آموزش متخصص حرفه‌ای هوش تجاری با Power BI

دوره آموزشی هوش تجاری با نرم افزار Power BI
امروزه ما در جهانی در حال زندگی هستیم که داده ها تاثیر بسزایی در زندگی و کار ما دارند جمع آوری و شناخت این گونه داده ها بسیار می تواند به ما چه در زندگی و چه در کسب و کار خودمان کمک کننده باشد.
در اکثر سازمان ها و شرکت های مختلف روزانه حجم عظیمی از داده ها در حال ذخیره و پردازش می باشد خب سوال مهمی که برای ما پیش می آید این است که آیا ما می توانیم با شناخت و درک عمیق این گونه داده ها سازمان خود را به سمت یک سود بهتر و آینده ای پر بارتر پیش ببریم ؟
در جواب به این سوال باید خدمت شما دوستان عزیز بیان کنیم که بله چرا که نه ولی تحلیل داده ها و جمع آوری ارزش از داده ها زمانی برای ما و کسب و کار ما جذاب و قابل درک می باشد که ما به صورت حرفه ای وارد این حوزه بشویم و بتوانیم با داشتن دانش و تخصص کافی به انجام این کار بپردازیم.

اما خب چگونه ما می توانیم داده های خود را تحلیل کنیم ؟ و یا اصلا چگونه می توانیم الگو ها و ارزش های پنهان موجود در داده های خودمان را کشف کنیم ؟ جواب تمامی این سوال ها ابزاری می باشد به نام ابزار هوش تجاری.

هوش تجاری چیست ؟
به صورت کلی هوش تجاری مجموعه ای از ابزار های بسیار کاربردی و همچنین مجموعه ای از برنامه های کاربردی و همچنین استراتژی ها و شیوه های نوین کسب و کار می باشد که باعث می شود مدیران سازمان ها تصمیمات بهتری راجب آینده سازمان خود اتخاذ نمایند.

کاربرد های هوش تجاری چیست ؟
شما در هر حوزه و در هر کسب و کار و در هر رشته تحصیلی که در حال فعالیت می باشید می توانیم از ابزار هوش تجاری داده استفاده کنید به عنوان مثال چند نمونه از کاربرد های هوش تجاری را برای شما دوستان عزیز در زیر لسیت کرده ایم :
خوشه بندی و شناسایی مشتریان وفادار سازمان (حوزه فروش).
تحلیل داده های مهندسی نفت و شیمی جهت ارائه گزارشات مختلف (حوزه نفت و شیمی).
طراحی داشبورد تحلیلی جهت شناسایی بازار سرمایه و اندازه گیری و تحلیل ریسک در بازار سرمایه (حوزه معاملات الگوریتمی).
طراحی گزارشات و طراحی داشبورد های مختلف در حوزه پزشکی تشخیص بهتر بیماری ها (حوزه سلامت).
پیش بینی میزان گل های زده شده در بازی فوتبال با استفاده از داشبورد های مدیریتی و همچنین نمودار های تحلیلی (حوزه ورزش).
و ... .

استراتژی های مهم برای انجام پروژه های هوش تجاری چه استراتژی هایی می بانشد ؟
به صورت کلی پروژه های هوش تجاری با استفاده از دو استراتژی می توانند ایجاد شوند یا به سبک Enterprise BI و یا به سبک Self Service BI ، پروژه هایی که به سبک Enterprise BI طراحی و پیاده سازی می شوند بیشتر تمرکز ما بر روی ابزار های بخش فنی مانند SQL SERVER و سرویس های مربوط به SQL SERVER می باشد ولی پروژه هایی که به سبک Self Service BI طراحی می شوند تمرکز اصلی ما بر روی بخش بیزینس و ابزار های معروف مصور سازی می باشد ما در این دوره می خواهیم پروژه های خودمان را به سبک و استراتژی Self Service BI پیش ببریم.

ابزار های مهم در حوزه هوش تجاری چه ابزار هایی می باشند ؟
Power BI
Qlik View
Qlik Sense
Tableau
ما در این دوره قصد داریم تا شما را با ابزار قدرت مند Power BI آشنا کنیم و تمامی موارد مهم و پر کاربرد این نرم افزار قدرتمند را به شما دوستان عزیز آموزش دهیم.

مراحل انجام یک پروژه هوش تجاری چه مراحلی می باشد ؟
برای انجام یک پروژه هوش تجاری روش های بسیاری وجود دارد ولی ما در این دوره همان طور که بیان کردیم می خواهیم از سبک Self Service BI برای انجام پروژه های هوش تجاری خودمان استفاده کنیم.

به صورت کلی انجام پروژه های هوش تجاری به سبک Self Service BI در شکل زیر خلاصه شده است.  

مرحله اول فهم تجاری داده ها: در این مرحله در قدم اول باید با صاحبان کسب و کار و مدیران مصاحبه های مختلفی انجام شود  تا با سناریو ها و اهداف سازمان آشنا شویم سپس بعد از شناخت کسب و کار و بیزینس اقدام به جمع آوری داده های موجود در کسب و کار کنیم.

مرحله دوم  انجام عملیات ETL و تحلیل اکتشافی داده ها : در این مرحله بر روی داده های جمع آوری شده عملیات ETL یا Extract & Transform & Load انجام می شود درواقع در این مرحله داده های مورد نیاز از منابع داده ای مورد نظر جمع آوری می شوند و این داده ها پیش پردازش و پاک سازی می شوند و سپس به صورت تجمیع شده درون مخزن های داده ای حجیمی به نام Data Warehouse (انباره داده) قرار می گیرند سپس بعد از پر شدن انباره داده ما با استفاده از یکسری ابزار ها و شاخص های آماری به تحلیل اکتشافی داده های می پردازیم.

