Power Query Editor Power BI এর একটি শক্তিশালী টুল, যা ডেটাকে লোড করার পূর্বে প্রস্তুত, পরিষ্কার এবং ট্রান্সফর্ম (transform) করার জন্য ব্যবহৃত হয়। এটি ব্যবহারকারীদের ডেটার গুণগত মান উন্নত করতে এবং বিভিন্ন সূত্র থেকে ডেটা একত্রিত করতে সাহায্য করে। Power Query Editor ডেটার বিশ্লেষণ সক্ষমতা এবং কার্যকরীতা বাড়ানোর জন্য অত্যন্ত গুরুত্বপূর্ণ।
Power Query Editor কী?
Power Query Editor Power BI তে একটি অভ্যন্তরীণ ডেটা ট্রান্সফর্মেশন টুল, যার মাধ্যমে আপনি ডেটাকে পরিবর্তন, বিশ্লেষণ এবং পরিষ্কার করতে পারেন। এটি একটি গ্রাফিকাল ইন্টারফেসের মাধ্যমে কাজ করে, যা ব্যবহারকারীকে কোড লেখার প্রয়োজন ছাড়াই ডেটা প্রসেস করতে দেয়।
Power Query Editor মূলত তিনটি কাজ করে:
- ডেটা লোড করা (Load Data): বিভিন্ন সোর্স থেকে ডেটা লোড করা।
- ডেটা ট্রান্সফর্ম করা (Transform Data): ডেটাকে পরিষ্কার ও প্রক্রিয়া করা।
- ডেটা একত্রিত করা (Combine Data): বিভিন্ন টেবিল বা ফাইল একত্রিত করা।
Power Query Editor এর প্রধান বৈশিষ্ট্যসমূহ
১. ডেটা পরিষ্কার এবং ট্রান্সফর্ম (Data Cleaning and Transformation):
Power Query Editor ডেটা বিশ্লেষণ করার জন্য প্রথম ধাপ হল ডেটা পরিষ্কার করা। এতে নিম্নলিখিত কাজগুলো করা যায়:
- খালি সেল (Null) সরানো: Power Query তে খালি সেল বা অপ্রয়োজনীয় ডেটা ফিল্টার বা মুছে ফেলা যায়।
- ডেটা ফিল্টার (Data Filter): প্রয়োজনীয় ডেটা নির্বাচন এবং অনুপযুক্ত ডেটা বাদ দেওয়া।
- ডেটা পরিবর্তন (Data Change): ডেটার ধরন পরিবর্তন (যেমন, সংখ্যা, তারিখ ইত্যাদি) করা এবং কাস্টম মান সংযুক্ত করা।
- কলাম পরিবর্তন (Column Transformation): নতুন কলাম যোগ করা বা অপ্রয়োজনীয় কলাম মুছে ফেলা।
২. ডেটা একত্রিত এবং মেলানো (Data Combining and Merging):
Power Query Editor ডেটা একত্রিত এবং মেলানোর জন্যও ব্যবহৃত হয়। আপনি একাধিক টেবিল বা সোর্সের ডেটা একত্রিত করতে পারেন।
- Merge Queries: বিভিন্ন টেবিল একত্রিত করতে "Merge Queries" ফিচার ব্যবহার করা হয়। এর মাধ্যমে একাধিক টেবিলের মধ্যে সম্পর্ক স্থাপন করা যায় এবং ডেটা একত্রিত করা যায়।
- Append Queries: একই ধরনের ডেটা একত্রিত করতে "Append Queries" ব্যবহার করা হয়, যেখানে একাধিক টেবিলের রেকর্ডগুলিকে একত্রিত করা হয়।
৩. কাস্টম কলাম তৈরি (Creating Custom Columns):
Power Query Editor এ আপনি কাস্টম কলাম তৈরি করতে পারেন যা আপনার ডেটাকে আরও বিশ্লেষণযোগ্য করে তোলে। উদাহরণস্বরূপ, আপনি কিছু সংখ্যার উপর ভিত্তি করে নতুন হিসাব বা গাণিতিক অপারেশন চালিয়ে নতুন কলাম তৈরি করতে পারেন।
৪. স্টেপ ট্র্যাকিং (Step Tracking):
Power Query Editor আপনাকে প্রতিটি পরিবর্তনের স্টেপ ট্র্যাক করার সুযোগ দেয়। এর মাধ্যমে আপনি বুঝতে পারবেন কোন পদক্ষেপে কোন পরিবর্তন হয়েছে এবং সেগুলিকে সহজে এডিট বা রিভার্স করা যায়।
