১. ভূমিকা
সমীক্ষা চালানোর অনেক কারণ আছে: গ্রাহক সন্তুষ্টি মূল্যায়ন করা, মার্কেট রিসার্চ চালানো, কোনও প্রোডাক্ট বা পরিষেবা উন্নত করা বা কর্মচারীদের এনগেজমেন্ট মূল্যায়ন করা। তবে, আপনি যদি আগে সমীক্ষার ডেটা নিয়ে কাজ করার চেষ্টা করে থাকেন, তাহলে আপনি হয়ত জানেন যে স্ট্যান্ডার্ড ফর্ম্যাট নিয়ে কাজ করা কঠিন। এই গাইডে, আমরা একটি অটোমেটেড পাইপলাইন তৈরি করি যা Google Forms-এর ফলাফল ক্যাপচার করে, Cloud Dataprep-এর মাধ্যমে বিশ্লেষণের জন্য ডেটা প্রস্তুত করে, BigQuery-তে লোড করে এবং আপনার টিমকে Looker বা Data Studio-এর মতো টুল ব্যবহার করে ভিজ্যুয়াল অ্যানালিটিক্স করার অনুমতি দেয়।
আপনি কী তৈরি করবেন
এই কোডল্যাবে, আপনি Dataprep ব্যবহার করে আমাদের উদাহরণ Google Forms সমীক্ষা থেকে পাওয়া উত্তরগুলিকে এমন একটি ফর্ম্যাটে রূপান্তর করবেন যা ডেটা অ্যানালিটিক্সের জন্য উপযোগী। আপনি রূপান্তরিত ডেটা BigQuery-তে পুশ করবেন যেখানে আপনি SQL-এর মাধ্যমে আরও গভীর প্রশ্ন জিজ্ঞাসা করতে পারবেন এবং আরও শক্তিশালী বিশ্লেষণের জন্য এটিকে অন্যান্য ডেটাসেটের সাথে যোগ করতে পারবেন। শেষে, আপনি আগে থেকে তৈরি ড্যাশবোর্ড এক্সপ্লোর করতে পারেন অথবা নতুন রিপোর্ট তৈরি করতে BigQuery-তে আপনার নিজস্ব বিজনেস ইন্টেলিজেন্স টুল কানেক্ট করতে পারেন।
আপনি কী শিখবেন
- Dataprep ব্যবহার করে কীভাবে সমীক্ষার ডেটা ট্রান্সফর্ম করবেন
- BigQuery-তে সমীক্ষার ডেটা কীভাবে পুশ করতে হয়
- সমীক্ষার ডেটা থেকে কীভাবে আরও ইনসাইট পাবেন
আপনার কী প্রয়োজন হবে
- একটি Google Cloud প্রোজেক্ট যাতে বিলিং, BigQuery এবং Dataprep চালু করা আছে
- Dataprep সম্পর্কে প্রাথমিক জ্ঞান থাকলে ভালো, তবে তা বাধ্যতামূলক নয়
- BigQuery ও SQL সম্পর্কে প্রাথমিক জ্ঞান থাকলে ভালো হয়, তবে তা বাধ্যতামূলক নয়
২. Google Forms-এর উত্তর ম্যানেজ করুন
আমরা প্রথমে আমাদের উদাহরণস্বরূপ সমীক্ষা-এর জন্য Google Forms-এর উত্তরগুলি আরও ঘনিষ্ঠভাবে দেখব।

"উত্তর" ট্যাব থেকে Google Sheets আইকনে ক্লিক করে এবং নতুন স্প্রেডশিট তৈরি করে বা আগে থেকে থাকা স্প্রেডশিটে ফলাফল লোড করে সমীক্ষার ফলাফল এক্সপোর্ট করা যেতে পারে। আপনি "উত্তর গ্রহণ করা হচ্ছে" বোতামটি অনির্বাচন না করা পর্যন্ত, উত্তরদাতারা তাদের উত্তর জমা দেওয়ার সাথে সাথে Google Forms স্প্রেডশীটে উত্তর যোগ করা চালিয়ে যাবে।


