റോ ഡാറ്റയിൽ നിന്ന് ബിസിനസ്സ് തീരുമാനങ്ങളിലേക്ക്: Power BI-ൽ JCars Logistics സെയിൽസ് ഡാറ്റ ക്ലീനിംഗും മോഡലിംഗും

ഇന്നത്തെ ഡാറ്റാധിഷ്ഠിത ലോകത്ത്, ഫലപ്രദമായ ബിസിനസ്സ് തീരുമാനങ്ങൾക്ക് റോ ഡാറ്റ മനസ്സിലാക്കേണ്ടത് നിർണായകമാണ്. ബിസിനസുകൾ അവരുടെ തന്ത്രങ്ങളെ നയിക്കാൻ ഡാറ്റ അനലിറ്റിക്സിനെ കൂടുതലായി ആശ്രയിക്കുന്നതിനാൽ ഈ വിഷയം ഇപ്പോൾ പ്രത്യേകിച്ചും പ്രസക്തമാണ്.

ഡാറ്റാസെറ്റ് മനസ്സിലാക്കൽ

കെനിയയിലുടനീളം വാഹനങ്ങൾ ഇറക്കുമതി ചെയ്യുകയും വിൽക്കുകയും ചെയ്യുന്ന കമ്പനിയായ JCars Logistics-ൽ നിന്നാണ് നമ്മൾ ചർച്ച ചെയ്യുന്ന ഡാറ്റാസെറ്റ് വരുന്നത്. ഇതിൽ 276 വരികളും 32 നിരകളുമുണ്ട്, ഓരോ വരിയും ഒരു വെഹിക്കിൾ സെയിൽസ് ഓർഡറിനെ പ്രതിനിധീകരിക്കുന്നു. ഇതിൽ ഉപഭോക്താവിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ, വാഹനം, ഇടപാട് തീയതി എന്നിവയുൾപ്പെടെയുള്ള കാര്യങ്ങൾ ഉൾപ്പെടുന്നു.

ഡാറ്റയ്ക്ക് യഥാർത്ഥത്തിൽ എന്താണ് കുഴപ്പമുണ്ടായിരുന്നത്

പ്രാഥമിക പരിശോധനയിൽ, ഡാറ്റാസെറ്റിൽ നിരവധി പ്രശ്നങ്ങൾ വെളിപ്പെട്ടു:

• Order ID: വ്യത്യസ്ത ഫോർമാറ്റുകളും ഡ്യൂപ്ലിക്കേറ്റുകളും.
• Date Fields: ടെക്സ്റ്റ്, Excel സീരിയൽ നമ്പറുകൾ എന്നിവ ഉൾപ്പെടെ മിക്സഡ് ഫോർമാറ്റുകൾ.
• Categorical Columns: പൊരുത്തമില്ലാത്ത ക്യാപിറ്റലൈസേഷൻ, ചുരുക്കെഴുത്തുകൾ, അക്ഷരത്തെറ്റുകൾ.
• Numeric Fields: അക്കങ്ങളും അസാധ്യമായ മൂല്യങ്ങളുമായി ഇടകലർന്ന ടെക്സ്റ്റ്.
• Currency Fields: KSh, KES, USD എന്നിവയുൾപ്പെടെ വിവിധ ഫോർമാറ്റുകൾ.

ഈ പ്രശ്നങ്ങൾ ഡാറ്റയെ വിശകലനത്തിന് വിശ്വാസയോഗ്യമല്ലാതാക്കി.

ഡാറ്റ വൃത്തിയാക്കൽ

ഘട്ടം 1: ഡാറ്റ ലോഡ് ചെയ്യുക

ആദ്യം, ഞാൻ റോ ഡാറ്റാസെറ്റ് Power Query-യിലേക്ക് ഒരു സ്റ്റേജിംഗ് ക്വറിയായി ലോഡ് ചെയ്തു, അതിൻ്റെ പേര് Sales_Raw. പിന്നീട് ഞാൻ അതിനെ ഒരു വർക്കിംഗ് ക്വറിയാക്കി ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്തു, അതിൻ്റെ പേര് Sales എന്നാണ്, ഒറിജിനൽ ഡാറ്റ സുരക്ഷിതമായി സൂക്ഷിക്കുന്നതിനാണ് ഇത് ചെയ്തത്.