৫. ডেটা টাইপ পরিবর্তন (Changing Data Types):
Power Query Editor ব্যবহারকারীদের ডেটা টাইপ পরিবর্তন করতে সহায়তা করে, যেমন সংখ্যাকে তারিখে রূপান্তর করা বা টেক্সটের মধ্যে সংখ্যার রূপান্তর করা।
Power Query Editor এ কাজ করার প্রাথমিক ধাপসমূহ
১. Power Query Editor ওপেন করা: Power BI Desktop এ, "Home" ট্যাব থেকে "Transform Data" অপশনটি নির্বাচন করুন, যা Power Query Editor খুলবে।
২. ডেটা লোড করা: Power Query Editor এর মধ্যে বিভিন্ন সোর্স (যেমন Excel, CSV, Web, SQL Server) থেকে ডেটা লোড করা যাবে। "Get Data" অপশন ব্যবহার করে সোর্স নির্বাচন করতে হবে।
৩. ডেটা ট্রান্সফর্ম করা: লোড করা ডেটার উপর কাজ শুরু করুন। আপনি ডেটার কলাম পরিবর্তন, ফিল্টার প্রয়োগ, রেঞ্জ সেট করা এবং কাস্টম অপারেশন করতে পারেন।
৪. ডেটা একত্রিত করা: একাধিক টেবিল বা সোর্স থেকে ডেটা একত্রিত করতে "Merge Queries" বা "Append Queries" অপশন ব্যবহার করুন।
৫. পরিবর্তনগুলো অ্যাপ্লাই করা: একবার আপনি সমস্ত ট্রান্সফর্মেশন সম্পন্ন করলে, "Close & Apply" এ ক্লিক করে সমস্ত পরিবর্তন Power BI মডেলে অ্যাপ্লাই করুন।
Power Query Editor এর উদাহরণ:
ধরা যাক, আপনি একটি Sales Data টেবিল থেকে ডেটা লোড করেছেন এবং সেখানে কিছু খালি সেল রয়েছে, এবং কিছু ডেটার টাইপ সঠিক নয়। Power Query Editor ব্যবহার করে আপনি:
- Null values ফিল্টার করতে পারেন,
- Number format পরিবর্তন করতে পারেন,
- New column যোগ করতে পারেন যা বিক্রয়ের পরিমাণের সাথে সম্পর্কিত হিসাব করবে,
- Unnecessary columns সরিয়ে ফেলতে পারেন।
এই সব ট্রান্সফর্মেশন সম্পন্ন করার পর, আপনি Close & Apply করতে পারেন, এবং আপনার ডেটা মডেল প্রস্তুত হবে।
সারাংশ:
Power Query Editor Power BI এর একটি গুরুত্বপূর্ণ টুল, যা ডেটাকে পরিষ্কার এবং প্রক্রিয়া করতে সাহায্য করে। এটি বিভিন্ন সোর্স থেকে ডেটা একত্রিত করতে এবং ডেটাকে সহজে বিশ্লেষণের জন্য প্রস্তুত করতে সহায়ক। Power Query Editor ব্যবহার করে ডেটার গুণগত মান উন্নত করা সম্ভব, যা বিশ্লেষণ ও রিপোর্টিংয়ের জন্য অত্যন্ত কার্যকরী।
Power Query Editor Power BI এর একটি গুরুত্বপূর্ণ টুল যা ব্যবহারকারীদের ডেটা প্রস্তুতি (data preparation) এবং ট্রান্সফরমেশন (transformation) করতে সাহায্য করে। এটি Power BI এর অংশ হিসেবে কাজ করে এবং ডেটা এক্সট্র্যাক্ট, ট্রান্সফর্ম এবং লোড (ETL) প্রক্রিয়ায় ব্যবহৃত হয়। Power Query Editor ব্যবহার করে ডেটাকে পরিষ্কার, পরিবর্তন এবং প্রস্তুত করা যায় যাতে তা বিশ্লেষণের জন্য উপযুক্ত হয়।
Power Query Editor প্রধানত নিম্নলিখিত কাজগুলির জন্য ব্যবহৃত হয়:
1. ডেটা ট্রান্সফরমেশন (Data Transformation):
