1. Learning Outcomes#

2. सुरुवात एका साध्या business problem पासून#

समजा एका retail company ची महाराष्ट्रात अनेक stores आहेत.

दररोज प्रत्येक store मधून sales transactions तयार होतात.

एका transaction मध्ये अशी माहिती असू शकते:

• Date
• Store
• City
• Product
• Quantity
• Sales Amount
• Discount
• Profit

एका महिन्यात अशा हजारो किंवा लाखो rows तयार होऊ शकतात.

आता company चा manager विचारतो:

Data आहे.

पण फक्त data असणे म्हणजे answer मिळाला असे नाही.

याच ठिकाणी Business Intelligence उपयोगी पडते.

3. Business Intelligence म्हणजे काय#

Business Intelligence, किंवा थोडक्यात BI, म्हणजे business कडे उपलब्ध असलेल्या data ला अशा प्रकारे organize, analyze आणि present करणे की त्या data मधून useful information आणि actionable insight मिळू शकेल.

सोप्या भाषेत:

Data पाहून business ने पुढे काय करावे हे समजण्यास BI मदत करते.

उदाहरणार्थ company कडे 50,000 sales transactions असतील.

त्या 50,000 rows स्वतःमध्ये फार उपयोगी नसतील.

पण analysis केल्यानंतर आपल्याला कळले:

• West region ची sales सर्वाधिक आहे.
• East region मध्ये sales मागील महिन्यापेक्षा कमी झाली आहे.
• Laptop category मध्ये revenue चांगले आहे पण profit margin कमी आहे.
• एका विशिष्ट store मध्ये returns जास्त आहेत.

आता raw transactions मधून meaningful knowledge मिळाले.

हेच BI चे मुख्य काम आहे.

4. Business Intelligence ची गरज का पडते#

आजच्या business मध्ये data अनेक ठिकाणांहून येतो.

उदाहरणार्थ:

• Excel files
• databases
• sales applications
• ERP systems
• CRM systems
• websites
• cloud services
• finance systems
• HR systems

Problem अशी आहे की data वेगवेगळ्या ठिकाणी असतो आणि तो नेहमी decision घेण्यासाठी ready नसतो.

उदाहरणार्थ Sales Manager ला विचारायचे आहे:

या quarter मध्ये कोणत्या region ने target achieve केला?

त्यासाठी कदाचित:

• sales system मधील actual sales लागतील.
• Excel file मधील targets लागतील.
• region information दुसऱ्या table मधून लागेल.

जर प्रत्येक वेळी manually files उघडून calculation करावी लागली तर process slow होईल.

Errors होण्याची शक्यता वाढेल.

आणि report तयार होईपर्यंत decision घेण्याची वेळ निघून जाऊ शकते.

BI या problem ला structured पद्धतीने handle करण्याचा प्रयत्न करते.

BI मुळे business ला साधारणपणे पुढील गोष्टी करता येतात:

• important metrics एकाच ठिकाणी पाहणे
• trends ओळखणे
• departments किंवा regions compare करणे
• problems लवकर identify करणे
• targets track करणे
• historical performance समजणे
• data-backed decisions घेणे

"डोळ्यांनी पाहिले तेच खरे" हा विचार data analytics मध्ये थोडा बदलतो.

इथे म्हणता येईल:

विश्वासार्ह data ने verify केले ते अधिक उपयोगी.

5. Raw Data ते Business Decision#

BI समजण्यासाठी हा सर्वात महत्त्वाचा mental model आहे.

हा flow step-by-step समजून घेऊया.

Raw Data#

Raw Data म्हणजे सुरुवातीला मिळालेली individual facts किंवा records.

उदाहरण:

ही माहिती useful आहे.

पण अजून manager च्या मोठ्या business question चे उत्तर मिळालेले नाही.

Information#

Data summarize केल्यावर त्यातून Information मिळते.

उदाहरणार्थ region-wise monthly sales calculate केल्या.

आता individual transactions ऐवजी एक understandable summary मिळाली.

या data चा comparison visual स्वरूपात पाहूया.

इथे chart मधील values आणि table मधील values अगदी त्याच आहेत.

West = ₹52 lakh.

North = ₹41 lakh.

South = ₹36 lakh.

East = ₹29 lakh.

Insight#

आता आपण फक्त numbers पाहत नाही.

आपण त्यांचा अर्थ समजण्याचा प्रयत्न करतो.