ഘട്ടം 2: Order ID-കൾ ശരിയാക്കുക

Order ID-കൾക്കായി, ഞാൻ ഫോർമാറ്റുകൾ സ്റ്റാൻഡേർഡൈസ് ചെയ്യുകയും ഡ്യൂപ്ലിക്കേറ്റുകൾ പരിഹരിക്കുകയും ചെയ്തു. ഓരോ ഇടപാടിനും Order ID അദ്വിതീയമായിരിക്കേണ്ടതിനാൽ ഇത് നിർണായകമായിരുന്നു.

ഘട്ടം 3: തീയതികൾ വൃത്തിയാക്കുക

അടുത്തതായി, ഡേറ്റ് ഫീൽഡുകൾ വൃത്തിയാക്കുന്നതിൽ ഞാൻ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു. ഇതിൽ ഉൾപ്പെട്ടത്:

• Excel സീരിയൽ നമ്പറുകളെ വായിക്കാൻ കഴിയുന്ന തീയതികളാക്കി മാറ്റൽ.
• ഫോർമാറ്റുകളെ ഒരൊറ്റ ശൈലിയിലേക്ക് സ്റ്റാൻഡേർഡൈസ് ചെയ്യൽ.
• 2026-13-04 പോലെയുള്ള അസാധ്യമായ തീയതികൾ പോലുള്ള അസാധുവായ തീയതികൾ കൈകാര്യം ചെയ്യൽ.

ഘട്ടം 4: കാറ്റഗറിക്കൽ ഡാറ്റ സ്റ്റാൻഡേർഡൈസ് ചെയ്യുക

കാറ്റഗറിക്കൽ കോളങ്ങൾക്കായി, പൊരുത്തക്കേടുകൾ തിരുത്താൻ ഞാൻ ഒരു മാപ്പിംഗ് ഫോർമുല സൃഷ്ടിച്ചു. ഉദാഹരണത്തിന്, ഞാൻ വ്യത്യസ്ത സ്പെല്ലിംഗുകളും ചുരുക്കെഴുത്തുകളും ഒരൊറ്റ സ്റ്റാൻഡേർഡ് പദത്തിലേക്ക് ലയിപ്പിച്ചു. ഇത് സമാന എൻട്രികൾ ശരിയായി ഗ്രൂപ്പ് ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കി.

ഘട്ടം 5: ന്യൂമെറിക് ഫീൽഡുകൾ നോർമലൈസ് ചെയ്യുക

അക്കങ്ങളെ പ്രതിനിധീകരിക്കുന്ന ടെക്സ്റ്റുകൾ ഞാൻ യഥാർത്ഥ ന്യൂമെറിക് മൂല്യങ്ങളാക്കി മാറ്റി. Units Sold ഫീൽഡിനായുള്ള "two", "3 cars" തുടങ്ങിയ എൻട്രികൾ കൈകാര്യം ചെയ്യുന്നത് ഇതിൽ ഉൾപ്പെടുന്നു.

ഘട്ടം 6: കറൻസി ഫോർമാറ്റുകൾ സ്റ്റാൻഡേർഡൈസ് ചെയ്യുക

എല്ലാ പണ മൂല്യങ്ങളും ഒരൊറ്റ കറൻസി ഫോർമാറ്റിലേക്ക് (KES) മാറ്റി. വിവിധ ഫോർമാറ്റുകൾ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ഒരു ലോജിക് ഞാൻ സ്ഥാപിച്ചു, താരതമ്യങ്ങളും കണക്കുകൂട്ടലുകളും കൃത്യമായി ചെയ്യാൻ കഴിയുമെന്ന് ഇത് ഉറപ്പാക്കുന്നു.

