ಕಚ್ಚಾ ಡೇಟಾದಿಂದ ವ್ಯವಹಾರ ನಿರ್ಧಾರಗಳವರೆಗೆ: ಪವರ್ ಬಿಐ (Power BI) ನಲ್ಲಿ ಜೆಕಾರ್ಸ್ ಲಾಜಿಸ್ಟಿಕ್ಸ್ (JCars Logistics) ಮಾರಾಟದ ಡೇಟಾವನ್ನು ಕ್ಲೀನಿಂಗ್ ಮತ್ತು ಮಾಡೆಲಿಂಗ್ ಮಾಡುವುದು

ಇಂದಿನ ಡೇಟಾ-ಚಾಲಿತ ಜಗತ್ತಿನಲ್ಲಿ, ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಪರಿಣಾಮಕಾರಿ ವ್ಯವಹಾರ ನಿರ್ಧಾರಗಳಿಗೆ ಬಹಳ ಮುಖ್ಯವಾಗಿದೆ. ವ್ಯವಹಾರಗಳು ತಮ್ಮ ತಂತ್ರಗಳನ್ನು ರೂಪಿಸಲು ಡೇಟಾ ಅನಾಲಿಟಿಕ್ಸ್ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿರುವುದರಿಂದ ಈ ವಿಷಯವು ಈಗ ಹೆಚ್ಚು ಪ್ರಸ್ತುತವಾಗಿದೆ.

ಡೇಟಾಸೆಟ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು

ನಾವು ಚರ್ಚಿಸುತ್ತಿರುವ ಡೇಟಾಸೆಟ್ ಕೀನ್ಯಾದಾದ್ಯಂತ ವಾಹನಗಳನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಮಾರಾಟ ಮಾಡುವ ಕಂಪನಿಯಾದ ಜೆಕಾರ್ಸ್ ಲಾಜಿಸ್ಟಿಕ್ಸ್ (JCars Logistics) ನಿಂದ ಬಂದಿದೆ. ಇದು 276 ಸಾಲುಗಳು ಮತ್ತು 32 ಕಾಲಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಪ್ರತಿ ಸಾಲು ವಾಹನದ ಮಾರಾಟದ ಆದೇಶವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದು ಗ್ರಾಹಕ, ವಾಹನ ಮತ್ತು ವಹಿವಾಟಿನ ದಿನಾಂಕದಂತಹ ವಿವರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.

ಡೇಟಾದಲ್ಲಿ ವಾಸ್ತವವಾಗಿ ಏನು ದೋಷವಿತ್ತು

ಆರಂಭಿಕ ತಪಾಸಣೆಯ ನಂತರ, ಡೇಟಾಸೆಟ್ ಹಲವಾರು ಸಮಸ್ಯೆಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು:

• ಆರ್ಡರ್ ಐಡಿ (Order ID): ವಿಭಿನ್ನ ಸ್ವರೂಪಗಳು ಮತ್ತು ನಕಲುಗಳು.
• ದಿನಾಂಕದ ಕ್ಷೇತ್ರಗಳು (Date Fields): ಪಠ್ಯ ಮತ್ತು ಎಕ್ಸೆಲ್ (Excel) ಸರಣಿ ಸಂಖ್ಯೆಗಳು ಸೇರಿದಂತೆ ಮಿಶ್ರ ಸ್ವರೂಪಗಳು.
• ವರ್ಗೀಯ ಕಾಲಮ್‌ಗಳು (Categorical Columns): ಅಸಮಂಜಸವಾದ ಕ್ಯಾಪಿಟಲೈಸೇಶನ್, ಸಂಕ್ಷೇಪಣಗಳು ಮತ್ತು ಕಾಗುಣಿತ ದೋಷಗಳು.
• ಸಂಖ್ಯಾತ್ಮಕ ಕ್ಷೇತ್ರಗಳು (Numeric Fields): ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಅಸಾಧ್ಯ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಮಿಶ್ರಿತವಾಗಿರುವ ಪಠ್ಯ.
• ಕರೆನ್ಸಿ ಕ್ಷೇತ್ರಗಳು (Currency Fields): KSh, KES, ಮತ್ತು USD ಸೇರಿದಂತೆ ವಿವಿಧ ಸ್ವರೂಪಗಳು.

