سبق 1ਡਿ਼ਰਾਈਵਡ ਫੀਲਡ ਬਣਾਉਣਾ: ਰੋਲਿੰਗ ਡਿਮਾਂਡ (7/30/90-ਦਿਨ), ਲੀਡ ਟਾਈਮ ਵਿਚਲਨ (ਵਾਸਤਵਿਕ - ਸਟੈਂਡਰਡ), ਪ੍ਰਤੀ ਯੂਨਿਟ ਭੇਜਣ, ਭੇਜੇ ਗਏ ਯੂਨਿਟ ਪ੍ਰਤੀ ਲਾਗਤਇਹ ਭਾਗ ਸਪਲਾਈ ਚੇਨ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਵਧਾਉਣ ਵਾਲੇ ਡਿ਼ਰਾਈਵਡ ਮੈਟ੍ਰਿਕਸ ਬਣਾਉਣ ਬਾਰੇ ਕਵਰ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਰੋਲਿੰਗ ਡਿਮਾਂਡ ਵਿੰਡੋਜ਼, ਲੀਡ ਟਾਈਮ ਵਿਚਲਨ, ਭੇਜਣ ਦੀ ਤੀਬਰਤਾ ਅਤੇ ਪ੍ਰਤੀ ਯੂਨਿਟ ਭੇਜੇ ਗਏ ਲਾਗਤ ਦੀ ਗਣਨਾ ਕਰੋਗੇ ਮਾਨੀਟਰਿੰਗ ਅਤੇ ਮਾਡਲਿੰਗ ਲਈ।
Rolling 7/30/90-day demand calculationsLead time deviation and variability metricsShipments per order line and per unitCost per unit shipped and per laneStoring derived fields for reuse and auditsسبق 2ਕੈਟੇਗੋਰੀਕਲ ਫੀਲਡ ਨੂੰ ਨੌਰਮਲਾਈਜ਼ ਕਰਨਾ: supplier_id, transport_mode, warehouse_id; ਸਮਾਨਾਰਥੀਆਂ ਨੂੰ ਮੈਪ ਕਰਨਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਐਨਕੋਡਿੰਗਇਹ ਭਾਗ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਕਿ ਸਪਲਾਈਅਰ, ਟਰਾਂਸਪੋਰਟ ਮੋਡ ਅਤੇ ਵੇਅਰਹਾਊਸ ਪਛਾਣਕਾਰਾਂ ਵਰਗੇ ਕੈਟੇਗੋਰੀਕਲ ਫੀਲਡ ਨੂੰ ਨੌਰਮਲਾਈਜ਼ ਕਿਵੇਂ ਕਰੀਏ। ਤੁਸੀਂ ਸਮਾਨਾਰਥੀ ਸ਼ਬਦਾਂ ਨੂੰ ਮੈਪ ਕਰੋਗੇ, ਕੋਡਾਂ ਨੂੰ ਸਟੈਂਡਰਡਾਈਜ਼ ਕਰੋਗੇ ਅਤੇ ਮਾਡਲਿੰਗ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਲਈ ਕੈਟੇਗੋਰੀਆਂ ਨੂੰ ਐਨਕੋਡ ਕਰੋਗੇ।
Standardizing supplier and warehouse IDsCleaning transport_mode and route labelsBuilding synonym and alias mapping tablesHandling slowly changing categorical valuesEncoding categories for ML and BI toolsسبق 3ਐਕਸਲ, ਪਾਈਥਨ (pandas) ਅਤੇ ਆਰ (data.table/readr) ਵਿੱਚ ਵੱਡੇ CSV ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪੜ੍ਹਨਾ: ਤਾਰੀਖਾਂ ਅਤੇ ਟਾਈਪ ਨੂੰ ਪਾਰਸ ਕਰਨਾਇਹ ਭਾਗ ਵਿਖਾਉਂਦਾ ਹੈ ਕਿ ਐਕਸਲ, ਪਾਈਥਨ ਅਤੇ ਆਰ ਵਿੱਚ ਵੱਡੇ CSV ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਪੜ੍ਹੀਏ ਬਿਨਾਂ ਟਾਈਪ ਜਾਂ ਤਾਰੀਖਾਂ ਨੂੰ ਖਰਾਬ ਕੀਤੇ। ਤੁਸੀਂ ਡਿਲੀਮੀਟਰਜ਼, ਐਨਕੋਡਿੰਗਜ਼, ਮੈਮੋਰੀ ਸੀਮਾਵਾਂ, ਚੰਕਡ ਲੋਡਿੰਗ ਅਤੇ ਰੀਪੀਟੇਬਲ ਇੰਟੇਕਸ਼ਨ ਲਈ ਸਕੀਮਾ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨੂੰ ਹੈਂਡਲ ਕਰੋਗੇ।
Configuring delimiters, headers, and encodingsParsing dates, times, and time zones correctlyControlling column types in pandas and RChunked and incremental CSV loadingDealing with Excel row limits and crashesسبق 4ਟਾਈਮ ਸੀਰੀਜ਼ ਅਤੇ ਕ੍ਰੌਸ-ਸੈਕਸ਼ਨਲ ਫੀਲਡ ਲਈ ਅਸਧਾਰਨ ਪਛਾਣ: z-ਸਕੋਰ, IQR, ਰੋਲਿੰਗ ਮੀਡੀਅਨ ਫਿਲਟਰ, ਅਤੇ ਡੋਮੇਨ ਥ੍ਰੈਸ਼ਹੋਲਡਇਹ ਭਾਗ ਟਾਈਮ ਸੀਰੀਜ਼ ਅਤੇ ਕ੍ਰੌਸ-ਸੈਕਸ਼ਨਲ ਸਪਲਾਈ ਚੇਨ ਡਾਟਾ ਵਿੱਚ ਅਸਧਾਰਨ ਵੈਲੂਆਂ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਹੈਂਡਲ ਕਰਨ ਦੀਆਂ ਵਿਧੀਆਂ ਸਿਖਾਉਂਦਾ ਹੈ। ਤੁਸੀਂ z-ਸਕੋਰ, IQR, ਰੋਲਿੰਗ ਸਟੈਟਿਸਟਿਕਸ ਅਤੇ ਡੋਮੇਨ ਥ੍ਰੈਸ਼ਹੋਲਡ ਲਾਗੂ ਕਰੋਗੇ, ਫਿਰ ਵੈਲੂਆਂ ਨੂੰ ਕੈਪ, ਸੁਧਾਰਨ ਜਾਂ ਛੱਡਣ ਦਾ ਚੋਣ ਕਰੋਗੇ।
Visual screening of outliers in time seriesZ-score and modified z-score approachesIQR fences and robust spread measuresRolling median and rolling MAD filtersDomain-based thresholds and capping rulesسبق 5ਡਾਟਾ ਕਨਸਿਸਟੈਂਸੀ ਚੈੱਕ: ਡੁਪਲੀਕੇਟ ਰੋਜ਼, ਨੈਗੇਟਿਵ ਮਾਤਰਾਵਾਂ, ਮਿਸਮੈਚ ਯੂਨਿਟ/ਕਰੰਸੀਆਂ, SKU-ਵੇਅਰਹਾਊਸ ਪ੍ਰਤੀ ਤਾਰੀਖ ਦੀ ਨਿਰੰਤਰਤਾਇਹ ਭਾਗ ਸਪਲਾਈ ਚੇਨ CSV ਵਿੱਚ ਟ੍ਰਾਂਜੈਕਸ਼ਨਲ ਕਨਸਿਸਟੈਂਸੀ ਨੂੰ ਵੈਲੀਡੇਟ ਕਰਨ ਤੇ ਫੋਕਸ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡ, ਨੈਗੇਟਿਵ ਜਾਂ ਅਸੰਭਵ ਮਾਤਰਾਵਾਂ, ਯੂਨਿਟ ਅਤੇ ਕਰੰਸੀ ਮਿਸਮੈਚ, ਅਤੇ SKU–ਵੇਅਰਹਾਊਸ ਟਾਈਮ ਸੀਰੀਜ਼ ਵਿੱਚ ਗੈਪ ਜਾਂ ਓਵਰਲੈਪ ਨੂੰ ਪਛਾਣੋਗੇ।