আসুন, প্রতিটি উত্তরের ধরন এবং Google Sheets ফাইলে এটি কীভাবে অনুবাদ করা হয় তা পর্যালোচনা করি।
৩. সমীক্ষার উত্তর ট্রান্সফর্ম করুন
সমীক্ষার প্রশ্নগুলি চারটি ফ্যামিলিতে গ্রুপ করা যেতে পারে যার একটি নির্দিষ্ট এক্সপোর্ট ফর্ম্যাট থাকবে। প্রশ্নের ধরনের উপর ভিত্তি করে, আপনাকে একটি নির্দিষ্ট উপায়ে ডেটা পুনর্গঠন করতে হবে। এখানে, আমরা প্রতিটি গ্রুপ এবং আমাদের যে ধরনের ট্রান্সফর্মেশন প্রয়োগ করতে হবে তা পর্যালোচনা করি।
সিঙ্গল চয়েস প্রশ্ন: ছোট উত্তর, প্যারাগ্রাফ, ড্রপডাউন, লিনিয়ার স্কেল ইত্যাদি।
- প্রশ্নের নাম: কলামের নাম
- উত্তর: সেলের ভ্যালু
- ট্রান্সফর্মেশন সংক্রান্ত প্রয়োজনীয়তা: কোনও ট্রান্সফর্মেশনের প্রয়োজন নেই; উত্তর যেমন আছে তেমনই লোড করা হয়।

একাধিক পছন্দের প্রশ্ন: একাধিক পছন্দ, চেকবক্স
- প্রশ্নের নাম: কলামের নাম
- উত্তর: সেমিকোলন বিভাজক সহ ভ্যালুর তালিকা (যেমন, "Resp 1; Resp 4; Resp 6")
- ট্রান্সফর্মেশন সংক্রান্ত প্রয়োজনীয়তা: ভ্যালুর তালিকা এক্সট্র্যাক্ট ও পিভট করতে হবে, যাতে প্রতিটি উত্তর একটি নতুন সারি হয়ে যায়।

একাধিক পছন্দের গ্রিড প্রশ্ন
এখানে একাধিক পছন্দের প্রশ্নের একটি উদাহরণ দেওয়া হল। প্রতিটি সারি থেকে একটি করে ভ্যালু বেছে নিতে হবে।

- প্রশ্নের নাম: প্রতিটি প্রশ্ন "প্রশ্ন [বিকল্প]" ফর্ম্যাটে কলামের নাম হিসেবে দেখানো হয়।
- উত্তর: গ্রিডে প্রতিটি স্বতন্ত্র উত্তর অনন্য ভ্যালু সহ একটি কলামে পরিণত হয়।
- ট্রান্সফর্মেশন সংক্রান্ত প্রয়োজনীয়তা: প্রতিটি প্রশ্ন/উত্তরকে টেবিলের একটি নতুন সারি হতে হবে এবং দুটি কলামে বিভক্ত হতে হবে। একটি কলামে প্রশ্নের বিকল্প এবং অন্য কলামে উত্তর উল্লেখ করা থাকবে।

একাধিক পছন্দের চেকবক্স গ্রিড প্রশ্ন
এখানে চেকবক্স গ্রিডের একটি উদাহরণ দেওয়া হল। প্রতিটি সারি থেকে কোনও মান বেছে না নেওয়া থেকে শুরু করে একাধিক মান বেছে নেওয়া যেতে পারে।

- প্রশ্নের নাম: প্রতিটি প্রশ্ন "প্রশ্ন [বিকল্প]" ফর্ম্যাটে কলামের নাম হয়ে যায়..
- উত্তর: গ্রিডের প্রতিটি স্বতন্ত্র উত্তর সেমিকোলন দ্বারা আলাদা করা ভ্যালুর তালিকা সহ একটি কলামে পরিণত হয়।
- ট্রান্সফর্মেশন সংক্রান্ত প্রয়োজনীয়তা: এই ধরনের প্রশ্ন "চেকবক্স" এবং "একাধিক পছন্দের গ্রিড" বিভাগকে একত্রিত করে এবং এই ক্রমেই সমাধান করতে হবে।
প্রথমে, প্রতিটি উত্তরের ভ্যালুর তালিকা এক্সট্র্যাক্ট ও পিভট করতে হবে, যাতে প্রতিটি উত্তর নির্দিষ্ট প্রশ্নের জন্য একটি নতুন সারি হয়ে যায়।
দ্বিতীয়ত: প্রতিটি স্বতন্ত্র উত্তরকে টেবিলের একটি নতুন সারি হতে হবে এবং দুটি কলামে বিভক্ত হতে হবে। একটি কলামে প্রশ্নের বিকল্প এবং অন্য কলামে উত্তর উল্লেখ করা থাকবে।

