Power BI के साथ डेटा विज़ुअलाइज़ेशन

डेटा विश्लेषक के रूप में हमारा लक्ष्य अपनी अंतर्दृष्टियों को इस प्रकार प्रस्तुत करना है कि उन्हें देखने वाला हर व्यक्ति उनके निहितार्थ समझ सके और उसी के अनुसार कार्रवाई कर सके।

Power BI Microsoft की क्लाउड-आधारित बिज़नेस एनालिटिक्स सेवा है, जो किसी को भी तेज़ी और दक्षता के साथ डेटा का विज़ुअलाइज़ेशन और विश्लेषण करने में सक्षम बनाती है। यह विभिन्न प्रकार के डेटा से कनेक्ट करने और उनका विश्लेषण करने के लिए एक शक्तिशाली और लचीला BI टूल है। कई व्यवसाय इसे डेटा साइंस से संबंधित कार्य के लिए अनिवार्य मानते हैं। Power BI की उपयोग में सरलता का एक कारण इसका ड्रैग-एंड-ड्रॉप इंटरफ़ेस है। यह सुविधा सॉर्टिंग, तुलना और विश्लेषण जैसे कार्यों को बहुत आसानी और तेज़ी से करने में मदद करती है। Power BI कई स्रोतों के साथ संगत है, जिनमें Excel, SQL Server और क्लाउड-आधारित डेटा रिपॉज़िटरी शामिल हैं, जो इसे डेटा वैज्ञानिकों के लिए उत्कृष्ट विकल्प बनाता है।

1. Power BI का अवलोकन

अवलोकन

Power BI ऑन-प्रिमाइसेस के साथ-साथ क्लाउड में डेटा का विश्लेषण और अन्वेषण करने की क्षमता देता है। Power BI अनुकूलित डैशबोर्ड और इंटरैक्टिव रिपोर्टों पर सहयोग और उन्हें सहकर्मियों और संगठनों में आसानी और सुरक्षित रूप से साझा करने की सुविधा प्रदान करता है।

Power BI अवलोकन। स्रोत: Microsoft

Power BI के घटक

Power BI कई घटकों से मिलकर बना है जो बाज़ार में अलग-अलग उपलब्ध हैं और स्वतंत्र रूप से उपयोग किए जा सकते हैं।

Power BI घटक। स्रोत: Wikipedia

किस घटक के साथ काम करना है, यह मुख्य रूप से प्रोजेक्ट या टीम पर निर्भर करता है। हम हालांकि Power BI Desktop के साथ काम करेंगे, क्योंकि यह बिज़नेस रिपोर्ट बनाने और डेस्कटॉप पर क्रिएशन के लिए प्राथमिक रूप से प्रयुक्त घटक है। आम तौर पर अन्य सभी कार्य भी Power BI Desktop से ही शुरू होते हैं, जहाँ रिपोर्ट निर्माण होता है।

Power BI का परिचय

Power BI प्लेटफ़ॉर्म पर नेविगेट करने का बेहतरीन व्यावहारिक परिचय पाने के लिए DataCamp का कोर्स Introduction to Power BI लें।

2. Power BI उपयोग करने के फायदे

Power BI कुछ ऐसे लाभ प्रदान करता है जो इसे मौजूदा विश्लेषणात्मक टूल्स से बेहतर बनाते हैं:

• क्लाउड-आधारित और डेस्कटॉप—दोनों तरह के इंटरफ़ेस उपलब्ध कराता है।
• डेटा वेयरहाउसिंग, डेटा डिस्कवरी और इंटरैक्टिव डैशबोर्ड जैसी क्षमताएँ देता है।
• कस्टम विज़ुअलाइज़ेशन लोड करने की क्षमता, और
• पूरे संगठन में आसानी से स्केल किया जा सकता है।

