କଞ୍ଚା ଡାଟାରୁ ବ୍ୟବସାୟିକ ନିଷ୍ପତ୍ତି ପର୍ଯ୍ୟନ୍ତ: Power BI ରେ JCars ଲଜିଷ୍ଟିକ୍ସ ବିକ୍ରୟ ଡାଟାର କ୍ଲିନିଂ ଏବଂ ମଡେଲିଂ

ଆଜିର ଡାଟା-ଚାଳିତ ଦୁନିଆରେ, ପ୍ରଭାବଶାଳୀ ବ୍ୟବସାୟିକ ନିଷ୍ପତ୍ତି ପାଇଁ କଞ୍ଚା ଡାଟାକୁ ବୁଝିବା ଅତ୍ୟନ୍ତ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ। ଏହି ବିଷୟଟି ବର୍ତ୍ତମାନ ବିଶେଷ ଭାବରେ ପ୍ରାସଙ୍ଗିକ ଅଟେ କାରଣ ବ୍ୟବସାୟଗୁଡ଼ିକ ସେମାନଙ୍କର ରଣନୀତିକୁ ମାର୍ଗଦର୍ଶନ କରିବା ପାଇଁ ଡାଟା ଆନାଲିଟିକ୍ସ ଉପରେ ଅଧିକରୁ ଅଧିକ ନିର୍ଭର କରୁଛନ୍ତି।

ଡାଟାସେଟ୍ କୁ ବୁଝିବା

ଆମେ ଆଲୋଚନା କରୁଥିବା ଡାଟାସେଟ୍ JCars ଲଜିଷ୍ଟିକ୍ସ ନାମକ ଏକ କମ୍ପାନୀରୁ ଆସିଛି, ଯାହା ସମଗ୍ର କେନିଆରେ ଯାନ ଆମଦାନୀ ଏବଂ ବିକ୍ରୟ କରେ। ଏଥିରେ 276 ଧାଡ଼ି ଏବଂ 32 ସ୍ତମ୍ଭ ରହିଛି, ଯେଉଁଥିରେ ପ୍ରତ୍ୟେକ ଧାଡ଼ି ଏକ ଯାନ ବିକ୍ରୟ ଅର୍ଡରକୁ ସୂଚାଉଛି। ଅନ୍ୟାନ୍ୟ ବିଷୟଗୁଡ଼ିକ ସହିତ ଏଥିରେ ଗ୍ରାହକ, ଯାନ ଏବଂ କାରବାର ତାରିଖ ବିଷୟରେ ବିବରଣୀ ଅନ୍ତର୍ଭୁକ୍ତ ଅଛି।

ଡାଟାରେ ପ୍ରକୃତରେ କ'ଣ ଭୁଲ ଥିଲା

ପ୍ରାରମ୍ଭିକ ଯାଞ୍ଚ କରିବା ପରେ, ଡାଟାସେଟ୍ ରେ ଅନେକ ସମସ୍ୟା ଦେଖାଗଲା:

• ଅର୍ଡର ଆଇଡି (Order ID): ବିଭିନ୍ନ ଫର୍ମାଟ୍ ଏବଂ ନକଲ (duplicates)।
• ତାରିଖ କ୍ଷେତ୍ର (Date Fields): ଟେକ୍ସଟ୍ ଏବଂ ଏକ୍ସେଲ୍ ସିରିଆଲ୍ ନମ୍ବର ସହିତ ମିଶ୍ରିତ ଫର୍ମାଟ୍ ଗୁଡ଼ିକ।
• ବର୍ଗୀକୃତ ସ୍ତମ୍ଭଗୁଡ଼ିକ (Categorical Columns): ଅସଙ୍ଗତ କ୍ୟାପିଟାଲାଇଜେସନ୍, ସଂକ୍ଷିପ୍ତ ରୂପ ଏବଂ ବନାନ ଭୁଲ।
• ସାଂଖ୍ୟିକ କ୍ଷେତ୍ରଗୁଡ଼ିକ (Numeric Fields): ସଂଖ୍ୟା ଏବଂ ଅସମ୍ଭବ ମୂଲ୍ୟଗୁଡ଼ିକ ସହିତ ମିଶ୍ରିତ ଟେକ୍ସଟ୍।
• ମୁଦ୍ରା କ୍ଷେତ୍ରଗୁଡ଼ିକ (Currency Fields): KSh, KES ଏବଂ USD ସମେତ ବିଭିନ୍ନ ଫର୍ମାଟ୍।

