Proyecto de ventas en Power BI

SQL + Python + Excel + Power BI.

El siguiente proyecto representa una realidad típica de empresas de ventas que quieren automatizar procesos de Business Intelligence para el seguimiento de datos. En este caso, se presenta un dataset de ventas que se tiene que presentar luego de una limpieza de información, segmentación y procesos, un reporte integral de ventas que podría simplemente ser un tablero más, pero ahora con la interacción entre plataformas como SQL, Excel, Pythpn y Power BI, pueden proponer una solución en tiempo real de ingreso de datos y seguimiento del plan de venta automático.

208-2088252_microsoft-excel-is-a-spreadsheet-software-containing-excel

Modelado Estrella en Power BI

En este proyecto se utilizaron diferentes fuentes de datos, así como también la construcción de bases con formato calendar para potenciar el análisis y su precisión. por lo que fue necesario integrar una correcta estructura de modelado de estas bases de datos para entender mejor los cruces de cada una de ellas.

En este caso, como las bases de datos eran solo 5 - 6 datasets, se utilizo el modelo de estrella para esta configuración.

Entre los formatos más utilizados, existe el de estrella y copo de nieve, pero este último es necesario con mayor cantidad de datos enlazados a bases laterales para profundizar análisis.

Parte 1: Bases SQL y Power BI

1 Paso 1: Crear la base de datos SQL y consultarla.

Partimos con la creación de la base de datos definiendola como ventas_costos, y dentro de ella, se crean columnas de ID, Nombre, Ciudad, Región, Gerente, entre otras.

Alimentar la base con datos.

Se añaden datos a la base creada en sus columnas y se completa la base de datos.

Luego podemos ver si la base esta bien creada , por medio de consultas SQL con SELECT * FROM, JOINS, entre otros, y definimos algunos limites para visualizar algunas líneas.

2 Alimentar Power BI con SQL

Antes de subir la información desde SQL, se debe instalar un conector SQL para power BI, esto es muy importante cuando se trabaja con grandes volúmenes de datos, ya que los archivos quedan mucho mas manejables .
Luego de instalar el contecto, se ingresan los datos en obtener fuentes de datos y con ellos sincronizamos la Data con SQL.

DAX y Limpieza de datos

Luego de tener toda la información activa, es momento de limpiar las bases y mejorarlas por medio de PowerQuery y DAX, con el fin de obtener un set de datos totalmente púlido y listo para armar el dashboard.

3 DAX

Construimos métricas DAX para mejorar los reportes y tener mejores recursos para el análisis y luego desarrollar el dashboard.

Ciudad con mayor utilidad

Ciudad Mayor Utilidad =

VAR CiudadMaxUtilidad =

TOPN(

SUMMARIZE(

Sucursales,

Sucursales[ciudad],

"Utilidad", [Utilidad]

[Utilidad],

DESC

)

RETURN SELECTCOLUMNS(CiudadMaxUtilidad, "Ciudad", Sucursales[ciudad])

El ejemplo anterior muestra el potencial de las DAX en Power BI para la construcción de reportes.
Luego de realizar algunos cálculos de DAX logramos llegar al punto en el que podemos comenzar a armar el Dashboard de ventas.

4 Paso 4: Dashboard

Creamos los bloques necesarios para el análisis y tablero correspondiente, integramos TOP gerentes, zonas relevantes, montos, etc y presentamos el Dashboard final.

Parte 2: Automatización con Python

1 Paso 1: Crear la base de datos SQL y consultarla.

Partimos con la creación de la base de datos definiendola como ventas_costos, y dentro de ella, se crean columnas de ID, Nombre, Ciudad, Región, Gerente, entre otras.

Alimentar la base con datos.

Se añaden datos a la base creada en sus columnas y se completa la base de datos.

Luego podemos ver si la base esta bien creada , por medio de consultas SQL con SELECT * FROM, JOINS, entre otros, y definimos algunos limites para visualizar algunas líneas.

2 Alimentar Power BI con SQL

Antes de subir la información desde SQL, se debe instalar un conector SQL para power BI, esto es muy importante cuando se trabaja con grandes volúmenes de datos, ya que los archivos quedan mucho mas manejables .
Luego de instalar el contecto, se ingresan los datos en obtener fuentes de datos y con ellos sincronizamos la Data con SQL.

DAX y Limpieza de datos

Luego de tener toda la información activa, es momento de limpiar las bases y mejorarlas por medio de PowerQuery y DAX, con el fin de obtener un set de datos totalmente púlido y listo para armar el dashboard.

3 Day 3: Discovering Bali's Best Waterfalls

Antes de subir la información desde SQL, se debe instalar un conector SQL para power BI, esto es muy importante cuando se trabaja con grandes volúmenes de datos, ya que los archivos quedan mucho mas manejables .
Luego de instalar el contecto, se ingresan los datos en obtener fuentes de datos y con ellos sincronizamos la Data con SQL.

STAR model en Power BI

Luego de limpiar, validar y distribuir los datos que necesitamos, integramos el modelo STAR para estructurar la base de datos y gestionar mejor los cálculos de DAX para un mejor reporte.

4 Parte 4: Final

After a good night’s sleep, it’s time to wake up early and discover the rest of Bali’s best waterfalls, and we’ve saved the best for last. Start your day with a good breakfast and refill your water bottles before heading to the Sekumpul Waterfall, arguably the most incredible waterfall Bali has to offer.
Wear comfortable shoes and your swimsuit, and don’t forget a towel and your refillable water bottle.

Dashboard Venta Zonal