Power Query Editor ব্যবহার করে ডেটার বিভিন্ন ধরনের পরিবর্তন বা ট্রান্সফরমেশন করা যায়। এর মধ্যে রয়েছে:
- কলাম বা রো যুক্ত করা বা মুছে ফেলা।
- ডেটার টেক্সট, সংখ্যা, বা তারিখ পরিবর্তন করা।
- ডেটা ফিল্টারিং এবং শর্ত অনুযায়ী ডেটা সিলেকশন।
- মাল্টিপল টেবিল একত্রিত করা (Join বা Merge করা)।
2. ডেটা পরিষ্কার (Data Cleaning):
Power Query Editor ডেটার অপ্রয়োজনীয় বা অপ্রস্তুত অংশ মুছে ফেলতে সাহায্য করে। এটি ডুপ্লিকেট ডেটা মুছে ফেলা, ভুল বা অসম্পূর্ণ ডেটা সনাক্ত এবং সংশোধন করা, এবং সঠিক ডেটা ফরম্যাটে রূপান্তর করতে সাহায্য করে।
3. ডেটা আঞ্জাস্টমেন্ট (Data Adjustment):
Power Query Editor ব্যবহার করে আপনি ডেটার বিভিন্ন ধরন যেমন সিজেনাল বা কাস্টম লজিক প্রয়োগ করতে পারেন, যাতে ডেটা সঠিকভাবে প্রস্তুত হয় এবং বিশ্লেষণে ব্যবহৃত হতে পারে। যেমন:
- শীর্ষ বা নীচের মান বের করা।
- শর্তাধীন কলাম তৈরি করা।
- সংখ্যার মধ্যে গণনা বা যোগফল করা।
4. ডেটা এক্সট্রাকশন এবং লোড (Data Extraction and Load):
Power Query Editor দিয়ে ডেটা বিভিন্ন সোর্স থেকে এক্সট্রাক্ট করা যায়, যেমন Excel, SQL, SharePoint, Web, এবং অন্যান্য সোর্স থেকে। এরপর তা Power BI-তে লোড করা হয়, যাতে রিপোর্ট এবং ভিজ্যুয়াল তৈরি করা যায়।
Power Query Editor এর বৈশিষ্ট্য:
ইউজার-ফ্রেন্ডলি ইন্টারফেস:
Power Query Editor এর ইন্টারফেস অত্যন্ত ইউজার-ফ্রেন্ডলি, যেখানে টেবিল বা ডেটার প্রতিটি পরিবর্তন দৃশ্যমান থাকে। এটি ব্যবহারকারীদের তাদের ডেটা পরিবর্তন করতে এবং ফলাফল দেখতে সহজ করে তোলে।
স্টেপ বাই স্টেপ ট্রান্সফরমেশন:
Power Query Editor ডেটা ট্রান্সফরমেশনের প্রতিটি ধাপকে সঠিকভাবে রেকর্ড করে এবং যে কোনও সময় পরিবর্তনগুলোকে ফিরিয়ে নেওয়া যায়। এর মাধ্যমে আপনি আপনার ট্রান্সফরমেশন স্টেপগুলো পুনরায় ব্যবহার করতে পারেন।
আটোমেটেড প্রসেস:
Power Query Editor একবার ট্রান্সফরমেশন সেটআপ করা হলে, পরবর্তী সময়ে নতুন ডেটা আপডেট হলে তা স্বয়ংক্রিয়ভাবে একই ট্রান্সফরমেশন প্রক্রিয়া অনুসরণ করে।
Power Query Editor এর ব্যবহার:
Power Query Editor সাধারণত Power BI ডেটা লোড প্রক্রিয়ার সময় ব্যবহার করা হয়। এটি ব্যবহারের প্রক্রিয়া:
- Get Data:
Power BI ডেক্সটপে "Home" ট্যাবে গিয়ে "Get Data" নির্বাচন করুন এবং প্রয়োজনীয় সোর্স থেকে ডেটা নির্বাচন করুন। - Power Query Editor ওপেন করা:
ডেটা লোড করার পর, Power Query Editor এর মাধ্যমে ডেটার প্রিপ্রসেসিং (preprocessing) শুরু করুন। - ট্রান্সফরমেশন প্রক্রিয়া:
এখানে আপনি বিভিন্ন ধরনের ট্রান্সফরমেশন যেমন ডেটা ক্লিনিং, ফিল্টারিং, কলাম এবং রো মুছতে পারেন। - ডেটা লোড:
ট্রান্সফরমেশন শেষ হলে, "Close & Load" বাটনে ক্লিক করে ডেটা Power BI-তে লোড করুন এবং রিপোর্ট তৈরি শুরু করুন।
