Vos applications Qlik et vos rapports Power BI affichent-ils des chiffres différents ?

Quand deux outils BI ne sont pas d’accord, il est tentant d’accuser l’un d’eux. En général, les deux ont calculé exactement ce qu’on leur a demandé. Simplement, on ne leur a pas demandé la même chose.

Pourquoi les chiffres divergent

• Chaque outil a sa propre logique. Qlik l’applique dans le script de chargement, Power BI dans Power Query et en DAX.
• Les définitions ont été écrites deux fois. Retours, annulations et devises sont traités séparément dans chacun, par des personnes différentes.
• Le calendrier diffère. Un rechargement et une actualisation s’exécutent à des moments différents, sur des extraits différents.
• Le lineage s’arrête à l’outil. Aucun des deux ne peut montrer à l’autre d’où vient son chiffre.

Aligner les deux à la main règle le problème ce mois-ci. Le prochain changement de règle les fera diverger à nouveau.

Pourquoi cela retombe sur vous

• On vous demande d’expliquer un écart créé par des décisions prises dans l’outil d’une autre équipe.
• Le rapprochement est un travail invisible. On ne le remarque que lorsque les chiffres ne concordent pas.
• Vous pouvez documenter votre logique Qlik. Vous ne pouvez pas obliger le modèle Power BI à la suivre.

Le travail se fait au mauvais endroit

• Définir une métrique est un travail de warehouse. Fait dans chaque outil BI, il produit une réponse par outil.
• Ce travail a sa place dans un endroit central : un data warehouse ou un data hub, construit une fois et lu par chaque application.
• Si cela semble coûteux, l’estimation suppose probablement des pipelines construits à la main. Une plateforme d’automatisation spécialisée les génère à partir d’un modèle, ce qui change à la fois le coût et le délai.

Ce qui change quand le modèle arrive prêt à l’emploi

Datavault Builder place les règles métier dans le warehouse et génère la couche dimensionnelle nativement dans la base de données dont vous disposez déjà, de Fabric et SQL Server à Snowflake ou BigQuery.

• La métrique est calculée une seule fois, et Qlik comme Power BI lisent le même chiffre.
• Les deux outils chargent des tables finies, donc ni le script ni le modèle ne porte sa propre définition.
• La règle est visible et versionnée, au lieu d’être répartie entre un .qvf et un .pbix.
• Le lineage montre la dérivation, donc une question se règle en ouvrant le graphe.
• Choisir un outil BI devient une affaire de préférence, pas du chiffre que l’on veut obtenir.

Ce qu’il faut demander

Pas « Power BI a tort », mais :

« Qlik et Power BI calculent le chiffre d’affaires avec des logiques séparées, donc ils divergent et nous ne pouvons pas retracer pourquoi. La définition peut-elle vivre une seule fois dans le warehouse, pour que les deux outils lisent la même vue dimensionnelle gouvernée ? »

Cela déplace le débat : il ne s’agit plus de savoir quel outil a raison, mais où la définition doit vivre.