उदाहरणार्थ:

West region ची sales सर्वाधिक आहे आणि East region ची सर्वात कमी आहे.

हा observation म्हणजे Insight च्या दिशेने गेलेला step आहे.

पण एक चांगला analyst इथेच थांबत नाही.

तो पुढे विचारतो:

• East ची sales कमी का आहे?
• हा pattern फक्त या महिन्यात आहे का?
• मागील महिन्यातही असेच झाले होते का?
• Product mix वेगळा आहे का?
• काही stores problem create करत आहेत का?

म्हणजे chart आपल्याला answer देतो आणि नवीन useful questions देखील निर्माण करतो.

Business Decision#

Insight वरून पुढचा action ठरवला तर तो Business Decision.

उदाहरणार्थ investigation केल्यानंतर East region मध्ये एका important product चा stock कमी असल्याचे दिसले.

Business decision असा असू शकतो:

East region मध्ये त्या product चा stock वाढवणे.

म्हणून complete flow असा आहे:

Transactions → Summary → Pattern → Action

6. BI मध्ये सुंदर chart पुरेसा का नाही#

समजा report मध्ये दहा सुंदर charts आहेत.

Colors छान आहेत.

Layout professional दिसतो.

पण report पाहून management ला कोणती business question answer होते हेच समजत नाही.

तर report visually attractive असला तरी तो effective BI solution नाही.

एक professional analytical report असा विचार करतो:

Business Question → Correct Data → Correct Metric → Appropriate Visual → Insight → Decision

म्हणून Power BI शिकताना फक्त buttons आणि charts शिकणे पुरेसे नाही.

आपल्याला analytical thinking देखील लागते.

7. Power BI म्हणजे काय#

Power BI हे Microsoft चे business analytics platform/toolset आहे.

याचा वापर data:

• connect करण्यासाठी
• clean आणि transform करण्यासाठी
• model करण्यासाठी
• calculations तयार करण्यासाठी
• analyze करण्यासाठी
• reports आणि visuals तयार करण्यासाठी
• publish आणि share करण्यासाठी

केला जातो.

सोप्या भाषेत:

Power BI आपल्याला वेगवेगळ्या sources मधील data घेऊन त्यातून interactive analytical reports तयार करण्यास मदत करते.

समजा company कडे:

• sales Excel file
• customer database
• product master
• monthly target file

आहे.

Power BI workflow मध्ये हे data sources connect करून आवश्यक data prepare करता येतो.

नंतर relationships आणि calculations वापरून meaningful model तयार करता येतो.

आणि शेवटी management साठी report बनवता येतो.

8. Power BI चा मुख्य purpose#

Power BI चा purpose फक्त "chart बनवणे" असा समजू नका.

त्याचा broader purpose आहे:

Business data ला understandable आणि decision-useful form मध्ये convert करणे.

एक सामान्य Power BI solution खालील कामे करू शकतो:

1. data source शी connect करणे
2. unwanted किंवा incorrect data clean करणे
3. tables व्यवस्थित structure करणे
4. आवश्यक relationships तयार करणे
5. business calculations तयार करणे
6. reports आणि visuals तयार करणे
7. filters आणि interactions वापरून analysis सोपे करणे
8. report publish/share करणे
9. result validate करणे
10. business users ना insight मिळवून देणे

हे सर्व concepts पुढे technically खोल असू शकतात.

आत्ता आपल्याला त्यांचा big picture समजणे महत्त्वाचे आहे.

9. Power BI Desktop ची ओळख#

Power BI मध्ये fresher ने सर्वप्रथम समजून घ्यायचा environment म्हणजे Power BI Desktop.

Desktop हा मुख्यतः report तयार करण्याचा authoring environment आहे.

त्यामध्ये आपण high level वर:

• data connect करू शकतो.
• data transform करू शकतो.
• model तयार करू शकतो.
• calculations तयार करू शकतो.
• report pages तयार करू शकतो.
• visuals build करू शकतो.

Power BI Desktop चे educational orientation खाली पाहा.

या figure मध्ये exact pixel-by-pixel Power BI screen copy केलेली नाही.

Learner ने major working regions समजून घ्यावेत हा उद्देश आहे.

View navigation#

Power BI Desktop मध्ये तीन important views वारंवार दिसतात:

Report view

Report pages आणि visuals वर काम करण्यासाठी.