Power Query Editor Power BI-র একটি অত্যন্ত গুরুত্বপূর্ণ ফিচার যা ডেটা বিশ্লেষণের জন্য ডেটাকে প্রস্তুত করতে এবং পরিষ্কার করতে সাহায্য করে। এর ব্যবহার ব্যতীত, সঠিক এবং কার্যকরী বিশ্লেষণ সম্ভব নয়, কারণ ডেটা যদি সঠিকভাবে প্রস্তুত না করা হয়, তবে তার থেকে প্রাপ্ত ইনসাইটও সঠিক হবে না।
Power BI তে ডেটা ক্লিনিং (Data Cleaning) এবং ডেটা শেপিং (Data Shaping) হল গুরুত্বপূর্ণ প্রক্রিয়া, যা ডেটার গুণগত মান উন্নত করতে এবং তা বিশ্লেষণের জন্য উপযুক্ত করতে সাহায্য করে। ডেটা ক্লিনিং এবং শেপিং-এর মাধ্যমে আপনি অপ্রয়োজনীয় বা ভুল ডেটা সরিয়ে ফেলতে, ডেটা ফরম্যাট পরিবর্তন করতে, নতুন কলাম তৈরি করতে এবং ডেটার মধ্যে সম্পর্ক তৈরি করতে পারেন।
এখানে Power BI তে ডেটা ক্লিনিং এবং ডেটা শেপিং-এর কিছু সাধারণ টেকনিকস তুলে ধরা হলো:
Data Cleaning Techniques in Power BI
ডেটা ক্লিনিং হল ডেটাকে সঠিক, পূর্ণ এবং বিশ্লেষণের জন্য প্রস্তুত করার প্রক্রিয়া। Power BI তে ডেটা ক্লিনিং করতে আপনি Power Query Editor ব্যবহার করবেন, যা ডেটা লোড করার পর আপনাকে ডেটার মধ্যে ত্রুটি বা অসম্পূর্ণতা দূর করতে সাহায্য করে।
১. Missing Data Handling
ডেটায় যদি কিছু মান অনুপস্থিত থাকে, তাহলে আপনি নিম্নলিখিত পদ্ধতিতে তা পূর্ণ করতে পারেন:
- Remove Rows: "Remove" অপশন ব্যবহার করে আপনি কোনও সারি সরিয়ে ফেলতে পারেন যদি তাতে ডেটা না থাকে।
- Fill Down/Up: Missing বা null মান পূর্ণ করতে আপনি "Fill Down" বা "Fill Up" অপশন ব্যবহার করতে পারেন। এটি পূর্ববর্তী বা পরবর্তী সেলের মানটি ব্যবহার করে ডেটা পূর্ণ করবে।
২. Duplicate Rows Removal
Power BI তে ডুপ্লিকেট রো দূর করতে "Remove Duplicates" অপশন ব্যবহার করা হয়। এটি ডেটার একাধিক এক্সট্রা রেকর্ড দূর করতে সাহায্য করে, যা বিশ্লেষণকে বিভ্রান্ত করতে পারে।
৩. Correcting Data Types
ডেটার সঠিক টাইপ নির্বাচন করা অত্যন্ত গুরুত্বপূর্ণ। কখনও কখনও, সেলগুলোর ডেটা টাইপ ভুল হতে পারে (যেমন, সংখ্যাকে টেক্সট হিসেবে সেট করা)। Power Query Editor তে আপনি সঠিক ডেটা টাইপ নির্ধারণ করে সেগুলো ঠিক করতে পারেন।
৪. Handling Outliers
ডেটায় যদি অস্বাভাবিক বা বহির্ভূত মান (outliers) থাকে, তবে সেগুলিকে চিহ্নিত এবং সরানো গুরুত্বপূর্ণ। আপনি "Remove" অপশন বা বিশেষ শর্তে "Replace" করতে পারেন।
Data Shaping Techniques in Power BI
ডেটা শেপিং হল ডেটাকে সঠিক কাঠামো বা ফরম্যাটে রূপান্তরিত করার প্রক্রিয়া। এটি ডেটা প্রস্তুত করার একটি গুরুত্বপূর্ণ অংশ, যা বিশ্লেষণ এবং ভিজ্যুয়ালাইজেশনের জন্য ডেটাকে সহজবোধ্য এবং ব্যবহারযোগ্য করে তোলে।
১. Filtering Data
Power BI তে ডেটা ফিল্টার করতে, "Filter Rows" অপশন ব্যবহার করে আপনি কেবলমাত্র নির্দিষ্ট মান বা শর্তসাপেক্ষ ডেটা রাখতে পারেন। যেমন, আপনি নির্দিষ্ট তারিখের আগে বা পরে থাকা ডেটা বাছাই করতে পারেন।