ഡാറ്റാ മോഡലിംഗ്

ഡാറ്റ വൃത്തിയാക്കിയ ശേഷം, ഞാൻ ഒരു star schema നിർമ്മിച്ചു. ഇതിൽ വിൽപ്പനകൾക്കായുള്ള ഒരു സെൻട്രൽ ഫാക്റ്റ് ടേബിളും ഉപഭോക്താക്കൾക്കും വാഹനങ്ങൾക്കും ഇടപാടുകൾക്കുമായി ബന്ധപ്പെട്ട ഡൈമൻഷൻ ടേബിളുകളും സൃഷ്ടിക്കുന്നത് ഉൾപ്പെടുന്നു. കാര്യക്ഷമമായ ഡാറ്റാ വിശകലനത്തിന് ഈ ഘടന സഹായിക്കുന്നു.

DAX Measures

പ്രധാന മെട്രിക്സുകൾ കണക്കാക്കാൻ ഞാൻ നിരവധി DAX (Data Analysis Expressions) മെഷറുകൾ സൃഷ്ടിച്ചു:

• മൊത്തം വരുമാനം (Total Revenue)
• വിറ്റ മൊത്തം യൂണിറ്റുകൾ (Total Units Sold)
• മൊത്ത ലാഭം (Gross Profit) ഈ മെഷറുകൾ ബിസിനസ്സ് പ്രകടനത്തെക്കുറിച്ച് വിശ്വസനീയമായ ഉൾക്കാഴ്ചകൾ നൽകുന്നു.

ഇതുവരെയുള്ള ഡാഷ്ബോർഡ്

വൃത്തിയാക്കിയ ഡാറ്റയും DAX മെഷറുകളും ഉപയോഗിച്ച്, ഞാൻ Power BI-ൽ ഒരു പ്രാഥമിക ഡാഷ്ബോർഡ് വികസിപ്പിച്ചു. ചില പ്രധാന കണ്ടെത്തലുകൾ ഇതാ:

• വിറ്റ 452 യൂണിറ്റുകളിൽ നിന്നുള്ള മൊത്തം വരുമാനം 1.31 ബില്യൺ KES-ൽ എത്തി.
• മൊത്ത ലാഭം ഏകദേശം 430.37 ദശലക്ഷം KES ആയിരുന്നു.
• മൊത്തം വിൽപ്പന വരുമാനത്തിൻ്റെ 59% SUV-കൾ ആണ്, ഇത് ഒരു മാർക്കറ്റ് ട്രെൻഡ് എടുത്തുകാണിക്കുന്നു.
• വിൽപ്പനയിൽ Toyota മുന്നിലെത്തി, മറ്റ് ബ്രാൻഡുകളേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവെച്ചു.

ഇനി എന്താണ് ബാക്കിയുള്ളത്

ക്ലീനിംഗും പ്രാഥമിക ഡാഷ്ബോർഡും പൂർത്തിയായെങ്കിലും, കൂടുതൽ ജോലികൾ ആവശ്യമാണ്. ഇതിൽ കൂടുതൽ ഇൻ്ററാക്റ്റിവിറ്റി, വിശദമായ റിപ്പോർട്ട് പേജുകൾ, പ്രത്യേക ബിസിനസ്സ് ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നതിനുള്ള അധിക DAX മെഷറുകൾ എന്നിവ ചേർക്കുന്നത് ഉൾപ്പെടുന്നു.

ഉപസംഹാരം

അറിവോടെയുള്ള ബിസിനസ്സ് തീരുമാനങ്ങൾ എടുക്കുന്നതിന് റോ ഡാറ്റയെ വൃത്തിയുള്ളതും ഉപയോഗിക്കാവുന്നതുമായ ഫോർമാറ്റിലേക്ക് മാറ്റുന്നത് അത്യന്താപേക്ഷിതമാണ്. ഡാറ്റ വ്യക്തമായ ഒരു കഥ പറയുന്നുവെന്ന് ഉറപ്പാക്കുന്നതിനുള്ള ശ്രദ്ധാപൂർവ്വമുള്ള ക്ലീനിംഗ്, മോഡലിംഗ്, വിഷ്വലൈസേഷൻ എന്നിവ ഈ പ്രക്രിയയിൽ ഉൾപ്പെടുന്നു.