Data view

Loaded data समजण्यासाठी आणि table/column level वर पाहण्यासाठी.

Model view

Tables मधील relationships आणि model structure समजण्यासाठी.

एका fresher ने सुरुवातीला एवढे लक्षात ठेवले तरी पुरेसे आहे:

Report = presentation आणि analysis

Data = loaded data

Model = tables मधील relationship structure

Report canvas#

Report canvas म्हणजे report page तयार होणारी मुख्य working area.

इथे charts, cards, tables, slicers आणि इतर visuals ठेवले जातात.

पण पुन्हा लक्षात ठेवा:

Canvas रिकामा दिसला म्हणून random visuals टाकायचे नसतात.

पहिले business question.

नंतर visual.

Data किंवा Fields pane#

इथे available tables, columns आणि measures दिसतात.

Power BI च्या UI version नुसार terminology किंवा exact arrangement बदलू शकते.

पण underlying idea एकच आहे:

Report तयार करण्यासाठी कोणता data उपलब्ध आहे हे इथून समजते.

Build, Visualizations आणि Format experience#

इथे visual चा प्रकार, त्यात वापरायची fields आणि formatting संबंधित controls मिळतात.

याची exact UI Power BI च्या version नुसार बदलू शकते.

म्हणून fresher ने एका fixed button position पाठ करण्यापेक्षा control चे काम समजून घेणे अधिक महत्त्वाचे आहे.

Filters pane#

Report वर कोणता subset of data दाखवायचा हे filters च्या मदतीने नियंत्रित करता येते.

आत्ता filter syntax किंवा levels शिकायची गरज नाही.

फक्त mental model:

Filter म्हणजे संपूर्ण data मधून आपल्याला relevant असलेला भाग निवडण्याचा मार्ग.

10. Power BI Service ची ओळख#

Power BI Desktop मध्ये आपण report build करतो.

पण company मधील इतर users ना तो report पाहायचा असेल तर report फक्त आपल्या laptop वर ठेवून उपयोग नाही.

इथे Power BI Service उपयोगी पडतो.

Power BI Service हा cloud-based environment आहे.

High level वर त्याचा वापर:

• reports publish करण्यासाठी
• reports online पाहण्यासाठी
• team सोबत share/collaborate करण्यासाठी
• workspaces मध्ये content organize करण्यासाठी
• semantic models आणि reports manage करण्यासाठी
• refresh-related workflows manage करण्यासाठी
• dashboards/apps सारख्या delivery experiences साठी

होऊ शकतो.

11. Power BI Desktop आणि Power BI Service#

दोन्ही एकमेकांचे duplicate नाहीत.

त्यांची भूमिका वेगळी पण connected आहे.

याचा simple mental model:

Desktop = Build

Service = Publish + Share + Consume

हा high-level rule आहे.

Real projects मध्ये दोन्ही एकत्र वापरले जातात.

Figure मध्ये मुख्य relationship स्पष्ट आहे.

Analyst report Desktop मध्ये तयार करू शकतो.

तो Service मध्ये publish करू शकतो.

नंतर business users report online consume करू शकतात.

12. Power BI चे common business use cases#

Power BI अनेक departments मध्ये वापरले जाऊ शकते.

Sales Analytics#

Business questions:

• कोणत्या region ची sales सर्वाधिक आहे?
• कोणता salesperson target च्या मागे आहे?
• कोणती product category grow होत आहे?
• month-on-month sales trend काय आहे?

Finance Analytics#

उदाहरणार्थ:

• Revenue किती आहे?
• Profit किती आहे?
• Actual vs Budget काय आहे?
• कोणत्या cost category मध्ये खर्च वाढला?

Inventory आणि Operations#

उदाहरणार्थ:

• कोणत्या products चा stock कमी आहे?
• कोणत्या warehouse मध्ये inventory जास्त अडकली आहे?
• orders deliver होण्यासाठी किती वेळ लागत आहे?
• कोणत्या process मध्ये delay वाढतो आहे?

HR Analytics#

उदाहरणार्थ:

• department-wise headcount किती आहे?
• employee attrition कुठे जास्त आहे?
• hiring trend कसा आहे?
• attendance किंवा workforce distribution कसा आहे?

Customer Analytics#

उदाहरणार्थ:

• सर्वाधिक revenue कोणत्या customer segment मधून येतो?
• repeat customers किती आहेत?
• कोणत्या category मध्ये complaints जास्त आहेत?
• कोणत्या customers ची purchasing pattern बदलली आहे?

