Power BI Power Query मध्ये messy sales data clean कसा करायचा

By Ravindra Bagale · Last updated: 15 October 2026

Practice files: blinkit-orders-small-raw.csv (या page वरचे 12 rows) आणि blinkit-orders-raw.csv (असाच गोंधळ असलेले 315 rows, practice साठी).

काल्पनिक data: इथले सगळे orders, products, stores आणि आकडे practice साठी बनवलेले आहेत. File Maharashtra मधल्या शहरांतल्या Blinkit सारख्या quick-commerce app च्या export सारखी दिसते, पण कोणताही खरा order, दुकान किंवा माणूस वापरलेला नाही. Amounts ₹ मध्ये आणि dates DD-MM-YYYY मध्ये आहेत.

1. Problem काय आहे

Notepad मध्ये उघडली की file अशी दिसते:

अशीच report मध्ये load केली तर:

1. पहिली line title असल्यामुळे Power BI columns ना Column1, Column2 … म्हणतो.
2. BLK1003 आणि BLK1006 दोनदा मोजले जातात.
3. "2$" हा text आहे, म्हणून sales चा sum होत नाही.
4. Price मधल्या "NA" मुळे column text राहतो, किंवा number केल्यावर errors येतात.

2. सोप्या भाषेत idea

Power Query म्हणजे स्वयंपाकघर, report म्हणजे जेवणाचं टेबल. भाज्या एकदाच स्वयंपाकघरात धुवायच्या आणि चिरायच्या; मग पुढे जे वाढाल ते clean असतं. प्रत्येक cleaning action step म्हणून save होते, आणि refresh केल्यावर Power BI ते steps परत चालवतो.

काय delete करायचं, ते हा एक नियम ठरवतो:

Metric missing असेल तरी row का ठेवायचा? कारण order तर झालाय ना. एका order चा revenue माहीत नसला तरी तो order "Total orders" मध्ये मोजला जातो, त्याचे units "Sales" मध्ये जातात आणि त्याचं city chart मध्ये दिसतं. Row delete केला तर हे सगळंच जातं.

0 का नाही, null का? Null म्हणजे "माहीत नाही". Power BI चे SUM आणि AVERAGE null सोडून देतात. 0 हा खरा आकडा आहे: तो सांगतो की price शून्य होती, आणि प्रत्येक average खाली ओढतो.

3. Data

12 order rows (line 1 आणि header line दाखवलेली नाही). लक्ष द्यायचे cells bold मध्ये:

File मध्ये promo_type, promo_bin, delivery_date आणि रिकामा Column13 पण आहे. promo_bin आणि Column13 कोणत्याच report ला लागत नाहीत, म्हणून ते काढून टाकायचे.

काहीही click करण्याआधी pencil घेऊन अंदाज लावा: कोणते rows उरतील? (उत्तर section 5 मध्ये.)

4. Step by step

File load करा

1. Power BI Desktop उघडा. Home › Get data › Text/CSV.
2. blinkit-orders-small-raw.csv निवडा आणि Open करा.
3. Preview window मध्ये Transform Data वर click करा (Load नाही). Power Query Editor उघडतो.

Table चा वरचा भाग नीट करा

4. Home › Remove Rows › Remove Top Rows, 1 टाका, OK. Title line गेली.
5. Home › Use First Row as Headers. आता columns ची नावं order_id, product_id वगैरे झाली.

Primary ID: order_id

6. order_id चा filter arrow उघडा, (blank) untick करा, OK. Row 5 गेला.
7. order_id header select करा. Home › Remove Rows › Remove Duplicates. दुसरा BLK1003 आणि दुसरा BLK1006 गेले.

Foreign ID: product_id

8. product_id चा filter arrow उघडा, (blank) आणि NA untick करा, OK. Rows 6 आणि 9 गेले.
9. इथे duplicates काढायचे नाहीत. P101, P102, P103, P105 एकापेक्षा जास्त वेळा विकले गेलेत, आणि ते बरोबरच आहे.