এরপর, আমরা দেখাব যে কীভাবে Cloud Dataprep-এর মাধ্যমে এইসব ট্রান্সফর্মেশন ম্যানেজ করা হয়।
৪. Cloud Dataprep ফ্লো তৈরি করা
Cloud Dataprep-এ "Google Forms Analytics ডিজাইন প্যাটার্ন" ইমপোর্ট করুন
Google Forms Analytics Design Pattern ফ্লো প্যাকেজ ডাউনলোড করুন (এটি আনজিপ না করে)। Cloud Dataprep অ্যাপ্লিকেশন-এ, বাঁদিকের নেভিগেশন বারে ফ্লো আইকনে ক্লিক করুন। তারপর, ফ্লো পৃষ্ঠায়, প্রাসঙ্গিক মেনু থেকে 'ইমপোর্ট করুন' বিকল্প বেছে নিন।

ফ্লো ইম্পোর্ট করার পরে, সেটি এডিট করার জন্য ইম্পোর্ট করা ফ্লো বেছে নিন, আপনার স্ক্রিনটি এইরকম দেখতে হবে:

Google Sheets-এ সমীক্ষার ফলাফল স্প্রেডশিট কানেক্ট করুন
ফ্লোয়ের বাঁদিকে, ডেটা সোর্সকে অবশ্যই Google Forms-এর ফলাফল সহ Google Sheets-এর সাথে আবার কানেক্ট করতে হবে। Google Sheet ডেটাসেট অবজেক্টের উপর রাইট ক্লিক করে "পাল্টান" বিকল্প বেছে নিন।

তারপর মোডালের নিচে "ডেটা সেট ইমপোর্ট করুন" লিঙ্কে ক্লিক করুন। "পাথ এডিট করুন" পেন্সিল আইকনে ক্লিক করুন।
সেখান থেকে, বর্তমান ভ্যালু এই লিঙ্কের মাধ্যমে পরিবর্তন করুন যা কিছু Google Forms ফলাফল সহ Google Sheets-এ পয়েন্ট করছে, আপনি আমাদের উদাহরণ বা আপনার নিজস্ব কপি ব্যবহার করতে পারেন: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
"যান" বিকল্পে ক্লিক করুন এবং তারপরে একদম নিচে ডানদিকে "ইমপোর্ট করে ফ্লোতে যোগ করুন" বিকল্পে ক্লিক করুন। আপনি মডালে ফিরে এলে, নিচে ডানদিকে "পরিবর্তন করুন" বোতামে ক্লিক করুন।
BigQuery টেবিল কানেক্ট করুন
ফ্লোয়ের ডানদিকে, আপনাকে নিজের BigQuery ইনস্ট্যান্সে আউটপুট কানেক্ট করতে হবে। প্রতিটি আউটপুটের জন্য, আইকনে ক্লিক করুন এবং তারপরে নিম্নলিখিতভাবে এর প্রপার্টি এডিট করুন।
প্রথমে, "ম্যানুয়াল গন্তব্য" এডিট করে শুরু করুন

এর পরে "প্রকাশনা সেটিংস" স্ক্রিনে, 'এডিট করুন' বোতামে ক্লিক করুন

"প্রকাশ করার অ্যাকশন" স্ক্রিন দেখতে পেলে, আপনাকে BigQuery কানেকশনে ক্লিক করে এবং এর প্রপার্টি এডিট করে কানেকশন সেটিংস পরিবর্তন করতে হবে।
Google Forms-এর ফলাফল যে BigQuery ডেটাসেটে লোড করতে চান সেটি বেছে নিন। আপনি এখনও কোনও BigQuery ডেটাসেট তৈরি না করে থাকলে, "ডিফল্ট" বিকল্প বেছে নিতে পারবেন।

"ম্যানুয়াল গন্তব্য" এডিট করার পরে, "শিডিউল করা গন্তব্য" আউটপুটের জন্য একই পদ্ধতি অনুসরণ করুন।