Detecting and resolving duplicate rowsFlagging negative or impossible quantitiesValidating units of measure and conversionsChecking currency codes and FX alignmentEnsuring date continuity per SKU–warehouseسبق 6ਟਾਈਮ ਜੋਨ ਅਤੇ ਬਿਜ਼ਨਸ ਕੈਲੰਡਰ ਅਡਜਸਟਮੈਂਟ: ਲੀਡ ਟਾਈਮ ਗਣਨਾ ਲਈ ਛੁੱਟੀਆਂ, ਕਟਆਫ਼ ਅਤੇ ਬਿਜ਼ਨਸ ਦਿਨਾਂ ਨੂੰ ਹੈਂਡਲ ਕਰਨਾਇਹ ਭਾਗ ਬਿਜ਼ਨਸ ਕੈਲੰਡਰ ਨਾਲ ਟਾਈਮਸਟੈਂਪ ਨੂੰ ਐਲਾਈਨ ਕਰਨ ਬਾਰੇ ਕਵਰ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਲੀਡ ਟਾਈਮਜ਼, ਸਰਵਿਸ ਲੈਵਲ ਅਤੇ ਕਟਆਫ਼ ਬਿਜ਼ਨਸ ਦਿਨਾਂ ਤੇ ਗਣਨਾ ਕੀਤੀ ਜਾ ਸਕੇ। ਤੁਸੀਂ ਵੀਕਐਂਡ, ਖੇਤਰੀ ਛੁੱਟੀਆਂ ਅਤੇ ਵੇਅਰਹਾਊਸ-ਵਿਸ਼ੇਸ਼ ਆਪ੍ਰੇਸ਼ਨ ਸ਼ੈਡਿਊਲ ਲਈ ਅਡਜਸਟ ਕਰੋਗੇ।
Standardizing time zones across systemsBuilding business day and holiday calendarsModeling shipping and order cutoff timesConverting calendar days to business daysLead time calculation examples in Pythonسبق 7ਕਾਲਮ ਸੈਮੈਂਟਿਕਸ ਅਤੇ ਮੈਟਾਡਾਟਾ ਮੈਪਿੰਗ: ਤਾਰੀਖ, SKU, ਵੇਅਰਹਾਊਸ, ਸਪਲਾਈਅਰ, ਡਿਮਾਂਡ, ਫੋਰਕਾਸਟ, ਇੰਵੈਂਟਰੀ, ਭੇਜਣ, ਲੀਡ ਟਾਈਮਜ਼, ਲਾਗਤਾਂ, ਫਲੈਗਸ ਨੂੰ ਵਿਆਖਿਆ ਕਰਨਾਇਹ ਭਾਗ ਸਪਲਾਈ ਚੇਨ CSV ਲਈ ਕਾਲਮ ਸੈਮੈਂਟਿਕਸ ਅਤੇ ਮੈਟਾਡਾਟਾ ਮੈਪਿੰਗ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਤੇ ਫੋਕਸ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਫੀਲਡਾਂ ਨੂੰ ਬਿਜ਼ਨਸ ਕਾਂਸੈਪਟ ਨਾਲ ਮੈਪ ਕਰੋਗੇ, ਯੂਨਿਟ ਅਤੇ ਗ੍ਰੇਨ ਨੂੰ ਦਸਤਾਵੇਜ਼ੀਕਰੋਗੇ ਅਤੇ ਗਵਰਨੈਂਸ ਅਤੇ ਰੀਯੂਜ਼ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਵਾਲੇ ਡਿਕਸ਼ਨਰੀ ਬਣਾਓਗੇ।
