Tableau de bord des ventes Power BI : KPI, métriques et modèles

Les équipes commerciales qui suivent les bons KPI en temps réel concluent 28 % de transactions en plus, selon le rapport State of Sales de Salesforce. Pourtant, la plupart des tableaux de bord de vente se divisent en deux modes d'échec : soit ils suivent des mesures vaniteuses qui semblent bonnes mais ne déterminent pas les décisions, soit ils submergent les commerciaux avec plus de 40 chiffres qui créent une paralysie de l'analyse. Un tableau de bord des ventes Power BI bien conçu affiche les 15 à 20 bonnes mesures au bon niveau de détail, avec une analyse approfondie pour enquêter sur les anomalies.

Ce guide crée une architecture complète de tableau de bord de vente Power BI, du modèle de données au rapport publié, couvrant chaque KPI avec sa formule DAX, la logique de présentation derrière la conception et les modèles d'exploration amont qui permettent aux responsables d'explorer sans changer d'outil.

Points clés à retenir

• 15 KPI de vente essentiels avec des formules DAX complètes prêtes à mettre en œuvre
• Une architecture de tableau de bord de 4 pages couvrant le résumé, le pipeline, les performances des représentants et l'analyse des tendances
• Modèle de conception d'exploration amont pour naviguer des KPI agrégés aux détails de la transaction individuelle
• Cibles dynamiques : chargez les données de quota à partir d'une table séparée et comparez les données réelles dans DAX
• Règles de formatage conditionnel pour signaler les transactions à risque, les représentants sous-performants et les lacunes du pipeline
• Navigation basée sur les signets pour une expérience utilisateur propre sans encombrement d'en-tête
• Le modèle de données du schéma en étoile requis avant de créer l'un des éléments ci-dessus
• Modèles d'intelligence temporelle : comparaisons sur 30 jours glissants, MTD, QTD, YTD et périodes précédentes

---

Conception de modèles de données

Avant d'écrire une seule mesure DAX, le modèle de données doit être correct. Les tableaux de bord des ventes nécessitent généralement ces tableaux :

Tableaux de faits

Fact_Opportunities (une ligne par transaction) :

• OpportunityID, AccountID, OwnerID, StageID, CloseDate, Amount, Probability, Created Date, Type

Fact_Activities (une ligne par activité) :

• ActivityID, OpportunityID, OwnerID, ActivityDate, ActivityType, Duration

Fact_Quotas (une ligne par répétition et par période) :

• OwnerID, PeriodID, QuotaAmount

Tableaux de dimensions

Relations

Fact_Opportunities → Dim_Account (AccountID)
Fact_Opportunities → Dim_Owner (OwnerID)
Fact_Opportunities → Dim_Stage (StageID)
Fact_Opportunities → Dim_Date (CloseDate) [active]
Fact_Opportunities → Dim_Date (CreatedDate) [inactive, use USERELATIONSHIP]
Fact_Activities → Fact_Opportunities (OpportunityID)
Fact_Activities → Dim_Owner (OwnerID)
Fact_Quotas → Dim_Owner (OwnerID)
Fact_Quotas → Dim_Date (PeriodID)

---

15 KPI de vente essentiels avec les formules DAX

1. Revenu total (offres gagnées)

Total Revenue =
CALCULATE(
    SUM(Fact_Opportunities[Amount]),
    Dim_Stage[IsClosedWon] = TRUE
)

2. Revenus par rapport aux quotas

Quota Attainment % =
DIVIDE(
    [Total Revenue],
    SUM(Fact_Quotas[QuotaAmount]),
    0
)

3. Valeur du pipeline (offres ouvertes)

Pipeline Value =
CALCULATE(
    SUM(Fact_Opportunities[Amount]),
    Dim_Stage[IsClosedWon] = FALSE,
    Dim_Stage[IsClosedLost] = FALSE
)

4. Pipeline pondéré (ajusté en fonction des probabilités)

Weighted Pipeline =
CALCULATE(
    SUMX(
        Fact_Opportunities,
        Fact_Opportunities[Amount] * Fact_Opportunities[Probability] / 100
    ),
    Dim_Stage[IsClosedWon] = FALSE,
    Dim_Stage[IsClosedLost] = FALSE
)