ಈ ಸಮಸ್ಯೆಗಳು ವಿಶ್ಲೇಷಣೆಗೆ ಡೇಟಾವನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲದಂತೆ ಮಾಡಿತು.

ಡೇಟಾವನ್ನು ಕ್ಲೀನಿಂಗ್ ಮಾಡುವುದು

ಹಂತ 1: ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಿ

ಮೊದಲಿಗೆ, ನಾನು ಕಚ್ಚಾ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಪವರ್ ಕ್ವೆರಿ (Power Query) ಗೆ ಸ್ಟೇಜಿಂಗ್ ಕ್ವೆರಿಯಾಗಿ ಲೋಡ್ ಮಾಡಿದ್ದೇನೆ, ಇದನ್ನು Sales_Raw. ನಂತರ ನಾನು ಅದನ್ನು ವರ್ಕಿಂಗ್ ಕ್ವೆರಿಯಾಗಿ ನಕಲು ಮಾಡಿದ್ದೇನೆ, ಅದರ ಹೆಸರು Sales ಮೂಲ ಡೇಟಾವನ್ನು ಸುರಕ್ಷಿತವಾಗಿರಿಸಲು.

ಹಂತ 2: ಆರ್ಡರ್ ಐಡಿಗಳನ್ನು (Order IDs) ಸರಿಪಡಿಸಿ

ಆರ್ಡರ್ ಐಡಿ (Order ID) ಗಾಗಿ, ನಾನು ಸ್ವರೂಪಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿದ್ದೇನೆ ಮತ್ತು ಯಾವುದೇ ನಕಲುಗಳನ್ನು ಪರಿಹರಿಸಿದ್ದೇನೆ. ಪ್ರತಿಯೊಂದು ವಹಿವಾಟಿಗೆ ಆರ್ಡರ್ ಐಡಿ ಅನನ್ಯವಾಗಿರಬೇಕಾದ ಕಾರಣ ಇದು ಬಹಳ ಮುಖ್ಯವಾಗಿತ್ತು.

ಹಂತ 3: ದಿನಾಂಕಗಳನ್ನು ಕ್ಲೀನ್ ಮಾಡಿ

ಮುಂದೆ, ನಾನು ದಿನಾಂಕದ ಕ್ಷೇತ್ರಗಳನ್ನು ಕ್ಲೀನ್ ಮಾಡುವುದರ ಮೇಲೆ ಗಮನ ಹರಿಸಿದೆ. ಇದು ಇವುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

• ಎಕ್ಸೆಲ್ (Excel) ಸರಣಿ ಸಂಖ್ಯೆಗಳನ್ನು ಓದಬಹುದಾದ ದಿನಾಂಕಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು.
• ಸ್ವರೂಪಗಳನ್ನು ಒಂದೇ ಶೈಲಿಗೆ ಪ್ರಮಾಣೀಕರಿಸುವುದು.
• 2026-13-04 ನಂತಹ ಅಸಾಧ್ಯ ದಿನಾಂಕಗಳಂತಹ ಅಮಾನ್ಯ ದಿನಾಂಕಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು.

ಹಂತ 4: ವರ್ಗೀಯ ಡೇಟಾವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿ

ವರ್ಗೀಯ ಕಾಲಮ್‌ಗಳಿಗಾಗಿ, ಅಸಮಂಜಸತೆಗಳನ್ನು ಸರಿಪಡಿಸಲು ನಾನು ಮ್ಯಾಪಿಂಗ್ ಸೂತ್ರವನ್ನು ರಚಿಸಿದ್ದೇನೆ. ಉದಾಹರಣೆಗೆ, ನಾನು ವಿಭಿನ್ನ ಕಾಗುಣಿತಗಳು ಮತ್ತು ಸಂಕ್ಷೇಪಣಗಳನ್ನು ಒಂದೇ ಗುಣಮಟ್ಟದ ಪದವಾಗಿ ವಿಲೀನಗೊಳಿಸಿದ್ದೇನೆ. ಒಂದೇ ರೀತಿಯ ನಮೂದುಗಳನ್ನು ಸರಿಯಾಗಿ ಗುಂಪು ಮಾಡಲಾಗಿದೆ ಎಂದು ಇದು ಖಚಿತಪಡಿಸಿದೆ.