একই ধাপ অনুসরণ করে প্রতিটি আউটপুটে ইটারেট করুন। আপনাকে মোট ৮টি গন্তব্য এডিট করতে হবে।
৫. Cloud Dataprep ফ্লো সম্পর্কে ব্যাখ্যা
"Google Forms Analytics ডিজাইন প্যাটার্ন" ফ্লোয়ের মূল আইডিয়া হল, আগে যেভাবে বর্ণনা করা হয়েছে সেইভাবে সমীক্ষার উত্তর ট্রান্সফর্ম করা - প্রতিটি প্রশ্নের বিভাগকে নির্দিষ্ট Cloud Dataprep ডেটা ট্রান্সফর্মেশন রেসিপিতে ভেঙে দিয়ে।
এই ফ্লো প্রশ্নগুলিকে ৪টি টেবিলে ভাগ করে (সহজ করার জন্য ৪টি প্রশ্ন বিভাগের সাথে সম্পর্কিত)

আমরা সাজেস্ট করছি যে আপনি "ক্লিন হেডার" দিয়ে শুরু করে প্রতিটি রেসিপি এক এক করে এক্সপ্লোর করুন এবং তারপরে "SingleChoiceSELECT-Questions" এবং তারপরে নিচে দেওয়া প্রতিটি রেসিপি এক্সপ্লোর করুন।
বিভিন্ন ট্রান্সফর্মেশন ধাপ ব্যাখ্যা করার জন্য সব রেসিপিতে কমেন্ট করা হয়েছে। রেসিপিতে থাকাকালীন, আপনি কোনও ধাপ এডিট করতে এবং নির্দিষ্ট কলামের আগে/পরে অবস্থা প্রিভিউ করতে পারবেন।


৬. Cloud Dataprep ফ্লো রান করা
আপনার সোর্স ও ডেস্টিনেশন সঠিকভাবে কনফিগার করা হয়ে গেছে, এখন আপনি BigQuery-তে উত্তর ট্রান্সফর্ম ও লোড করার জন্য ফ্লো রান করতে পারবেন। প্রতিটি আউটপুট বেছে নিন এবং "রান করুন" বোতামে ক্লিক করুন। নির্দিষ্ট করা BigQuery টেবিল থাকলে, Dataprep নতুন সারি যোগ করবে, অন্যথায় এটি নতুন টেবিল তৈরি করবে।

জব মনিটর করতে বাঁদিকের প্যানে "জব ইতিহাস" আইকনে ক্লিক করুন। এতে কয়েক মিনিট সময় লাগতে পারে এবং BigQuery টেবিল লোড হবে।

সব কাজ সম্পূর্ণ হয়ে গেলে, সমীক্ষার ফলাফল BigQuery-তে একটি পরিচ্ছন্ন, স্ট্রাকচার্ড এবং স্বাভাবিক ফর্ম্যাটে লোড করা হবে যা বিশ্লেষণের জন্য প্রস্তুত।
৭. BigQuery-তে সমীক্ষার ডেটা বিশ্লেষণ করা
BigQuery-এর জন্য Google Console-এ, আপনি প্রতিটি নতুন টেবিলের বিবরণ দেখতে পাবেন