3. Power BI Desktop

Power BI एक निःशुल्क एप्लिकेशन है जिसे सिस्टम पर डाउनलोड और इंस्टॉल किया जा सकता है। इसे कई डेटा स्रोतों से जोड़ा जा सकता है। आमतौर पर विश्लेषण का काम Power BI Desktop में शुरू होता है, जहाँ रिपोर्ट का निर्माण होता है। इसके बाद रिपोर्ट को Power BI Service पर प्रकाशित किया जाता है, जहाँ से इसे Power BI Mobile apps में साझा किया जा सकता है ताकि लोग मोबाइल पर भी रिपोर्ट देख सकें।

Power BI Desktop। स्रोत: Microsoft

इंस्टॉलेशन

Power BI केवल Windows मशीनों पर चलता है। Mac उपयोगकर्ता Azure में एक Windows VM चला कर उस पर Power BI लोड कर सकते हैं या Turbo.net का उपयोग कर सकते हैं, जो क्लाउड से सीधे Mac पर Power BI स्ट्रीम कर सकता है।

Power BI दो तरीकों से उपयोग किया जा सकता है:

• Microsoft Store से ऐप के रूप में और साइन इन करके शुरू करें। यह टूल का ऑनलाइन संस्करण है।
• सॉफ़्टवेयर को स्थानीय रूप से डाउनलोड करें और फिर इंस्टॉल करें। सुनिश्चित करें कि आप सभी इंस्टॉलेशन निर्देश पढ़ लें।

उत्पाद के चयन के आधार पर सॉफ़्टवेयर को कंप्यूटर पर डाउनलोड करें। लाइसेंस एग्रीमेंट स्वीकार करने के बाद, Power BI आइकन/ऐप पर क्लिक करके इंस्टॉलेशन सत्यापित करें। यदि निम्नलिखित स्क्रीन दिखाई देती है, तो आप तैयार हैं।

4. शुरुआत करें

अब Power BI Desktop के साथ काम करने का एक विचार लेते हैं। इस अनुभाग में, हम इसके इंटरफ़ेस से परिचित होने के लिए इसे थोड़ा एक्सप्लोर करेंगे।

Power BI वर्कस्पेस

नीचे दी गई छवि Power BI के वर्कस्पेस के प्रमुख घटकों को दर्शाती है।

बेसिक व्यू

• रिपोर्ट व्यू: यह मुख्य व्यू है जहाँ डैशबोर्ड बनाया जाता है।

• डेटा व्यू: डेटा व्यू पूरे डेटा का प्रीव्यू देता है।

• रिलेशनशिप व्यू: रिलेशनशिप व्यू विभिन्न ऑब्जेक्ट्स के बीच संबंध दिखाता है।

डेटा स्रोत से कनेक्ट करना

Power BI कई डेटा स्रोतों से जोड़ा जा सकता है। Get Data आइकन सभी संभावित विकल्प दिखाता है, जहाँ से डेटा Power BI में आयात किया जा सकता है।

आइए कुछ सबसे सामान्य रूप से उपयोग किए जाने वाले डेटा स्रोतों को देखें:

Excel डेटा

आइए एक Excel डेटा स्रोत से कनेक्ट करें। वर्कबुक में कुछ नकली वित्तीय डेटा है। फ़ाइल को यहाँ से डाउनलोड करें। Power BI Desktop वर्कबुक को लोड करता है, उसकी सामग्री पढ़ता है और Navigator विंडो का उपयोग करके फ़ाइल में डेटा दिखाता है।

लोड होने के बाद, डेटा Fields पैन में देखा जा सकता है।

Web

आप वेब से भी डेटा का उपयोग कर सकते हैं। यहाँ एक डेटासेट है जो U.S. में रिटायरमेंट के लिए सबसे अच्छे और सबसे ख़राब राज्यों को प्रस्तुत करता है।

