Capstone: 50k-row retail dataset — Power Query model + 4 pivots + 3 charts + insight summary

"FY2025-26 पिछले साल और target के मुकाबले कैसा रहा — और अगले साल हमें किस पर ध्यान देना चाहिए?"

आपको देना है: refresh होने वाला डेटा मॉडल, 4 पिवट, 3 चार्ट, slicers वाला डैशबोर्ड, और आधे पेज का insight summary — सब एक वर्कबुक में।

1. डेटा (resources/capstone)

जानबूझकर रखी समस्याएँ (असली एक्सपोर्ट की तरह): पीछे स्पेस वाले ~1,000 StoreID, ~240 खाली Discount, भारतीय टेक्स्ट में तारीख़ें।

2. स्टेप 1 — Power Query (मॉड्यूल 3) · ~12 मिनट

1. फ़ोल्डर पाथ को FolderPath नाम वाले सेल में रखें; pFolder बनाएँ (मॉड्यूल 3 लेसन 7)।
2. stg_Sales: From Folder → .csv फ़िल्टर → Combine। Remove Other Columns (7 फ़ील्ड)। StoreID trim। locale en-IN से types (OrderDate date; Qty whole; UnitPrice, Discount decimal)। null Discount → 0। Revenue = [Qty] * [UnitPrice] * (1 - [Discount]) जोड़ें। Load: Connection Only।
3. तीनों CSV से dim_Stores, dim_Products, fact_Targets (trim, types; Targets का Month तारीख़)।
4. fact_Sales = stg_Sales का Reference → Data Model में जोड़ें।
5. chk_UnknownStores: Sales → Stores का Left Anti merge। 0 रो आनी चाहिए।

✅ जाँच: fact_Sales = 50,000 रो; StoreID में 8 अलग वैल्यू।

3. स्टेप 2 — डेटा मॉडल और measures (मॉड्यूल 4) · ~10 मिनट

• Relationships: fact_Sales → dim_Stores (StoreID), fact_Sales → dim_Products (ProductID), fact_Sales → Calendar (OrderDate → Date)।
• FY और FY month नंबर वाला Calendar; Date Table के रूप में mark करें।
• Targets: fact_Targets[Region] को छोटी dim_Region टेबल (North/South/East/West) से और fact_Targets[Month] → Calendar[Date] जोड़ें — या आसानी चाहें तो targets को SUMIFS वाले अलग पिवट में रखें।
• Measures:

Total Revenue := SUM(fact_Sales[Revenue])
Total Cost    := SUMX(fact_Sales, fact_Sales[Qty] * RELATED(dim_Products[UnitCost]))
Profit        := [Total Revenue] - [Total Cost]
Margin %      := DIVIDE([Profit], [Total Revenue])
Orders        := DISTINCTCOUNT(fact_Sales[OrderID])
Avg Order Value := DIVIDE([Total Revenue], [Orders])
Revenue LY    := CALCULATE([Total Revenue], SAMEPERIODLASTYEAR('Calendar'[Date]))
YoY %         := DIVIDE([Total Revenue] - [Revenue LY], [Revenue LY])
Revenue YTD   := TOTALYTD([Total Revenue], 'Calendar'[Date], "3/31")
Target        := SUM(fact_Targets[Target])
Achievement % := DIVIDE([Total Revenue], [Target])

(dim_Region वाले तरीके में रीजनल पिवट dim_Region[Region] इस्तेमाल करें ताकि बिक्री और targets दोनों फ़िल्टर हों। dim_Stores[Region] → dim_Region भी जोड़ें।)

4. स्टेप 3 — चार पिवट (मॉड्यूल 2 + 4) · ~8 मिनट

dim_Region[Region] वाला Region slicer चारों pivots से जोड़ें। Category केवल P1, P2, P3 से जोड़ें: targets Region × Month स्तर पर हैं, इसलिए P4 में सभी categories की बिक्री और targets मिलाएँ। Store/Product slicers भी P4 से न जोड़ें। FY slicer को P1, P2, P4 से जोड़ें; P3 अलग रखें ताकि दोनों FY की तुलना बनी रहे। P4 में पूरे महीने चुनें, दिन नहीं—targets month-start dates पर हैं। Dashboard में हर filter का scope लिखें।

