Excel और Power Pivot ऐड-इन का उपयोग करके एक मेमोरी-कुशल डेटा मॉडल बनाना

महत्वपूर्ण:  यह लेख मशीन द्वारा अनुवादित है, अस्वीकरण देखें. कृपया इस लेख का अंग्रेजी संस्करण यहाँ पाएँ आपके संदर्भ के लिए.

Excel 2013 में या बाद में, आप कर सकते हैं लाखों पंक्तियाँ वाले डेटा मॉडल्स बनाने, और फिर इन मॉडल्स के विरुद्ध सशक्त डेटा विश्लेषण निष्पादित करें। डेटा मॉडल्स के साथ या तो Power Pivot ऐड-एक ही कार्यपुस्तिका में किसी भी संख्या PivotTables, चार्ट्स और Power View दृश्यावलोकन का समर्थन करने के लिए इन किए बिना बनाए जा सकते हैं।

नोट: यह आलेख Excel 2013 में डेटा मॉडल का वर्णन करता है। हालाँकि, समान डेटा मॉडलिंग और परिचित Excel 2013 में Power Pivot सुविधाएँ भी करने के लिए Excel 2016 लागू करें। Excel के इन संस्करणों के बीच प्रभावी रूप से थोड़ा अंतर है।

यद्यपि Excel में आप आसानी से बड़े डेटा मॉडल्स बना सकते हैं, लेकिन कई कारण हैं जो ऐसा करने से रोकते हैं. पहला, ढ़ेर सारी तालिकाओं और स्तंभों को शामिल करने वाले बड़े मॉडल्स अधिकांश विश्‍लेषणों के लिए अतिविस्तारक होते हैं और एक पेचीदा फ़ील्ड सूची बनाते हैं. दूसरा, यह कि बड़े मॉडल्स द्वारा समान सिस्टम संसाधनों को साझा करने वाले अन्य अनुप्रयोगों और रिपोर्ट्स को नकारात्मक रूप से प्रभावित करते हुए मूल्यवान मेमोरी का उपयोग किया जाता है. अंत में, Office 365 में, SharePoint Online और Excel Web App दोनों ही किसी Excel फ़ाइल के आकार को 10 MB तक सीमित करते हैं. लाखों पंक्तियों को शामिल करने वाले कार्यपुस्तिका डेटा मॉडल्स के लिए, आप बहुत तेज़ी से 10 MB की सीमा तक पहुँच जाएँगे. डेटा मॉडल विनिर्देशन और सीमाएँ देखें.

इस आलेख में, आप जानेंगे कि सुदृढ़ता से निर्मित वह मॉडल कैसे बनाना है, जिसके साथ काम करना आसान हो और जो कम मेमोरी का उपयोग करता हो. कुशल मॉडल डिज़ाइन के श्रेष्ठ अभ्यासों को सीखने में समय लेना आपके द्वारा बनाए और उपयोग किए जाने वाले किसी भी मॉडल की राह को आसान करेगा, चाहे आप इसे Excel 2013, Office 365 SharePoint Online, किसी Office Online Server पर या SharePoint 2013 में ही क्यों न देख रहे हों.

कार्यपुस्तिका आकार ऑप्टिमाइज़र भी चल रहे पर विचार करें। इसे अपनी Excel कार्यपुस्तिका विश्लेषण और यदि संभव हो तो इसे और अधिक संपी ड़ित करता है। कार्यपुस्तिका आकार ऑप्टिमाइज़रडाउनलोड करें।

इस आलेख में

संपीड़न अनुपात और इन-मेमोरी विश्लेषण इंजन

कम मेमोरी उपयोग के लिए किसी ग़ैर-मौजूद स्तंभ से बेहतर कुछ नहीं

स्तंभों के दो उदाहरण, जिन्हें हमेशा छोड़ा जाना चाहिए

अनावश्यक स्तंभों को छोड़ने का तरीका

केवल आवश्यक पंक्तियों को फ़िल्टर करने के बारे में क्या है?

यदि हमें स्तंभ की आवश्यकता हो तो क्या करें; क्या हम अब भी इसके स्थान खर्च को कम करने के लिए कुछ कर सकते हैं?