13. Power BI Data Analyst ची role#

Power BI Data Analyst म्हणजे फक्त chart तयार करणारी व्यक्ती नाही.

एक चांगला analyst business आणि data यांच्या मध्ये bridge सारखे काम करतो.

High level workflow पाहूया.

या प्रत्येक step मागे वेगळे skills असतात.

Business requirement समजणे#

उदाहरणार्थ manager म्हणतो:

"मला sales dashboard पाहिजे."

हे requirement अजून vague आहे.

Analyst ने विचार करायला हवे:

• कोणासाठी dashboard आहे?
• कोणत्या time period साठी?
• Sales ची business definition काय?
• कोणते KPIs महत्त्वाचे?
• कोणत्या decisions साठी report वापरला जाणार?

Data समजणे#

Analyst ला विचार करावा लागतो:

• data कुठून येतो?
• columns चा अर्थ काय आहे?
• duplicate records आहेत का?
• missing values आहेत का?
• date आणि numeric values योग्य आहेत का?

Data prepare करणे#

Power BI मध्ये data cleaning आणि transformation साठी Power Query महत्त्वाचे आहे.

आत्ता त्याची detailed working नको.

फक्त एवढे समजा:

Raw data analysis साठी usable form मध्ये आणण्यासाठी Power Query मदत करते.

Data model तयार करणे#

कधी एकाच table मध्ये सर्व data नसतो.

Sales, Products, Customers, Dates अशा अनेक tables असू शकतात.

त्या योग्य प्रकारे connect करून analytical model तयार करावा लागतो.

Calculations तयार करणे#

Business ला अनेक calculations लागतात:

• Total Sales
• Total Profit
• Profit Margin
• Growth
• Target Achievement

Power BI मध्ये अशा calculations साठी DAX वापरले जाते.

आत्ता DAX formula शिकण्याची गरज नाही.

फक्त:

DAX म्हणजे Power BI मध्ये analytical calculations तयार करण्यासाठी वापरले जाणारे expression language.

Reports तयार करणे#

Analyst योग्य visuals निवडतो.

पण visual निवडताना प्रश्न असा असावा:

हा chart business question स्पष्टपणे answer करतो का?

"हा chart सुंदर दिसतो का?" हा secondary प्रश्न आहे.

Result validate करणे#

हा अत्यंत महत्त्वाचा step आहे.

समजा report Total Sales = ₹10 crore दाखवत आहे.

पण source finance system मध्ये Total Sales = ₹8.5 crore आहे.

Report कितीही सुंदर असला तरी त्यावर विश्वास ठेवता येणार नाही.

Analyst ने तपासले पाहिजे:

• source data
• filters
• aggregation
• date range
• relationships
• calculations
• totals

Insight communicate करणे#

Analyst ने user ला फक्त chart दाखवू नये.

त्याने अर्थ सांगता आला पाहिजे.

उदाहरण:

कमकुवत:

"हा bar chart आहे."

चांगले:

"West region ची sales ₹52 lakh आहे आणि चार regions मध्ये ती सर्वाधिक आहे. East ₹29 lakh वर आहे. East च्या lower performance चे product/store-level कारण तपासणे पुढचा logical analytical step आहे."

हीच BI thinking आहे.

14. End-to-End Power BI Workflow#

आता पूर्ण big picture एकत्र पाहूया.

हा flow पाठ करण्यापेक्षा त्यामागचा logic समजा.

Step 1 — Business Question#

सुरुवात tool पासून नाही.

सुरुवात question पासून.

उदाहरण:

Which region is missing its sales target?

Step 2 — Data Sources#

Question answer करण्यासाठी relevant data लागतो.

उदाहरण:

• actual sales
• targets
• region information
• date information

Step 3 — Clean आणि Transform#

Raw data मध्ये problems असू शकतात.

उदाहरण:

• wrong data type
• blank values
• duplicate rows
• inconsistent names

त्यांना analysis-ready form मध्ये आणले जाते.

Step 4 — Semantic Model#

Tables मध्ये meaningful relationships तयार केले जातात.

हा model report calculations साठी foundation बनतो.

Step 5 — Calculations#

Business metrics तयार होतात.

