Power BI انٹرویو سوالات

آپ ایک قابلِ عمل رپورٹ بنا سکتے ہیں اور پھر بھی DAX سوالات پر اٹک سکتے ہیں، کیونکہ انٹرویوز فنکشنز کی فہرست کے بجائے evaluation model کو جانچتے ہیں۔ یہ سیکشن ان DAX سوالات کا احاطہ کرتا ہے جو تقریباً ہر Power BI انٹرویو میں آتے ہیں، اور ایک مضبوط جواب میں کیا شامل ہونا چاہیے۔

• measure اور calculated column میں کیا فرق ہے? calculated column ہر قطار کے لیے refresh کے دوران calculate ہو کر ماڈل میں محفوظ ہوتا ہے اور میموری استعمال کرتا ہے۔ measure query کے وقت موجودہ filter context کے تحت calculate ہوتا ہے اور کچھ محفوظ نہیں کرتا۔ صرف یہ کہنے کے بجائے کہ ایک متحرک ہے، میموری اور وقت دونوں کا ذکر کریں۔
• row context اور filter context سمجھائیں۔ row context iteration کے دوران موجودہ قطار ہے، filter context وہ فلٹرز ہیں جو slicers، visuals اور DAX سے لگتے ہیں۔ زیادہ تر الجھن ایک کی توقع کرنے اور دوسرا ملنے سے پیدا ہوتی ہے۔
• CALCULATE کیا کرتا ہے? یہ ایک تبدیل شدہ filter context میں ایک اظہار کا حساب لگاتا ہے، اور row context کو filter context میں بدل دیتا ہے۔ انٹرویو لینے والے اسی دوسرے حصے کو غور سے سنتے ہیں۔
• SUMX جیسے iterator کی ضرورت کب پڑتی ہے? جب حساب aggregate ہونے سے پہلے ہر قطار پر ہونا ضروری ہو، مثلاً قیمت ضرب مقدار، جہاں کوئی محفوظ کالم پروڈکٹ نہیں رکھتا۔
• ALL کیا کرتا ہے، اور اسے CALCULATE کے ساتھ کیوں جوڑا جاتا ہے? یہ فلٹرز ہٹا دیتا ہے، جس سے percent-of-total measures بنائے جاتے ہیں۔
• RELATED اور RELATEDTABLE میں فرق بتائیں۔ سمت اہم ہے: ایک one سائیڈ کی طرف جاتا ہے، دوسرا many سائیڈ سے قطاریں واپس لاتا ہے۔

پورے راؤنڈ کے لیے ایک مفید عادت: جب DAX کا جواب بھٹکنے لگے تو context کی طرف واپس آئیں۔ تقریباً ہر follow-up کا حل اسی پر منحصر ہے کہ کون سا context فعال ہے اور اسے کس نے بدلا۔

Modeling سوالات رپورٹ بنانے والوں کو ان لوگوں سے الگ کرتے ہیں جو ایک dataset کے مالک بن سکتے ہیں۔ متوقع الفاظ dimensional ہوتے ہیں۔

• star schema یا snowflake، اور کیوں? star، query performance اور آسان DAX کے لیے، denormalized dimensions کے ساتھ۔ snowflake صرف وہاں جہاں کوئی dimension واقعی بڑا یا مشترکہ ہو۔ ایک فلیٹ سنگل ٹیبل وہ جواب ہے جو راؤنڈ کو جلد ختم کر دیتا ہے۔
• fact table اور dimension table کیا ہیں? facts ایک مقررہ grain پر قابلِ پیمائش واقعات رکھتے ہیں، dimensions وہ خصوصیات رکھتے ہیں جن کے حساب سے آپ ڈیٹا کو تقسیم کرتے ہیں۔
• relationship cardinality اور cross-filter direction کیوں اہم ہیں? واحد سمت کے ساتھ ون-ٹو-مینی بلا وجہ ڈیفالٹ نہیں ہے؛ bidirectional filtering ابہام پیدا کرتی ہے اور غلط totals دے سکتی ہے۔
• many-to-many تعلق کو کیسے سنبھالتے ہیں? ایک bridge table، اور اس کی وضاحت کہ بعد میں totals کا مطلب کیا ہے۔
• ایک مخصوص date table کی ضرورت کیوں ہے? time intelligence functions کو ایک مسلسل نشان زدہ date table درکار ہوتا ہے؛ اس کے بغیر year-to-date اور prior-year measures غلط نتائج دیتے ہیں۔
• اس تبدیلی کے لیے Power Query یا DAX? جہاں ممکن ہو Power Query میں شکل دیں، کیونکہ وہاں تبدیلیاں ہر query پر نہیں بلکہ صرف refresh پر ایک بار ہوتی ہیں۔

