Power BI ile Cohort Analizi — Baştan Sona Kapsamlı Rehber

                                import pandas as pd
                                import numpy as np
                                import random
                                from datetime import datetime, timedelta
                                
                                # Seed ayarlama (tekrarlanabilir sonuçlar için)
                                np.random.seed(42)
                                random.seed(42)
                                
                                # Parametreler
                                n_merchants = 10000
                                start_date = datetime(2022, 1, 1)
                                end_date = datetime(2024, 12, 1)
                                months = pd.date_range(start=start_date, end=end_date, freq='MS').to_pydatetime().tolist()
                                
                                # Ürün tipleri ve kategori kodları
                                product_types = ['API', 'iframe', 'vPOS', 'POS']
                                mcc_codes = ['5411', '5812', '5651', '5999', '5611', '5311', '5732', '5691']
                                
                                rows = []
                                
                                # Her satıcı için temel özellikler
                                merchant_avg_tx_value = np.random.lognormal(mean=8.0, sigma=0.8, size=n_merchants)
                                merchant_base_retention = np.random.choice([0.9, 0.7, 0.6, 0.5], size=n_merchants, p=[0.25, 0.25, 0.3, 0.2])
                                
                                for i in range(n_merchants):
                                merchant_id = f"M{100000 + i}"
                                cohort_month = random.choice(months)
                                product = random.choice(product_types)
                                mcc = random.choice(mcc_codes)
                                avg_tx = merchant_avg_tx_value[i]
                                base_ret = merchant_base_retention[i]
                                
                                # Ürün tipine göre retention ayarlaması
                                if product == 'API':
                                base_ret *= 1.05
                                elif product == 'iframe':
                                base_ret *= 0.85
                                elif product == 'vPOS':
                                base_ret *= 0.9
                                else:
                                base_ret *= 0.95
                                
                                # Cohort'tan itibaren her ay için
                                for month in months:
                                if month < cohort_month: continue months_since=(month.year - cohort_month.year) * 12 + (month.month -
                                    cohort_month.month) # Retention olasılığı zamanla azalır retention_prob=max(0.01, base_ret * np.exp(-0.25 *
                                    months_since)) active=np.random.rand() < retention_prob if not active: continue # İşlem sayısı (Poisson dağılımı)
                                    tx_count=max(1, np.random.poisson(lam=2 + 0.02 * months_since)) # Mevsimsellik etkisi seasonal=1.0 if month.month in
                                    [11, 12]: # Kasım-Aralık seasonal=1.2 elif month.month in [6, 7, 8]: # Yaz ayları seasonal=1.05 # İşlem hacmi
                                    hesaplama tx_volume=max(0.0, np.random.normal( loc=tx_count * avg_tx * seasonal, scale=0.1 * tx_count * avg_tx ))
                                    toplam_gelir=float(round(tx_volume, 2)) # Maliyet hesaplamaları maliyet_orani=np.random.uniform(0.01, 0.035)
                                    tum_maliyet=round(toplam_gelir * maliyet_orani, 2) net_kazanc=round(toplam_gelir - tum_maliyet, 2)
                                    rows.append({ "Ay_Periyodu" : month.strftime("%Y-%m-01"), "Satıcı_ID" : merchant_id, "Ürün_Tipi" :
                                    product, "Toplam_Gelir" : toplam_gelir, "Kategori_Kodu" : mcc, "Tüm_Maliyetler" : tum_maliyet, "Net_Kazanç" :
                                    net_kazanc, "İşlem_Hacmi" : round(toplam_gelir, 2), "İşlem_Sayısı" : int(tx_count) }) # DataFrame oluşturma
                                    df=pd.DataFrame(rows) df['Ay_Periyodu']=pd.to_datetime(df['Ay_Periyodu']) # Rastgele sıralama df=df.sample(frac=1,
                                    random_state=42).reset_index(drop=True) # CSV olarak kaydetme df.to_csv("cohort_sample_10000_2022-2024.csv",
                                    index=False) print(f"Veri seti oluşturuldu: {len(df)} satır, {df['Satıcı_ID'].nunique()} benzersiz satıcı")
                                    print(f"Tarih aralığı: {df['Ay_Periyodu'].min()} - {df['Ay_Periyodu'].max()}") print(f"Ortalama aylık gelir:
                                    ₺{df['Net_Kazanç'].mean():,.2f}") # İlk birkaç satırı gösterme print("\nÖrnek veriler:")
                                    print(df.head().to_string()) 

DateTable =
                        ADDCOLUMNS(
                        CALENDAR(DATE(2021,1,1), DATE(2026,12,31)),
                        "Yıl", YEAR([Date]),
                        "Ay", FORMAT([Date], "MMMM"),
                        "AyNumarası", MONTH([Date]),
                        "YılAy", FORMAT([Date], "yyyy-MM"),
                        "Ay_Start", DATE(YEAR([Date]),MONTH([Date]),1),
                        "Çeyrek", "Q" & QUARTER([Date])
                        )