नको असलेले columns काढा

10. Ctrl+click करून promo_bin आणि Column13 headers select करा, right-click › Remove Columns.

Metric columns: rows ठेवा, values fix करा

11. sales header वर right-click › Transform › Extract › Text Before Delimiter, $ टाका, OK. "2$" चा "2" झाला.
12. sales header च्या डावीकडचा type icon (ABC) › Whole Number.
13. price header वर right-click › Replace Values. Value To Find: NA. Replace With: रिकामं ठेवा. Advanced options उघडून Match entire cell contents tick करा. OK.
14. price चा type Decimal Number करा. रिकाम्या cell मध्ये आता null दिसतो.
15. revenue साठी steps 13 आणि 14 करा.
16. stock साठी step 13 करा, आणि type Whole Number करा.

DD-MM-YYYY मधल्या dates

17. order_date वर right-click › Change Type › Using Locale…. Data Type: Date. Locale: English (India). OK.
18. delivery_date साठी पण तेच करा.

Load करा आणि check करा

19. Home › Close & Apply.
20. Table view मध्ये जा (डावीकडचा grid icon) आणि screen च्या खाली row count वाचा.

5. तुमचा result असा दिसला पाहिजे

Table view मध्ये 7 rows:

(Table view तुमच्या computer च्या date format मध्ये dates दाखवतो; dates त्याच असतात.)

हाताने check करा:

6. काय झालं

शेवटची line लक्षात ठेवा: metric steps values बदलतात, rows ची संख्या कधीच नाही.

7. अजून थोडं खोलात

• प्रत्येक click एक step आहे. उजवीकडे Applied Steps बघा: Source, Promoted Headers, Filtered Rows, Removed Duplicates… कोणत्याही step वर click केलं की त्या क्षणाचा data दिसतो. पुढच्या chapter मध्ये error fix करायला हेच वापरणार आहोत.
• रिकामे cells आपोआप null होतात. Number column मध्ये रिकामा cell असेल तर type बदलल्यावर तो null होतो. "NA", "-" किंवा "n/a" सारखा text तसा होत नाही; तो आधी replace करावा लागतो.
• "Match entire cell contents" का? ते नसेल तर त्याच column मधल्या मोठ्या value मधले NA अक्षरं पण replace होतात, जसं "NA-12" चं "-12" होईल. Tick केलं की फक्त पूर्ण NA असलेले cells बदलतात.
• Dates साठी Using Locale का? English (United States) वर set असलेला computer 05-04-2025 ला 4 May वाचतो. File English (India) आहे असं सांगितलं की ती 5 April होते. बदलल्यानंतर तुम्हाला माहीत असलेली एक date check करा.
• मोठ्या files साठी computer महत्त्वाचा. Power BI Desktop Windows वर चालतो आणि data memory मध्ये ठेवतो, म्हणून मोठ्या files ना RAM लागते. Hexa-core processor म्हणजे 6 cores असलेला एक CPU; जास्त cores आणि जास्त RAM मुळे refresh fast होतो. Power BI अडकला तर Task Manager (Ctrl+Shift+Esc) उघडा, आणि तो सतत "Not responding" असेल तरच Power BI चा task end करा, कारण save न केलेलं काम जातं.

8. नेहमीच्या चुका

9. स्वतः practice करा

10. Professional सारखा विचार करा

• Business view. Revenue missing असणं हा source team साठी प्रश्न आहे, order घालवण्याचं कारण नाही. Row ठेवा, notes मध्ये null count लिहा ("22 orders चा revenue export मध्ये नाही") आणि team ला source मध्येच fix करायला सांगा.
• Performance. नको असलेले columns लवकर काढा. कमी columns म्हणजे छोटं model आणि fast refresh.
• Maintenance. पुन्हा शोधावे लागतील ते steps rename करा (step वर right-click › Rename, उदा. "Removed blank order_id"). पुढच्या महिन्याची file refresh वर याच steps मधून जाते.
• प्रत्येक refresh ला check. Hidden check page वर row-count card ठेवा. Refresh नंतर count अचानक कमी झाला, तर export बदललाय.

Interview questions

1. ID blank असेल तर कोणते rows delete करता, आणि metric blank असेल तर? Primary किंवा foreign ID blank असलेले rows delete; metric blank असलेले rows ठेवायचे, metric null ठेवायचा.
2. NA ऐवजी 0 का नाही, null का? SUM आणि AVERAGE null सोडून देतात; 0 मोजला जातो आणि averages चुकतात.
3. Duplicates कुठे काढता? फक्त primary key वर, उदा. order_id.
4. Locale ने Change Type का? Computer चं region काहीही असो, DD-MM-YYYY dates day-month म्हणूनच वाचल्या जाव्यात म्हणून.

Recap