लिंक: https://www.bankrate.com/retirement/best-and-worst-states-for-retirement/

सिर्फ Get Data में विकल्प के रूप में Web चुनें और url का नाम दर्ज करें।

अन्य डेटा स्रोतों के साथ भी प्रयोग करके देखें।

5. डेटा ट्रांसफ़ॉर्म करना

डेटा लोड होने के बाद, यह Fields टैब के अंतर्गत दिखाई देता है। यहाँ से, हम Query Editor की मदद से अपने डेटासेट को संशोधित कर सकते हैं। क्वेरी एडिटर का उपयोग, डेटा स्रोत चाहे जो भी हो, डेटासेट को संशोधित करने के लिए किया जा सकता है। हम क्वेरी एडिटर में डेटासेट का नाम बदलना, एक या एक से अधिक कॉलम हटाना आदि जैसे परिवर्तन कर सकते हैं। Query Editor तक पहुँच Home रिबन पर Edit Queries बटन पर क्लिक करके की जा सकती है।

कस्टम कॉलम बनाना

ऊपर उपयोग किए गए उसी वित्तीय डेटा का उपयोग करते हुए, आइए आवश्यकता अनुसार डेटा को शेप करें। एक कस्टम कॉलम New Manufacturing Price बनाएँ, जो इसके बराबर हो:

([manufacturing Price])*3
संचालित द्वारा

कॉलम डेटा टाइप बदलना

कॉलम के डेटा टाइप भी आसानी से बदले जा सकते हैं। Units Sold कॉलम का डेटा टाइप फ़्लोटिंग पॉइंट है, जिसे पूर्णांक में समायोजित किया जा सकता है।

कॉलम हटाना

कॉलम हटाना भी आसान है। बस हटाए जाने वाले कॉलम का चयन करें और नीचे दिए चित्र के अनुसार Remove Columns विकल्प चुनें। आइए Discount कॉलम को हटा दें क्योंकि यह हमारे डेटासेट में कोई मूल्य नहीं जोड़ रहा है।

इसी प्रकार, अन्य कई फ़ंक्शंस भी किए जा सकते हैं जैसे पंक्तियाँ हटाना और जोड़ना, ट्रांसपोज़, पिवट और स्प्लिट, जिन्हें क्वेरी एडिटर के माध्यम से आसानी से हासिल किया जा सकता है। ध्यान दें कि डेटा ट्रांसफ़ॉर्म करने के लिए उठाए गए सभी चरण Query Settings पैनल में दिखाई देते हैं।

6. रिपोर्ट

रिपोर्ट एक या अधिक पृष्ठों पर बनाई जा सकने वाली विज़ुअलाइज़ेशन का संग्रह होती हैं। ये विज़ुअलाइज़ेशन आम तौर पर एक-दूसरे से संबंधित होते हैं।

7. डैशबोर्ड

डैशबोर्ड कई व्यू का संग्रह होता है, जो एक साथ विभिन्न डेटा की तुलना करने में सक्षम बनाता है। जहाँ रिपोर्ट में कई पृष्ठ हो सकते हैं, वहीं डैशबोर्ड एक सिंगल-पेज इंटरफ़ेस होता है।

डैशबोर्ड बनाना

एक बार जब हमारा डेटासेट सभी आवश्यक बदलावों के साथ तैयार हो जाए, तो हम डैशबोर्ड निर्माण प्रक्रिया की ओर बढ़ सकते हैं। Power BI डैशबोर्ड, जिसे कैनवास भी कहा जाता है, एक पृष्ठ पर कई विज़ुअलाइज़ेशन से बना होता है जो एक कहानी कहने में मदद करता है। इन विज़ुअलाइज़ेशन को टाइल्स कहा जाता है और इन्हें रिपोर्ट से डैशबोर्ड पर पिन किया जाता है।

अब समझते हैं कि सुपरस्टोर डेटासेट का उपयोग करके कौन सी अंतर्दृष्टियाँ प्राप्त की जा सकती हैं:-