उदाहरण:

• Total Sales
• Target
• Variance
• Achievement %

Step 6 — Report आणि Visuals#

Business question साठी योग्य visual representation तयार केली जाते.

Step 7 — Validation#

Report result source आणि business logic शी जुळतो का ते check केले जाते.

Step 8 — Publish#

Report online consumption साठी Power BI Service मध्ये publish केला जाऊ शकतो.

Step 9 — Business Users#

Managers, analysts किंवा इतर authorized users report वापरतात.

Step 10 — Decision#

शेवटी objective:

Better business decision.

म्हणून Power BI workflow चा शेवट chart वर होत नाही.

तो business action पर्यंत जातो.

15. एक complete mini example#

एका retail company चा Sales Head विचारतो:

"या महिन्यात कोणत्या region वर सर्वाधिक attention द्यायचे?"

उपलब्ध data#

Region-wise sales:

Information#

East region ची sales चारही regions मध्ये सर्वात कमी आहे.

पुढचा analytical question#

East कमी का आहे?

Investigation मध्ये दिसते की East मधील काही stores मध्ये popular product चा stock कमी होता.

Insight#

Lower sales फक्त "customer demand कमी" असल्यामुळे नसून stock availability मुळे प्रभावित झालेली असू शकते.

Possible decision#

East region मधील relevant stores मध्ये inventory availability सुधारण्याचा action घेता येईल.

इथे महत्त्वाचे काय?

Power BI ने magically business decision घेतला नाही.

Power BI ने data समजण्यास मदत केली.

Decision business context वापरून माणूस घेतो.

16. BI आणि Power BI एकच आहेत का#

नाही.

हे दोन terms संबंधित आहेत, पण identical नाहीत.

Business Intelligence ही broader discipline/process आहे.

Power BI हे BI solutions तयार करण्यासाठी वापरता येणारे technology platform आहे.

सोपे उदाहरण:

BI = आपण साध्य करायचा analytical purpose

Power BI = तो purpose साध्य करण्यासाठी वापरता येणारे tool/platform

जसे accounting ही discipline आहे आणि accounting software हे tool आहे.

तसेच BI ही discipline आहे आणि Power BI हे BI platform आहे.

17. Common Beginner Confusions#

Power BI म्हणजे फक्त Excel चे advanced version आहे का#

नाही.

Excel आणि Power BI मध्ये काही analytical कामे overlap होऊ शकतात.

पण Power BI चे data transformation, modelling, reusable calculations, interactive reporting आणि cloud sharing यांसाठी स्वतंत्र ecosystem आहे.

Power BI शिकणे म्हणजे charts शिकणे का#

नाही.

Professional Power BI skill मध्ये:

• data understanding
• transformation
• modelling
• calculations
• reporting
• validation
• business interpretation

या सर्वांचा संबंध आहे.

Power BI वापरला म्हणजे data automatically correct होतो का#

नाही.

Wrong source data किंवा wrong business logic असेल तर Power BI देखील wrong result दाखवू शकतो.

"Garbage in, garbage out" हा principle इथेही लागू होतो.

प्रत्येक business question साठी dashboard आवश्यक आहे का#

नाही.

कधी simple table पुरेसा असतो.

कधी एक KPI पुरेसा असतो.

कधी trend chart लागतो.

Visual हा question च्या गरजेनुसार निवडला पाहिजे.

18. स्वतःची समज तपासा#

19. Interview Preparation#

20. या chapter मधून काय लक्षात ठेवायचे#

• Business Intelligence चा उद्देश data मधून decision-useful insight मिळवणे आहे.
• BI चा basic flow आहे: Raw Data → Information → Insight → Business Decision.
• Power BI हे BI solutions तयार करण्यासाठी वापरले जाणारे Microsoft analytics platform आहे.
• Power BI चे काम फक्त charts तयार करणे नाही.
• Power BI Desktop मुख्यतः report authoring साठी वापरला जातो.
• Power BI Service मुख्यतः publish, share, consume आणि collaboration workflows साठी वापरला जातो.
• Power BI Data Analyst business question पासून सुरुवात करतो.
• Data cleaning, modelling, calculation, reporting आणि validation हे analyst च्या workflow चे महत्त्वाचे भाग आहेत.
• Beautiful report पेक्षा trustworthy आणि decision-useful report अधिक महत्त्वाचा आहे.
• Power BI शेवटी business user ला informed decision घेण्यास मदत करतो.