तुलना का स्तर target table के grain से मिलना चाहिए। Business rule के बिना category targets न बाँटें।

5. स्टेप 4 — तीन चार्ट (मॉड्यूल 5) · ~7 मिनट

1. Line: FY2025-26 बनाम FY2024-25 मासिक revenue (P3 से)। टाइटल मौसमी संदेश कहे।
2. सॉर्ट bar या combo: Margin % लेबल के साथ category से revenue — मात्रा बनाम margin का सौदा दिखाता है।
3. Waterfall: FY2024-25 revenue → +East +North +South +West → FY2025-26 revenue (P1 की वैल्यू से बनाएँ; पहला/आख़िरी totals के रूप में सेट करें)।

मॉड्यूल 5 लेसन 6 की सफ़ाई लगाएँ: शून्य से शुरू बार, सीधे लेबल, एक highlight रंग, निष्कर्ष वाले टाइटल।

6. स्टेप 5 — Insight summary · ~8 मिनट

आधा पेज, 5–7 बुलेट, हर एक में एक नंबर, एक तो क्या और (जहाँ हो सके) एक कार्रवाई। यह ढाँचा इस्तेमाल करें:

1. हेडलाइन: कुल वृद्धि और target का नतीजा।
2. वृद्धि कहाँ से आई (रीजन, ऑर्डर बनाम ऑर्डर वैल्यू)।
3. हम कहाँ कमज़ोर हैं (target के मुकाबले रीजन/स्टोर)।
4. Mix और margin (categories)।
5. मौसम और योजना के लिए उसका मतलब।
6. सुझाव (2–3, ठोस)।
7. डेटा नोट्स (की गई सफ़ाई, मान्यताएँ)।

7. Answer key — अपने नंबर जाँचें

Rounding से ₹1–2 का फ़र्क ठीक है।

8. Insight summary का उदाहरण

• Revenue 11.0% बढ़कर ₹29.50 करोड़ हुआ, पर target का सिर्फ़ 96.6% पहुँचे (₹1.05 करोड़ कम)। Target 15% वृद्धि मानकर बना था।
• वृद्धि पूरी तरह ज़्यादा ऑर्डर से आई (+11.1%, 23,691 → 26,309); average order value ₹11,213 पर सपाट रहा। → टोकरी बड़ी करने के लिए bundles/upselling आज़माएँ।
• West समस्या वाला रीजन है: सबसे धीमी वृद्धि (+6.3%) और target से सबसे दूर (92.4%, ₹61 लाख कम)। South अकेला target से ऊपर रीजन है (+15.1% वृद्धि)। → अगले साल का target तय करने से पहले West के स्टोर-स्तर के कारण (footfall, conversion, assortment) देखें।
• Electronics revenue का 72% है पर profit का सिर्फ़ 54% (margin 12.3%), जबकि Kitchen (28.5%) और Furniture (25.6%) दोगुना margin कमाते हैं। → Kitchen/Furniture का हिस्सा बढ़ाएँ; Electronics पर छूट पर नज़र रखें।
• दिवाली के महीनों (अक्टूबर–नवंबर) ने साल का 24.6% revenue दिया, पर बाकी दस महीनों के 18.4% के मुकाबले 10.9% margin पर, क्योंकि त्योहारी छूट ज़्यादा होती है। → अक्टूबर–नवंबर के स्टॉक और स्टाफ़ की योजना अगस्त से बनाएँ; मासिक समीक्षा में MoM नहीं, YoY इस्तेमाल करें।
• डेटा नोट्स: 1,024 स्टोर कोड trim किए, 239 खाली discount को 0 माना, तारीख़ें dd-mm-yyyy (en-IN) से पढ़ीं। Targets = पिछला साल × 1.15।

9. ख़ुद की समीक्षा का पैमाना

आम गलतियाँ

मॉडल की जगह कच्चे CSV इम्पोर्ट पर पिवट बनाना। Margin % को calculated column बनाना। मौसमी बिज़नेस में अक्टूबर की तुलना सितंबर (MoM) से। ऐसे insight बुलेट जो बिना सुझाव के सिर्फ़ नंबर दोहराएँ।