Excel est un excellent outil. Il est flexible, il permet de modifier un chiffre à la main, de tester une hypothèse, de bricoler une projection. C'est parfait pour de l'analyse ponctuelle, un one-shot, de l'ad hoc qui n'a pas vocation à être réutilisé.
Le piège n'apparaît pas là. Il apparaît dès qu'un reporting devient récurrent : la même scorecard, chaque semaine, avec le même enchaînement de manipulations à refaire à la main. Là, Excel se retourne contre vous.
Dans la vidéo, on part d'un cas concret : le responsable d'un service de vélos en libre-service (des stations, des vélos mécaniques et électriques) qui doit suivre son activité chaque semaine. Sa scorecard affiche le top des stations au départ et à l'arrivée, le nombre de trajets par jour, la répartition des durées de trajet, et deux indicateurs plus fins : stations saturées (overcrowded) et stations déficitaires.
Au départ de cette scorecard, il y a un fichier brut — un extract fourni par l'IT, souvent tiré d'un cube. Et c'est là que tout commence, parce que la donnée brute est à la fois une bénédiction et un fardeau.
La maille (ou granularité), c'est le niveau de détail d'une ligne. Dans la donnée brute de l'exemple : 1 ligne = 1 trajet. Chaque ligne porte un identifiant de course, un identifiant de vélo, une station de départ et d'arrivée, une date et une heure de début et de fin, une durée. C'est la donnée la plus granulaire, la plus précise — et donc celle avec laquelle on peut tout faire.
Face à elle, la donnée consolidée est déjà agrégée : quelqu'un a compté, résumé, préparé. Pratique, mais deux pièges :
Contrairement à l'impression d'« infinité de cellules », Excel est plafonné : environ 1 048 576 lignes (220) et des colonnes jusqu'à XFD. Un million de lignes paraît beaucoup ; en réalité, pour de la donnée brute à la maille du trajet, c'est vite atteint — d'où des rapports limités à deux semaines de données au lieu d'un historique complet.
Pire : bien avant le million, Excel rame. Au-delà de ~10 000 lignes retravaillées, dès qu'on croise, qu'on ventile, et surtout qu'on fait des count distinct (compter les valeurs uniques — coûteux en calcul), l'outil bugue, tourne à l'infini, se fige derrière un voile blanc. Le tout, forcément, à 23 h la veille d'une présentation.
Dans un tableur, on applique une formule à une cellule — à un emplacement, pas à un champ. La donnée est « couchée sur papier » : figée, matérielle, transformée à la main. On écrit la formule dans une cellule, puis on l'étend. La moindre erreur de copier-coller, un $ oublié dans une référence, et l'erreur se répand partout : #REF!, #N/A, des résultats faux qui contaminent le fichier.
Ajoutez que ces fichiers sont souvent hérités, passés de main en main, jamais construits from scratch : difficiles à maintenir, truffés de rustines. Ce n'est pas votre faute — c'est la nature de l'outil.
Il y a deux grands usages de la data : l'exploration (naviguer, tester des angles) et le reporting (mettre à jour des scorecards régulières). Excel est faible sur les deux :
Penser comme un analyste, c'est arrêter de voir des « lignes et colonnes » et commencer à voir des métriques et des dimensions.
| Notion | Ce que c'est | Exemples |
|---|---|---|
| Métrique | Une valeur qu'on mesure et qu'on agrège | Volume de trajets, somme des durées, nombre de stations |
| Dimension | Un axe de lecture, une catégorie | ID de course, station, date, heure de la journée |
Un des principes fondamentaux de la data : répartir des métriques par des dimensions. « Le nombre de trajets » (métrique) « par jour » (dimension). « La durée moyenne » « par tranche de 10 minutes ». Attention au piège : un pourcentage du total n'est pas une métrique — c'est une manière de calculer une métrique.
Le coût du reporting Excel manuel n'est pas seulement le temps perdu. C'est que pendant qu'on consolide, qu'on recolle, qu'on actualise, on ne fait que décrire ce qui s'est passé — sans jamais analyser ni décider. On reste bloqué sur la marche la plus basse de l'analyse, avec en plus des données incomplètes.
Un outil de BI casse cette boucle : la donnée se met à jour seule, l'énergie repart vers l'analyse et la décision. C'est exactement ce que Power BI va nous permettre de faire — d'abord sur la donnée, ensuite sur le pilotage.