Real-world Use Cases of DAX

DAX (Data Analysis Expressions) হলো একটি শক্তিশালী ভাষা যা Power BI, PowerPivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয়। DAX ব্যবহার করে ডেটা বিশ্লেষণ এবং কাস্টম ক্যালকুলেশন তৈরি করা যায়, যা ব্যবসায়িক সিদ্ধান্ত গ্রহণের জন্য অত্যন্ত কার্যকরী। DAX এর বাস্তব দুনিয়ার ব্যবহারের কিছু উদাহরণ নিচে আলোচনা করা হল, যা business intelligence, financial analysis, sales reporting, এবং customer analytics এর মতো বিভিন্ন ক্ষেত্রে কাজে আসে।

১. Year-to-Date (YTD) Sales Calculation

একটি সাধারণ এবং গুরুত্বপূর্ণ time intelligence ক্যালকুলেশন হল Year-to-Date (YTD) বিক্রয় হিসাব করা। DAX এর মাধ্যমে এটি খুব সহজেই করা যায়। YTD ক্যালকুলেশন ব্যবসায়িক পারফরম্যান্স ট্র্যাক করার জন্য ব্যবহৃত হয়।

Use Case:

আপনি যদি Sales টেবিল থেকে YTD Sales বের করতে চান, যেখানে Sales[Date] কলামটি ডেটার তথ্য ধারণ করছে:

YTD Sales = TOTALYTD(SUM(Sales[Amount]), Sales[Date])

এখানে:

• TOTALYTD ফাংশনটি Sales[Amount] এর Year-to-Date মোট পরিমাণ বের করবে, যেখানে Sales[Date] কলামটি তারিখের তথ্য রাখবে।
• এটি ব্যবহারকারীকে বছরের প্রথম দিন থেকে বর্তমান তারিখ পর্যন্ত মোট বিক্রয়ের পরিমাণ জানাতে সহায়ক হবে।

Real-World Application:

ব্যবসায়ী বা ফাইনান্স ম্যানেজাররা YTD Sales ক্যালকুলেশন ব্যবহার করেন বছরের শুরু থেকে বর্তমান সময় পর্যন্ত তাদের বিক্রয় এবং লাভ ট্র্যাক করার জন্য। এটি তাদের এই বছরের পারফরম্যান্স পূর্ববর্তী বছরের তুলনায় কেমন হচ্ছে, তা বিশ্লেষণ করতে সহায়ক।

২. Running Total (Cumulative Total)

Running Total বা Cumulative Total একটি অত্যন্ত ব্যবহৃত ক্যালকুলেশন যা সময়ের সাথে একত্রিত মান দেখানোর জন্য ব্যবহৃত হয়, যেমন প্রতিদিন বা মাসের শেষে মোট বিক্রয়।

Use Case:

ধরা যাক, আপনি Sales টেবিলের জন্য Running Total তৈরি করতে চান:

Running Total Sales = CALCULATE(SUM(Sales[Amount]), FILTER(ALL(Sales[Date]), Sales[Date] <= MAX(Sales[Date])))

এখানে:

• FILTER(ALL(Sales[Date]), Sales[Date] <= MAX(Sales[Date])) ফাংশনটি Sales[Date] কলামের উপর একটি ফিল্টার প্রয়োগ করবে, যাতে সর্বশেষ তারিখ পর্যন্ত সব ডেটা অন্তর্ভুক্ত হয়।
• SUM ফাংশনটি মোট বিক্রয় পরিমাণ যোগ করবে এবং CALCULATE ফাংশনটি রানিং টোটাল হিসাব করবে।

Real-World Application:

ব্যবসায়িক পরিকল্পনাকারীরা Running Total ব্যবহার করেন মাস বা ত্রৈমাসিক বিক্রয় হিসাব করতে, যাতে তারা সময়ের সাথে সাথে বিক্রয় প্রবণতা এবং কর্মক্ষমতা পর্যবেক্ষণ করতে পারেন।

৩. Sales Growth Calculation

Sales Growth হল ব্যবসায়িক পারফরম্যান্স পরিমাপের জন্য একটি গুরুত্বপূর্ণ ক্যালকুলেশন, যা সাধারণত previous period এর তুলনায় বর্তমান বিক্রয়ের বৃদ্ধি বা পতন বোঝাতে ব্যবহৃত হয়।

Use Case:

ধরা যাক, আপনি যদি Sales টেবিল থেকে Sales Growth বের করতে চান, যেখানে Sales[Amount] হল বিক্রয়ের পরিমাণ এবং Sales[Date] হল তারিখের তথ্য:

Sales Growth = 
    (SUM(Sales[Amount]) - CALCULATE(SUM(Sales[Amount]), SAMEPERIODLASTYEAR(Sales[Date]))) 
    / CALCULATE(SUM(Sales[Amount]), SAMEPERIODLASTYEAR(Sales[Date]))

এখানে:

• SAMEPERIODLASTYEAR ফাংশনটি গত বছরের একই সময়ের বিক্রয় পরিমাণ বের করবে।
• তারপরে বর্তমান বছরের বিক্রয়ের সাথে গত বছরের বিক্রয়ের পার্থক্য বের করে, সেই পার্থক্যকে গত বছরের বিক্রয়ের দ্বারা ভাগ করা হবে।

Real-World Application:

Sales Growth ক্যালকুলেশন ব্যবসায়ের জন্য অত্যন্ত গুরুত্বপূর্ণ, বিশেষ করে যখন তারা তাদের বিক্রয় প্রবণতা বিশ্লেষণ করতে চায়। এটি কোম্পানির সামগ্রিক বিক্রয় বৃদ্ধির হার নির্ধারণ করতে সহায়ক হয়।