ଏହି ସମସ୍ୟାଗୁଡ଼ିକ ଡାଟାକୁ ବିଶ୍ଳେଷଣ ପାଇଁ ଅବିଶ୍ୱସନୀୟ କରିଦେଇଥିଲା।

ଡାଟା କ୍ଲିନିଂ (Cleaning the Data)

ଷ୍ଟେପ୍ 1: ଡାଟା ଲୋଡ୍ କରନ୍ତୁ

ପ୍ରଥମେ, ମୁଁ କଞ୍ଚା ଡାଟାସେଟକୁ ପାୱାର୍ କ୍ୱେରୀ (Power Query) ରେ ଏକ ଷ୍ଟେଜିଂ କ୍ୱେରୀ ଭାବରେ ଲୋଡ୍ କଲି ଯାହାକୁ କୁହାଯାଏ Sales_Raw. ତା'ପରେ ମୁଁ ଏହାକୁ ଏକ ୱାର୍କିଂ କ୍ୱେରୀ ଭାବରେ ନକଲ କଲି ଯାହାର ନାମ ହେଉଛି Sales ମୂଳ ଡାଟାକୁ ସୁରକ୍ଷିତ ରଖିବା ପାଇଁ।

ଷ୍ଟେପ୍ 2: ଅର୍ଡର ଆଇଡି ଗୁଡ଼ିକୁ ସୁଧାରନ୍ତୁ

ଅର୍ଡର ଆଇଡି ପାଇଁ, ମୁଁ ଫର୍ମାଟଗୁଡ଼ିକୁ ମାନକୀକରଣ କଲି ଏବଂ ଯେକୌଣସି ନକଲର ସମାଧାନ କଲି। ଏହା ଅତ୍ୟନ୍ତ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଥିଲା କାରଣ ପ୍ରତ୍ୟେକ କାରବାର ପାଇଁ ଅର୍ଡର ଆଇଡି ଅନନ୍ୟ ହେବା ଆବଶ୍ୟକ।

ଷ୍ଟେପ୍ 3: ତାରିଖଗୁଡ଼ିକୁ ସଫା କରନ୍ତୁ

ପରବର୍ତ୍ତୀ ସମୟରେ, ମୁଁ ତାରିଖ କ୍ଷେତ୍ରଗୁଡ଼ିକୁ ସଫା କରିବା ଉପରେ ଧ୍ୟାନ ଦେଲି। ଏଥିରେ ଅନ୍ତର୍ଭୁକ୍ତ ଥିଲା:

• ଏକ୍ସେଲ୍ ସିରିଆଲ୍ ନମ୍ବରଗୁଡ଼ିକୁ ପଠନଯୋଗ୍ୟ ତାରିଖରେ ପରିଣତ କରିବା।
• ଫର୍ମାଟଗୁଡ଼ିକୁ ଏକକ ଶୈଳୀରେ ମାନକୀକରଣ କରିବା।
• 2026-13-04 ଭଳି ଅସମ୍ଭବ ତାରିଖ ପରି ଅବୈଧ ତାରିଖଗୁଡ଼ିକୁ ନିୟନ୍ତ୍ରଣ କରିବା।

ଷ୍ଟେପ୍ 4: ବର୍ଗୀକୃତ ଡାଟାକୁ ମାନକୀକରଣ କରନ୍ତୁ

ବର୍ଗୀକୃତ ସ୍ତମ୍ଭଗୁଡ଼ିକ ପାଇଁ, ଅସଙ୍ଗତିଗୁଡ଼ିକୁ ସଂଶୋଧନ କରିବାକୁ ମୁଁ ଏକ ମ୍ୟାପିଂ ଫର୍ମୁଲା ତିଆରି କଲି। ଉଦାହରଣ ସ୍ୱରୂପ, ମୁଁ ବିଭିନ୍ନ ବନାନ ଏବଂ ସଂକ୍ଷିପ୍ତ ରୂପକୁ ଗୋଟିଏ ମାନକ ଶବ୍ଦରେ ମିଶ୍ରଣ କଲି। ଏହା ସୁନିଶ୍ଚିତ କଲା ଯେ ସମାନ ଏଣ୍ଟ୍ରିଗୁଡିକ ସଠିକ୍ ଭାବରେ ଗୋଷ୍ଠୀଭୁକ୍ତ ହୋଇଛି।