दिनांकसमय स्तंभों को संशोधित करना

SQL क्वेरी को संशोधित करना

स्तंभों के बजाय DAX परिकलित मापों का उपयोग करना

आपको कौन से 2 स्तंभ रखने चाहिए?

निष्कर्ष

संबंधित लिंक्स

संपीड़न अनुपात और इन-मेमोरी विश्लेषण इंजन

Excel के डेटा मॉडल, डेटा को मेमोरी में संग्रहीत करने के लिए इन-मेमोरी विश्लेषण इंजन का उपयोग करते हैं. परिणाम सेट को तब तक घटाकर जब तक कि वह अपने मूल से काफ़ी कम न हो जाए, इंजन संग्रहण आवश्यकताओं को घटाने के लिए सशक्त संपीड़न तकनीक कार्यान्वित करता है.

औसतन, आप किसी डेटा मॉडल को उसकी उत्पत्ति के समय के समान डेटा की तुलना में 7 से 10 गुना तक छोटा होने की आशा कर सकते हैं. उदाहरण के लिए, यदि आप किसी SQL Server डेटाबेस से 7 MB के डेटा का आयात कर रहे हैं, तो Excel में वह डेटा मॉडल आसानी से 1 MB या उससे कम हो सकता है. वास्तविक रूप से प्राप्त संपीड़न की डिग्री प्राथमिक रूप से प्रत्येक स्तंभ में अनन्य मानों की संख्‍या पर निर्भर करती है. जितने अधिक अनन्य मान होते हैं, उन्हें संग्रहीत करने के लिए उतनी ही अधिक मेमोरी की आवश्‍यकता होती है.

हम संपीड़न और अनन्य मानों के बारे में बात क्यों कर रहे हैं? क्योंकि मेमोरी उपयोग को कम करने वाला कोई कुशल मॉडल बनाना, संपीड़न अधिकतम बनाने के बारे में ही है और यह उन स्तंभों से छुटकारा पाने का आसान तरीका है, जो वस्तुत: आपके लिए आवश्‍यक नहीं हैं, विशेष रूप से तब जब कि उन स्तंभों में बड़ी संख्‍या में अनन्य मान शामिल हों.

नोट: अलग-अलग स्तंभों के लिए संग्रहण आवश्‍यकताओं में भिन्नताएँ काफ़ी बड़ी हो सकती हैं. कुछ स्थितियों में, अनन्य मानों की किसी उच्च संख्या वाला एकल स्तंभ होने से बेहतर है कि अनन्य मानों की कम संख्‍या वाले एकाधिक स्तंभ हों. दिनांकसमय ऑप्टिमाइज़ेशन का अनुभाग इस तकनीक को विस्तार से बताता है.

कम मेमोरी उपयोग के लिए किसी ग़ैर-मौजूद स्तंभ से बेहतर कुछ नहीं

सबसे मेमोरी -कुशल स्तंभ वह है, जिसे आपने पहले स्थान पर कभी भी आयात नहीं किया हो. यदि आप कोई कुशल मॉडल बनाना चाहते हैं, तो प्रत्येक स्‍तंभ पर नज़र डालें और स्वयं से पूछें कि क्या यह उस विश्लेषण में योगदान करता है, जिसे आप निष्‍पादित करना चाहते हैं. यदि वह योगदान नहीं करता है या आप सुनिश्चित नहीं हैं, तो इसे छोड़ दें. यदि आपको आवश्‍यकता हो, तो बाद में आप कभी भी नया स्तंभ जोड़ सकते हैं.

स्तंभों के दो उदाहरण, जिन्हें हमेशा छोड़ा जाना चाहिए

पहला उदाहरण उस डेटा से संबंध रखता है, जो किसी डेटा वेयरहाउस से उत्पन्न होता है. किसी डेटा वेयरहाउस में, ETL प्रक्रियाओं की कलाकृतियों को ढूँढना सामान्य है, जिनसे कि डेटा वेयरहाउस में डेटा को लोड और ताज़ा किया जाता है. “दिनांक बनाएँ”, “दिनांक अद्यतन करें” और “ETL चलाना” जैसे स्तंभ तब बनते हैं, जब डेटा को लोड किया जाता है. मॉडल के लिए इनमें से कोई भी स्तंभ आवश्‍यक नहीं है और जब आप डेटा को आयात करते हैं, तो इन्हें चयनित नहीं किया जाना चाहिए.

