மூலத் தரவிலிருந்து வணிக முடிவுகளுக்கு: Power BI-இல் JCars லாஜிஸ்டிக்ஸ் விற்பனைத் தரவைச் சுத்தம் செய்தல் மற்றும் மாடலிங் செய்தல்

இன்றைய தரவு சார்ந்த உலகில், பயனுள்ள வணிக முடிவுகளுக்கு மூலத் தரவைப் புரிந்துகொள்வது மிகவும் முக்கியமானது. வணிகங்கள் தங்கள் உத்திகளை வழிநடத்த தரவுப் பகுப்பாய்வை அதிகளவில் நம்பியிருப்பதால், இந்தத் தலைப்பு இப்போது குறிப்பாகப் பொருத்தமானது.

தரவுத்தொகுப்பைப் புரிந்துகொள்ளுதல்

நாம் விவாதிக்கும் தரவுத்தொகுப்பு கென்யா முழுவதும் வாகனங்களை இறக்குமதி செய்து விற்கும் நிறுவனமான JCars லாஜிஸ்டிக்ஸிலிருந்து வருகிறது. இது 276 வரிசைகள் மற்றும் 32 நெடுவரிசைகளைக் கொண்டுள்ளது, ஒவ்வொரு வரிசையும் ஒரு வாகன விற்பனை ஆர்டரைக் குறிக்கிறது. இதில் வாடிக்கையாளர், வாகனம் மற்றும் பரிவர்த்தனை தேதி போன்ற பிற விவரங்களும் அடங்கும்.

தரவில் உண்மையில் என்ன தவறு இருந்தது

ஆரம்ப ஆய்வில், தரவுத்தொகுப்பில் பல சிக்கல்கள் இருப்பது தெரியவந்தது:

• ஆர்டர் ஐடி: வெவ்வேறு வடிவங்கள் மற்றும் நகல்கள்.
• தேதிப் புலங்கள்: உரை மற்றும் எக்செல் வரிசை எண்கள் உட்பட கலவையான வடிவங்கள்.
• வகைப்படுத்தப்பட்ட நெடுவரிசைகள்: சீரற்ற பெரிய எழுத்துப் பயன்பாடு, சுருக்கங்கள் மற்றும் எழுத்துப் பிழைகள்.
• எண் புலங்கள்: எண்கள் மற்றும் சாத்தியமற்ற மதிப்புகளுடன் உரை கலந்திருந்தது.
• நாணயப் புலங்கள்: KSh, KES மற்றும் USD உட்பட பல்வேறு வடிவங்கள்.

இந்தச் சிக்கல்கள் தரவைப் பகுப்பாய்வுக்கு நம்பத்தகாததாக மாற்றின.

தரவைச் சுத்தம் செய்தல்

படி 1: தரவை ஏற்றுதல்

முதலில், மூலத் தரவுத்தொகுப்பை Power Query-இல் ஒரு ஸ்டேஜிங் வினவலாக ஏற்றினேன், அதன் பெயர் Sales_Raw. பின்னர் அதை நான் ஒரு பணிபுரியும் வினவலாக நகலெடுத்தேன், அதன் பெயர் Sales என்பதாகும், இது அசல் தரவைப் பாதுகாப்பாக வைத்திருக்க உதவும்.

படி 2: ஆர்டர் ஐடிகளைச் சரிசெய்தல்

ஆர்டர் ஐடிக்காக, நான் வடிவங்களை தரப்படுத்தினேன் மற்றும் அனைத்து நகல்களையும் சரிசெய்தேன். இது மிகவும் முக்கியமானது, ஏனெனில் ஒவ்வொரு பரிவர்த்தனைக்கும் ஆர்டர் ஐடி தனித்துவமாக இருக்க வேண்டும்.

படி 3: தேதிகளைச் சுத்தம் செய்தல்

அடுத்து, நான் தேதிப் புலங்களைச் சுத்தம் செய்வதில் கவனம் செலுத்தினேன். இதில் அடங்கியுள்ளவை:

• எக்செல் வரிசை எண்களைப் படிக்கக்கூடிய தேதிகளாக மாற்றுதல்.
• வடிவங்களை ஒரே பாணிக்குத் தரப்படுத்துதல்.
• 2026-13-04 போன்ற சாத்தியமற்ற தேதிகள் போன்ற தவறான தேதிகளைக் கையாளுதல்.