5. Taux de victoire

Win Rate =
DIVIDE(
    CALCULATE(COUNTROWS(Fact_Opportunities), Dim_Stage[IsClosedWon] = TRUE),
    CALCULATE(
        COUNTROWS(Fact_Opportunities),
        Dim_Stage[IsClosedWon] = TRUE || Dim_Stage[IsClosedLost] = TRUE
    ),
    0
)

6. Taille moyenne des transactions

Avg Deal Size =
CALCULATE(
    AVERAGEX(
        FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
        Fact_Opportunities[Amount]
    )
)

7. Durée du cycle de vente (jours)

Avg Sales Cycle Days =
AVERAGEX(
    FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
    DATEDIFF(
        Fact_Opportunities[CreatedDate],
        Fact_Opportunities[CloseDate],
        DAY
    )
)

8. Croissance des revenus d'une année sur l'autre

Revenue YoY Growth =
VAR CurrentPeriod = [Total Revenue]
VAR PriorPeriod = CALCULATE([Total Revenue], SAMEPERIODLASTYEAR(Dim_Date[Date]))
RETURN
DIVIDE(CurrentPeriod - PriorPeriod, PriorPeriod, 0)

9. Revenus mensuels à ce jour

MTD Revenue = CALCULATE([Total Revenue], DATESMTD(Dim_Date[Date]))

10. Chiffre d'affaires trimestriel à ce jour

QTD Revenue = CALCULATE([Total Revenue], DATESQTD(Dim_Date[Date]))

11. Revenus glissants sur 30 jours

Rolling 30D Revenue =
CALCULATE(
    [Total Revenue],
    DATESINPERIOD(Dim_Date[Date], LASTDATE(Dim_Date[Date]), -30, DAY)
)

12. Taux de couverture des pipelines

Pipeline Coverage =
DIVIDE(
    [Pipeline Value],
    CALCULATE(
        SUM(Fact_Quotas[QuotaAmount]),
        DATESINPERIOD(Dim_Date[Date], LASTDATE(Dim_Date[Date]), 90, DAY)
    ),
    0
)

13. Vitesse de transaction (revenu par jour)

Deal Velocity =
DIVIDE([Total Revenue], COUNTROWS(VALUES(Dim_Date[Date])), 0)

14. Activités moyennes par transaction gagnée

Avg Activities per Won Deal =
AVERAGEX(
    FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
    CALCULATE(COUNTROWS(Fact_Activities))
)

15. Précision des prévisions

Forecast Accuracy % =
1 - ABS(
    DIVIDE(
        [Total Revenue] - [Weighted Pipeline At Period Start],
        [Weighted Pipeline At Period Start],
        0
    )
)

---

Architecture du tableau de bord de 4 pages

Page 1 : Résumé

Mise en page (de haut en bas) :

Rangée 1 – Cartes KPI (5 cartes :

• Revenu MTD vs Quota (avec pourcentage d'atteinte du quota et sparkline de tendance)
• Chiffre d'affaires YTD (avec indicateur de variation en % YoY)
• Valeur du pipeline (avec taux de couverture du pipeline)
• Taux de victoire (avec comparaison du mois précédent)
• Taille moyenne de la transaction (avec indicateur de tendance)

Rangée 2 — Visuels principaux (2 côte à côte) :

• À gauche : Revenu mensuel par rapport au quota (graphique à barres groupé, 12 derniers mois)
• À droite : Chiffre d'affaires par région (carte remplie ou graphique à barres)

Rangée 3 — Visuels secondaires (3 côte à côte) :

• Pipeline par étape (graphique en entonnoir)
• Top 10 des transactions par montant (tableau avec indicateur de probabilité)
• Chiffre d'affaires par catégorie de produit (treemap)

Slicers (panneau de droite ou en haut) : plage de dates, région, représentant commercial (sélection multiple)

Page 2 : Analyse du pipeline

Mise en page :

Graphique en entonnoir (nombre et valeur des transactions étape par étape) :