दूसरा उदाहरण किसी तथ्य तालिका को आयात करते समय प्राथमिक कुंजी स्‍तंभ को छोड़ना शामिल करता है.

तथ्य तालिकाओं सहित, कई तालिकाओं में प्राथमिक कुंजियाँ होती हैं. ग्राहक, कर्मचारी या विक्रय डेटा शामिल करने वाली जैसी अधिकांश तालिकाओं के लिए, आप तालिका की प्राथमिक कुंजी चाहेंगे, ताकि आप इसका उपयोग मॉडल में संबंधों को बनाने के लिए कर सकें.

तथ्‍य तालिकाएँ भिन्न होती हैं. किसी तथ्‍य तालिका में, प्राथमिक कुंजी का उपयोग प्रत्येक स्तंभ को अनन्य रूप से पहचानने के लिए किया जाता है. भले ही सामान्यीकरण उद्देश्‍यों के लिए आवश्‍यक हो, लेकिन किसी ऐसे डेटा मॉडल में यह कम उपयोगी है जहाँ आप विश्‍लेषण के लिए या तालिका संबंधों को स्थापित करने के लिए केवल उन स्तंभों का उपयोग करना चाहते हों. इस कारण से, किसी तथ्‍य तालिका से आयात करते समय, इसकी प्राथमिक कुंजी को शामिल न करें. किसी तथ्‍य तालिका की प्राथमिक कुजियाँ, डेटा मॉडल में भारी मात्रा में स्थान का उपभोग करती हैं, फिर भी कोई लाभ प्रदान नहीं करती हैं, क्योंकि संबंध बनाने के लिए उनका उपयोग नहीं किया जा सकता है.

नोट: डेटा वेयरहाउस और बहुआयामी डेटाबेसेज़ में, अधिकांशत: सांख्यिक डेटा को शामिल करने वाली बड़ी तालिकाएँ, अक्सर “तथ्‍य तालिकाएँ” के रूप में संदर्भित होती हैं. तथ्‍य तालिकाओं में विशेष रूप से व्यावसायिक प्रदर्शन या हस्तांतरण डेटा शामिल रहता है, जैसे कि विक्रय और लागत डेटा बिंदु, जो कि संगठनात्मक इकाइयों, उत्पादों, बाज़ार खंडों, भौगोलिक क्षेत्रों इत्यादि से संरेखित और एकीकृत किए गए हैं. किसी तथ्‍य तालिका में वे सभी स्तंभ जो कि व्यावसायिक डेटा शामिल करते हों या जिनका उपयोग अन्य तालिकाओं में संग्रहीत डेटा को परस्पर-संदर्भित करने के लिए किया जाता है, डेटा विश्‍लेषण का समर्थन करने के लिए मॉडल में शामिल किए जाने चाहिए. आप जिस स्तंभ को छोड़ना चाहते हैं वह तथ्‍य तालिका का प्राथमिक कुंजी स्तंभ है, जो उन अनन्य मानों को शामिल करता है, जो अन्यत्र नहीं बल्कि केवल तथ्‍य तालिका में मौजूद होते हैं. चूंकि तथ्‍य तालिकाएँ बहुत बड़ी होती हैं, इसलिए मॉडल कुशलता में सबसे बड़े लाभ तथ्‍य तालिकाओं से पंक्तियों या स्तंभों को छोड़ने से व्युत्पन्न होते हैं.

अनावश्‍यक स्तंभों को छोड़ने का तरीका

कुशल मॉडल में केवल वे स्तंभ होते हैं जो आपकी कार्यपुस्तिका के लिए वास्तव में आवश्यक होते हैं. अगर आप यह नियंत्रित करना चाहते हैं कि मॉडल में कौन से स्तंभ शामिल किए जाएँ, तो आपको डेटा आयात करने के लिए Excel के “डेटा आयात करें” संवाद बॉक्स की बजाय Power Pivot ऐड-इन में तालिका आयात विज़ार्ड का उपयोग करना होगा.