ایک ریٹیل رپورٹنگ ٹیم کے لیے انٹرویو دینے والے BI analyst سے پوچھا گیا کہ sales کا کل پروڈکٹ کے لحاظ سے درست کیوں نظر آتا ہے مگر ریجن کے لحاظ سے غلط۔ پینل کو جو جواب مطلوب تھا وہ ماڈلنگ سے متعلق تھا، ایک bidirectional relationship جو مبہم filter path بناتا ہے، نہ کہ DAX کی نئی تحریر۔ پہلے model layer پر تشخیص کرنا وہی جبلت ہے جسے جانچا جا رہا ہے۔

کردار کے حساب سے دیگر سوالات کردار کے مطابق انٹرویو سوالات کے تحت جمع ہیں۔

یہ سوالات BI developer اور analytics engineer راؤنڈز میں آتے ہیں، اور یہیں وہ امیدوار مواد ختم ہوتا محسوس کرتے ہیں جنہوں نے صرف Power BI Desktop میں کام کیا ہو۔

• Import، DirectQuery یا Composite? Import query کرنے میں سب سے تیز ہے مگر میموری اور refresh windows تک محدود ہے۔ DirectQuery ڈیٹا کو تازہ رکھتا ہے اور load سورس پر ڈالتا ہے، DAX کی حدود کے ساتھ۔ Composite دونوں کو ملاتا ہے۔ tradeoff اور فیصلہ کرنے والی ایک شرط بتائیں۔
• on-premises data gateway کس کام آتا ہے? کارپوریٹ نیٹ ورک کے پیچھے موجود سورسز سے cloud سروسز کو جوڑنا، scheduled refresh اور DirectQuery کے لیے۔
• incremental refresh کیسے کام کرتا ہے? ایک date range کے حساب سے partition کرنا تاکہ صرف حالیہ partitions دوبارہ لوڈ ہوں، فیچر کی درکار range parameters کے ساتھ configure کیا جائے۔
• row-level security کیسے نافذ کرتے ہیں? dimension tables پر DAX filter expressions والے roles، اور dynamic security جو logged-in user فنکشن سے صارف کو ایک mapping table میں تلاش کرتی ہے۔
• Workspace، app، dataset، report: ان کا آپس میں کیا تعلق ہے? بنیادی سروس شناسی، اور ایک آسان سوال جسے صرف Desktop میں کام کرنے سے ناکام کیا جا سکتا ہے۔
• ایک سست رپورٹ کو کیسے بہتر بناتے ہیں? ہر صفحے پر visuals کم کریں، calculated columns کے بجائے measures کو ترجیح دیں، relationship columns پر cardinality کم کریں، اور Performance Analyzer سے جانچیں۔

اگر آپ کا سارا تجربہ صرف Desktop میں ہے تو یہ صاف بتائیں اور یہ بیان کریں کہ آپ کو کیا سیکھنے کی ضرورت ہوگی۔ انٹرویو لینے والے ایک بتائے گئے خلا کو قبول کرتے ہیں؛ وہ من گھڑت deployment تجربہ قبول نہیں کرتے جو اگلے follow-up پر بے نقاب ہو جائے۔

Power BI کے جوابات ایک خاص انداز میں زبانی طور پر ناکام ہوتے ہیں: امیدوار فرق جانتا ہے مگر اسے گھما پھرا کر بیان کرتا ہے، کیونکہ اس نے صرف کلک کر کے اسے ظاہر کیا ہوتا ہے۔ سوالات کی فہرست پڑھنے سے شناخت پیدا ہوتی ہے، اور یہ شناخت اس وقت ٹوٹ جاتی ہے جب کوئی اجنبی سوال پوچھے اور جواب کا انتظار کرے۔

اوپر دیے گئے پانچ سوالات میں سے وہ چنیں جو آپ کو سب سے کم پسند ہیں کہ آپ سے پوچھے جائیں اور ہر ایک کا جواب بغیر اسکرین کے نوے سیکنڈ سے کم میں زبانی دیں۔ اگر آپ بغیر ڈرا کیے یہ نہیں بتا سکتے کہ CALCULATE کیا کرتا ہے، تو آپ اسے پینل میں کہنے کے لیے تیار نہیں ہیں۔ وہی سوالات ایک ایسے AI انٹرویو لینے والے کے سامنے دہرانا جو follow-ups پوچھے، نوٹس دوبارہ پڑھنے سے حقیقی گفتگو کے زیادہ قریب ہے، اور یہی وہ چیز ہے جس کے لیے mock interview موڈ بنایا گیا ہے۔

Aaron Cao، SubcueAI کے بانی، نے اس practice موڈ کو مواد کی فراہمی کے بجائے مشق کے گرد ڈیزائن کیا، کیونکہ سوالات کی فہرستیں وافر ہیں مگر بولنے کی تکرار وافر نہیں۔ ایک لائیو راؤنڈ میں desktop app اور browser extension کا Side Panel بات چیت کے دوران structure سامنے لا سکتے ہیں، جو اس مواد پر سب سے زیادہ مدد کرتا ہے جسے آپ پہلے سے جانتے ہیں۔ سیٹ اپ کے مراحل tutorial صفحے پر ہیں۔