২. Splitting Columns
যখন কোনো কলামে একাধিক তথ্য থাকে (যেমন, পুরো নামের একটি কলাম), তখন তা আলাদা করার জন্য "Split Column" ব্যবহার করা হয়। এতে, একটি কলামের তথ্যকে দুটি বা ততোধিক কলামে ভাগ করা যায় (যেমন, প্রথম নাম এবং শেষ নাম আলাদা করা)।
৩. Merging Columns
যখন একাধিক কলামকে একত্রিত করার প্রয়োজন হয়, তখন "Merge Columns" অপশন ব্যবহার করা হয়। যেমন, "First Name" এবং "Last Name" কলাম দুটি একত্রিত করে "Full Name" কলাম তৈরি করা।
৪. Adding Custom Columns
আপনি যদি ডেটাতে নতুন কলাম তৈরি করতে চান, তবে Power BI তে "Add Custom Column" অপশন ব্যবহার করে আপনি কাস্টম ফর্মুলা বা শর্ত অনুযায়ী নতুন কলাম তৈরি করতে পারেন। যেমন, আপনি একটি কলামে দুটি মান যোগ বা গুণ করতে পারেন।
৫. Pivoting and Unpivoting Columns
- Pivoting: যখন আপনি বিভিন্ন মানের উপর ভিত্তি করে কলাম তৈরি করতে চান, তখন "Pivot Column" ব্যবহার করা হয়।
- Unpivoting: ডেটা যদি বেশ কিছু কলামে বিভক্ত থাকে, তাহলে "Unpivot Column" ব্যবহার করে সেগুলোকে একটি কলামে আনতে পারেন।
৬. Grouping Data
Power BI তে "Group By" অপশন ব্যবহার করে আপনি ডেটাকে নির্দিষ্ট একটি বা একাধিক কলামের ভিত্তিতে গ্রুপ করতে পারেন। এটি সমন্বিত ডেটা তৈরি করতে সাহায্য করে, যেমন একটি নির্দিষ্ট অঞ্চলের বা ক্যাটেগরির মোট বিক্রয়।
Power Query Editor ব্যবহার করে ডেটা ক্লিনিং এবং শেপিং
Power BI তে Power Query Editor হল একটি শক্তিশালী টুল, যা ডেটা ক্লিনিং এবং শেপিংয়ের জন্য ব্যবহৃত হয়। Power Query Editor তে আপনি ডেটাকে লোড করার পর বিভিন্ন ধাপের মাধ্যমে এটি পরিষ্কার এবং গঠনমূলক করতে পারেন।
Power Query Editor এর প্রধান টুলস:
- Home Tab: এখানে ডেটা লোড, সংযোগ, এবং অন্যান্য বেসিক অপশন থাকে।
- Transform Tab: ডেটার মডিফিকেশন, ফিল্টারিং, স্প্লিটিং, এবং গ্রুপিং এর জন্য ব্যবহৃত অপশন।
- Add Column Tab: কাস্টম কলাম, গণনা করা কলাম তৈরি করা হয় এখানে।
Power BI তে ডেটা ক্লিনিং এবং শেপিং হলো গুরুত্বপূর্ণ প্রক্রিয়া, যা ডেটাকে বিশ্লেষণের জন্য প্রস্তুত করতে সাহায্য করে। সঠিকভাবে ডেটা ক্লিন এবং শেপিং করলে আপনার বিশ্লেষণ আরও সঠিক এবং কার্যকরী হবে, যা ব্যবসায়িক সিদ্ধান্ত গ্রহণে সহায়তা করবে।
Power BI তে ডেটা মডেলিং করার সময় বিভিন্ন সময় কোলোন্স (Columns) এর উপর কাজ করতে হতে পারে, যেমন নতুন কলাম যোগ করা (Add), পুরনো কলাম মুছে ফেলা (Remove), অথবা একটি কলাম বিভক্ত করা (Split)। এই কার্যাবলী Power Query Editor বা Power BI Desktop এর Data View এ করা যেতে পারে। নিচে এই কার্যাবলী গুলি কীভাবে করা যায়, তা বিস্তারিতভাবে আলোচনা করা হলো।
1. Columns Add করা
Power BI তে নতুন কলাম যোগ করার জন্য আপনি Power Query Editor বা Data View ব্যবহার করতে পারেন।