ಹಂತ 5: ಸಂಖ್ಯಾತ್ಮಕ ಕ್ಷೇತ್ರಗಳನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸಿ

ನಾನು ಸಂಖ್ಯೆಗಳ ಪಠ್ಯ ನಿರೂಪಣೆಗಳನ್ನು ನೈಜ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯಗಳಾಗಿ ಪರಿವರ್ತಿಸಿದ್ದೇನೆ. ಇದು ಯುನಿಟ್ಸ್ ಸೋಲ್ಡ್ (Units Sold) ಕ್ಷೇತ್ರಕ್ಕಾಗಿ "two" ಮತ್ತು "3 cars" ನಂತಹ ನಮೂದುಗಳನ್ನು ನಿರ್ವಹಿಸುವುದನ್ನು ಒಳಗೊಂಡಿದೆ.

ಹಂತ 6: ಕರೆನ್ಸಿ ಸ್ವರೂಪಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿ

ಎಲ್ಲಾ ವಿತ್ತೀಯ ಮೌಲ್ಯಗಳನ್ನು ಒಂದೇ ಕರೆನ್ಸಿ ಸ್ವರೂಪಕ್ಕೆ (KES) ಪರಿವರ್ತಿಸಲಾಗಿದೆ. ವಿವಿಧ ಸ್ವರೂಪಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನಾನು ತರ್ಕವನ್ನು ಸ್ಥಾಪಿಸಿದ್ದೇನೆ, ಹೋಲಿಕೆಗಳು ಮತ್ತು ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ನಿಖರವಾಗಿ ನಿರ್ವಹಿಸಬಹುದೆಂದು ಖಚಿತಪಡಿಸಿದೆ.

ಡೇಟಾ ಮಾಡೆಲಿಂಗ್

ಡೇಟಾವನ್ನು ಕ್ಲೀನ್ ಮಾಡಿದ ನಂತರ, ನಾನು ಸ್ಟಾರ್ ಸ್ಕೀಮಾವನ್ನು (star schema) ನಿರ್ಮಿಸಿದೆ. ಇದು ಮಾರಾಟಕ್ಕಾಗಿ ಕೇಂದ್ರ ಫ್ಯಾಕ್ಟ್ ಟೇಬಲ್ ಮತ್ತು ಗ್ರಾಹಕರು, ವಾಹನಗಳು ಮತ್ತು ವಹಿವಾಟುಗಳಿಗಾಗಿ ಸಂಬಂಧಿತ ಡೈಮೆನ್ಷನ್ ಟೇಬಲ್‌ಗಳನ್ನು ರಚಿಸುವುದನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ರಚನೆಯು ಪರಿಣಾಮಕಾರಿ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

DAX ಅಳತೆಗಳು (DAX Measures)

ನಂತರ ನಾನು ಪ್ರಮುಖ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲು ಹಲವಾರು DAX (ಡೇಟಾ ಅನಾಲಿಸಿಸ್ ಎಕ್ಸ್‌ಪ್ರೆಷನ್ಸ್ - Data Analysis Expressions) ಅಳತೆಗಳನ್ನು ರಚಿಸಿದ್ದೇನೆ:

• ಒಟ್ಟು ಆದಾಯ (Total Revenue)
• ಮಾರಾಟವಾದ ಒಟ್ಟು ಘಟಕಗಳು (Total Units Sold)
• ಒಟ್ಟು ಲಾಭ (Gross Profit) ಈ ಅಳತೆಗಳು ವ್ಯವಹಾರದ ಕಾರ್ಯಕ್ಷಮತೆಯ ಬಗ್ಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಒಳನೋಟಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ.