৪. Customer Retention Rate

Customer Retention Rate হল একটি গুরুত্বপূর্ণ মেট্রিক যা পরিমাপ করে কত শতাংশ গ্রাহক আপনার সেবা বা পণ্য পুনরায় ব্যবহার করছে। এটি গ্রাহকের সন্তুষ্টি এবং ব্র্যান্ড লয়ালটি (brand loyalty) নির্ধারণে সহায়ক।

Use Case:

ধরা যাক, আপনি যদি Sales টেবিল থেকে Customer Retention Rate বের করতে চান, যেখানে Sales[CustomerID] কলামটি গ্রাহকের তথ্য ধারণ করে:

Customer Retention Rate = 
    CALCULATE(
        DISTINCTCOUNT(Sales[CustomerID]), 
        Sales[CustomerID] IN VALUES(Sales[CustomerID])
    ) / DISTINCTCOUNT(Sales[CustomerID])

এখানে:

• DISTINCTCOUNT ফাংশনটি মোট গ্রাহকের সংখ্যা গুনবে।
• Sales[CustomerID] IN VALUES(Sales[CustomerID]) ফাংশনটি গ্রাহকের পুনরায় উপস্থিতি চিহ্নিত করবে।

Real-World Application:

কোম্পানিগুলি Customer Retention Rate ব্যবহার করে তাদের গ্রাহক সম্পর্ক উন্নত করার জন্য কৌশল তৈরি করে। উচ্চ retention rate থাকলে এটি গ্রাহক সন্তুষ্টি এবং দীর্ঘমেয়াদি ব্যবসায়িক সম্পর্ক নিশ্চিত করতে সহায়ক হয়।

৫. Product Ranking

Product Ranking ব্যবসায়িক বিশ্লেষণের জন্য একটি গুরুত্বপূর্ণ ক্যালকুলেশন। এটি ব্যবহৃত হয় পণ্যগুলির পারফরম্যান্স বিশ্লেষণ করতে, যেমন কোন পণ্য বেশি বিক্রি হচ্ছে বা লাভজনক।

Use Case:

ধরা যাক, আপনি যদি Products টেবিল থেকে Product Sales Rank বের করতে চান, যেখানে Sales[Amount] বিক্রয়ের পরিমাণ এবং Products[ProductName] পণ্যের নাম:

Product Sales Rank = RANKX(ALL(Products), SUM(Sales[Amount]), , DESC, Dense)

এখানে:

• RANKX ফাংশনটি Products টেবিলের সমস্ত পণ্য র‍্যাঙ্ক করবে, এবং SUM(Sales[Amount]) এর উপর ভিত্তি করে বিক্রয় পরিমাণ অনুযায়ী র‍্যাঙ্ক তৈরি করবে।
• DESC নির্দেশ করে যে র‍্যাঙ্কিং Descending (বেশি বিক্রয় থেকে কম বিক্রয়) হবে।

Real-World Application:

Product Ranking ব্যবসায়ের জন্য গুরুত্বপূর্ণ, যেখানে তারা বুঝতে পারে কোন পণ্যগুলি সবচেয়ে বেশি বিক্রি হচ্ছে বা লাভজনক হচ্ছে। এটি তাদের ইনভেন্টরি পরিচালনা এবং পণ্য প্রচারের জন্য সহায়ক।

৬. Budget vs Actual

Budget vs Actual ক্যালকুলেশন ব্যবহৃত হয় যখন একটি ব্যবসা তার বাজেট এবং প্রকৃত খরচের মধ্যে পার্থক্য দেখতে চায়। এটি সঠিকভাবে ব্যবসায়িক পরিকল্পনা এবং বাস্তবায়ন মূল্যায়ন করতে সহায়ক।

Use Case:

ধরা যাক, আপনি যদি Budget এবং Actual Sales এর মধ্যে পার্থক্য বের করতে চান:

Budget vs Actual = SUM(Sales[ActualAmount]) - SUM(Sales[BudgetAmount])

এখানে:

• ActualAmount এবং BudgetAmount কলাম থেকে মোট বিক্রয়ের পরিমাণ এবং বাজেটের পরিমাণের মধ্যে পার্থক্য নির্ধারণ করা হবে।

Real-World Application:

ব্যবসায়িক পরিকল্পনা এবং budgeting বিশ্লেষণের জন্য Budget vs Actual ক্যালকুলেশন ব্যবহৃত হয়। এটি ব্যবস্থাপনা দলের জন্য গুরুত্বপূর্ণ যাতে তারা খরচ ও রাজস্বের পরিকল্পনা সঠিকভাবে মানতে পারে।

সারাংশ

DAX-এর বাস্তব দুনিয়ার use cases বিভিন্ন ধরণের ব্যবসায়িক বিশ্লেষণ এবং কাস্টম ক্যালকুলেশন তৈরি করার জন্য ব্যবহৃত হয়। এই ক্যালকুলেশনগুলি sales performance, customer retention, financial analysis, product ranking, এবং time intelligence এর মতো বিশ্লেষণমূলক রিপোর্ট তৈরিতে সহায়ক। YTD Sales, Running Total, Sales Growth, Customer Retention Rate, এবং Budget vs Actual ক্যালকুলেশনগুলি ব্যবসায়িক সিদ্ধান্ত গ্রহণে সহায়ক। DAX-এর real-world use cases ব্যবসায়ী এবং বিশ্লেষকদের তাদের ডেটা থেকে কার্যকরী অন্তর্দৃষ্টি লাভ করতে সাহায্য করে।

DAX (Data Analysis Expressions) হল একটি শক্তিশালী ভাষা যা Power BI, PowerPivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয়। এটি মূলত sales এবং financial data analysis এর জন্য ব্যবহৃত হয়, যেখানে ডেটার বিভিন্ন দিক বিশ্লেষণ করা হয়, যেমন মোট বিক্রয়, মুনাফা, বিক্রয়ের প্রবণতা, লাভ-ক্ষতির বিশ্লেষণ, ইত্যাদি। DAX Functions এই বিশ্লেষণগুলিকে দ্রুত এবং দক্ষভাবে পরিচালনা করতে সহায়ক হয়।