• देश के अनुसार बिक्री

• सेगमेंट के अनुसार बिक्री और लाभ

• महीने के अनुसार बिक्री और लाभ

• उत्पाद के अनुसार बिक्री

• डिस्काउंट बैंड के अनुसार लाभ

बनाया गया डैशबोर्ड इंटरैक्टिव है, यानी एक टाइल में परिवर्तन अन्य को प्रभावित करता है।

8. R और Python के साथ Power BI का एकीकरण

Power BI द्वारा प्रदान किए गए विभिन्न विज़ुअलाइज़ेशन फायदों के अलावा, इसमें कमाल की आउट-ऑफ़-द-बॉक्स कनेक्शन क्षमताएँ भी हैं। Power BI आसानी से Python, R जैसी भाषाओं और SQL जैसे DBMS के साथ एकीकृत हो सकता है। यह कार्यात्मकताओं के लिहाज़ से बढ़े हुए फायदे देता है और उन डेटा वैज्ञानिकों के लिए उपयोगी है जो Python या R में काम करने के आदी हैं। वे कार्यक्षेत्र में सीधे R और Python स्क्रिप्ट आयात कर सकते हैं और इसकी विज़ुअलाइज़ेशन क्षमताओं का लाभ उठा सकते हैं, जो इन भाषाओं से कहीं अधिक उन्नत हैं।

इस अनुभाग में हम सीखेंगे कि Python और R स्क्रिप्ट्स के साथ कैसे काम करें। Power BI के साथ SQL के एकीकरण के बारे में जानने के लिए हमारा SQL with Power BI ट्यूटोरियल देखें।

Power BI और R

R एक लोकप्रिय सांख्यिकीय भाषा है, जिसका उपयोग उन्नत विश्लेषण और प्रेडिक्टिव एनालिटिक्स जैसे रैखिक और गैर-रैखिक मॉडलिंग, सांख्यिकीय परीक्षण, टाइम-सीरीज़ विश्लेषण, वर्गीकरण, क्लस्टरिंग आदि के लिए किया जाता है। Power BI को R के साथ मिलाकर उपयोग करने से उपयोगकर्ताओं को सांख्यिकीय विश्लेषण और डेटा माइनिंग लाइब्रेरी के समृद्ध और लगातार बढ़ते संग्रह तक पहुँच मिलती है, जिससे वे अपने डेटा से गहरी अंतर्दृष्टियाँ प्राप्त कर सकें।

पूर्व-आवश्यकताएँ

सुनिश्चित करें कि आपके लोकल सिस्टम पर निम्नलिखित इंस्टॉल और चालू हैं:

• R
• R Studio जैसे एक अलग R इंटीग्रेटेड डेवलपमेंट एनवायरनमेंट (IDE)।

यह भी ध्यान देने योग्य है कि:

• केवल डेटा फ्रेम आयात किए जाते हैं
• कोई भी R स्क्रिप्ट जो 30 मिनट से अधिक समय तक चलती है, स्वचालित रूप से टाइमआउट हो जाती है।

पुष्टि करें कि आपके सिस्टम पर R और R Studio इंस्टॉल हैं। Power BI लॉन्च करें और Options and Settings -> Options पर जाएँ

Options के अंतर्गत, R Scripting टैब पर जाएँ और सुनिश्चित करें कि आपको सही R संस्करण दिखाई दे रहा है।

Power BI में R स्क्रिप्ट्स का उपयोग

Power BI में R स्क्रिप्ट्स के साथ कार्य करना इस विषय पर एक उत्कृष्ट संसाधन है। नीचे उसी स्रोत से एक ओवरव्यू दिया गया है।

1. डेटा आयात करने के लिए R स्क्रिप्ट्स

कभी-कभी आप पूरे डेटासेट को नहीं, बल्कि उसके किसी हिस्से को आयात करना चाहेंगे। आप Power BI में लोड किए जाने वाले पूरे डेटासेट से केवल विशिष्ट कॉलम या पंक्तियाँ चुनने के लिए R स्क्रिप्ट लिख सकते हैं।