Identifying grain: SKU, location, and timeDefining business meaning of key columnsDocumenting units, currencies, and calendarsCreating and maintaining data dictionariesTagging quality flags and status indicatorsسبق 8ਆਟੋਮੇਟਿਡ ਡਾਟਾ ਪ੍ਰੋਫਾਈਲਿੰਗ: ਵੰਡਾਂ, ਮਿਸਿੰਗਨੈੱਸ ਮੈਟ੍ਰਿਕਸ, ਯੂਨੀਕ ਕਾਉਂਟਸ, ਵੈਲੂ ਰੇਂਜ਼ਾਂ, ਕਾਰਡੀਨੈਲਿਟੀਇਹ ਭਾਗ ਸਪਲਾਈ ਚੇਨ CSV ਦੇ ਆਟੋਮੇਟਿਡ ਪ੍ਰੋਫਾਈਲਿੰਗ ਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਵੰਡਾਂ, ਮਿਸਿੰਗਨੈੱਸ ਮੈਟ੍ਰਿਕਸ, ਯੂਨੀਕ ਕਾਉਂਟਸ, ਰੇਂਜ਼ਾਂ ਅਤੇ ਕਾਰਡੀਨੈਲਿਟੀ ਦੀ ਗਣਨਾ ਕਰੋਗੇ ਤਾਂ ਜੋ ਡਾਟਾ ਕੁਆਲਿਟੀ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾ ਸਕੇ ਅਤੇ ਸਾਫ਼-ਸੁਥਰੇ ਕੰਮ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾ ਸਕੇ।
Generating summary statistics at scaleVisualizing missingness matrices and heatmapsAnalyzing value ranges and out-of-bounds dataCardinality checks for keys and categoriesAutomated profiling with pandas and R toolsسبق 9ਮਿਸਿੰਗ ਵੈਲੂਆਂ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਹੈਂਡਲ ਕਰਨਾ: ਕਾਲਮ ਪ੍ਰਤੀ ਇੰਪਿਊਟੇਸ਼ਨ ਰਣਨੀਤੀਆਂ (ਡਿਮਾਂਡ, ਫੋਰਕਾਸਟ, ਇੰਵੈਂਟਰੀ, ਲਾਗਤਾਂ) ਅਤੇ ਰੋਜ਼ ਡ੍ਰਾਪ ਕਰਨ ਦਾ ਸਮਾਂਇਹ ਭਾਗ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਕਿ ਡਿਮਾਂਡ, ਫੋਰਕਾਸਟ, ਇੰਵੈਂਟਰੀ ਅਤੇ ਲਾਗਤ ਫੀਲਡਾਂ ਵਿੱਚ ਮਿਸਿੰਗ ਵੈਲੂਆਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਇਲਾਜ ਕਿਵੇਂ ਕਰੀਏ। ਤੁਸੀਂ ਇੰਪਿਊਟੇਸ਼ਨ ਵਿਕਲਪਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋਗੇ, ਕਾਲਮ-ਵਿਸ਼ੇਸ਼ ਨਿਯਮ ਡਿਜ਼ਾਈਨ ਕਰੋਗੇ ਅਤੇ ਰੋਜ਼ ਜਾਂ ਸੈਗਮੈਂਟ ਡ੍ਰਾਪ ਕਰਨਾ ਕਦੋਂ ਸੁਰੱਖਿਅਤ ਹੈ ਫੈਸਲਾ ਕਰੋਗੇ।
Profiling missingness patterns and mechanismsSimple and advanced numeric imputationsImputing categorical and flag variablesColumn-specific rules for supply chain fieldsCriteria for dropping rows or time segments