DAX (Data Analysis Expressions) হল একটি শক্তিশালী ভাষা যা Power BI, PowerPivot, এবং SQL Server Analysis Services (SSAS)-এ ব্যবহৃত হয় ডেটা বিশ্লেষণ, কাস্টম ক্যালকুলেশন তৈরি এবং ডেটা মডেলিং করার জন্য। Complex Data Models-এ DAX এর ব্যবহার বিভিন্ন ধরনের টেবিল, সম্পর্ক, এবং কাস্টম ক্যালকুলেশন একত্রিত করার জন্য গুরুত্বপূর্ণ। এটি ডেটার মধ্যে জটিল সম্পর্কগুলি পরিচালনা করতে সহায়তা করে এবং ডেটাকে কার্যকরভাবে বিশ্লেষণ করতে সক্ষম করে।
এই প্রবন্ধে, আমরা Complex Data Models তৈরি করার জন্য DAX Functions এর ব্যবহার নিয়ে বিস্তারিতভাবে আলোচনা করব, যেখানে একাধিক টেবিল, সম্পর্ক এবং ডেটার উপর জটিল ক্যালকুলেশন তৈরি করা হবে।
১. Complex Data Models কী?
Complex Data Models এমন ডেটা মডেল যা একাধিক টেবিল এবং সম্পর্কের উপর ভিত্তি করে গঠিত। এটি সাধারণত star schema, snowflake schema, এবং relational database design এর মতো গঠন ব্যবহার করে যেখানে বিভিন্ন টেবিলের মধ্যে সম্পর্ক স্থাপন করা হয় এবং ডেটা বিশ্লেষণ সহজতর করতে হয়।
Complex Data Models তৈরি করার সময় বিভিন্ন টেবিলের মধ্যে সম্পর্ক, time intelligence, এবং aggregation ব্যবহার করা হয়। এই মডেলগুলি বড় ডেটাসেট এবং বিভিন্ন ধরনের ডেটা প্রক্রিয়া বিশ্লেষণের জন্য ব্যবহৃত হয়।
২. DAX Functions for Managing Multiple Tables
DAX এর মাধ্যমে একাধিক টেবিলের উপর কাজ করা সম্ভব এবং এতে relationships এর মাধ্যমে ডেটার সঠিক সংযোগ স্থাপন করা হয়। DAX Functions ব্যবহার করে একাধিক টেবিলের aggregation, filtering, এবং row-level calculations করা যায়।
RELATED Function:
RELATED ফাংশনটি ব্যবহৃত হয় যখন আপনি এক টেবিলের একটি কলামের মান অন্য টেবিলের সম্পর্কিত কলাম থেকে আনতে চান। এটি সাধারণত one-to-many সম্পর্কের ক্ষেত্রে ব্যবহৃত হয়।
Syntax:
RELATED(<column>)
ব্যবহার:
ধরা যাক, আপনার কাছে Sales টেবিল এবং Products টেবিল রয়েছে, এবং আপনি Sales টেবিল থেকে ProductName আনতে চান, তাহলে আপনি RELATED ফাংশন ব্যবহার করবেন:
Product Name = RELATED(Products[ProductName])
এটি Sales টেবিলের প্রতিটি সারির জন্য Products টেবিলের সম্পর্কিত ProductName কলামের মান ফিরিয়ে দেবে।
RELATEDTABLE Function:
RELATEDTABLE ফাংশনটি ব্যবহৃত হয় যখন আপনি একটি টেবিলের সাথে সম্পর্কিত অন্য টেবিলের সমস্ত সারি আনতে চান।
Syntax:
RELATEDTABLE(<table>)
ব্যবহার:
ধরা যাক, আপনি Products টেবিলের জন্য Sales টেবিলের সমস্ত বিক্রয় তথ্য দেখতে চান:
Total Sales for Product = SUMX(RELATEDTABLE(Sales), Sales[Amount])
এটি Products টেবিলের প্রতিটি পণ্যের জন্য Sales টেবিলের সম্পর্কিত বিক্রয় পরিমাণ যোগ করবে।
USERELATIONSHIP Function:
USERELATIONSHIP ফাংশনটি ব্যবহৃত হয় যখন আপনি inactive relationship সক্রিয় করতে চান। এটি সাধারণত multiple relationships এর ক্ষেত্রে ব্যবহৃত হয়।
Syntax:
USERELATIONSHIP(<column1>, <column2>)
ব্যবহার:
ধরা যাক, আপনার Sales এবং Orders টেবিলের মধ্যে দুটি সম্পর্ক রয়েছে, কিন্তু Sales[OrderDate] সম্পর্কটি inactive। আপনি USERELATIONSHIP ব্যবহার করে এটি সক্রিয় করতে পারেন:
Total Sales Last Year = CALCULATE(SUM(Sales[Amount]), USERELATIONSHIP(Sales[OrderDate], Orders[OrderDate]))
এটি Sales টেবিলের Amount এর যোগফল বের করবে, তবে Orders টেবিলের OrderDate কলামের সাথে inactive relationship সক্রিয় করবে।
৩. Time Intelligence Functions for Complex Models