এই প্রবন্ধে আমরা Sales এবং Financial Data বিশ্লেষণের জন্য ব্যবহৃত কিছু গুরুত্বপূর্ণ DAX Functions এর আলোচনা করব, যেমন measure, time intelligence, aggregation, এবং conditional analysis ফাংশন।

১. Sales Data Analysis with DAX Functions

Sales data analysis Power BI ব্যবহারকারীদের জন্য গুরুত্বপূর্ণ, কারণ এটি ব্যবসায়িক পারফরম্যান্স পর্যালোচনা করতে সহায়তা করে। DAX ফাংশন ব্যবহার করে আপনি total sales, average sales, sales growth, এবং year-over-year sales বিশ্লেষণ করতে পারেন।

Total Sales Calculation:

সবচেয়ে মৌলিক sales analysis হল মোট বিক্রয় পরিমাণ নির্ধারণ করা। এই কাজটি SUM ফাংশন ব্যবহার করে করা যায়।

Total Sales = SUM(Sales[SalesAmount])

এটি Sales[SalesAmount] কলামের সমস্ত মানের যোগফল ফিরিয়ে দেবে।

Average Sales Calculation:

বিক্রয়ের গড় মান বের করার জন্য AVERAGE ফাংশন ব্যবহার করা হয়।

Average Sales = AVERAGE(Sales[SalesAmount])

এটি Sales[SalesAmount] কলামের গড় মান প্রদান করবে।

Sales Growth Calculation:

Sales growth বের করতে, বছরের ভিত্তিতে বিক্রয় পরিবর্তন নির্ধারণ করা হয়।

Sales Growth = 
VAR PreviousYearSales = CALCULATE(SUM(Sales[SalesAmount]), SAMEPERIODLASTYEAR(Sales[Date]))
VAR CurrentYearSales = SUM(Sales[SalesAmount])
RETURN 
IF(PreviousYearSales > 0, (CurrentYearSales - PreviousYearSales) / PreviousYearSales, BLANK())

এটি গত বছরের বিক্রয় পরিমাণের সাথে তুলনা করে বর্তমান বছরের বিক্রয়ের বৃদ্ধি নির্ধারণ করবে।

Sales by Region:

Sales ডেটার উপর Region অনুযায়ী বিশ্লেষণ করতে পারেন। নিচের ফর্মুলা Sales টেবিলের জন্য Region ভিত্তিক বিক্রয় পরিমাণ বের করবে:

Sales by Region = 
CALCULATE(SUM(Sales[SalesAmount]), Sales[Region] = "North")

এটি শুধুমাত্র North অঞ্চলের বিক্রয় পরিমাণ নির্ধারণ করবে।

২. Financial Data Analysis with DAX Functions

Financial data analysis DAX-এ সাধারণত profit, profit margin, cost analysis, এবং year-over-year financial growth হিসাব করতে ব্যবহৃত হয়। DAX ফাংশনগুলি financial KPIs (Key Performance Indicators) নির্ধারণের জন্য খুবই গুরুত্বপূর্ণ।

Profit Calculation:

Profit সাধারণত Sales এবং Cost এর মধ্যে পার্থক্য হিসাব করা হয়।

Profit = SUM(Sales[SalesAmount]) - SUM(Sales[Cost])

এটি মোট বিক্রয় থেকে মোট খরচ বিয়োগ করে profit বের করবে।

Profit Margin Calculation:

Profit margin বের করার জন্য profit এবং sales এর অনুপাত ব্যবহার করা হয়।

Profit Margin = 
VAR TotalProfit = SUM(Sales[SalesAmount]) - SUM(Sales[Cost])
VAR TotalSales = SUM(Sales[SalesAmount])
RETURN 
IF(TotalSales > 0, TotalProfit / TotalSales, BLANK())

এটি profit margin বের করবে, যা বিক্রয়ের অনুপাতে লাভের হার প্রদর্শন করবে।

Year-over-Year (YoY) Profit Comparison:

যদি আপনি year-over-year profit বিশ্লেষণ করতে চান, তবে SAMEPERIODLASTYEAR ব্যবহার করা যেতে পারে:

YoY Profit Comparison = 
VAR PreviousYearProfit = CALCULATE(SUM(Sales[SalesAmount]) - SUM(Sales[Cost]), SAMEPERIODLASTYEAR(Sales[Date]))
VAR CurrentYearProfit = SUM(Sales[SalesAmount]) - SUM(Sales[Cost])
RETURN 
IF(PreviousYearProfit > 0, (CurrentYearProfit - PreviousYearProfit) / PreviousYearProfit, BLANK())

এটি গত বছর এবং বর্তমান বছরের লাভের তুলনা করবে।

Cost of Goods Sold (COGS):

COGS (Cost of Goods Sold) হিসাব করার জন্য সাধারণত Sales এবং Inventory সম্পর্কিত ডেটা ব্যবহার করা হয়।

COGS = SUM(Sales[Cost])

এটি Sales[Cost] কলামের মানের যোগফল হিসেবে COGS নির্ধারণ করবে।

৩. Time Intelligence Functions in Sales and Financial Analysis

Time Intelligence Functions DAX-এ একটি শক্তিশালী বৈশিষ্ট্য যা আপনাকে time-based calculations করতে সহায়ক। এটি Sales এবং Financial ডেটা বিশ্লেষণে গুরুত্বপূর্ণ।

Year-to-Date (YTD) Sales:

YTD বিক্রয় বের করার জন্য TOTALYTD ফাংশন ব্যবহার করা হয়।

YTD Sales = TOTALYTD(SUM(Sales[SalesAmount]), Sales[Date])

