Spécialiste Qlik Sense et QlikView Partenaire Qlik France
Un rechargement de données trop long peut vite devenir un frein à l’efficacité de vos applications Qlik. Temps d’attente prolongés, surcharge des serveurs, difficultés de maintenance… autant de signaux qui montrent qu’il est temps d’optimiser vos scripts.
La bonne nouvelle ? Quelques ajustements simples permettent de gagner en rapidité sans compromettre la qualité des données. De la réduction du volume à la source, à l’usage de chargements incrémentaux ou encore au recours aux fichiers QVD et Parquet, il existe des leviers concrets pour booster vos performances.
Dans cette page, nous partageons les meilleures pratiques issues de nos projets : des astuces applicables immédiatement, illustrées par des exemples, pour rendre vos rechargements plus rapides, plus fiables et plus faciles à maintenir.
Notre objectif : vous aider à tirer le meilleur parti de vos environnements Qlik et à offrir aux utilisateurs une expérience fluide, sans temps d’attente inutile.
Moins de lignes et moins de colonnes = moins de temps de chargement.
L’idée est simple : ne chargez que ce qui est réellement utile. Commentez les champs non utilisés, appliquez des filtres en amont (au niveau de la base si possible) et compactez vos clés composites avec des fonctions comme Autonumber().
Autonumber()
Résultat : un modèle plus léger et plus rapide à exécuter.
Pourquoi recharger l’intégralité de l’historique si seules quelques lignes changent chaque jour ?
Avec un chargement incrémental, vous stockez la dernière date (ou un identifiant technique) et ne récupérez ensuite que les nouveautés. Cela permet de réduire drastiquement la charge sur vos systèmes sources et d’accélérer les rechargements quotidiens.
Les jointures lourdes alourdissent les scripts et consomment beaucoup de mémoire.
Pour les petites tables de correspondance (par exemple un code client et son libellé), l’utilisation d’ApplyMap() est plus performante et plus simple à maintenir. Résultat : un script plus lisible et une exécution plus rapide.
ApplyMap()
Un script optimisé, c’est un script allégé :
supprimez les tables temporaires dès qu’elles ne servent plus,
évitez les cascades de Resident,
Resident
supprimez les clés synthétiques,
et utilisez des Preceding Load pour enchaîner vos transformations sans multiplier les tables intermédiaires.Ces bonnes pratiques rendent vos modèles plus stables et plus faciles à maintenir dans le temps.
Preceding Load
Les fichiers QVD (format natif Qlik) et Parquet (standard ouvert) permettent de mutualiser les données et de limiter les rechargements multiples. Ils réduisent la charge sur vos bases de données tout en améliorant la vitesse et la compression du stockage.
En centralisant vos données dans ces formats, vous gagnez en performance et en flexibilité pour alimenter plusieurs applications.
👉 Avec ces 5 bonnes pratiques, vous disposez d’un socle solide pour optimiser vos rechargements de données et tirer le meilleur parti de vos applications Qlik.
☑ Charger uniquement les champs et lignes utiles☑ Appliquer les filtres au plus tôt (WHERE sur la source si possible)☑ Compacter les clés composites avec Autonumber()☑ Utiliser le chargement incrémental (date ou identifiant technique)☑ Supprimer les tables temporaires et clés inutiles☑ Préférer ApplyMap() aux jointures lourdes☑ Chaîner vos transformations avec Preceding Load☑ Mutualiser les données via QVD ou Parquet
Vous souhaitez voir Qlik Cloud en action et comprendre comment ces nouveautés peuvent répondre à vos besoins ?
📩 Demandez votre démonstration personnalisée !
Assemblez vos données en un instant et créez des analyses visuelles dynamiques et interactives.
Lancez votre essai gratuit de 30 jours !
© All rights reserved | Altiview.fr
Le diagramme de Pareto classe les causes d’un phénomène par importance décroissante, illustrant que 80 % des effets proviennent de 20 % des causes.
Ce diagramme se présente sous la forme d’une série de colonnes triées par ordre décroissant. Elles sont généralement accompagnées d’une courbe des valeurs cumulées de toutes les colonnes.