Power Query Editor তে Columns Add করার ধাপ:
- Power BI Desktop ওপেন করুন এবং ডেটাসেট লোড করুন।
- Home ট্যাব থেকে "Transform Data" বাটনে ক্লিক করুন, এটি আপনাকে Power Query Editor এ নিয়ে যাবে।
- "Add Column" ট্যাবে ক্লিক করুন এবং নিচের অপশনগুলো বেছে নিন:
- Custom Column: কাস্টম কলাম তৈরি করতে, এখানে আপনি কাস্টম ফর্মুলা ব্যবহার করতে পারেন।
- Conditional Column: নির্দিষ্ট শর্ত অনুযায়ী কলাম যোগ করতে।
- Index Column: একটি ইনডেক্স কলাম তৈরি করতে।
- যে ধরনের কলাম আপনি তৈরি করতে চান, সেটি সিলেক্ট করে প্রয়োজনীয় সেটিংস নির্বাচন করুন।
Data View তে Columns Add করার ধাপ:
- Power BI Desktop এর Data View এ যান।
- "Modeling" ট্যাব থেকে "New Column" এ ক্লিক করুন।
- DAX (Data Analysis Expressions) ব্যবহার করে কাস্টম ফর্মুলা লিখুন এবং নতুন কলাম তৈরি করুন।
2. Columns Remove করা
Power BI তে কোনও কলাম মুছে ফেলতে, Power Query Editor অথবা Data View থেকে এটি করা যেতে পারে।
Power Query Editor তে Columns Remove করার ধাপ:
- Power Query Editor ওপেন করুন (Home > Transform Data)।
- মুছে ফেলতে চাওয়া কলামের উপর ডান-ক্লিক করুন এবং "Remove" অপশন সিলেক্ট করুন।
- একাধিক কলাম মুছতে চাইলে Shift বা Ctrl চাপিয়ে একাধিক কলাম সিলেক্ট করে "Remove" অপশন ব্যবহার করুন।
Data View তে Columns Remove করার ধাপ:
- Power BI Desktop এর Data View এ যান।
- মুছে ফেলতে চাওয়া কলামের উপর ডান-ক্লিক করুন এবং "Delete" সিলেক্ট করুন।
- একাধিক কলাম মুছতে চাইলে Ctrl চাপিয়ে একাধিক কলাম সিলেক্ট করে "Delete" ব্যবহার করুন।
3. Columns Split করা
একটি কলামের ভিতরে একাধিক তথ্য থাকলে, আপনি সেই কলামটি বিভক্ত (Split) করে আলাদা আলাদা কলামে ভাগ করতে পারেন। Power Query Editor তে এটি করা সবচেয়ে সহজ।
Power Query Editor তে Columns Split করার ধাপ:
- Power Query Editor ওপেন করুন (Home > Transform Data)।
- যেই কলামটি Split করতে চান, সেটি সিলেক্ট করুন।
- "Transform" ট্যাব থেকে "Split Column" বাটনে ক্লিক করুন।
- By Delimiter: যদি কলামে কোন নির্দিষ্ট চরিত্র (যেমন কমা, স্পেস, বা ড্যাশ) দিয়ে তথ্য বিভক্ত থাকে, তাহলে "By Delimiter" সিলেক্ট করুন।
- By Number of Characters: যদি আপনি নির্দিষ্ট সংখ্যক ক্যারেক্টারের ভিত্তিতে কলামটি ভাগ করতে চান, তাহলে এই অপশন ব্যবহার করুন।
- By Positions: আপনি যেখান থেকে কলামটি ভাগ করতে চান, সেখান থেকে কলামটি বিভক্ত করতে পারবেন।
- সিলেক্ট করা অপশন অনুসারে কলামটি বিভক্ত হবে এবং দুটি বা তার অধিক কলাম তৈরি হবে।
Power BI তে কলাম যোগ, মুছে ফেলা এবং বিভক্ত করার এই সকল কার্যাবলী আপনাকে ডেটা মডেলিং এর কাজ সহজ এবং দ্রুত করতে সাহায্য করবে।
M Language কী?