এটি বছরের শুরু থেকে বর্তমান সময় পর্যন্ত মোট বিক্রয় নির্ধারণ করবে।

Month-to-Date (MTD) Sales:

এটি বর্তমান মাসের মোট বিক্রয় নির্ধারণ করবে:

MTD Sales = TOTALMTD(SUM(Sales[SalesAmount]), Sales[Date])

Quarter-to-Date (QTD) Sales:

QTD বিক্রয় নির্ধারণের জন্য TOTALQTD ব্যবহার করা হয়:

QTD Sales = TOTALQTD(SUM(Sales[SalesAmount]), Sales[Date])

Previous Year Sales:

গত বছরের বিক্রয় পরিমাণ তুলনা করার জন্য SAMEPERIODLASTYEAR ফাংশন ব্যবহার করা হয়।

Previous Year Sales = CALCULATE(SUM(Sales[SalesAmount]), SAMEPERIODLASTYEAR(Sales[Date]))

এটি গত বছরের একই সময়ে মোট বিক্রয় পরিমাণ দেখাবে।

৪. Conditional Statements for Financial and Sales Data

DAX-এ IF, SWITCH, এবং IFERROR ফাংশনগুলি ব্যবহৃত হয় যখন আপনি conditional analysis করতে চান।

Sales Category (High/Low) Based on Amount:

SalesAmount এর উপর ভিত্তি করে High বা Low শর্ত প্রয়োগ করতে IF ফাংশন ব্যবহার করুন:

Sales Category = IF(Sales[SalesAmount] > 1000, "High", "Low")

Profit or Loss Identification:

যদি আপনি profit এবং loss এর মধ্যে পার্থক্য করতে চান, তবে IF ফাংশন ব্যবহার করা যেতে পারে:

Profit or Loss = IF(SUM(Sales[SalesAmount]) > SUM(Sales[Cost]), "Profit", "Loss")

সারাংশ

DAX Functions ব্যবহার করে আপনি Sales এবং Financial Data বিশ্লেষণ করতে সক্ষম হবেন। DAX-এর সাহায্যে Total Sales, Profit, Sales Growth, Profit Margin, YoY Comparisons, এবং Time Intelligence Calculations তৈরি করা যায়। আপনি conditional statements ব্যবহার করে ডেটার বিশ্লেষণ আরও প্রাঞ্জল করতে পারেন। DAX আপনাকে Power BI-এ উন্নত এবং কার্যকরী বিশ্লেষণ করতে সহায়ক হয়, যা ব্যবসায়িক সিদ্ধান্ত গ্রহণের প্রক্রিয়াকে আরও দক্ষ এবং তথ্যপূর্ণ করে তোলে।

DAX (Data Analysis Expressions) হল একটি শক্তিশালী ভাষা যা Power BI, PowerPivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয়। Time-based performance analysis ব্যবসায়িক বিশ্লেষণের জন্য খুবই গুরুত্বপূর্ণ, কারণ এটি time intelligence ফাংশনের সাহায্যে সময়ভিত্তিক ডেটা বিশ্লেষণ করতে সহায়ক হয়। DAX-এ সময়ভিত্তিক বিশ্লেষণ করার জন্য কিছু শক্তিশালী ফাংশন রয়েছে, যেমন TOTALYTD, SAMEPERIODLASTYEAR, PARALLELPERIOD, DATEADD, এবং DATEVALUE। এই ফাংশনগুলো সময়ভিত্তিক পারফরম্যান্স বিশ্লেষণ, রিপোর্ট এবং ট্রেন্ড তৈরি করতে ব্যবহৃত হয়।

এই প্রবন্ধে, আমরা time-based performance analysis এর জন্য DAX ফাংশনগুলি এবং তাদের ব্যবহার নিয়ে বিস্তারিত আলোচনা করব।

১. TOTALYTD ফাংশন

TOTALYTD ফাংশনটি Year-to-Date (YTD) মোট বা পরিমাণ বের করতে ব্যবহৃত হয়। এটি মূলত নির্দিষ্ট বছরের শুরু থেকে বর্তমান তারিখ পর্যন্ত ডেটার cumulative total (মোট) নির্ধারণ করতে ব্যবহৃত হয়।

Syntax:

TOTALYTD(<expression>, <dates>, <filter>)

• : গণনা করতে চাওয়া মান (যেমন, SUM(Sales[Amount]))
• : একটি date কলাম যা নির্দিষ্ট সময়সীমা (এই ক্ষেত্রে, বছরের শুরু থেকে বর্তমান তারিখ) উল্লেখ করে।
• (optional): একটি শর্ত বা ফিল্টার যা ক্যালকুলেশনে প্রভাবিত করবে।

ব্যবহার:

ধরা যাক, আপনি Sales টেবিলের Amount এর YTD মোট বিক্রয় বের করতে চান:

YTD Sales = TOTALYTD(SUM(Sales[Amount]), Sales[Date])

এটি Sales[Amount] এর মোট যোগফল বের করবে, যেটি Sales[Date] এর উপর ভিত্তি করে বছরের শুরু থেকে বর্তমান তারিখ পর্যন্ত গণনা হবে।

২. SAMEPERIODLASTYEAR ফাংশন

SAMEPERIODLASTYEAR ফাংশনটি last year এর একই সময়ের জন্য ডেটা বিশ্লেষণ করতে ব্যবহৃত হয়। এটি মূলত সময়ভিত্তিক তুলনা করার জন্য ব্যবহৃত হয়, যেখানে আপনি current year এর একটি নির্দিষ্ট সময়ের সাথে last year এর একই সময়ের তুলনা করতে চান।

Syntax:

SAMEPERIODLASTYEAR(<dates>)