ଷ୍ଟେପ୍ 5: ସାଂଖ୍ୟିକ କ୍ଷେତ୍ରଗୁଡ଼ିକୁ ନର୍ମାଲାଇଜ୍ କରନ୍ତୁ

ମୁଁ ସଂଖ୍ୟାଗୁଡ଼ିକର ଟେକ୍ସଟ୍ ଉପସ୍ଥାପନାକୁ ପ୍ରକୃତ ସାଂଖ୍ୟିକ ମୂଲ୍ୟରେ ପରିଣତ କଲି। ବିକ୍ରି ହୋଇଥିବା ୟୁନିଟ୍ (Units Sold) କ୍ଷେତ୍ର ପାଇଁ "two" ଏବଂ "3 cars" ପରି ଏଣ୍ଟ୍ରିଗୁଡ଼ିକୁ ନିୟନ୍ତ୍ରଣ କରିବା ଏଥିରେ ଅନ୍ତର୍ଭୁକ୍ତ ଥିଲା।

ଷ୍ଟେପ୍ 6: ମୁଦ୍ରା ଫର୍ମାଟଗୁଡ଼ିକୁ ମାନକୀକରଣ କରନ୍ତୁ

ସମସ୍ତ ଆର୍ଥିକ ମୂଲ୍ୟ ଗୋଟିଏ ମୁଦ୍ରା ଫର୍ମାଟ୍ (KES) କୁ ରୂପାନ୍ତରିତ ହେଲା। ମୁଁ ବିଭିନ୍ନ ଫର୍ମାଟ୍ ପରିଚାଳନା କରିବା ପାଇଁ ଏକ ଲଜିକ୍ ପ୍ରତିଷ୍ଠା କଲି, ଯାହା ନିଶ୍ଚିତ କରେ ଯେ ତୁଳନା ଏବଂ ହିସାବ ସଠିକ୍ ଭାବରେ କରାଯାଇପାରିବ।

ଡାଟା ମଡେଲିଂ

ଡାଟା ସଫା କରିବା ପରେ, ମୁଁ ଏକ ଷ୍ଟାର୍ ସ୍କିମା ତିଆରି କଲି। ଏଥିରେ ବିକ୍ରୟ ପାଇଁ ଏକ କେନ୍ଦ୍ରୀୟ ଫ୍ୟାକ୍ଟ ଟେବୁଲ୍ ଏବଂ ଗ୍ରାହକ, ଯାନ ଏବଂ କାରବାର ପାଇଁ ସମ୍ବନ୍ଧୀୟ ଡାଇମେନ୍ସନ୍ ଟେବୁଲ୍ ସୃଷ୍ଟି କରିବା ଅନ୍ତର୍ଭୁକ୍ତ ଥିଲା। ଏହି ସଂରଚନା ଦକ୍ଷ ଡାଟା ବିଶ୍ଳେଷଣରେ ସାହାଯ୍ୟ କରେ।

DAX ମାପଗୁଡ଼ିକ

ତା'ପରେ ମୁଁ ମୁଖ୍ୟ ମେଟ୍ରିକ୍ସ ଗଣନା କରିବା ପାଇଁ ଅନେକ DAX (Data Analysis Expressions) ମାପ ସୃଷ୍ଟି କଲି:

• ମୋଟ ରାଜସ୍ୱ
• ବିକ୍ରି ହୋଇଥିବା ମୋଟ ୟୁନିଟ୍
• ମୋଟ ଲାଭ ଏହି ମାପଗୁଡ଼ିକ ବ୍ୟବସାୟର ପ୍ରଦର୍ଶନ ଉପରେ ବିଶ୍ୱସନୀୟ ଅନ୍ତର୍ଦୃଷ୍ଟି ପ୍ରଦାନ କରେ।