जब आप तालिका आयात विज़ार्ड को प्रारंभ करते हैं, तो आप यह चयन करते हैं कि किन तालिकाओं को आयात करना है.

PowerPivot ऐड-इन में तालिका आयात विज़ार्ड

प्रत्येक तालिका के लिए, आप पूर्वावलोकन करें और फ़िल्‍टर करें बटन पर क्लिक कर सकते हैं और तालिका के उन भागों का चयन कर सकते हैं, जिनकी आपको वास्तव में आवश्‍यकता हो. हम अनुशंसा करते हैं कि पहले आप सभी स्तंभों को अनचेक करें और फिर यह विचार करने के बाद कि क्या वे विश्‍लेषण के लिए आवश्‍यक हैं, अपने इच्छित स्तंभों को चेक करने के लिए आगे बढ़ें.

तालिका आयात विज़ार्ड में पूर्वावलोकन फलक

केवल आवश्‍यक पंक्तियों को फ़िल्‍टर करने के बारे में क्या है?

कॉर्पोरेट डेटाबेस और डेटा वेयरहाउस में कई तालिकाएँ लंबी समयावधि के दौरान संचित ऐतिहासिक डेटा को शामिल करती हैं. इसके अतिरिक्त, आप पा सकते हैं कि जिन तालिकाओं में आपकी रुचि है, वे व्यवसाय के उन क्षेत्रों की जानकारी शामिल करती हैं, जिनकी आवश्‍यकता आपके विशिष्‍ट विश्‍लेषण के लिए नहीं है.

तालिका आयात विज़ार्ड का उपयोग करते हुए, आप ऐतिहासिक या असंबंधित डेटा को फ़िल्‍टर कर सकते हैं और इस प्रकार मॉडल में काफ़ी स्थान बचा सकते हैं. निम्न छवि में, अनावश्‍यक ऐतिहासिक डेटा को छोड़ते हुए, केवल उन पंक्तियों को पुनर्प्राप्त करने के लिए एक दिनांक फ़िल्‍टर का उपयोग किया गया है, जिनमें कि वर्तमान वर्ष के लिए डेटा शामिल हो.

तालिका आयात विज़ार्ड में फ़िल्‍टर फलक

यदि हमें स्तंभ की आवश्‍यकता हो तो क्या करें; क्या हम अब भी इसके स्थान खर्च को कम करने के लिए कुछ कर सकते हैं?

किसी स्तंभ को संपीड़न हेतु बेहतर उम्‍मीदवार बनाने के लिए कुछ अतिरिक्त तकनीक हैं, जिन्हें आप लागू कर सकते हैं. याद रखें स्तंभ की एक मात्र वि‍शेषता, जो संपीड़न को प्रभावित करती है, वह है अनन्य मानों की संख्‍या. इस अनुभाग में, आप जानेंगे कि अनन्य मानों की संख्‍या को घटाने के लिए कुछ स्तंभों को कैसे संशोधित किया जा सकता है.

दिनांकसमय स्तंभों को संशोधित करना

कई स्थितियों में, दिनांकसमय स्तंभ बहुत सारा स्थान लेते हैं. सौभाग्य से, इस डेटा प्रकार के लिए संग्रहण आवश्‍यकताओं को घटाने हेतु कई तरीके हैं. स्तंभ का उपयोग करने का आपका तरीका और SQL क्‍वेरीज़ बनाने में आपके सुविधा स्तर के आधार पर तकनीकों में भिन्नता होगी.

दिनांकसमय स्तंभों में दिनांक भाग और समय शामिल होता है. जब आप स्वयं से पूछते हैं कि क्या आपको कोई स्तंभ चाहिए, तो दिनांकसमय स्तंभ के लिए यही प्रश्‍न एकाधिक बार पूछते हैं कि:

  • क्या मुझे समय भाग की आवश्‍यकता है?