• Prospection → Qualifié → Proposition → Négociation → Clôturé Gagné

Carte thermique des risques (tableau de formatage conditionnel) :

• Lignes : transactions conclues dans les 30 prochains jours
• Colonnes : nom de la transaction, compte, montant, étape, jours d'étape, propriétaire
• Surbrillance rouge : Jours en Étape > 30 (avec risque de décrochage)
• Ambre : Jours de l'étape 15-30
• Vert : Jours en Étape < 15

Pipeline par mois de clôture (barre empilée) :

• Bars par scène ; montre combien de pipeline se ferme quand

Page 3 : Performances des commerciaux

Matrix Visual (classement des représentants) :

• Lignes : noms des représentants commerciaux
• Colonnes : revenu, quota, % de réalisation, pipeline, taux de réussite, taille moyenne des transactions, transactions gagnées
• Formatage conditionnel : Rouge/Ambre/Vert sur le % de réussite
• Trier par % de réussite décroissant

Graphique à nuages de points — Taille de la transaction par rapport au taux de réussite par représentant (identifie les points forts) :

• Axe X : taille moyenne des transactions
• Axe Y : taux de victoire
• Taille : Revenu total
• Couleur : Atteinte du quota

Analyse d'activité — Graphique à barres des appels/e-mails/réunions par représentant

Page 4 : Tendances et prévisions

Graphique linéaire – Revenus glissants sur 12 mois avec :

• Revenus réels (ligne continue)
• Ligne de prévision (en pointillés, à partir du pipeline pondéré)
• Ligne cible (plate, à partir du quota)

Graphique en cascade – Pont de revenus de la période précédente :

• Début : revenu du mois dernier
• Nouvelles offres gagnées
• Extensions/ventes incitatives
• Pertes
• Fin : revenus du mois en cours

Tableau d'analyse de cohorte – Nouveaux clients par rapport aux revenus d'expansion

---

Conception d'accès au détail

L'exploration permet aux responsables de cliquer sur un représentant, une région ou une étape de transaction sur les pages de résumé et d'accéder à une page de détail pour cette sélection.

Configuration de l'accès au détail

1. Créez une Page de détails dans votre rapport (par exemple, « Détails de la transaction »)
2. Dans la zone d'accès au détail de la page (volet Visualisations), ajoutez Fact_Opportunities[OpportunityID] comme champ d'accès au détail.
3. Créez la page de détail : nom de la transaction, compte, propriétaire, historique des étapes, journal d'activité, notes.

Les utilisateurs cliquent avec le bouton droit sur n'importe quel point de données sur les pages de résumé et sélectionnent « Explorer → Détails de la transaction » pour voir l'historique complet de cette transaction spécifique.

Exploration des performances des représentants

Créez une page « Détails du représentant » avec le nom du représentant comme champ d'accès au détail. Inclure : - Le pipeline de ce représentant par étape

• Leurs transactions conclues ce trimestre (tableau)
• Tendance d'activité au cours des 90 derniers jours
• Taux de victoire par rapport à la moyenne de l'équipe

---

Formatage conditionnel pour les transactions à risque

Appliquez une mise en forme conditionnelle pour signaler les transactions nécessitant une attention particulière :

// Days in Current Stage (for conditional formatting)
Days in Stage =
DATEDIFF(
    CALCULATE(
        MAX(Stage_History[EnteredDate]),
        Stage_History[StageID] = MAX(Fact_Opportunities[StageID])
    ),
    TODAY(),
    DAY
)

// Deal Risk Color (background color measure)
Deal Risk Color =
SWITCH(TRUE(),
    [Days in Stage] > 30, "#FF4444",  -- Red: stalled
    [Days in Stage] > 15, "#FFA500",  -- Amber: warning
    "#00B050"                          -- Green: on track
)

Appliquez la mesure de couleur comme couleur d’arrière-plan dans les règles de mise en forme conditionnelle du tableau.