ବର୍ତ୍ତମାନ ପର୍ଯ୍ୟନ୍ତ ଡ୍ୟାସବୋର୍ଡ

ସଫା କରାଯାଇଥିବା ଡାଟା ଏବଂ DAX ମାପଗୁଡିକ ସହିତ, ମୁଁ Power BI ରେ ଏକ ପ୍ରାରମ୍ଭିକ ଡ୍ୟାସବୋର୍ଡ ବିକଶିତ କଲି। ଏଠାରେ କିଛି ମୁଖ୍ୟ ଫଳାଫଳ ଅଛି:

• 452 ୟୁନିଟ୍ ବିକ୍ରିରୁ ମୋଟ ରାଜସ୍ୱ 1.31 ବିଲିୟନ KES ରେ ପହଞ୍ଚିଲା।
• ମୋଟ ଲାଭ ପ୍ରାୟ 430.37 ମିଲିୟନ KES ଥିଲା।
• ମୋଟ ବିକ୍ରୟ ରାଜସ୍ୱର 59% SUVs ର ଥିଲା, ଯାହାକି ଏକ ବଜାର ଧାରାକୁ ଆଲୋକିତ କରୁଛି।
• ବିକ୍ରୟରେ Toyota ଆଗରେ ରହିଲା, ଯାହା ଅନ୍ୟ ବ୍ରାଣ୍ଡଗୁଡିକୁ ଯଥେଷ୍ଟ ପଛରେ ପକାଇଦେଲା।

ଆଉ କ'ଣ ବାକି ଅଛି

ଯଦିଓ କ୍ଲିନିଂ ଏବଂ ପ୍ରାରମ୍ଭିକ ଡ୍ୟାସବୋର୍ଡ ସମ୍ପୂର୍ଣ୍ଣ ହୋଇଛି, ତଥାପି ଅଧିକ କାମ କରିବା ଆବଶ୍ୟକ। ନିର୍ଦ୍ଦିଷ୍ଟ ବ୍ୟବସାୟିକ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେବା ପାଇଁ ଅଧିକ ଇଣ୍ଟରାକ୍ଟିଭିଟି, ବିସ୍ତୃତ ରିପୋର୍ଟ ପୃଷ୍ଠା, ଏବଂ ଅତିରିକ୍ତ DAX ମାପ ଯୋଡିବା ଏଥିରେ ଅନ୍ତର୍ଭୁକ୍ତ।

ଉପସଂହାର

ସୂଚନାପୂର୍ଣ୍ଣ ବ୍ୟବସାୟିକ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ କଞ୍ଚା ଡାଟାକୁ ଏକ ସଫା ଏବଂ ବ୍ୟବହାରଯୋଗ୍ୟ ଫର୍ମାଟରେ ପରିଣତ କରିବା ଅତ୍ୟନ୍ତ ଆବଶ୍ୟକ। ଡାଟା ଯେପରି ଏକ ସ୍ପଷ୍ଟ କାହାଣୀ କହିବ ତାହା ନିଶ୍ଚିତ କରିବା ପାଇଁ ଏହି ପ୍ରକ୍ରିୟାରେ ଯତ୍ନଶୀଳ କ୍ଲିନିଂ, ମଡେଲିଂ ଏବଂ ଭିଜୁଆଲାଇଜେସନ୍ ଅନ୍ତର୍ଭୁକ୍ତ ଅଟେ।

ସୁବିଧାଗୁଡ଼ିକ

• ଉନ୍ନତ ଡାଟା ସଠିକତା ଏବଂ ବିଶ୍ୱସନୀୟତା।
• ସ୍ପଷ୍ଟ ଅନ୍ତର୍ଦୃଷ୍ଟି ମାଧ୍ୟମରେ ଉନ୍ନତ ନିଷ୍ପତ୍ତି ନେବା କ୍ଷମତା।
• ଏକ ସଂରଚିତ ମଡେଲ୍ ବ୍ୟବହାର କରି ଦକ୍ଷ ଡାଟା ବିଶ୍ଳେଷଣ।

ଅସୁବିଧାଗୁଡ଼ିକ

• ଡାଟା ସଫା ଏବଂ ମାନକୀକରଣ କରିବା ଏକ ସମୟ ସାପେକ୍ଷ ପ୍ରକ୍ରିୟା।
• Power BI ଏବଂ DAX ପରି ଟୁଲ୍ସ ସହିତ ପରିଚିତ ହେବା ଆବଶ୍ୟକ।
• ଯଦି ଯତ୍ନର ସହ ପରିଚାଳନା କରା ନଯାଏ ତେବେ ତ୍ରୁଟି ହେବାର ସମ୍ଭାବନା ଅଛି।