M Language, যা "Power Query Formula Language" নামেও পরিচিত, Power BI এর একটি গুরুত্বপূর্ণ অংশ, যা ডেটা ট্রান্সফরমেশন এবং ক্লিনিং-এর জন্য ব্যবহৃত হয়। Power Query Editor এর মধ্যে ডেটা প্রক্রিয়া, রূপান্তর এবং ফিল্টার করার জন্য M Language ব্যবহৃত হয়। এটি ব্যবহারকারীদের ডেটার মধ্যে পরিবর্তন, সংযোজন, এবং ফিল্টার করতে সাহায্য করে, যা তাদের বিশ্লেষণের জন্য সঠিক ডেটা প্রস্তুত করতে সহায়ক।
M Language কার্যত একটি স্ক্রিপ্টিং ভাষা, যা Power BI এর Power Query Editor এ স্বয়ংক্রিয়ভাবে তৈরি হয়, যখন আপনি বিভিন্ন ডেটা প্রক্রিয়াকরণ পদক্ষেপ (যেমন ফিল্টারিং, যোগ, রূপান্তর) সম্পাদন করেন। ব্যবহারকারীরা এই স্ক্রিপ্টগুলোর মাধ্যমে আরো কাস্টমাইজড এবং জটিল ডেটা ট্রান্সফরমেশন করতে পারেন।
M Language এর মৌলিক ব্যবহার:
Power BI তে M Language ব্যবহারের কিছু মৌলিক দিক এবং উদাহরণগুলো নিচে দেওয়া হলো:
1. ডেটা সোর্স লোড করা:
Power BI তে M Language ব্যবহার করে ডেটা সোর্স থেকে ডেটা লোড করা যায়। উদাহরণস্বরূপ, Excel ফাইল থেকে ডেটা লোড করতে হলে, M Language স্ক্রিপ্টটি দেখতে কিছুটা এই রকম হতে পারে:
let
Source = Excel.Workbook(File.Contents("C:\Users\Documents\Data.xlsx"), null, true),
Sheet1_Sheet = Source{[Item="Sheet1",Kind="Sheet"]}[Data],
PromotedHeaders = Table.PromoteHeaders(Sheet1_Sheet, [PromoteAllScalars=true])
in
PromotedHeaders
এখানে:
File.Contents("C:\Users\Documents\Data.xlsx")ফাইলের অবস্থান নির্দেশ করে।Excel.Workbook()ফাংশনটি Excel ফাইল থেকে ডেটা এক্সট্রাক্ট করার জন্য ব্যবহৃত হয়।Table.PromoteHeaders()ফাংশনটি প্রথম সারিটি হেডার হিসেবে সেট করে।
2. ডেটা ফিল্টারিং:
M Language এর মাধ্যমে আপনি ডেটার মধ্যে বিভিন্ন ধরনের ফিল্টার প্রয়োগ করতে পারেন। উদাহরণস্বরূপ, একটি কলাম থেকে নির্দিষ্ট মান অনুযায়ী ডেটা ফিল্টার করার জন্য নিম্নলিখিত স্ক্রিপ্টটি ব্যবহার করা যেতে পারে:
let
Source = Excel.Workbook(File.Contents("C:\Data.xlsx"), null, true),
FilteredRows = Table.SelectRows(Source, each [Column1] > 100)
in
FilteredRows
এখানে:
Table.SelectRows()ফাংশনটি নির্দিষ্ট শর্তের উপর ভিত্তি করে রো গুলি ফিল্টার করে।[Column1] > 100শর্তের মাধ্যমে Column1 এর মান 100 এর বেশি এমন রো গুলি নির্বাচন করা হয়েছে।