ಇಲ್ಲಿಯವರೆಗಿನ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್

ಕ್ಲೀನ್ ಮಾಡಿದ ಡೇಟಾ ಮತ್ತು DAX ಅಳತೆಗಳೊಂದಿಗೆ, ನಾನು ಪವರ್ ಬಿಐ (Power BI) ನಲ್ಲಿ ಆರಂಭಿಕ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ. ಕೆಲವು ಪ್ರಮುಖ ಆವಿಷ್ಕಾರಗಳು ಇಲ್ಲಿವೆ:

• 452 ಘಟಕಗಳು ಮಾರಾಟವಾದವು, ಒಟ್ಟು ಆದಾಯ 1.31 ಬಿಲಿಯನ್ KES ತಲುಪಿದೆ.
• ಒಟ್ಟು ಲಾಭವು ಸರಿಸುಮಾರು 430.37 ಮಿಲಿಯನ್ KES ನಷ್ಟಿದೆ.
• ಒಟ್ಟು ಮಾರಾಟದ ಆದಾಯದಲ್ಲಿ SUV ಗಳು 59% ರಷ್ಟಿವೆ, ಇದು ಮಾರುಕಟ್ಟೆಯ ಪ್ರವೃತ್ತಿಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.
• ಮಾರಾಟದಲ್ಲಿ ಟೊಯೋಟಾ (Toyota) ಮುಂಚೂಣಿಯಲ್ಲಿದೆ, ಇತರ ಬ್ರಾಂಡ್‌ಗಳಿಗಿಂತ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ.

ಇನ್ನೂ ಏನು ಉಳಿದಿದೆ

ಕ್ಲೀನಿಂಗ್ ಮತ್ತು ಆರಂಭಿಕ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಪೂರ್ಣಗೊಂಡಿದ್ದರೂ, ಮುಂದಿನ ಕೆಲಸದ ಅಗತ್ಯವಿದೆ. ನಿರ್ದಿಷ್ಟ ವ್ಯಾಪಾರ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ಹೆಚ್ಚಿನ ಪರಸ್ಪರ ಕ್ರಿಯೆ (interactivity), ವಿವರವಾದ ವರದಿ ಪುಟಗಳು ಮತ್ತು ಹೆಚ್ಚುವರಿ DAX ಅಳತೆಗಳನ್ನು ಸೇರಿಸುವುದು ಇದರಲ್ಲಿ ಸೇರಿದೆ.

ತೀರ್ಮಾನ

ಮಾಹಿತಿಯುಕ್ತ ವ್ಯವಹಾರ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛ ಮತ್ತು ಬಳಸಬಹುದಾದ ಸ್ವರೂಪಕ್ಕೆ ಪರಿವರ್ತಿಸುವುದು ಅತ್ಯಗತ್ಯ. ಡೇಟಾವು ಸ್ಪಷ್ಟವಾದ ಕಥೆಯನ್ನು ಹೇಳುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಪ್ರಕ್ರಿಯೆಯು ಎಚ್ಚರಿಕೆಯ ಕ್ಲೀನಿಂಗ್, ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ದೃಶ್ಯೀಕರಣವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಅನುಕೂಲಗಳು (Merits)

• ಸುಧಾರಿತ ಡೇಟಾ ನಿಖರತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆ.
• ಸ್ಪಷ್ಟ ಒಳನೋಟಗಳ ಮೂಲಕ ವರ್ಧಿತ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯಗಳು.
• ರಚನಾತ್ಮಕ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಪರಿಣಾಮಕಾರಿ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ.