---

Cibles dynamiques et comparaison des quotas

Le chargement des données de quota à partir d'une table distincte (plutôt que d'un codage en dur) permet la mise à jour des cibles sans republication du rapport :

Structure du tableau des quotas :

Mesure de l'écart de quota :

Revenue vs Quota =
[Total Revenue] -
CALCULATE(
    SUM(Fact_Quotas[QuotaAmount]),
    TREATAS(VALUES(Dim_Date[Year]), Fact_Quotas[Year]),
    TREATAS(VALUES(Dim_Date[MonthNum]), Fact_Quotas[Month])
)

---

Questions fréquemment posées

Quelles sources de données fonctionnent le mieux pour les tableaux de bord de ventes Power BI ?

Les systèmes CRM (Salesforce, Dynamics 365, HubSpot, Pipedrive) sont les principales sources de données pour les tableaux de bord de vente. Power BI se connecte nativement à Dynamics 365 (via Dataverse) et Salesforce (via le connecteur Salesforce). Pour HubSpot et Pipedrive, utilisez les connecteurs Power BI respectifs ou extrayez via l'API. Combinez les données CRM avec les données de commande ERP pour obtenir une image complète, de l'opportunité à la facture.

Comment gérer plusieurs devises dans un tableau de bord des ventes ?

Créez un tableau des taux de change avec les taux quotidiens pour chaque paire de devises. Ajoutez un sélecteur de devises au rapport. Créez une mesure normalisée qui convertit tous les montants dans une devise de base à l'aide de LOOKUPVALUE par rapport à la table des taux de change. Pour créer des rapports avec une précision historique, utilisez les taux moyens de la période (taux de fin de mois ou à la date de la transaction) plutôt que le taux au comptant du jour.

Les managers peuvent-ils voir automatiquement uniquement les données de leur équipe ?

Oui : configurez la sécurité au niveau des lignes avec un rôle hiérarchique. Créez un rôle qui utilise USERPRINCIPALNAME() pour rechercher l'utilisateur actuel dans la table Dim_Owner, puis filtrez pour afficher uniquement ses propres transactions et les transactions de ses rapports directs/indirects à l'aide des fonctions PATH et PATHCONTAINS. Attribuez des responsables à ce rôle dans les paramètres de l’espace de travail du service Power BI.

À quelle fréquence le tableau de bord des ventes doit-il être actualisé ?

Pour les équipes commerciales actives, l'actualisation horaire (Power BI Premium ou PPU) maintient les données suffisamment à jour pour les opérations quotidiennes. Pour les tableaux de bord de synthèse, 4 à 8 actualisations par jour (niveau Pro) sont généralement suffisantes. Si votre CRM est mis à jour en temps réel et que vous avez besoin d'une véritable visibilité en temps réel, configurez des ensembles de données de streaming pour des KPI spécifiques (transactions conclues aujourd'hui, modifications du pipeline) en plus de l'ensemble de données d'importation standard.

Quel est le meilleur type de graphique pour afficher la répartition des étapes du pipeline ?

Un graphique en entonnoir est le plus intuitif pour la répartition des étapes du pipeline : il communique visuellement la perte de conversion d'une étape à l'autre. Combinez l'entonnoir avec un tableau en dessous indiquant le nombre et la valeur à chaque étape, ainsi que la durée moyenne de l'étape. Pour l'analyse de la vélocité des transactions (à quelle vitesse les transactions passent d'une étape à l'autre), utilisez un graphique à barres indiquant le nombre moyen de jours par étape.

---

Prochaines étapes

Un tableau de bord des ventes Power BI construit sur un modèle de données solide avec les bons KPI transforme la façon dont la direction commerciale gère les performances : de réactive (examen des données du mois dernier dans Excel) à proactive (détection des transactions à risque et opportunités de coaching en temps réel).

L'équipe de développement de tableaux de bord Power BI d'ECOSIRE crée des tableaux de bord de vente personnalisés connectés à vos systèmes CRM et ERP. Nous concevons le modèle de données, rédigeons des mesures DAX optimisées et créons des rapports interactifs que votre équipe commerciale utilisera réellement.

Découvrez nos services de développement de tableaux de bord Power BI ou contactez notre équipe pour discuter de vos besoins en matière d'analyse des ventes et obtenir une estimation de la portée.