertes sur vos visualisations

Visualisation 5 : User Stories 1 et 4

Les directeurs d’agence souhaitent être alertés de toutes les opérations immobilières
supérieures à 250 000 € (User Story 4). Pour cela, nous allons créer une visualisation des
demandes de prêts en cours pas encore traitées (User Story 1), et y ajouter une alerte
visuelle.
1. Ajoutez une visualisation de tableau sur la page de demandes de prêt.
2. Ajoutez à celle-ci dans le champ Valeur les dates de demandes de prêt, et le
montant de l'opération.
3. Cliquez sur la petite flèche pour changer l’affichage des dates de demandes en
affichant la valeur date de demande et non pas hiérarchie de dates.
4. Ajoutez dans le champ Filtres la colonne Accord pour garder uniquement les
demandes en cours de traitement.
5. Allez sur Format => Valeurs et augmentez la taille du texte dans le tableau.
6. Activez la Mise en forme conditionnelle dans Format, et créer une nouvelle règle
basée sur le champ montant des opérations, choisissez la condition est supérieur à
250 000 et inférieur à 1 000 000.

3/7
M1 ISCAE- Rabat

Exercice 3 : Transformez les données à l’aide du Power Query Editor

Activité 1 : identifier et corrigez les anomalies

1. Cliquez sur transformer des données pour ouvrir l’éditeur de requêtes de Power BI
2. Afficher les données de la table situation de famille, dans le menu Affichage activez
les cases à coché Profilage de colonne, Distribution des colonnes et Qualité de la
colonne et observez les colonnes Situation familiale et Nombre d’enfants à charge
3. Utiliser dans le ruban transformer et après activer la fonctionnalité remplacer des
valeurs
a. Remplacez la valeur PACS par pacsé dans la colonne Situation familiale
b. Remplacez les valeurs 30 et 20 respectivement par 3 et 2 dans nombre
d’enfants à charge.
4. Observez dans le Power Query Editor à droite les étapes apparues lorsque nous avons
appliqué les opérations de correction des anomalies : "Valeur remplacée".
Lorsque vous sélectionnez cette étape, vous pouvez apercevoir un langage de code
dans la barre de formule. Il s'agit du langage de formule M !
=Table.ReplaceValue(#"Type
modifié","PACS","Pacsé",Replacer.ReplaceText,{"Situation familliale"})
C’est ce qui nous a permis de réaliser nos opérations de transformation des données.
5. Dans Accueil cliquez sur fermer et appliquer.

Activité 2 : Combinez les requêtes au lieu de lier les tables de données

Il peut vous arriver d’avoir besoin de combiner des tables en une seule plutôt que d’utiliser la
liaison des tables de données.
Par exemple, dans notre cas nous avons une table "Apport" qui ne comprend que le montant
des apports et les numéros des demandes de prêt. Cela comporte plusieurs inconvénients :
 Cette table a autant de lignes que notre table de demandes de prêt, car il y a un
apport différent par demande de prêt. Séparer ces tables a rendu la maintenance
beaucoup moins facile.
 Nous devons stocker en double la colonne sur les numéros de demandes de prêt
pour faire la jointure. Nous avons donc perdu en espace de stockage.
 Nous devons gérer l'interaction entre les deux tables lorsque nous faisons des
requêtes sur les apports (filtrages, etc.). Le calcul sera plus lent : nous avons donc
perdu en performance.
Nous aurions pu avoir une seule table de demandes de prêt avec une colonne pour les apports.
Dans notre cas, il est alors préférable de fusionner les tables en ajoutant “à droite” une
nouvelle colonne à notre table de faits (demandes de prêts), en ajoutant les apports.
Pour réaliser ces opérations, on utilise le menu “Combiner” dans Power Query.
1. Sélectionner le menu Combiner -> fusionné des requêtes
2. Créez le mapping entre les table demande de prêt et apport en sélectionnant la colonne
Numéro demande de prêt.
4/7
M1 ISCAE- Rabat

3. Une fois la fusion est réalisée, garder uniquement la colonne Apport dans la table
demande de prêt, et masquez la table Apport.

Exercice 4 : Reliez les tables pour réaliser des analyses croisées

Dans notre table des demandes de prêt, nous n’avons que les numéros des clients qui sont à
l’origine de ces demandes.
Comment faire pour visualiser le nombre de demandes de prêt acceptées par le Crédit Breton
pour des clients mariés ?
En l’état actuel des choses, il nous faudrait :
1. Prendre la liste des identifiants de clients mariés de la table Situation familiale.
2. Regarder dans la table des demandes de prêt, les demandes acceptées pour ces
identifiants.
Un travail fastidieux que nous faisions régulièrement par des bricoles sur Excel…
Power BI crée par défaut des liens entre vos tables, dont nous nous sommes servis jusqu'à
présent sans le savoir. Vous pouvez aussi créer des relations entre vos tables de données pour
effectuer ces requêtes de façon automatique afin de réaliser ces analyses croisées.
Pour connecter la table situation de famille et la table demande de prêt
1. Affichez le modèle de relations à gauche et après cliquez sur gérer les relations
2. cliquez sur nouveau, choisissez la colonne ID_Client dans la table situation de famille
et dans la colonne Numéro client dans la table demande de prêt. Valider les
cardinalités et cliquez sur Ok.
3. Ajoutez une visualisation de tableau sur une nouvelle page Indicateurs clients.