  • क्या मुझे समय भाग की आवश्‍यकता घंटों के स्तर पर है? , या मिनट्‍स? , सेकंड्स? , या मिलीसेकंड्स के स्तर पर?

  • क्या मेरे पास एकाधिक दिनांकसमय स्तंभ हैं, क्योंकि मैं उनके बीच के अंतर को परिकलित करना या केवल डेटा को वर्ष, माह, तिमाही इत्यादि के अनुसार एकत्रित करना चाहता हूँ.

इनमें से प्रत्येक प्रश्‍न का उत्तर देने का आपका तरीका दिनांकसमय स्तंभ के साथ काम करने के लिए आपके विकल्पों को निर्धारित करता है.

इनमें से सभी समाधानों के लिए SQL क्‍वेरी में संशोधन की आवश्‍यकता होती है. क्वेरी संशोधन को और आसान बनाने के लिए, आपको प्रत्येक तालिका में कम से कम एक स्तंभ को फ़िल्टर करना चाहिए. किसी स्तंभ को फ़िल्टर करके, आप क्वेरी निर्माण को किसी संक्षिप्त स्वरूप (SELECT *) से SELECT कथन पर परिवर्तित करते हैं, जिसमें पूर्णत:-योग्य स्तंभ नाम शामिल रहते हैं, जो कि संशोधन करने के लिए काफ़ी आसान होते हैं.

आइए उन क्वेरीज़ पर नज़र डालते हैं, जिन्हें आपके लिए बनाया गया है. तालिका गुण संवाद बॉक्स से, आप क्वेरी संपादक पर स्विच कर सकते हैं और प्रत्येक तालिका के लिए वर्तमान SQL क्वेरी देख सकते हैं.

PowerPivot विंडो में तालिका गुण आदेश को दिखाता हुआ रिबन

तालिका गुण से, क्वेरी संपादक का चयन करें.

तालिका गुण संवाद से क्वेरी संपादक खोलें

क्वेरी संपादक वह SQL क्वेरी दिखाता है, जिसका उपयोग तालिका को पॉप्युलेट करने के लिए किया गया है. यदि आपने आयात के दौरान किसी भी स्तंभ को फ़िल्टर किया है, तो आपकी क्वेरी पूर्णत:-योग्य स्तंभ नामों को शामिल करती है:

डेटा को पुनर्प्राप्त करने के लिए उपयोग की गई SQL क्वेरी

इसके विपरीत, यदि आपने किसी तालिका को, बिना किसी भी स्तंभ को अनचेक किए या बिना कोई फ़िल्‍टर लगाए, उसकी पूर्णता में आयात किया है, तो आपको क्वेरी “Select * from ” के रूप में दिखाई देगी, जिसको संशोधित करना अधिक कठिन होगा:

डिफ़ॉल्ट, लघुतर सिंटैक्स का उपयोग करती हुई SQL क्वेरी

SQL क्वेरी को संशोधित करना

अब जब आप जानते हैं कि क्वेरी को कैसे ढूँढना है, तो आप अपने मॉडल के आकार को और घटाने के लिए इसे संशोधित कर सकते हैं.

  1. मुद्रा या दशमलव डेटा को शामिल करने वाले स्तंभों के लिए, यदि आपको दशमलवों की आवश्‍यकता न हो, तो दशमलवों से छुटकारा पाने के लिए इस सिंटैक्स का उपयोग करें:

    “SELECT ROUND([Decimal_column_name],0)… .”

    यदि आपको सेंट्स की आवश्‍यकता है, लेकिन सेंट्स के भागों की नहीं, तो 0 को 2 से बदलें. यदि आप ऋणात्मक संख्याओं का उपयोग करते हैं, तो आप इकाई, दहाई, सैकड़ा आदि तक पूर्णांक बना सकते हैं.