ସାବଧାନତା

ଏହି ଲେଖାଟି ଶିକ୍ଷଣୀୟ ଉଦ୍ଦେଶ୍ୟ ପାଇଁ ଉଦ୍ଦିଷ୍ଟ। ଯେକୌଣସି ପ୍ଲେସହୋଲ୍ଡର (placeholder) ମୂଲ୍ୟ ପ୍ରକୃତ ଡାଟା ସହିତ ବଦଳାଯିବା ଆବଶ୍ୟକ, ଏବଂ ପାଠକମାନେ ଏହା ଉପରେ ନିର୍ଭର କରିବା ପୂର୍ବରୁ ମୂଳ ଉତ୍ସରୁ ସୂଚନା ଯାଞ୍ଚ କରିବା ଉଚିତ୍।

ବାରମ୍ବାର ପଚରାଯାଉଥିବା ପ୍ରଶ୍ନ (FAQ)

• Power BI କ'ଣ? — Power BI ହେଉଛି ଏକ ବିଜନେସ୍ ଆନାଲିଟିକ୍ସ ଟୁଲ୍ ଯାହା ଡାଟାକୁ ଭିଜୁଆଲାଇଜ୍ କରିବାରେ ଏବଂ ଏକ ସଂଗଠନ ମଧ୍ୟରେ ଅନ୍ତର୍ଦୃଷ୍ଟି ଅଂଶୀଦାର କରିବାରେ ସାହାଯ୍ୟ କରେ।
• ଡାଟା କ୍ଲିନିଂ କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ? — ଡାଟା କ୍ଲିନିଂ ବିଶ୍ଳେଷଣରେ ସଠିକତା ଏବଂ ବିଶ୍ୱସନୀୟତା ନିଶ୍ଚିତ କରେ, ଯାହାଦ୍ୱାରା ଉତ୍ତମ ବ୍ୟବସାୟିକ ନିଷ୍ପତ୍ତି ନିଆଯାଇପାରେ।
• DAX ମାପଗୁଡ଼ିକ କ'ଣ? — DAX ମାପଗୁଡ଼ିକ ହେଉଛି ଗଣନା ଯାହା Power BI ରେ ଗତିଶୀଳ ଭାବରେ ଡାଟା ବିଶ୍ଳେଷଣ କରିବାକୁ ବ୍ୟବହୃତ ହୁଏ।
• ମୁଁ କିପରି ଡାଟା ଫର୍ମାଟଗୁଡ଼ିକୁ ମାନକୀକରଣ କରିପାରିବି? — ଆପଣ Power Query ରେ ମ୍ୟାପିଂ ଫର୍ମୁଲା ଏବଂ ଫଙ୍କସନ୍ ବ୍ୟବହାର କରି ଡାଟା ଫର୍ମାଟଗୁଡ଼ିକୁ ମାନକୀକରଣ କରିପାରିବେ।
• ଏକ ଷ୍ଟାର୍ ସ୍କିମା କ'ଣ? — ଏକ ଷ୍ଟାର୍ ସ୍କିମା ହେଉଛି ଏକ ପ୍ରକାର ଡାଟାବେସ୍ ସଂରଚନା ଯାହା ଦକ୍ଷ କ୍ୱେରୀ ପାଇଁ ଡାଟାକୁ ଫ୍ୟାକ୍ଟ ଏବଂ ଡାଇମେନ୍ସନ୍ ଟେବୁଲରେ ସଂଗଠିତ କରିଥାଏ।
• ଡାଟା କ୍ଲିନିଂ ସମୟରେ ମୁଁ କେଉଁ ଆହ୍ୱାନର ସମ୍ମୁଖୀନ ହୋଇପାରେ? — ସାଧାରଣ ଆହ୍ୱାନଗୁଡ଼ିକ ମଧ୍ୟରେ ଅସଙ୍ଗତ ଫର୍ମାଟ୍, ନକଲ ଏବଂ ହଜିଯାଇଥିବା ମୂଲ୍ୟ ଅନ୍ତର୍ଭୁକ୍ତ।

ଟ୍ୟାଗ୍

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