Time Intelligence ফাংশনগুলি ব্যবহার করে আপনি Complex Data Models-এ সময় ভিত্তিক বিশ্লেষণ করতে পারেন। YTD (Year-To-Date), QTD (Quarter-To-Date), MTD (Month-To-Date), এবং SAMEPERIODLASTYEAR ফাংশনগুলি আপনাকে পূর্ববর্তী বছরের বা বর্তমান বছরের নির্দিষ্ট সময়ের উপর ভিত্তি করে বিশ্লেষণ করতে সহায়তা করবে।
TOTALYTD Function:
TOTALYTD ফাংশনটি Year-to-Date পরিমাণ বের করতে ব্যবহৃত হয়।
Syntax:
TOTALYTD(<expression>, <dates>)
ব্যবহার:
ধরা যাক, আপনি Sales টেবিল থেকে Amount এর YTD পরিমাণ বের করতে চান:
YTD Sales = TOTALYTD(SUM(Sales[Amount]), Sales[Date])
এটি Sales টেবিলের Amount এর Year-to-Date মোট বিক্রয় নির্ধারণ করবে।
SAMEPERIODLASTYEAR Function:
SAMEPERIODLASTYEAR ফাংশনটি previous year এর একই সময়ের জন্য ডেটা তুলনা করতে ব্যবহৃত হয়।
Syntax:
SAMEPERIODLASTYEAR(<dates>)
ব্যবহার:
ধরা যাক, আপনি Sales টেবিল থেকে গত বছরের একই সময়ের বিক্রয় পরিমাণ তুলনা করতে চান:
Sales Last Year = SAMEPERIODLASTYEAR(Sales[Date])
এটি Sales টেবিলের Date কলামের ভিত্তিতে গত বছরের একই সময়ের বিক্রয় পরিমাণ বের করবে।
৪. Complex Queries and Aggregation Across Multiple Tables
DAX Functions ব্যবহার করে Complex Queries তৈরি করা সম্ভব, যেখানে একাধিক টেবিলের aggregation, filtering, এবং calculation করা হয়।
Example: Aggregation Across Multiple Tables
ধরা যাক, আপনার দুটি টেবিল Sales এবং Products রয়েছে এবং আপনি ProductID এবং Region অনুসারে বিক্রয়ের মোট পরিমাণ এবং গড় বিক্রয় পরিমাণ দেখতে চান। আপনি SUMMARIZE এবং ADDCOLUMNS ব্যবহার করে এই complex query তৈরি করতে পারেন:
Product Sales Summary =
ADDCOLUMNS(
SUMMARIZE(Sales, Sales[ProductID], Sales[Region]),
"Total Sales", SUM(Sales[Amount]),
"Average Sales", AVERAGE(Sales[Amount]),
"Product Name", RELATED(Products[ProductName])
)
এটি Sales টেবিলের ProductID এবং Region অনুসারে মোট বিক্রয় এবং গড় বিক্রয় পরিমাণ বের করবে, এবং Products টেবিল থেকে Product Name সম্পর্কিত কলামও যোগ করবে।
৫. Best Practices for Managing Complex Data Models with DAX
- Use Star Schema: Star Schema ডেটা মডেলিং ব্যবহার করুন যাতে আপনি সহজে সম্পর্কিত টেবিলগুলির মধ্যে সংযোগ তৈরি করতে পারেন এবং জটিল ক্যালকুলেশন পরিচালনা করতে পারেন।
- Optimize Relationships: One-to-Many সম্পর্কগুলি সঠিকভাবে সেট করুন এবং bi-directional relationships এড়ানোর চেষ্টা করুন, যদি না তা প্রয়োজনীয় হয়।
- Use Measures Instead of Calculated Columns: Calculated Columns ব্যবহার করার পরিবর্তে Measures ব্যবহার করুন, কারণ Measures রানটাইমে ক্যালকুলেট হয় এবং এটি ডেটার উপর দ্রুত কাজ করতে সহায়ক।
- Use Variables for Repeated Calculations: যখন এক্সপ্রেশন বা ক্যালকুলেশন পুনরায় ব্যবহৃত হয়, তখন variables ব্যবহার করুন, যা কোডটিকে আরও দ্রুত এবং পরিষ্কার করবে।
সারাংশ
Complex Data Models তৈরি করার জন্য DAX Functions অত্যন্ত গুরুত্বপূর্ণ, কারণ এটি একাধিক টেবিল এবং সম্পর্কের মাধ্যমে ডেটাকে কার্যকরভাবে বিশ্লেষণ করতে সহায়ক। RELATED, RELATEDTABLE, এবং USERELATIONSHIP ফাংশনগুলি ব্যবহৃত হয় টেবিলের মধ্যে সম্পর্ক তৈরি এবং কাস্টম ক্যালকুলেশন করতে। Time Intelligence ফাংশনগুলি ব্যবহার করে আপনি সময়ভিত্তিক বিশ্লেষণ এবং ক্যালকুলেশন করতে পারেন, যেমন YTD, QTD, এবং SAMEPERIODLASTYEAR। DAX Functions এর মাধ্যমে আপনি aggregation, filtering, এবং calculation করতে পারেন যা ডেটা বিশ্লেষণ এবং রিপোর্ট তৈরির জন্য কার্যকরী হয়।
Read more