படி 4: வகைப்படுத்தப்பட்ட தரவைத் தரப்படுத்துதல்

வகைப்படுத்தப்பட்ட நெடுவரிசைகளுக்காக, முரண்பாடுகளைச் சரிசெய்ய ஒரு மேப்பிங் சூத்திரத்தை (mapping formula) உருவாக்கினேன். எடுத்துக்காட்டாக, வெவ்வேறு எழுத்துக்கூட்டல்கள் மற்றும் சுருக்கங்களை ஒரே நிலையான சொல்லாக இணைத்தேன். ஒத்த உள்ளீடுகள் சரியாகத் தொகுக்கப்படுவதை இது உறுதிசெய்தது.

படி 5: எண் புலங்களை இயல்பாக்குதல்

எண்களின் உரைப் பிரதிநிதித்துவங்களை உண்மையான எண் மதிப்புகளாக மாற்றினேன். விற்கப்பட்ட அலகுகள் (Units Sold) புலத்திற்கான "two" மற்றும் "3 cars" போன்ற உள்ளீடுகளைக் கையாளுவதும் இதில் அடங்கும்.

படி 6: நாணய வடிவங்களைத் தரப்படுத்துதல்

அனைத்து பண மதிப்புகளும் ஒரே நாணய வடிவத்திற்கு (KES) மாற்றப்பட்டன. ஒப்பீடுகள் மற்றும் கணக்கீடுகளைத் துல்லியமாகச் செய்ய முடியும் என்பதை உறுதிசெய்து, பல்வேறு வடிவங்களைக் கையாளுவதற்கான தர்க்கத்தை நான் நிறுவினேன்.

தரவு மாடலிங்

தரவைச் சுத்தம் செய்த பிறகு, நான் ஒரு ஸ்டார் ஸ்கீமாவை (star schema) உருவாக்கினேன். விற்பனைக்கான ஒரு மைய ஃபேக்ட் டேபிளையும் (fact table), வாடிக்கையாளர்கள், வாகனங்கள் மற்றும் பரிவர்த்தனைகளுக்கான தொடர்புடைய டைமென்ஷன் டேபிள்களையும் (dimension tables) உருவாக்குவது இதில் அடங்கும். இந்த அமைப்பு திறமையான தரவுப் பகுப்பாய்வுக்கு உதவுகிறது.

DAX அளவீடுகள்

முக்கிய அளவீடுகளைக் கணக்கிட பல DAX (Data Analysis Expressions) அளவீடுகளை உருவாக்கினேன்:

• மொத்த வருவாய்
• விற்கப்பட்ட மொத்த அலகுகள்
• மொத்த லாபம் இந்த அளவீடுகள் வணிகச் செயல்பாடு குறித்த நம்பகமான நுண்ணறிவுகளை வழங்குகின்றன.

இதுவரையிலான டேஷ்போர்டு

சுத்தம் செய்யப்பட்ட தரவு மற்றும் DAX அளவீடுகளுடன், நான் Power BI-இல் ஒரு ஆரம்ப டேஷ்போர்டை உருவாக்கினேன். சில முக்கியக் கண்டுபிடிப்புகள் இங்கே:

• விற்கப்பட்ட 452 அலகுகளில் இருந்து மொத்த வருவாய் 1.31 பில்லியன் KES-ஐ எட்டியது.
• மொத்த லாபம் தோராயமாக 430.37 மில்லியன் KES ஆக இருந்தது.
• மொத்த விற்பனை வருவாயில் SUV-கள் 59% ஆக உள்ளன, இது ஒரு சந்தைப் போக்கை எடுத்துக்காட்டுகிறது.
• பிற பிராண்டுகளை விட கணிசமான அளவில் சிறந்து விளங்கி, விற்பனையில் டொயோட்டா முன்னிலை வகித்தது.

இன்னும் மீதமுள்ளது என்ன

சுத்தம் செய்தல் மற்றும் ஆரம்ப டேஷ்போர்டு நிறைவடைந்துள்ள நிலையில், மேலும் சில பணிகள் தேவைப்படுகின்றன. குறிப்பிட்ட வணிகக் கேள்விகளுக்குப் பதிலளிக்க, அதிக ஊடாடுதல் (interactivity), விரிவான அறிக்கைச் பக்கங்கள் மற்றும் கூடுதல் DAX அளவீடுகளைச் சேர்ப்பது இதில் அடங்கும்.