3. কলাম যোগ করা:
M Language ব্যবহার করে নতুন কলাম যোগ করা যেতে পারে, যা ডেটার উপর গণনা বা পরিবর্তন করতে সহায়তা করে। একটি নতুন কলাম যোগ করার উদাহরণ:
let
Source = Excel.Workbook(File.Contents("C:\Data.xlsx"), null, true),
AddedColumn = Table.AddColumn(Source, "NewColumn", each [Column1] * 2)
in
AddedColumn
এখানে:
Table.AddColumn()ফাংশনটি একটি নতুন কলাম যোগ করতে ব্যবহৃত হয়।each [Column1] * 2নির্দেশ করে যে, নতুন কলামের প্রতিটি মান Column1 এর মানের দ্বিগুণ হবে।
4. ডেটা ট্রান্সফরমেশন:
M Language ব্যবহার করে ডেটা রূপান্তর বা ট্রান্সফর্ম করা যেতে পারে, যেমন টেক্সট কনভার্শন, ডেট টাইপ পরিবর্তন, অথবা স্ট্রিং অপারেশন। উদাহরণ:
let
Source = Excel.Workbook(File.Contents("C:\Data.xlsx"), null, true),
ChangedType = Table.TransformColumnTypes(Source, {{"Column1", Int64.Type}, {"Column2", type text}})
in
ChangedType
এখানে:
Table.TransformColumnTypes()ফাংশনটি কলামের ডেটা টাইপ পরিবর্তন করতে ব্যবহৃত হয়।"Column1", Int64.Typeনির্দেশ করে যে, Column1 এর ডেটা টাইপ পরিবর্তন করে ইন্টিজার টাইপে রূপান্তর করা হয়েছে।
M Language এর ব্যবহারকারীর সুবিধা:
- স্বয়ংক্রিয় প্রক্রিয়া: Power Query Editor এ করা প্রতিটি ট্রান্সফরমেশন নিজেই M Language কোডে পরিণত হয়, যা পরবর্তীতে পুনরায় ব্যবহার করা যায়।
- কাস্টমাইজেশন: M Language ব্যবহারকারীকে কাস্টম স্ক্রিপ্ট লেখার সুযোগ দেয়, যা Power BI এর মাধ্যমে স্বাভাবিক ট্রান্সফরমেশন প্রক্রিয়া থেকে বেশি জটিল বিশ্লেষণ করা সম্ভব করে।
- ডেটা ম্যানিপুলেশন: এটি বিভিন্ন ধরনের ডেটা ম্যানিপুলেশন করতে সহায়তা করে, যেমন ডেটা পরিষ্কার, পরিবর্তন, একত্রিতকরণ, এবং রূপান্তর।
সারাংশ:
M Language Power BI এর একটি শক্তিশালী টুল যা ডেটা ট্রান্সফরমেশন এবং ক্লিনিংয়ের জন্য ব্যবহৃত হয়। এটি ব্যবহারকারীদের কাস্টম স্ক্রিপ্ট এবং ট্রান্সফরমেশন লেখার মাধ্যমে ডেটা প্রক্রিয়া আরও সুনির্দিষ্ট এবং শক্তিশালী করার সুযোগ দেয়। M Language এর মৌলিক ব্যবহার যেমন ডেটা ফিল্টারিং, কলাম যোগ করা, এবং ডেটা রূপান্তর করা সহজেই সম্পন্ন করা যায়, যা Power BI এর বিশ্লেষণ প্রক্রিয়াকে আরও কার্যকরী করে তোলে।
Read more