इस प्रदर्शन के लिए, हम प्रसिद्ध Iris डेटासेट के साथ काम करेंगे, जो CRAN डिस्ट्रीब्यूशन के साथ शामिल होता है।

डेटासेट फ़ाइलों से भी आयात किए जा सकते हैं। यहाँ एक उदाहरण है जो दिखाता है कि निम्नलिखित स्क्रिप्ट के साथ वर्कस्पेस में CSV फ़ाइल कैसे लोड करें। फ़ाइल को यहाँ से डाउनलोड करें।

iris_csv <- read.csv(file="C:/Users/Parul/Desktop/Iris", header=TRUE, sep=",")
संचालित द्वारा

सिर्फ R स्क्रिप्ट से डेटा आयात करना बहुत उपयोगी नहीं होता। असली उपयोग तब है जब हम आयात के दौरान डेटा में परिवर्तन कर सकें। निम्नलिखित स्क्रिप्ट dplyr R पैकेज में उपलब्ध summarize और group_by फ़ंक्शंस का उपयोग करके आयात से पहले डेटा को समूहित और एग्रीगेट करती है:

R Studio लॉन्च करें और निम्नलिखित पैकेज इंस्टॉल करें:

install.packages("dplyr")  
install.packages("data.table")  
install.packages("ggplot2")
संचालित द्वारा

अब, Iris डेटा आयात करने के लिए निम्न R स्क्रिप्ट का उपयोग करें। हमें Species कॉलम के मानों के अनुसार समूहित, चारों मापों के औसत के साथ iris_mean नामक एक नया डेटासेट मिलेगा (स्रोत: Power BI Introduction).

library(dplyr)

iris_mean <- summarize(group_by(iris, Species),  
slength = mean(Sepal.Length), swidth = mean(Sepal.Width),  
plength = mean(Petal.Length), pwidth = mean(Petal.Width))
संचालित द्वारा

2. डेटा ट्रांसफ़ॉर्म करने के लिए R स्क्रिप्ट्स

जब हम उस डेटा में परिवर्तन करना चाहते हैं जो पहले से वर्कस्पेस में आयात हो चुका है, तब R स्क्रिप्ट्स काम आती हैं। मान लें कि हम पूरे डेटा आयात हो जाने के बाद summarize और groupby फ़ंक्शंस लागू करना चाहते हैं। यह Query Editor में R स्क्रिप्ट चलाकर इस प्रकार हासिल किया जा सकता है:

3. विज़ुअलाइज़ेशन बनाने के लिए R स्क्रिप्ट्स

R स्क्रिप्ट्स की मदद से आप Power BI में विज़ुअलाइज़ेशन बना सकते हैं। बस स्क्रिप्ट टाइप करें और आवश्यक लाइब्रेरी लोड करें, और आपको किसी भी R IDE जैसे विज़ुअलाइज़ेशन मिलेंगे। चरण इस प्रकार हैं:

• Iris डेटासेट को वर्कस्पेस में आयात करें।
• विज़ुअलाइज़ेशन टैब में ‘R script Visual’ पर क्लिक करें, और कैनवास पर एक प्लेसहोल्डर R विज़ुअल इमेज और नीचे एक स्क्रिप्ट एडिटर दिखाई देगा।
• वे फ़ील्ड चुनें जिन्हें आप स्क्रिप्ट में शामिल करना चाहते हैं। आइए PetalLengthCm ,PetalWidthCm और Species चुनें। चुने गए फ़ील्ड Values टैब के अंतर्गत दिखाई देंगे, और R एडिटर में प्री-पॉप्युलेटेड R स्क्रिप्ट दिखेगी।
• स्क्रिप्ट चयनित कॉलम के साथ dataset नामक एक डेटा फ़्रेम बनाती है। अब आप यहाँ अपनी स्क्रिप्ट लिख सकते हैं या मौजूदा में बदलाव कर सकते हैं। निम्न कोड पेस्ट करें जो ggplot लाइब्रेरी आयात करता है और एक स्कैटर प्लॉट बनाता है।