முடிவுரை

தகவலறிந்த வணிக முடிவுகளை எடுப்பதற்கு மூலத் தரவைச் சுத்தமான மற்றும் பயன்படுத்தக்கூடிய வடிவமாக மாற்றுவது அவசியமாகும். தரவு தெளிவான கதையைச் சொல்வதை உறுதிசெய்ய, கவனமாகச் சுத்தம் செய்தல், மாடலிங் செய்தல் மற்றும் காட்சிப்படுத்துதல் ஆகியவை இந்தச் செயல்முறையில் அடங்கும்.

நன்மைகள்

• மேம்படுத்தப்பட்ட தரவுத் துல்லியம் மற்றும் நம்பகத்தன்மை.
• தெளிவான நுண்ணறிவுகளின் மூலம் மேம்படுத்தப்பட்ட முடிவெடுக்கும் திறன்கள்.
• கட்டமைக்கப்பட்ட மாதிரியைப் பயன்படுத்தித் திறமையான தரவுப் பகுப்பாய்வு.

குறைபாடுகள்

• தரவைச் சுத்தம் செய்வதற்கும் தரப்படுத்துவதற்கும் அதிக நேரமெடுக்கும் செயல்முறை.
• Power BI மற்றும் DAX போன்ற கருவிகளைப் பற்றிய பரிச்சயம் தேவை.
• கவனமாக நிர்வகிக்கப்படாவிட்டால் தவறுகள் ஏற்பட வாய்ப்புள்ளது.

எச்சரிக்கை

இந்தக் கட்டுரை கல்வி நோக்கங்களுக்கானது. எந்தவொரு ப்ளேஸ்ஹோல்டர் மதிப்புகளும் உண்மையான தரவைக் கொண்டு மாற்றப்பட வேண்டும், மேலும் வாசகர்கள் அதை நம்புவதற்கு முன் அசல் மூலத்துடன் தகவலைச் சரிபார்க்க வேண்டும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

• Power BI என்றால் என்ன? — Power BI என்பது ஒரு வணிகப் பகுப்பாய்வுக் கருவியாகும், இது தரவைக் காட்சிப்படுத்தவும் நிறுவனம் முழுவதும் நுண்ணறிவுகளைப் பகிரவும் உதவுகிறது.
• தரவைச் சுத்தம் செய்வது ஏன் முக்கியம்? — தரவைச் சுத்தம் செய்வது பகுப்பாய்வில் துல்லியம் மற்றும் நம்பகத்தன்மையை உறுதிசெய்கிறது, இது சிறந்த வணிக முடிவுகளுக்கு வழிவகுக்கிறது.
• DAX அளவீடுகள் என்றால் என்ன? — DAX அளவீடுகள் என்பவை Power BI-இல் தரவை இயங்கக்கூடிய வகையில் பகுப்பாய்வு செய்யப் பயன்படுத்தப்படும் கணக்கீடுகள் ஆகும்.
• தரவு வடிவங்களை நான் எவ்வாறு தரப்படுத்துவது? — Power Query-இல் மேப்பிங் சூத்திரங்கள் மற்றும் சார்புகளைப் (functions) பயன்படுத்துவதன் மூலம் தரவு வடிவங்களைத் தரப்படுத்தலாம்.
• ஸ்டார் ஸ்கீமா என்றால் என்ன? — ஸ்டார் ஸ்கீமா என்பது ஒரு தரவுத்தள அமைப்பாகும், இது தரவை திறமையான வினவல்களுக்காக ஃபேக்ட் மற்றும் டைமென்ஷன் டேபிள்களாக ஒழுங்கமைக்கிறது.
• தரவைச் சுத்தம் செய்வதில் நான் என்ன சவால்களைச் சந்திக்க நேரிடும்? — சீரற்ற வடிவங்கள், நகல்கள் மற்றும் விடுபட்ட மதிப்புகள் ஆகியவை பொதுவான சவால்களில் அடங்கும்.

குறிச்சொற்கள்

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