  2. यदि आपके पास dbo.Bigtable.[Date Time] नामक कोई दिनांकसमय स्तंभ है और आपको समय भाग की आवश्‍यकता नहीं है, तो समय से छुटकारा पाने के लिए इस सिंटैक्स का उपयोग करें:

    “SELECT CAST (dbo.Bigtable.[Date time] as date) AS [Date time]) “

  3. यदि आपके पास dbo.Bigtable.[Date Time] नामक कोई दिनांकसमय स्तंभ है और आपको दिनांक और समय भाग दोनों ही चाहिए, तो SQL क्वेरी में एकल दिनांकसमय स्तंभ के बजाय एकाधिक स्तंभों का उपयोग करें:

    “SELECT CAST (dbo.Bigtable.[Date Time] as date ) AS [Date Time],

    datepart(hh, dbo.Bigtable.[Date Time]) as [Date Time Hours],

    datepart(mi, dbo.Bigtable.[Date Time]) as [Date Time Minutes],

    datepart(ss, dbo.Bigtable.[Date Time]) as [Date Time Seconds],

    datepart(ms, dbo.Bigtable.[Date Time]) as [Date Time Milliseconds]

    प्रत्येक भाग को अलग-अलग स्तंभों में संग्रहीत करने के लिए आप आवश्‍यकता अनुसार कितने ही स्तंभों का उपयोग करें.

  4. यदि आपको घंटों और मिनट्स की आवश्‍यकता हो और आप उनके एक समय स्तंभ के रूप में एक साथ होने को प्राथमिकता देते हैं, तो आप इस सिंटैक्स का उपयोग कर सकते हैं :

    Timefromparts(datepart(hh, dbo.Bigtable.[Date Time]), datepart(mm, dbo.Bigtable.[Date Time])) as [Date Time HourMinute]

  5. यदि आपके पास [Start Time] और [End Time] जैसे दो दिनांकसमय स्तंभ हैं और आपको वस्तुत: [Duration] नामक स्तंभ के रूप में सेकंड्स में उनके बीच की समय भिन्नता की आवश्‍यकता है, तो सूची से दोनों स्तंभों को निकालें और यह जोड़ें:

    “datediff(ss,[Start Date],[End Date] as [Duration]”

    यदि आप ss के बजाय ms कीवर्ड का उपयोग करते हैं, तो आपको मिलीसेकंड्स में अवधि प्राप्त होगी

स्तंभों के बजाय DAX परिकलित मापों का उपयोग करना

यदि आप पहले DAX अभिव्यक्ति भाषा के साथ कार्य कर चुके हैं, तो आपको शायद पहले से ही पता हो कि परिकलित स्तंभों का उपयोग मॉडल में कुछ अन्य स्तंभ के आधार पर नए स्तंभों को व्युत्पन्न करने के लिए किया जाता है, जबकि मॉडल में परिकलित माप एक बार परिभाषित होते हैं, लेकिन मूल्यांकित तभी होते हैं जब किसी PivotTable या अन्य रिपोर्ट में उपयोग किया जाए.

नियमित या परिकलित स्तंभों को परिकलित मापों के साथ प्रतिस्थापित करना मेमोरी-बचानेवाली एक तकनीक है. इकाई मूल्य, मात्रा और कुल योग उत्कृष्‍ट उदाहरण है. यदि आप‍के पास सभी तीनों हैं, तो आप केवल दो को बनाए रखते हुए और तीसरे को DAX का उपयोग करते हुए परिकलित करके स्थान बचा सकते हैं.

आपको कौन से 2 स्तंभ रखने चाहिए?

ऊपर के उदाहरण में, मात्रा और इकाई मूल्य को रखें. इन दो के पास कुल योग से कम मान हैं. कुल योग को परिकलित करने के लिए, इस प्रकार का परिकलित माप जोड़ें:

“TotalSales:=sumx(‘Sales Table’,’Sales Table’[Unit Price]*’Sales Table’[Quantity])

परिकलित स्तंभ, नियमित स्तंभ की तरह ही होते हैं, जिसमें दोनों उस मॉडल में स्थान लेते हैं. इसके विपरीत, परिकलित मात्राएँ आसानी से परिकलित होती हैं और स्थान नहीं लेती हैं.