Dans la page performance agence sur la visualisation 4 on peut maintenant analyser les
fluctuations des demandes de prêt avec l’outil d’analyse de Power BI.
4. Cliquez avec le bouton droit sur la visualisation 4 sur une ville pour expliquer la
hausse ou la baisse des demandes de prêts.
5/7
M1 ISCAE- Rabat

Exercice 5 : Allez plus loin avec les formules DAX

Pour calculer l’âge des emprunteurs ou comparer la régularité des revenus, nous avons besoin
d’utiliser un nouveau langage de formule appelé le langage DAX.
Activité 1 : Ajouter une nouvelle colonne
Créez une colonne calculée dans la table Situation famille pour avoir l'âge des clients.
1. Utiliser Power Query editor pour ajouter une nouvelle colonne nommée Age_Client
2. Utiliser la fonction datediff pour calculer la valeur de cette colonne.
Age_Client = DATEDIFF('Situation famille'[Date de naissance],NOW(),YEAR)

Activité 2 : Créez une mesure rapide

Nous allons créer une mesure pour calculer le montant total du prêt à sortir par le Crédit
Breton, afin de développer le troisième critère de décision sur l’accord ou le refus d’une
demande de prêt.
Pourquoi utiliser une mesure plutôt que créer des données pour calculer les montants prêtés
par le Crédit Breton ?
Une mesure sera plus flexible à utiliser lorsque l'on voudra :
 ajouter notre future mesure à une visualisation qui présente le total des demandes de
prêt par année (car la mesure calculera automatiquement l'agrégation des montants
prêtés par année) ;
 utiliser notre mesure dans un tableau avec la liste des clients (car elle calculera les
montants prêtés pour chaque client).
Il existe deux types de mesures dans Power BI :
 Les mesures rapides qui se créent en quelques clics et en glissant les champs de
données que l’on souhaite utiliser.
 Les mesures complexes qui nécessitent de connaître les formules DAX pour écrire
les opérations soi-même.
Rappel : Avec les mesures, vous pouvez définir des calculs simples comme des sommes, des
moyennes, des valeurs minimales et maximales ainsi que des décomptes. Les résultats
calculés des mesures changent toujours en réponse à votre interaction avec vos rapports,
favorisant ainsi l’exploration rapide et dynamique des données appropriées."
1. Créer une mesure rapide nommée montant_prêté avec un clic bouton droit sur la table
demande prêt
2. Choisissez l’opérateur Soustraction comme type de calcul et Montant opération
comme valeur de base et Apport comme valeur à soustraire.
3. Ajouter cette nouvelle mesure dans le tableau de la page demande de prêt

6/7
M1 ISCAE- Rabat

Activité 3 : Créer une mesure avec le langage DAX

Voilà, nous sommes désormais prêts à calculer le score emprunteur !
Ce que nous souhaitons, c'est une indication claire pour les conseillers bancaires.

Pour cela, nous aurons 2 valeurs possibles pour le score :

Sous forme d'algorithme, la formule de calcul du score emprunteur est la suivante :
 Critère 1 : SI Âge du client + Durée du prêt est supérieur ou égal à 82 ans alors
affecter "REFUS" à score emprunteur sinon
 Critère 2 : SI Régularité des revenus du client est égal à 3 alors affecter "REFUS"
à score emprunteur sinon
 Critère 3 : SI Revenu mensuel moyen divisé par 3 plus le nombre d'enfants à
charge est inférieur à remboursement mensuel du prêt alors affecter "REFUS" à
score emprunteur sinon affecter "ACCEPTE" à score emprunteur.
1. Créer une colonne nommée score_emprunteur avec un clic bouton droit sur la table
demande prêt
2. Utilisez la formule DAX discutée ci-dessous pour le calcul du score emprunteur
Score_emprunteur = IF(LOOKUPVALUE('Situation famille'[Age_ client],'Situation
famille'[ID_Client],'Demandes de pret'[Numéro
client])>=82,"REFUS",IF(LOOKUPVALUE('Situation pro'[Régularité des
revenus],'Situation pro'[Numéro client],'Demandes de pret'[Numéro client])== "3 : Très
irréguliers","REFUS",IF(([Montant_prété]/'Demandes de
pret'[Durée])>LOOKUPVALUE('Situation pro'[Revenu mensuel moyen],'Situation
pro'[Numéro client],'Demandes de pret'[Numéro client])/(3+LOOKUPVALUE('Situation
famille'[Nombre d'enfants à charge],'Situation famille'[ID_Client],'Demandes de
pret'[Numéro client])),"REFUS","ACCEPTE")))
Notez que pour calculer le montant du remboursement mensuel, il faut diviser notre mesure
du montant prêté par la durée totale du prêt qui est en mois.
3. Ajouter cette nouvelle mesure dans le tableau de la page demande de prêt

Bravo 🍾

7/7
M1 ISCAE- Rabat

Vous avez développé le score emprunteur !

Grâce à vous, les conseillers bancaires vont gagner un temps fou ! Ils auront directement, sur
leur tableau de bord des demandes de prêt en cours, une recommandation claire pour chaque
prêt sur l'acceptation ou le refus.

8/7