      library(ggplot2)  
      ggplot(data=dataset, aes(x=PetalWidthCm, y=PetalLengthCm)) +  
        geom_point(aes(color=Species), size=2) +  
        ggtitle("Petal Widths and Lengths") +  
        labs(x="Petal Width", y="Petal Length") +  
        theme_bw() +  
        theme(title=element_text(size=15, color="blue3"))
संचालित द्वारा

Power BI और Python

Python एक व्यापक रूप से प्रयुक्त जनरल-पर्पज़ प्रोग्रामिंग भाषा है, और सांख्यिकीय विश्लेषण तथा मशीन लर्निंग एल्गोरिद्म के साथ प्रेडिक्टिव मॉडलिंग के लिए बड़ी संख्या में Python लाइब्रेरी उपलब्ध हैं।

हाल ही में Microsoft ने Power BI के भीतर Python स्क्रिप्ट्स के एकीकरण को संभव बनाया है, जो Power BI में Python स्क्रिप्ट्स चलाने और Python विज़ुअल्स प्राप्त करने की सुविधा देता है। आइए इसे करने के लिए आवश्यक चरण देखें। लेकिन उससे पहले कुछ पूर्व-आवश्यकताएँ हैं:

• सुनिश्चित करें कि आपके लोकल सिस्टम पर Python इंस्टॉल और चालू है।
• आवश्यक सभी पैकेज और लाइब्रेरी जैसे pandas, matplotlib आदि भी लोड होने चाहिए।
• वर्तमान में केवल pandas डेटा फ़्रेम समर्थित हैं।
• कोई भी Python स्क्रिप्ट जो 30 मिनट से अधिक समय तक चलती है, स्वचालित रूप से टाइमआउट हो जाती है।
• Python का उपयोग करने से पहले इसे सक्षम करना आवश्यक है। Power BI लॉन्च करें और Options and Settings -> Options पर जाएँ

Options के अंतर्गत, Preview Features टैब पर जाएँ और ‘Python Support’ सक्षम करें।

Power BI को पुनः आरंभ करें और आपको Python आइकन विज़ुअलाइज़ेशन में और Transform टैब में दिखाई देगा।

Power BI में Python स्क्रिप्ट्स चलाने के कई तरीके हैं।

1. केवल Python स्क्रिप्ट्स चलाना

चरण:

• अपनी Python स्क्रिप्ट चलाने के लिए, नीचे दिखाए अनुसार Get Data > More>Other > Python script चुनें।

अब, खुलने वाली विंडो में अपनी Python स्क्रिप्ट पेस्ट करें। OK चुनें ताकि स्क्रिप्ट चले और उसके बाद प्राप्त डेटासेट Power BI Desktop वर्कस्पेस में आयात हो जाएँ।

2. Python का उपयोग करके विज़ुअलाइज़ेशन बनाना

• डेटासेट को वर्कस्पेस में आयात करें। उसी वित्तीय डेटासेट के साथ चलते हैं, जो एक काल्पनिक कंपनी के वित्त से संबंधित है।
• विज़ुअलाइज़ेशन टैब में ‘Python Visuals’ पर क्लिक करें और कैनवास पर एक प्लेसहोल्डर Python विज़ुअल इमेज और नीचे एक Python स्क्रिप्ट एडिटर दिखाई देगा।
• वे फ़ील्ड चुनें जिन्हें आप स्क्रिप्ट में शामिल करना चाहते हैं। आइए Sales और Profit चुनें। चयनित फ़ील्ड Values टैब में दिखाई देंगे, और स्क्रिप्ट भी Python स्क्रिप्ट एडिटर में दिखेगी।
• स्क्रिप्ट चयनित कॉलम के साथ dataset नामक एक pandas डेटा फ़्रेम बनाती है। अब आप यहाँ अपनी स्क्रिप्ट लिख सकते हैं या मौजूदा में बदलाव कर सकते हैं। निम्न कोड पेस्ट करें, जो matplotlib आयात करता है और एक प्लॉट बनाता है。