निष्कर्ष

इस आलेख में, हमने कई ऐसे तरीकों के बारे में बात की, जिनसे कि आपको एक अधिक मेमोरी-कुशल मॉडल बनाने में मदद मिल सकती है. स्तंभों और पंक्तियों की समग्र संख्‍या और प्रत्येक स्तंभ में प्रकट होने वाले अनन्य मानों की संख्या को घटाना, किसी डेटा मॉडल के फ़ाइल आकार और मेमोरी आवश्‍यकताओं को घटाने का तरीका है. यहाँ कुछ तकनीकें हैं, जिन्हें हमने कवर किया है:

  • स्तंभों को निकालना बेशक स्थान बचाने का सर्वश्रेष्‍ठ तरीका है. निर्णय करें कि आपको वास्तव में कौन से स्तंभों की आवश्‍यकता है.

  • कभी-कभी आप किसी स्तंभ को निकाल सकते हैं और उसे तालिका में किसी परिकलित माप के साथ बदल सकते हैं.

  • हो सकता है कि किसी तालिका में आपको सभी पंक्तियों की आवश्‍यकता न हो. आप तालिका आयात विज़ार्ड में पंक्तियों को फ़िल्टर कर सकते हैं.

  • सामान्य रूप में, किसी एकल स्तंभ को एकाधिक भिन्न भागों में भंग करना किसी स्तंभ में अनन्य मानों की संख्‍या को घटाने का एक अच्छा तरीका है. प्रत्येक भाग में अनन्य मानों की छोटी संख्‍या होगी और संयुक्त योग, मूल एकीकृत स्तंभ की तुलना में छोटा होगा.

  • कई स्थितियों में, आपको भिन्न भागों की आवश्‍यकता अपनी रिपोर्ट्स में स्लाइसर्स के रूप में उपयोग करने के लिए भी होती है. जब उचित हो, आप घंटे, मिनट्स और सेकंड्स जैसे भागों से पदानुक्रम बना सकते हैं.

  • कई बार, स्तंभों में आपको जितनी आवश्‍यकता हो, उससे अधिक जानकारी शामिल होती है. उदाहरण के लिए, मान लें कि कोई स्तंभ दशमलवों को संग्रहीत करता है, लेकिन आपने सभी दशमलवों को छुपाने के लिए स्वरूपण लागू किया है. किसी सांख्यिक स्तंभ के आकार को घटाने में पूर्णांक बनाना बहुत प्रभावी हो सकता है.

अब कि क्या आप अपनी कार्यपुस्तिका का आकार कम करने के लिए कर सकते हैं कर लिया है, यह भी कार्यपुस्तिका आकार ऑप्टिमाइज़र चला रहे पर विचार करें। इसे अपनी Excel कार्यपुस्तिका विश्लेषण और यदि संभव हो तो इसे और अधिक संपी ड़ित करता है। कार्यपुस्तिका आकार ऑप्टिमाइज़रडाउनलोड करें।

संबंधित लिंक्स

डेटा मॉडल विनिर्देशन और सीमाएँ

कार्यपुस्तिका आकार ऑप्टिमाइज़र डाउनलोड करें

Power Pivot: सशक्त डेटा विश्लेषण और Excel में डेटा मॉडलिंग

नोट: मशीन अनुवाद अस्वीकरण: यह लेख मानवीय हस्तक्षेप के बिना एक कंप्यूटर प्रणाली द्वारा अनुवादित किया गया है. Microsoft, इन मशीन अनुवादों को गैर-अंग्रेज़ी भाषी उपयोगकर्ताओं को Microsoft उत्पादों, सेवाओं और तकनीकों से संबंधित सामग्री का आनंद लेने में सहायता के लिए प्रदान करता है. लेख, मशीन द्वारा अनुवादित होने के कारण इसमें शब्दावली, वाक्य रचना या व्याकरण की त्रुटियाँ हो सकती हैं.

अपने कौशल का विस्तार करें
प्रशिक्षण का अन्वेषण करें
पहले नई सुविधाएँ प्राप्त करें
Office प्रतिभागी में शामिल हों

क्या यह जानकारी मददगार थी?

आपकी प्रतिक्रिया के लिए आपको धन्यवाद!

आपकी प्रतिक्रिया के लिए धन्यवाद! ऐसा लगता है आपको हमारे किसी Office सहायता एजेंट से कनेक्ट करना मददगार हो सकता है.

×