• : একটি date কলাম যা আপনার সময়সূচী বা টাইমলাইন নির্দেশ করে।

ব্যবহার:

যেমন, আপনি যদি Sales টেবিলের Amount এর গত বছরের একই সময়ের বিক্রয় পরিমাণ দেখতে চান, তাহলে আপনি SAMEPERIODLASTYEAR ফাংশনটি ব্যবহার করতে পারেন:

Sales Last Year = CALCULATE(SUM(Sales[Amount]), SAMEPERIODLASTYEAR(Sales[Date]))

এটি Sales[Amount] এর মোট পরিমাণ বের করবে, তবে Sales[Date] এর ভিত্তিতে গত বছরের একই সময়ের বিক্রয় পরিমাণ তুলনা করবে।

৩. PARALLELPERIOD ফাংশন

PARALLELPERIOD ফাংশনটি একটি নির্দিষ্ট সময়ের পরিমাণের সাথে (যেমন, মাস, ত্রৈমাসিক, বছর) ডেটার তুলনা করতে ব্যবহৃত হয়। এটি অতীতের বা ভবিষ্যতের সময়ের মধ্যে shift করতে সহায়ক, যেমন এক মাস বা এক বছর আগে বা পরে ডেটা দেখতে।

Syntax:

PARALLELPERIOD(<dates>, <number_of_periods>, <period>)

• : একটি date কলাম।
• <number_of_periods>: আপনি কত পিরিয়ড পিছনে বা এগিয়ে যেতে চান (যেমন: 1, -1)।
• : আপনি কোন পিরিয়ডের উপর ভিত্তি করে পারালাল পিরিয়ড তৈরি করতে চান (যেমন: YEAR, MONTH, QUARTER)।

ব্যবহার:

ধরা যাক, আপনি যদি Sales টেবিলের Amount এর গত এক মাসের বিক্রয় পরিমাণ বের করতে চান:

Sales Last Month = CALCULATE(SUM(Sales[Amount]), PARALLELPERIOD(Sales[Date], -1, MONTH))

এটি Sales[Amount] এর মোট বিক্রয় পরিমাণ বের করবে, তবে Sales[Date] এর ভিত্তিতে গত মাসের বিক্রয় পরিমাণ হিসাব করবে।

৪. DATEADD ফাংশন

DATEADD ফাংশনটি একটি নির্দিষ্ট সময় পিরিয়ড যোগ বা বিয়োগ করতে ব্যবহৃত হয়। এটি সময়ের শিফট করার জন্য ব্যবহৃত হয় এবং আপনি days, months, quarters, বা years হিসেবে সময় পিরিয়ড নির্ধারণ করতে পারেন।

Syntax:

DATEADD(<dates>, <number_of_periods>, <period>)

• : একটি date কলাম।
• <number_of_periods>: আপনি কত পিরিয়ড যোগ বা বিয়োগ করতে চান (যেমন: 1, -1)।
• : সময় পিরিয়ড (যেমন: DAY, MONTH, QUARTER, YEAR)।

ব্যবহার:

ধরা যাক, আপনি Sales টেবিলের Amount এর গত এক সপ্তাহের বিক্রয় পরিমাণ বের করতে চান:

Sales Last Week = CALCULATE(SUM(Sales[Amount]), DATEADD(Sales[Date], -7, DAY))

এটি Sales[Amount] এর বিক্রয় পরিমাণ বের করবে, তবে Sales[Date] এর ভিত্তিতে গত ৭ দিনের বিক্রয় পরিমাণ হিসাব করবে।

৫. DATEVALUE ফাংশন

DATEVALUE ফাংশনটি একটি date বা text মানকে date টাইপে রূপান্তর করতে ব্যবহৃত হয়। এটি সাধারণত টেক্সট হিসেবে দেওয়া তারিখকে ডেটা টাইপে রূপান্তর করতে ব্যবহৃত হয়।

Syntax:

DATEVALUE(<date_string>)

• <date_string>: একটি টেক্সট স্ট্রিং যা একটি date নির্দেশ করে।

ব্যবহার:

ধরা যাক, আপনি একটি টেক্সট ফরম্যাটের তারিখ পরিবর্তন করতে চান, যেমন "2023-01-01" কে date টাইপে রূপান্তর করতে:

Converted Date = DATEVALUE("2023-01-01")

এটি "2023-01-01" টেক্সট স্ট্রিংটিকে একটি date টাইপে রূপান্তর করবে।

সারাংশ

Time-based performance analysis করার জন্য DAX ফাংশনগুলি অত্যন্ত কার্যকরী। TOTALYTD, SAMEPERIODLASTYEAR, PARALLELPERIOD, DATEADD, এবং DATEVALUE ফাংশনগুলির মাধ্যমে আপনি সহজেই সময় ভিত্তিক বিশ্লেষণ করতে পারবেন। এই ফাংশনগুলো time intelligence ক্যালকুলেশনগুলির জন্য ব্যবহৃত হয়, যা ব্যবসায়িক পারফরম্যান্স ট্র্যাক এবং trend analysis করতে সাহায্য করে। Power BI বা Excel এর মাধ্যমে আপনি এই ফাংশনগুলি ব্যবহার করে historical data comparison, year-to-date calculations, এবং period comparisons করতে সক্ষম হবেন, যা ব্যবসায়িক সিদ্ধান্ত গ্রহণে সহায়ক।

DAX (Data Analysis Expressions) হল একটি এক্সপ্রেশন ভাষা যা Power BI, Power Pivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয়। DAX ফাংশনগুলির সাহায্যে আপনি ডেটা মডেলিং, কাস্টম ক্যালকুলেশন, এবং বিশ্লেষণ করতে পারেন। Customer Segmentation এবং RFM Analysis (Recency, Frequency, Monetary) হল দুটি গুরুত্বপূর্ণ কৌশল যা ব্যবসায়িক ডেটার মাধ্যমে গ্রাহকদের শ্রেণীবদ্ধ করতে ব্যবহৃত হয়। এই প্রবন্ধে, আমরা Customer Segmentation এবং RFM Analysis এর জন্য DAX ফাংশন ব্যবহারের মাধ্যমে কাস্টম রিপোর্ট তৈরির পদ্ধতি আলোচনা করব।

