समझिए
1. प्रोजेक्ट सर्टिफ़िकेट से बेहतर क्यों
Recruiter सर्टिफ़िकेट पर "Advanced Excel" नहीं देख सकता। वह ऐसा डैशबोर्ड देख सकता है जिसने समस्या पकड़ी और कार्रवाई सुझाई। दो पूरे प्रोजेक्ट पाँच अधूरों से बेहतर हैं — अपने target रोल के सबसे क़रीब 2–3 चुनें।
| Target रोल | सबसे अच्छे प्रोजेक्ट |
|---|---|
| Data Analyst | Retail, E-commerce funnel, HR attrition |
| MIS Executive | Retail, Inventory |
| Finance | Personal finance (+ Dashboards ट्रैक का Finance डैशबोर्ड) |
| Operations | Inventory, Retail |
| HR analytics | HR attrition |
प्रोजेक्ट 1 — Retail sales performance
डेटा: retail_sales.csv — 50,000 ऑर्डर लाइन, FY2024-25 और FY2025-26, 8 स्टोर, 4 रीजन, 12 प्रोडक्ट, 16 सेल्सपर्सन।
बिज़नेस सवाल: FY2025-26 पिछले साल और target के मुकाबले कैसा रहा, और कहाँ ध्यान दें?
काम: साफ़ करना और मॉडल (Power Query), YoY और margin के pivots/measures, सेल्स डैशबोर्ड (Dashboards ट्रैक Build 1)।
Deliverables: डैशबोर्ड, 5 बुलेट का insight सारांश।
जाँच: FY2025-26 revenue ₹29.50 cr, +11.0% YoY, margin 16.5%; टॉप सेल्सपर्सन Amit (Karol Bagh)।
प्रोजेक्ट 2 — HR attrition analysis
डेटा: hr_attrition.csv — 650 कर्मचारी (EmpID, Department, Gender, Age, JoinDate, ExitDate, ExitReason, MonthlySalary, PerformanceRating, Overtime, City)।
बिज़नेस सवाल: कौन जा रहा है, क्यों, और हम क्या बदल सकते हैं?
काम: सक्रिय बनाम छोड़कर गए, department / overtime / age band / rating के हिसाब से attrition, exit के कारण, exit के समय tenure।
अच्छे से संभालने वाला जाल: "650 में से 174 गए = 26.8%" 2019 से cumulative है, सालाना attrition नहीं। FY2025-26 का सालाना attrition = साल में exits ÷ औसत headcount = 25 ÷ ((479 + 476)/2) = 5.2%। Interview में यह फ़र्क बताना मज़बूत संकेत है।
जाँच: department के हिसाब से exits (कभी भी भर्ती हुए सबका हिस्सा): Customer Support 34.5%, Sales 32.2% … HR 17.5%; Overtime "Yes" 37.7% बनाम "No" 22.2%; सबसे बड़ा exit कारण Better pay (174 में से 64)।
प्रोजेक्ट 3 — E-commerce funnel
डेटा: ecom_funnel.csv — जनवरी–मार्च 2026 रोज़ाना, Channel (5) और Device (2) के हिसाब से: Sessions, ProductViews, AddToCart, Checkout, Orders, Revenue (900 रो)।
बिज़नेस सवाल: विज़िटर कहाँ छूटते हैं, और पहले कौन-सा channel/device ठीक करें?
काम: funnel चार्ट, चरण conversions, channel और device के हिसाब से conversion, weekday बनाम weekend, प्रति session revenue।
जाँच: 8,77,710 sessions → 16,177 orders = 1.84% conversion; mobile 1.60% बनाम desktop 2.46%; revenue ₹3.23 cr, AOV ≈ ₹1,994।
प्रोजेक्ट 4 — Personal finance tracker
डेटा: personal_finance.csv — 467 लेन-देन, अप्रैल 2025–मार्च 2026 (Date, Description, Category, Mode, Type, Amount)।
बिज़नेस सवाल: पैसा कहाँ जाता है, और असली बचत दर क्या है?
काम: मासिक income बनाम ख़र्च, category breakdown, UPI/Card/Cash मिश्रण, त्योहारी महीने का उछाल, आपके तय targets के साथ budget बनाम actual, अपने आप अपडेट होने वाला tracker (dynamic arrays)।
ढूँढने वाली insight: income ₹10,20,000; कुल outflows ₹9,62,548 → cash बचत सिर्फ़ 5.6%, पर outflows में ₹1,44,000 का SIP निवेश शामिल है, इसलिए असली बचत दर (57,452 + 1,44,000) ÷ 10,20,000 = 19.8% है। निवेश को सही वर्गीकृत करने से कहानी बदल जाती है।
जाँच: सबसे बड़ी categories Rent ₹2,64,000, Shopping ₹1,86,022, Groceries ₹1,58,351।
प्रोजेक्ट 5 — Inventory health
डेटा: inventory_skus.csv (60 SKUs: Category, UnitCost, OpeningStock, ReorderLevel, LeadTimeDays) + inventory_movements.csv (3,969 In/Out movements, जनवरी–मार्च 2026)।
बिज़नेस सवाल: क्या reorder करें, क्या धीमा बिकता है, और क्या स्टॉक डेटा भरोसेमंद है?
काम: closing stock (opening + in − out), consumption value, ABC analysis (A = consumption value का टॉप 80%), stock के दिन, reorder लिस्ट, धीमे आइटम।
जाल: 11 SKUs नेगेटिव closing stock दिखाते हैं — भौतिक stock के लिए असंभव; missing receipts, गलत opening balance, duplicate issues या timing errors की जाँच करें। इन्हें रिपोर्ट करने की जगह data-quality समस्या के रूप में फ़्लैग करें।
जाँच: ABC बँटवारा A 16 · B 18 · C 26 SKUs; 13 SKUs reorder level पर या नीचे (इनमें 11 नेगेटिव-स्टॉक वाले हैं)।
प्रोजेक्ट की मानक बनावट
- सवाल (1 लाइन) → 2. डेटा और सफ़ाई (क्या ठीक किया) → 3. विश्लेषण (pivots/measures) → 4. डैशबोर्ड → 5. Insights और सुझाव (नंबरों के साथ 3–5 बुलेट) → 6. आगे क्या करता।
प्रोजेक्ट नियम: Target तुलना के लिए शामिल retail_targets.csv लें (केवल FY2025-26, Region × Month)। यहाँ retail एक flat file है; 24-file अभ्यास Analysis & Visualization में है। HR headcount 31-Mar-2025 और 31-Mar-2026 के दिन के अंत पर लें: JoinDate ≤ तारीख़, और ExitDate खाली या > तारीख़। Overtime संबंध cumulative है, कारण साबित नहीं करता। ABC के लिए consumption value घटते क्रम में और tie पर SKU बढ़ते क्रम में लगाएँ; SKU समेत cumulative share ≤80% A, ≤95% B, बाकी C। Daily usage = Q1 outward quantity / 90 दिन; negative stock पर days-of-stock ratio खाली रखें। Personal-finance savings में बचा cash और investment contributions हैं, investment returns नहीं।
आम गलतियाँ
बिना सवाल के tutorial डैशबोर्ड कॉपी करना। कोई insight नहीं, सिर्फ़ चार्ट। डेटा की समस्याएँ अनदेखी करना (नेगेटिव स्टॉक, cumulative बनाम annual)। पाँच अधूरे प्रोजेक्ट।