ഗുണങ്ങൾ

• മെച്ചപ്പെട്ട ഡാറ്റ കൃത്യതയും വിശ്വാസ്യതയും.
• വ്യക്തമായ ഉൾക്കാഴ്ചകളിലൂടെ തീരുമാനമെടുക്കാനുള്ള മെച്ചപ്പെട്ട കഴിവുകൾ.
• സ്ട്രക്ചേർഡ് മോഡൽ ഉപയോഗിച്ചുള്ള കാര്യക്ഷമമായ ഡാറ്റാ വിശകലനം.

ദോഷങ്ങൾ

• ഡാറ്റ വൃത്തിയാക്കുന്നതിനും സ്റ്റാൻഡേർഡൈസ് ചെയ്യുന്നതിനുമുള്ള സമയമെടുക്കുന്ന പ്രക്രിയ.
• Power BI, DAX എന്നിവ പോലെയുള്ള ടൂളുകളെക്കുറിച്ചുള്ള അറിവ് ആവശ്യമാണ്.
• ശ്രദ്ധാപൂർവ്വം കൈകാര്യം ചെയ്തില്ലെങ്കിൽ മേൽനോട്ടപ്പിശകുകൾക്കുള്ള സാധ്യത.

മുന്നറിയിപ്പ്

ഈ ലേഖനം വിദ്യാഭ്യാസ ആവശ്യങ്ങൾക്കുള്ളതാണ്. ഏത് പ്ലേസ്ഹോൾഡർ മൂല്യങ്ങളും യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കേണ്ടതാണ്, മാത്രമല്ല വായനക്കാർ അതിനെ ആശ്രയിക്കുന്നതിന് മുമ്പ് യഥാർത്ഥ ഉറവിടം പരിശോധിച്ച് വിവരങ്ങൾ ഉറപ്പാക്കേണ്ടതുണ്ട്.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ

• എന്താണ് Power BI? — ഡാറ്റ വിഷ്വലൈസ് ചെയ്യാനും ഓർഗനൈസേഷനിലുടനീളം ഉൾക്കാഴ്ചകൾ പങ്കിടാനും സഹായിക്കുന്ന ഒരു ബിസിനസ്സ് അനലിറ്റിക്സ് ടൂളാണ് Power BI.
• ഡാറ്റ ക്ലീനിംഗ് പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്? — ഡാറ്റ ക്ലീനിംഗ് വിശകലനത്തിൽ കൃത്യതയും വിശ്വാസ്യതയും ഉറപ്പാക്കുന്നു, ഇത് മികച്ച ബിസിനസ്സ് തീരുമാനങ്ങളിലേക്ക് നയിക്കുന്നു.
• DAX മെഷറുകൾ എന്നാൽ എന്താണ്? — Power BI-ൽ ഡാറ്റ ചലനാത്മകമായി വിശകലനം ചെയ്യാൻ ഉപയോഗിക്കുന്ന കണക്കുകൂട്ടലുകളാണ് DAX മെഷറുകൾ.
• ഡാറ്റ ഫോർമാറ്റുകൾ എങ്ങനെ സ്റ്റാൻഡേർഡൈസ് ചെയ്യാം? — Power Query-യിലെ മാപ്പിംഗ് ഫോർമുലകളും ഫംഗ്‌ഷനുകളും ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഡാറ്റ ഫോർമാറ്റുകൾ സ്റ്റാൻഡേർഡൈസ് ചെയ്യാം.
• എന്താണ് ഒരു star schema? — കാര്യക്ഷമമായ ക്വറിയിംഗിനായി ഡാറ്റയെ ഫാക്റ്റ് ടേബിളുകളായും ഡൈമൻഷൻ ടേബിളുകളായും ക്രമീകരിക്കുന്ന ഒരു തരം ഡാറ്റാബേസ് ഘടനയാണ് star schema.
• ഡാറ്റ ക്ലീനിംഗിൽ ഞാൻ നേരിട്ടേക്കാവുന്ന വെല്ലുവിളികൾ എന്തൊക്കെയാണ്? — പൊരുത്തമില്ലാത്ത ഫോർമാറ്റുകൾ, ഡ്യൂപ്ലിക്കേറ്റുകൾ, നഷ്ടപ്പെട്ട മൂല്യങ്ങൾ എന്നിവയാണ് സാധാരണ വെല്ലുവിളികൾ.

ടാഗുകൾ

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