Cohort_Date =
CALCULATE(
    MIN('Transaction'[Ay_Periyodu]),
    ALLEXCEPT('Transaction','Transaction'[Satıcı_ID])
)

Months_Since_Cohort =
IF(
  ISBLANK('Transaction'[Cohort_Date]) || ISBLANK('Transaction'[Ay_Periyodu]),
  BLANK(),
  DATEDIFF('Transaction'[Cohort_Date], 'Transaction'[Ay_Periyodu], MONTH)
)

Cohort_Size =
                    VAR CohortPeriod = SELECTEDVALUE('Transaction'[Cohort_Date])
                    RETURN
                    CALCULATE(
                    DISTINCTCOUNT('Transaction'[Satıcı_ID]),
                    FILTER(ALL('Transaction'), 'Transaction'[Cohort_Date] = CohortPeriod)
                    )

Cohort_Active_Count =
                        VAR SelectedCohort = SELECTEDVALUE('Transaction'[Cohort_Date])
                        VAR CohortMonthIndex = SELECTEDVALUE('Transaction'[Months_Since_Cohort])
                        VAR CohortMonthDate = EDATE(SelectedCohort, CohortMonthIndex)
                        RETURN
                        CALCULATE(
                        DISTINCTCOUNT('Transaction'[Satıcı_ID]),
                        FILTER(
                        ALL('Transaction'),
                        'Transaction'[Cohort_Date] = SelectedCohort &&
                        'Transaction'[Ay_Periyodu] = CohortMonthDate)
                )

Cohort_Retention_Rate =
DIVIDE([Cohort_Active_Count], [Cohort_Size], 0)

-- Power Query M ile Summary Tablo Oluşturma
let
    Source = Transaction,
    Grouped = Table.Group(
        Source, 
        {"Satıcı_ID", "Ay_Periyodu", "Ürün_Tipi", "Kategori_Kodu"},
        {
            {"İşlem_Sayısı", each List.Sum([İşlem_Sayısı]), type number},
            {"Net_Kazanç", each List.Sum([Net_Kazanç]), type number},
            {"Toplam_Gelir", each List.Sum([Toplam_Gelir]), type number}
        }
    )
in
    Grouped

-- Alternatif: DAX ile Summary Tablo
Satıcı_Ay_Summary = 
SUMMARIZE(
    'Transaction',
    'Transaction'[Satıcı_ID],
    'Transaction'[Ay_Periyodu],
    'Transaction'[Ürün_Tipi],
    "İşlem_Sayısı", SUM('Transaction'[İşlem_Sayısı]),
    "Net_Kazanç", SUM('Transaction'[Net_Kazanç])
)

-- Tek kolon indexler
CREATE INDEX idx_merchant_id ON Transaction(Satıcı_ID);
CREATE INDEX idx_period ON Transaction(Ay_Periyodu);

-- Composite index (en önemli)
CREATE INDEX idx_merchant_period ON Transaction(Satıcı_ID, Ay_Periyodu);

-- Ürün tipi segmentasyonu için
CREATE INDEX idx_product_type ON Transaction(Ürün_Tipi);

-- Performance check
SELECT 
    tablename, 
    indexname, 
    indexdef 
FROM pg_indexes 
WHERE tablename = 'transaction';

Churn_Risk_Score = 
VAR CurrentMonthTx = [İşlem_Sayısı]
VAR PrevMonthTx = CALCULATE([İşlem_Sayısı], DATEADD('Transaction'[Ay_Periyodu], -1, MONTH))
VAR CohortAvgTx = CALCULATE(
    AVERAGE('Transaction'[İşlem_Sayısı]),
    FILTER(ALL('Transaction'), 'Transaction'[Cohort_Date] = SELECTEDVALUE('Transaction'[Cohort_Date]))
)
VAR MonthsSinceCohort = SELECTEDVALUE('Transaction'[Months_Since_Cohort])

// Risk faktörleri
VAR LowVolumeRisk = IF(CurrentMonthTx < CohortAvgTx * 0.5, 30, 0)
VAR DeclineRisk = IF(CurrentMonthTx < PrevMonthTx, 25, 0)
VAR EarlyStageRisk = IF(MonthsSinceCohort <= 3 && CurrentMonthTx < 5, 20, 0)
VAR InactivityRisk = IF(CurrentMonthTx = 0, 50, 0)

RETURN
    LowVolumeRisk + DeclineRisk + EarlyStageRisk + InactivityRisk

LTV_Segment = 
VAR LTV = [Cohort_Average_LTV]
RETURN
    SWITCH(
        TRUE(),
        LTV >= 100000, "Platinum",
        LTV >= 50000, "Gold",
        LTV >= 10000, "Silver",
        "Bronze"
    )