  import matplotlib.pyplot as plt  
  dataset.plot()  
  plt.title("Sales Vs Profit")  
  plt.show()
  संचालित द्वारा

• स्क्रिप्ट चलाएँ और विज़ुअलाइज़ेशन कैनवास पर दिखाई देगा। विज़ुअलाइज़ेशन उसी तरह दिखाई देगा जैसा किसी भी Python IDLE में होता है।

• इसके बाद, एक कोरिलेशन प्लॉट बनाते हैं। पिछले फ़ील्ड के अलावा Discounts, gross Sales, और Units sold चुनें और स्क्रिप्ट को इस नई स्क्रिप्ट से बदलें:

  import matplotlib.pyplot as plt  
  plt.matshow(dataset.corr('pearson'))  
  plt.show()
  संचालित द्वारा

• हम अन्य लाइब्रेरी भी आयात कर सकते हैं। आइए Seaborn लाइब्रेरी आयात करें, लेकिन सुनिश्चित करें कि यह आपके सिस्टम पर इंस्टॉल है। डेटासेट ‘Tips’ कहलाता है, जो आमतौर पर seaborn के साथ प्री-लोडेड आता है। डेटासेट को यहाँ से डाउनलोड करें और इसे वर्कस्पेस में लोड करें। फिर निम्न कोड स्क्रिप्ट एडिटर में पेस्ट करें, और आपको seaborn प्लॉट मिलेंगे।

  import matplotlib.pyplot as plt  
  import seaborn as sns  
  sns.set(style="darkgrid")
  
  sns.relplot(x="total_bill", y="tip", data=dataset)  
  sns.relplot(x="total_bill", y="tip", hue="smoker", data=dataset);  
  sns.relplot(x="total_bill", y="tip", hue="smoker",col="time", data=dataset);
  
  plt.show()
  संचालित द्वारा

सभी Python विज़ुअलाइज़ेशन के साथ डैशबोर्ड अंततः इस प्रकार दिखाई देगा।

Python डैशबोर्ड

9. सेव करना और प्रकाशित करना

फ़ाइलें सेव और एक्सपोर्ट करना

आप अपनी फ़ाइलों को Power BI टेम्पलेट्स के रूप में सेव कर सकते हैं। विज़ुअलाइज़ेशन को PDF फ़ाइलों के रूप में भी एक्सपोर्ट किया जा सकता है।

प्रकाशित करना

डेटा तभी उपयोगी होता है जब उसे लोगों या संगठन के बीच साझा किया जा सके। जनरेट किए गए डैशबोर्ड या रिपोर्ट को Power BI Service पर प्रकाशित करके भी साझा किया जा सकता है। इसके बाद हम Power BI Apps का उपयोग करके डैशबोर्ड/रिपोर्ट देख या उनके साथ इंटरैक्ट कर सकते हैं।

10. निष्कर्ष

Power BI में एक अच्छी विज़ुअलाइज़ेशन बनाने के लिए हमें बस इतनी ही जानकारी की ज़रूरत है, हालाँकि व्यवहार में आप हर चरण पर इससे अधिक परिष्करण करते पाएँगे। इसलिए प्रयोग और अभ्यास के साथ, Power BI और अधिक परिचित हो जाता है और हमें डेटा का विश्लेषण और प्रस्तुतीकरण करने में मदद करने वाली अद्भुत विशेषताएँ खोल देता है।