Pour créer un diagramme de Pareto, il faut d’abord ouvrir le menu des analyses.
En mode édition depuis une feuille de votre application :
Pour configurer le graphique :
Le diagramme de Pareto est prêt !
Analyse Anomalie (pic)
Clustering (K moyenne)
Analyse de corrélation
Plus d’informations sur les analyses disponible sur QLik Cloud : Aide en ligne
Le graphique waterfall, également appelé « cascade », est une technique de visualisation de données essentielle en business intelligence. Il montre comment une valeur initiale (par exemple : ventes ou dépenses) évolue avec l’impact cumulatif de valeurs positives et négatives successives.
Le graphique en cascade convient pour illustrer comment une valeur initiale est affectée par des valeurs intermédiaires positives et négatives. Les valeurs initiales et finales sont représentées par des barres entières, et les valeurs intermédiaires par des barres flottantes.
Cette approche visuelle facilite la compréhension des variations et des facteurs contribuant au résultat final. Elle est bénéfique pour présenter de façon percutante et éclairante des informations complexes à vos utilisateurs.
La nouveauté de mai 2023 qui a retenu le plus l’attention de nos consultants est la personnalisation des tableaux simples par l’utilisateur.
Le Straight Table, que l’on retrouve dans le Visualisation Bundle, permet aux utilisateurs de créer leurs propres tableaux en fonction des données dans le graphique.
Les utilisateurs qui ne disposent pas des droits d’édition pour personnaliser le tableau simple d’origine peuvent apporter les modifications suivantes :
La personnalisation du Straight Table par l’utilisateur
Paramétrer un Straight Table
Le graphique Mekko est une combinaison de colonnes 100% empilées et de barres 100% empilées.
Ce type de graphique est très intéressant pour établir des comparaisons entre des groupes, tout en comparant des éléments de catégorie contenus au sein de ces groupes.
On peut considérer le graphique Mekko comme un histogramme empilé qui a été modifié de deux manières :
La surface de chaque segment est proportionnelle à la valeur absolue des segments, de la même manière que la surface des rectangles dans une visualisation treemap représente les valeurs de mesure.
Les étiquettes présentées sur le graphique incluent à la fois :
Vous pourrez ajouter plusieurs dimensions et mesures alternatives dans les graphiques.
Grâce à la fonctionnalité des dimensions et des mesures alternatives, vous pouvez ajouter des dimensions et des mesures à un objet, pour permettre à l’utilisateur de choisir ce qu’il souhaite afficher.
La densité d’information est ainsi réduite dans l’application, un graphique pouvant répondre à plusieurs questions lorsque l’utilisateur navigue dans les données.
Dans l’exemple ci-dessus l’utilisateur pourra choisi entre 2 dimensions à afficher dans son graphique en secteurs : les pays et les lignes produits.
Les types de graphiques suivants permettent d’ajouter des mesures et des dimensions alternatives.
Pour ajouter une dimension alternative :
Pour ajouter une mesure alternative :
Les mesures sont le résultat d’un calcul utilisé dans les visualisations et sont définies avec des expressions.Les expressions sont composées d’une fonction d’agrégation, telles que Sum ou Max, combinées à un ou plusieurs champs.
Par exemple l’expression Sum(Vente) sera la somme de la colonne Vente.
Pour accéder à l’éditeur d’expression, en mode éditionouvrez les propriétés d’un graphique et cliquez sur fx dans la partie mesure.
Dans la sélection de champs (à droite) :
Les set analysis sont ajoutés aux expressions pour préciser l’ensemble de données, différent des sélections appliquées, sur lequel le calcul doit être effectué.
La syntaxe peut être difficile à appréhender.
Utilisez l’assistant pour créer des sets analysis à partir de vos favoris ou des sélections actives sans avoir à les rédiger vous même.