ಅನಾನುಕೂಲಗಳು (Demerits)

• ಡೇಟಾವನ್ನು ಕ್ಲೀನ್ ಮಾಡಲು ಮತ್ತು ಪ್ರಮಾಣೀಕರಿಸಲು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆ.
• ಪವರ್ ಬಿಐ (Power BI) ಮತ್ತು DAX ನಂತಹ ಪರಿಕರಗಳ ಪರಿಚಯದ ಅಗತ್ಯವಿದೆ.
• ಎಚ್ಚರಿಕೆಯಿಂದ ನಿರ್ವಹಿಸದಿದ್ದರೆ ಮೇಲ್ವಿಚಾರಣೆಯ ಕೊರತೆಯ ಸಂಭಾವ್ಯತೆ ಇರುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ (Caution)

ಈ ಲೇಖನವು ಶೈಕ್ಷಣಿಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ. ಯಾವುದೇ ಪ್ಲೇಸ್‌ಹೋಲ್ಡರ್ ಮೌಲ್ಯಗಳನ್ನು ನಿಜವಾದ ಡೇಟಾದೊಂದಿಗೆ ಬದಲಾಯಿಸಬೇಕು, ಮತ್ತು ಓದುಗರು ಅದರ ಮೇಲೆ ಅವಲಂಬಿತರಾಗುವ ಮೊದಲು ಮೂಲ ಮೂಲದೊಂದಿಗೆ ಮಾಹಿತಿಯನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.

ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

• ಪವರ್ ಬಿಐ (Power BI) ಎಂದರೇನು? — ಪವರ್ ಬಿಐ (Power BI) ಒಂದು ವ್ಯವಹಾರ ವಿಶ್ಲೇಷಣಾ ಸಾಧನವಾಗಿದ್ದು, ಇದು ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸಲು ಮತ್ತು ಸಂಸ್ಥೆಯಾದ್ಯಂತ ಒಳನೋಟಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
• ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ ಏಕೆ ಮುಖ್ಯ? — ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ನಿಖರತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಇದು ಉತ್ತಮ ವ್ಯವಹಾರ ನಿರ್ಧಾರಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
• DAX ಅಳತೆಗಳು ಎಂದರೇನು? — DAX ಅಳತೆಗಳು ಪವರ್ ಬಿಐ (Power BI) ನಲ್ಲಿ ಡೇಟಾವನ್ನು ಕ್ರಿಯಾತ್ಮಕವಾಗಿ ವಿಶ್ಲೇಷಿಸಲು ಬಳಸುವ ಲೆಕ್ಕಾಚಾರಗಳಾಗಿವೆ.
• ನಾನು ಡೇಟಾ ಸ್ವರೂಪಗಳನ್ನು ಹೇಗೆ ಪ್ರಮಾಣೀಕರಿಸಬಹುದು? — ಪವರ್ ಕ್ವೆರಿ (Power Query) ಯಲ್ಲಿ ಮ್ಯಾಪಿಂಗ್ ಸೂತ್ರಗಳು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ ನೀವು ಡೇಟಾ ಸ್ವರೂಪಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಬಹುದು.
• ಸ್ಟಾರ್ ಸ್ಕೀಮಾ (star schema) ಎಂದರೇನು? — ಸ್ಟಾರ್ ಸ್ಕೀಮಾ (star schema) ಎನ್ನುವುದು ಪರಿಣಾಮಕಾರಿ ಪ್ರಶ್ನೆಗಳಿಗಾಗಿ (querying) ಫ್ಯಾಕ್ಟ್ ಮತ್ತು ಡೈಮೆನ್ಷನ್ ಟೇಬಲ್‌ಗಳಾಗಿ ಡೇಟಾವನ್ನು ಆಯೋಜಿಸುವ ಡೇಟಾಬೇಸ್ ರಚನೆಯ ಒಂದು ವಿಧವಾಗಿದೆ.
• ಡೇಟಾ ಕ್ಲೀನಿಂಗ್‌ನಲ್ಲಿ ನಾನು ಯಾವ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸಬಹುದು? — ಅಸಮಂಜಸವಾದ ಸ್ವರೂಪಗಳು, ನಕಲುಗಳು ಮತ್ತು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳು ಸಾಮಾನ್ಯ ಸವಾಲುಗಳನ್ನು ಒಳಗೊಂಡಿವೆ.

ಟ್ಯಾಗ್‌ಗಳು (Tags)

#data #powerbi #analytics #datacleaning #businessintelligence #DAX #datamodeling #dashboard #dataanalysis #datascience