Customer Segmentation in DAX

Customer Segmentation হল একটি প্রক্রিয়া যা গ্রাহকদের বিভিন্ন শ্রেণীতে বিভক্ত করার জন্য ব্যবহার করা হয়, যাতে তাদের ক্রয় আচরণ এবং চাহিদা অনুযায়ী লক্ষ্য করা যায়। DAX ব্যবহার করে আপনি Customer Segmentation তৈরি করতে পারেন, যা ব্যবসায়িক রিপোর্ট এবং কাস্টমার সম্পর্ক ব্যবস্থাপনার জন্য সহায়ক হতে পারে।

Customer Segmentation Example:

ধরা যাক, আপনার Sales টেবিল রয়েছে এবং আপনি গ্রাহকদের Sales Amount এবং Frequency এর ভিত্তিতে 3টি সেগমেন্টে ভাগ করতে চান: High Value, Medium Value, এবং Low Value।

এটি করার জন্য, প্রথমে আপনাকে কিছু মেজার তৈরি করতে হবে:

1. Total Sales per Customer:

Total Sales per Customer = SUM(Sales[SalesAmount])

2. Customer Frequency (কোন গ্রাহক কত বার ক্রয় করেছেন):

Customer Frequency = COUNT(Sales[OrderID])

3. Customer Segmentation Based on Sales: আপনি এখন Customer Segmentation তৈরি করতে পারেন Sales Amount এবং Frequency এর ভিত্তিতে:

Customer Segment = 
IF(
    [Total Sales per Customer] > 5000 && [Customer Frequency] > 10, 
    "High Value", 
    IF(
        [Total Sales per Customer] > 2000 && [Customer Frequency] > 5, 
        "Medium Value", 
        "Low Value"
    )
)

এটি High Value, Medium Value, এবং Low Value গ্রাহক সেগমেন্ট তৈরি করবে এবং আপনি Power BI Visuals এ গ্রাহকদের সেগমেন্ট অনুযায়ী শ্রেণীবদ্ধ করতে পারবেন।

RFM Analysis in DAX

RFM Analysis একটি শক্তিশালী কৌশল যা Recency, Frequency, এবং Monetary (RFM) মেট্রিক্সের মাধ্যমে গ্রাহকদের শ্রেণীবদ্ধ করতে ব্যবহৃত হয়। এই বিশ্লেষণটি গ্রাহকদের ক্রয় আচরণের উপর ভিত্তি করে তাদের মূল্যায়ন করতে সহায়ক, যা customer retention এবং targeted marketing এর জন্য ব্যবহার করা যায়।

• Recency: গ্রাহক সর্বশেষ কখন ক্রয় করেছেন।
• Frequency: গ্রাহক কতবার ক্রয় করেছেন।
• Monetary: গ্রাহক কত অর্থ ব্যয় করেছেন।

RFM Analysis করতে DAX ফাংশন ব্যবহার করে আপনি সহজেই গ্রাহকদের শ্রেণীভুক্ত করতে পারেন।

Step 1: Calculate Recency

Recency হিসাব করতে আপনাকে Sales টেবিলের সর্বশেষ ক্রয়ের তারিখ বের করতে হবে এবং তারপর সেই গ্রাহকের সাথে বর্তমান তারিখের পার্থক্য বের করতে হবে।

Recency = 
DATEDIFF(
    MAX(Sales[OrderDate]), 
    TODAY(), 
    DAY
)

এটি প্রতিটি গ্রাহকের সর্বশেষ ক্রয়ের সাথে বর্তমান তারিখের পার্থক্য নির্ধারণ করবে। Recency কম থাকলে, তা নির্দেশ করবে যে গ্রাহক সম্প্রতি ক্রয় করেছেন এবং তারা High Value হতে পারে।

Step 2: Calculate Frequency

Frequency ক্যালকুলেট করতে আপনাকে গ্রাহকের মোট ক্রয়ের সংখ্যা নির্ধারণ করতে হবে:

Frequency = COUNTROWS(FILTER(Sales, Sales[CustomerID] = EARLIER(Sales[CustomerID])))

এটি প্রতিটি গ্রাহকের OrderID গোনার মাধ্যমে তাদের ক্রয়ের সংখ্যা নির্ধারণ করবে।

Step 3: Calculate Monetary Value

গ্রাহকের Monetary মান বের করতে আপনি তাদের SalesAmount যোগ করতে পারেন:

Monetary = SUM(Sales[SalesAmount])

এটি প্রতিটি গ্রাহকের মোট ব্যয় নির্ধারণ করবে।

Step 4: Assign RFM Segments

এখন, Recency, Frequency, এবং Monetary এর ভিত্তিতে RFM Segments তৈরি করতে হবে:

RFM Segment = 
SWITCH(TRUE(),
    [Recency] <= 30 && [Frequency] >= 10 && [Monetary] >= 5000, "Best Customers",
    [Recency] <= 60 && [Frequency] >= 5 && [Monetary] >= 2000, "Loyal Customers",
    [Recency] > 60 && [Frequency] < 5 && [Monetary] < 1000, "At Risk Customers",
    "Other"
)

এটি তিনটি RFM Segments তৈরি করবে:

• Best Customers: যারা সম্প্রতি ক্রয় করেছেন, বেশ কয়েকবার ক্রয় করেছেন এবং অনেক টাকা ব্যয় করেছেন।
• Loyal Customers: যারা নিয়মিত ক্রয় করেছেন তবে অনেক টাকা ব্যয় করেননি।
• At Risk Customers: যারা দীর্ঘ সময় ধরে ক্রয় করেননি এবং কম টাকা ব্যয় করেছেন।

Customer Segmentation এবং RFM Analysis এর ব্যবহার

Customer Segmentation এবং RFM Analysis-এর মাধ্যমে ব্যবসায়ীরা গ্রাহকদের শ্রেণীভুক্ত করে তাদের প্রতি কাস্টমাইজড মার্কেটিং কার্যক্রম পরিচালনা করতে পারে। Power BI-এ DAX ফাংশন ব্যবহার করে RFM Segments এবং Customer Segmentation তৈরি করে আপনি sales performance, customer retention strategies, এবং targeted campaigns উন্নত করতে সক্ষম হবেন।

• Marketing Campaigns: গ্রাহকদের High Value সেগমেন্টে রেখে, আপনি বিশেষ ডিসকাউন্ট বা প্রোমোশন প্রদান করতে পারেন।
• Retention Strategies: At Risk Customers সেগমেন্টে গ্রাহকদের পুনরায় আকৃষ্ট করার জন্য বিভিন্ন প্রস্তাব তৈরি করা যেতে পারে।
• Sales Analysis: গ্রাহকদের সেগমেন্ট অনুযায়ী বিক্রয়ের পরিমাণ বিশ্লেষণ করা যেতে পারে।

সারাংশ

Customer Segmentation এবং RFM Analysis দুটি গুরুত্বপূর্ণ কৌশল যা Power BI এবং DAX Functions ব্যবহার করে কার্যকরভাবে গ্রাহকদের শ্রেণীভুক্ত করতে সহায়ক। DAX ব্যবহার করে আপনি Recency, Frequency, এবং Monetary মেট্রিক্স বের করতে পারেন এবং গ্রাহকদের সেগমেন্ট অনুযায়ী শ্রেণীবদ্ধ করতে পারেন। এটি ব্যবসায়িক সিদ্ধান্ত গ্রহণ এবং লক্ষ্যভিত্তিক মার্কেটিং কৌশল তৈরির জন্য অত্যন্ত কার্যকর।

DAX (Data Analysis Expressions) হলো একটি এক্সপ্রেশন ভাষা যা Power BI, PowerPivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয় ডেটা বিশ্লেষণ এবং কাস্টম ক্যালকুলেশন তৈরির জন্য। Marketing Campaign Performance বিশ্লেষণের জন্য DAX ব্যবহার করা যায় যাতে ROI (Return on Investment), Customer Acquisition Cost, Conversion Rate, Sales Growth, ইত্যাদি পরিমাপ করা যায়। এই প্রবন্ধে, আমরা Marketing Campaign Performance পর্যালোচনা করতে DAX Calculations এর কিছু সাধারণ উদাহরণ নিয়ে আলোচনা করব।

১. Return on Investment (ROI) Calculation

ROI (Return on Investment) একটি জনপ্রিয় পরিমাপ যা মার্কেটিং ক্যাম্পেইনের কার্যকারিতা নির্ধারণ করতে ব্যবহৃত হয়। ROI পরিমাপ করে ক্যাম্পেইনে বিনিয়োগের বিপরীতে লাভ কেমন হয়েছে।

ROI Calculation Formula:

ROI = (Revenue from Campaign - Cost of Campaign) / Cost of Campaign

DAX Formula:

ধরা যাক, আপনার কাছে দুটি টেবিল রয়েছে: Campaigns এবং Sales। Campaigns টেবিলের মধ্যে ক্যাম্পেইন খরচের তথ্য রয়েছে এবং Sales টেবিলের মধ্যে সেই ক্যাম্পেইনের মাধ্যমে প্রাপ্ত Revenue তথ্য রয়েছে। ROI বের করতে আপনি নিচের DAX formula ব্যবহার করতে পারেন:

Campaign ROI = 
VAR CampaignCost = SUM(Campaigns[Cost]) 
VAR CampaignRevenue = SUM(Sales[Revenue])
RETURN
IF(CampaignCost <> 0, (CampaignRevenue - CampaignCost) / CampaignCost, 0)

এখানে:

• CampaignCost হল সেই ক্যাম্পেইনের মোট খরচ।
• CampaignRevenue হল সেই ক্যাম্পেইন থেকে প্রাপ্ত মোট বিক্রয়।
• ROI ফর্মুলায় IF ফাংশনটি ব্যবহার করা হয়েছে যাতে zero ডিভাইডার সমস্যা থেকে মুক্তি পাওয়া যায়।

২. Customer Acquisition Cost (CAC) Calculation

Customer Acquisition Cost (CAC) হল একটি গুরুত্বপূর্ণ পরিমাপ যা একজন গ্রাহক প্রাপ্তির জন্য মার্কেটিং ক্যাম্পেইনের খরচ দেখায়। এটি ব্যবসায়ের লাভজনকতা এবং মার্কেটিং ক্যাম্পেইনের কার্যকারিতা মূল্যায়নে ব্যবহৃত হয়।

CAC Calculation Formula:

CAC = Total Marketing Costs / Number of Customers Acquired

DAX Formula:

ধরা যাক, আপনার কাছে Campaigns টেবিল এবং Customers টেবিল রয়েছে, যেখানে Campaigns টেবিলে মোট মার্কেটিং খরচ এবং Customers টেবিলে প্রাপ্ত নতুন গ্রাহক সংখ্যা রয়েছে। আপনি নিচের DAX formula ব্যবহার করে CAC বের করতে পারেন:

Customer Acquisition Cost = 
VAR TotalMarketingCost = SUM(Campaigns[Cost])
VAR CustomersAcquired = COUNT(Customers[CustomerID])
RETURN
IF(CustomersAcquired > 0, TotalMarketingCost / CustomersAcquired, 0)