Dans l’assistant, procédez comme suit :
Pour plus d’information sur les expressions d’ensemble (ou set analysis) consultez notre Bonne pratiques : Calculer des évolutions en utilisant les analyses d’ensembles ou set analysis
Pour faciliter la compréhension et l’analyse des résultats présentés dans les tableaux, vous pouvez paramétrer les couleurs d’arrière-plan des cellules et les couleurs de texte avec des conditions. Cela permet d’affecter des couleurs à certaines valeurs.
Dans l’exemple ci-dessus :
Dans une table ou un tableau croisé dynamique, accédez à la section Données dans le panneau de propriétés (à droite de l’écran) :
Dans la partie Données >Mesures :
Pour paramétrer des couleurs conditionnelles, on va utiliser les conditions à l’aide de la fonction if(condition , then [, else])
Pour plus d’information sur la fonction if(), consultez l’aide en ligne de Qlik
Les formats couramment utilisés lors de la création d’expressions :
Pour plus d’information sur les couleurs, consultez l’aide en ligne de Qlik
Lorsque plusieurs champs présentent une hiérarchie naturelle, la création d’une dimension hiérarchique peut être indiquée pour faciliter l’analyse.
Le principal intérêt de l’exploration des données à l’aide des dimensions hiérarchiques est qu’elle vous permet de parcourir les informations hiérarchiques de manière interactive sans avoir besoin de créer un rapport supplémentaire ou de surcharger votre rapport actuel. Ainsi, vous pouvez repérer des informations importantes et rechercher des explications en creusant dans des champs plus détaillés à l’aide d’une sélection.
Exemple de champs qui présentent une hiérarchie naturelle :
Les dimensions hiérarchiques nous permettent une analyse approfondie en affichant des informations supplémentaires sans passer à un autre graphique.
Pour qu’une dimensions hiérarchique affiche le niveau de détail suivant, nous devons sélectionner une seule valeur.
Par exemple ici : Alimentation dans le premier graphique qui révèle les groupes produits qui composent l’alimentation : produits frais, conserves; épicerie fine …
Une dimension hiérarchique est une dimension principale de type hiérarchique.
En mode édition, accéder aux Eléments principaux dans le panneau des ressources à gauche de l’écran, puis sous dimension cliquer sur Créer un nouvel élément.
1 – Choisir Hiérarchique
2 – Insérer les différents niveaux de hiérarchie avec la liste des champs à gauche. Cliquer sur chaque niveau pour qu’il soit intégré dans l’emplacement champ.
3 – Nommer la dimension hiérarchique
4 – Cliquer sur créer pour terminer
Elle s’utilisera comme n’importe quelle dimension dans les graphiques et les tableaux
Dans vos tableaux de bord, il est toujours utile à vos utilisateurs de disposer d’évolution ou des chiffres de la période précédente pour faciliter l’analyse et la prise de décisions.
Pour ajouter ce contexte, nous pouvons utiliser les analyses d’ensemble ou set analysis. Les set analysis sont ajoutés aux expressions pour préciser l’ensemble de données, différent des sélections appliquées, sur lequel le calcul doit être effectué. Dans le cas de calcul d’évolution, on définira les périodes dans le set analysis.
Un Set Analysis est similaire à une sélection Qlik, ils sont utilisés pour inclure ou exclure des données dans une expression.
Les Set Analysis :
La différence entre une expression simple et une expression avec un Set Analysis
Sum( Ventes ) Cette expression fait la somme du champ « Ventes » dans la sélection effectuée
Sum ({$ <Année = {2021}> } Ventes ) Cette expression fait la somme du champ « Ventes » pour les enregistrements de l’année 2021
Un Set Analysis se décompose en 3 parties :
Dans cet exemple nous utilisons le champ Ventes qui contient le montant des ventes
Remarque : Nous utilisons la fonction Only() sur le champ Année qui retourne une seule année ce qui force l’utilisateur à sélectionner une seule année, c’est utile pour calculer les évolutions.
N’hésitez pas à copier-coller la syntaxe et à l’adapter à votre modèle de données.
Pour plus d’information sur les set analysis, visitez l’aide en ligne de Qlik
[logo_carousel_slider]