BigQuery-তে সমীক্ষার ডেটা থাকলে, আপনি সহজেই আরও বিস্তারিত প্রশ্ন জিজ্ঞাসা করতে পারবেন যাতে সমীক্ষার উত্তরগুলি আরও গভীরভাবে বোঝা যায়। যেমন, ধরুন আপনি বুঝতে চাইছেন যে বিভিন্ন পেশাদার পদমর্যাদার লোকেরা কোন প্রোগ্রামিং ভাষা সবচেয়ে বেশি ব্যবহার করেন - আপনি এইরকম একটি কোয়েরি লিখতে পারেন:
SELECT
programming_answers.Language AS programming_answers_language,
project_answers.Title AS project_answers_title,
AVG((case when programming_answers.Level='None' then 0
when programming_answers.Level='beginner' then 1
when programming_answers.Level='competent' then 2
when programming_answers.Level='proficient' then 3
when programming_answers.Level='expert' then 4
else null end) ) AS programming_answers_average_level_value
FROM `my-project.DesignPattern.A000111_ProjectAnswers` AS project_answers
INNER JOIN `my-project.A000111_ProgrammingAnswers` AS programming_answers
ON programming_answers.RESPONSE_ID = project_answers.RESPONSE_ID
GROUP BY 1,2
ORDER BY 3 DESC
আপনার বিশ্লেষণ আরও শক্তিশালী করতে, আপনি CRM ডেটাতে সমীক্ষার উত্তর যোগ করতে পারেন যাতে অংশগ্রহণকারীরা আপনার ডেটা ওয়্যারহাউসে আগে থেকেই অন্তর্ভুক্ত কোনও অ্যাকাউন্টে ম্যাপ করে কিনা তা দেখতে পারেন। এটি আপনার ব্যবসাকে গ্রাহক সহায়তা বা নতুন লঞ্চের জন্য ব্যবহারকারীদের টার্গেট করার বিষয়ে আরও তথ্যপূর্ণ সিদ্ধান্ত নিতে সাহায্য করতে পারে।
এখানে, আমরা দেখাই যে উত্তরদাতার ডোমেন এবং অ্যাকাউন্টের ওয়েবসাইট-এর উপর ভিত্তি করে আপনি কীভাবে একটি অ্যাকাউন্ট টেবিলে সমীক্ষার ডেটা যোগ করতে পারেন। এখন, আপনি অ্যাকাউন্টের ধরন অনুযায়ী উত্তরের ডিস্ট্রিবিউশন দেখতে পারবেন, যা আপনাকে বুঝতে সাহায্য করবে যে কতজন উত্তরদাতা পুরনো গ্রাহক অ্যাকাউন্টের অন্তর্গত।
SELECT
account.TYPE AS account_type,
COUNT(DISTINCT project_answers.Domainname) AS project_answers_count_domains
FROM `my-project.A000111_ProjectAnswers` AS project_answers
LEFT JOIN `my-project.testing.account` AS account
ON project_answers.Domainname=account.website
GROUP BY 1
৮. ভিজ্যুয়াল অ্যানালিটিক্স পারফর্ম করুন
আপনার সমীক্ষার ডেটা এখন ডেটা ওয়্যারহাউসে কেন্দ্রীভূত হয়েছে, আপনি সহজেই বিজনেস ইন্টেলিজেন্স টুলে ডেটা বিশ্লেষণ করতে পারবেন। আমরা Data Studio এবং Looker-এ কিছু উদাহরণ রিপোর্ট তৈরি করেছি।
Looker
আপনার কাছে আগে থেকেই Looker ইনস্ট্যান্স থাকলে, এই প্যাটার্নের জন্য স্যাম্পেল সমীক্ষা ও CRM ডেটা বিশ্লেষণ করা শুরু করতে, আপনি এই ফোল্ডারে LookML ব্যবহার করতে পারবেন। শুধু একটি নতুন Looker প্রোজেক্ট তৈরি করুন, LookML যোগ করুন এবং আপনার BigQuery কনফিগারেশনের সাথে ম্যাচ করার জন্য ফাইলে কানেকশন এবং টেবিলের নাম পরিবর্তন করুন। আপনার কাছে Looker ইনস্ট্যান্স না থাকলে, কিন্তু আরও জানতে আগ্রহী হলে, আপনি এখানে ডেমো শিডিউল করতে পারেন।

ডেটা স্টুডিও
এছাড়াও, Data Studio-তে রিপোর্ট তৈরি করতে, Google ক্রস সহ "ফাঁকা রিপোর্ট" ফ্রেমে ক্লিক করুন এবং BigQuery-তে কানেক্ট করুন। Data Studio-এর সব নির্দেশাবলী অনুসরণ করুন। আপনি আরও জানতে চাইলে, Data Studio-এর প্রধান ফিচার সম্পর্কে একটি কুইক স্টার্ট ও ভূমিকা এখানে দেখতে পাবেন। এছাড়াও, আপনি এখানে আমাদের আগে থেকে তৈরি করা ডেটা স্টুডিও ড্যাশবোর্ড খুঁজে পেতে পারেন।

৯. ক্লিন-আপ করা হচ্ছে
বিলিং বন্ধ করার সবচেয়ে সহজ উপায় হল টিউটোরিয়ালের জন্য তৈরি করা ক্লাউড প্রোজেক্ট মুছে দেওয়া। এছাড়াও, আপনি আলাদা আলাদা রিসোর্স মুছে দিতে পারেন।
- Cloud Console-এ, রিসোর্স ম্যানেজ করার বিকল্পে যান
- প্রজেক্টের তালিকা থেকে, আপনি যে প্রজেক্টটি মুছতে চান সেটি বেছে নিন এবং তারপরে মুছুন বিকল্পে ক্লিক করুন।
- ডায়ালগে প্রোজেক্ট আইডি টাইপ করুন এবং প্রোজেক্ট মুছে দিতে বন্ধ করুন বিকল্পে ক্লিক করুন।