এখানে:

• TotalMarketingCost হল সমস্ত মার্কেটিং খরচ।
• CustomersAcquired হল নতুন প্রাপ্ত গ্রাহকদের সংখ্যা।
• IF ফাংশনটি এখানে ব্যবহার করা হয়েছে যাতে CustomersAcquired এর সংখ্যা শূন্য না হয়, অন্যথায় CAC ফাংশনটি শূন্য রিটার্ন করবে।

৩. Conversion Rate Calculation

Conversion Rate হল একটি গুরুত্বপূর্ণ পরিমাপ যা দেখায় কতজন সম্ভাব্য গ্রাহক আপনার মার্কেটিং ক্যাম্পেইনের মাধ্যমে আসল গ্রাহকে পরিণত হয়েছেন। এটি প্রমাণিত করে যে আপনার ক্যাম্পেইন কতটা কার্যকর।

Conversion Rate Calculation Formula:

Conversion Rate = (Number of Conversions / Total Leads) * 100

DAX Formula:

ধরা যাক, আপনার কাছে দুটি টেবিল রয়েছে: Leads এবং Conversions। Leads টেবিলে সম্ভাব্য গ্রাহকদের তথ্য রয়েছে এবং Conversions টেবিলে আসল গ্রাহকদের তথ্য রয়েছে। আপনি নিচের DAX formula ব্যবহার করে Conversion Rate বের করতে পারেন:

Conversion Rate = 
VAR TotalLeads = COUNT(Leads[LeadID])
VAR TotalConversions = COUNT(Conversions[CustomerID])
RETURN
IF(TotalLeads > 0, (TotalConversions / TotalLeads) * 100, 0)

এখানে:

• TotalLeads হল সমস্ত সম্ভাব্য গ্রাহক (Leads) সংখ্যা।
• TotalConversions হল সফল গ্রাহক সংখ্যা।
• Conversion Rate ফাংশনটি IF ফাংশন ব্যবহার করে শূন্য Leads এর জন্য ০ রিটার্ন করবে।

৪. Sales Growth Calculation

Sales Growth হল ব্যবসায়ের বিক্রয় প্রবৃদ্ধি পরিমাপ করতে ব্যবহৃত হয় এবং এটি মার্কেটিং ক্যাম্পেইনের সফলতা বুঝতে সাহায্য করে।

Sales Growth Calculation Formula:

Sales Growth = ((Current Period Sales - Previous Period Sales) / Previous Period Sales) * 100

DAX Formula:

ধরা যাক, আপনার Sales টেবিল রয়েছে এবং আপনি Sales Growth পরিমাপ করতে চান, যেখানে PreviousPeriodSales এবং CurrentPeriodSales দিয়ে হিসাব করা হবে। আপনি নিচের DAX formula ব্যবহার করতে পারেন:

Sales Growth = 
VAR CurrentSales = SUM(Sales[CurrentPeriodAmount])
VAR PreviousSales = CALCULATE(SUM(Sales[PreviousPeriodAmount]), SAMEPERIODLASTYEAR(Sales[Date]))
RETURN
IF(PreviousSales <> 0, (CurrentSales - PreviousSales) / PreviousSales * 100, 0)

এখানে:

• CurrentSales হল বর্তমান সময়ের বিক্রয়।
• PreviousSales হল গত বছরের একই সময়ের বিক্রয়।
• SAMEPERIODLASTYEAR ফাংশনটি গত বছরের একই সময়ের ডেটার সাথে তুলনা করতে ব্যবহৃত হয়েছে।

৫. Click-Through Rate (CTR) Calculation

Click-Through Rate (CTR) হল একটি মার্কেটিং পারফরম্যান্স মেট্রিক যা দেখায় কতজন মানুষ আপনার বিজ্ঞাপন দেখার পরে সেটিতে ক্লিক করেছে।

CTR Calculation Formula:

CTR = (Number of Clicks / Number of Impressions) * 100

DAX Formula:

ধরা যাক, আপনার কাছে AdPerformance টেবিল রয়েছে, যেখানে Clicks এবং Impressions কলাম রয়েছে। আপনি নিচের DAX formula ব্যবহার করে CTR বের করতে পারেন:

Click Through Rate = 
VAR Clicks = SUM(AdPerformance[Clicks])
VAR Impressions = SUM(AdPerformance[Impressions])
RETURN
IF(Impressions > 0, (Clicks / Impressions) * 100, 0)

এখানে:

• Clicks হল আপনার বিজ্ঞাপন ক্লিকের সংখ্যা।
• Impressions হল বিজ্ঞাপনটির প্রদর্শনী সংখ্যা।
• CTR ফাংশনটি Impressions শূন্য হলে 0 রিটার্ন করবে।

সারাংশ

DAX ব্যবহার করে Marketing Campaign Performance বিশ্লেষণের জন্য বিভিন্ন পরিমাপ এবং ক্যালকুলেশন তৈরি করা যায়। উদাহরণস্বরূপ, ROI, CAC, Conversion Rate, Sales Growth, এবং CTR হল কিছু সাধারণ পরিমাপ যা DAX ফাংশনগুলির মাধ্যমে গণনা করা হয়। প্রতিটি পরিমাপের জন্য DAX formula ব্যবহার করে ক্যাম্পেইনের পারফরম্যান্স পর্যালোচনা এবং ব্যবসায়িক সিদ্ধান্ত গ্রহণে সহায়ক হতে পারে। Power BI এবং Excel-এ এই ধরনের কাস্টম ক্যালকুলেশন তৈরি করে আপনি সহজেই মার্কেটিং ক্যাম্পেইনের কার্যকারিতা মূল্যায়ন করতে পারবেন।