مرحله سوم ساخت مدل های داده ای : یکی از مهم ترین و پر اهمیت ترین مرحله در انجام پروژه های هوش تجاری مرحله ساخت مدل های داده ای می باشد که در این مرحله ما اقدام به ساخت انواع مدل های داده ای از داده های پاک سازی شده می کنیم این مدل های داده ای در انواع مختلفی مانند مدل ستاره ای ، مدل برف دانه و مدل کهکشانی در نظر گرفته می شوند و برای تحلیل بهتر داده ها و همچنین مصور سازی داده ها ما بسیار به ما می توانند کمک کنند.

مرحله چهارم طراحی داشبورد های مدیریتی  : پس از طراحی مدل های داده ای ما اقدام به طراحی داشبورد های مدیریتی مورد نیاز سازمان و کسب و کار خودمان می کنیم که در این داشبورد ها انواع نمودار های مختلف به همراه شاخص های مهمی که مربوط به کسب و کار خودمان می باشند قرار دارند ، برخی از این نمودار ها ، نمودار های تحلیلی می باشند که برای پیش بینی آینده و انجام عملیات های داده کاوی می توانیم از آن ها استفاده کنیم.

مرحله نهایی انتشار داشبورد : در مرحله نهایی از کار خودمان ما داشبورد طراحی شده را در اختیار مدیران و صاحبان کسب و کار خودمان قرار می دهیم تا با استفاده از این داشبورد ها بتوانند تصمیمات مهمی برای آینده سازمان با شناخت داده های گذشته انجام دهند همچنین در این مرحله سطح دسترسی هر واحدی و یا شخصی که می خواهد از داشبورد ما استفاده کند را مشخص می کنیم.

سرفصل ها:

ماژول اول :مفاهیم اولیه هوش تجاری و یا تحلیل داده (Business Intelligence or Data Analysis)

• هوش تجاری یا تحلیل داده ها چیست ؟
• بررسی فرآیند های هوش تجاری در سازمان ها و کسب و کار های مختلف.
• بررسی تفاوت های بین پروژه های BI Enterprise , BI Service .Self
• تفاوت  Business Analysis & Business Intelligence) BA , BI
• تفاوت بین تحلیل گر داده و دانشمند داده و مهندس داده Science Data & & Business Analysis Data Engineer
• بررسی فرآیند های ETL و ELT در هوش تجاری
• بررسی انواع داده ها در فرآیند های هوش تجاری.
• بررسی تفاوت های بین سیستم های OLTP و OLAP در فرآیند های هوش تجاری
• بررسی مفهوم پروفایل داده ها Data Profiling در فرآیند های هوش تجاری.
• بررسی مفهوم اصالت سنجی داده ها Data Lineage  در فرآیند های هوش تجاری.
• بررسی مفهوم حکمرانی داده ها Data Governance  در فرآیند های هوش تجاری.
• بررسی مهارت های نرم در بحث هوش تجاری و بررسی مفهوم شاخص های کلیدی عملکرد.
• بررسی مفهوم داده ها در فضای اقلیدسی و فضای RN یا فضای برداری.
• Task های پایانی فصل.

ماژول دوم : تحلیل داده ها با استفاده از صفحات گسترده Excel & Google Sheet

• بررسی صفحات گسترده
• تحلیل اکتشافی داده ها (استفاده از مجموعه داده های فروش.)
• معرفی جدول (Pivot Table) Pivot و استفاده از آن برای تحلیل داده ها (استفاده از مجموعه داده های فروش).
• بررسی مفهوم Visualization Data (مصور سازی داده ها) و استفاده از آن برای تحلیل داده ها (استفاده از مجموعه داده ها فروش.)
• تحلیل داده های فروش دو وب سایت رزرو هتل مختلف.
• ساخت گزارشات مدیریتی از مجموعه داده های فروش.
• بررسی مفاهیم آمار توصیفی (Descriptive Statistics)و همچنین آمار تفسیری(Inferential Statistics)
• بررسی مفهوم آمار تفسیری و کاربرد های آن.
• بررسی مفهوم محاسبات تعداد نمونه (Sample Size Calculation)
• بررسی مفهوم تست آماری الف-ب (A-B Testing Statistics) و کاربرد های آن.
• Taskهای پایانی فصل.

ماژول سوم : مقدمات زبان SQL و کوئری نویسی در 2022 SERVER SQL

• SQL و انواع پایگاه داده های مبتنی بر آن.
• نصب SQL SERVER 2022 , SSMS
• - کوئری نویسی برای تحلیل داده ها در 2022 SERVER SQL مباحث مربوط به مبانی T-SQL و مفاهیم گروه بندی و بررسی برخی از توابع تجمعی پر کاربرد و بررسی مفاهیم انواع JOIN و بررسی مفاهیم پردازش منطقی و پردازش فیزیکی کوئری ها و بررسی مفاهیم دستورات DML Language( Manipulation )Data و بررسی مقدماتی بحث Procedure Stored ها.
• بررسی مفهوم انباره داده Data Warehouse در فرآیند های هوش تجاری.
• بررسی مفاهیم بعد و حقایق و مخزن داده ای و مخزن (Mart , Mart Data , Fact , Dimension).
• بررسی مفهوم بعد های عمومی Dimension Public
• بررسی مفاهیم دریاچه داده و خانه کنار دریاچه (Lake House,Data Lake)
• بررسی طرحواره های مربوط به انباره داده   (Schema for data WareHouse)
• بررسی کوئری نویسی آموزش داده شده بر روی انباره داده در قالب انباره داده(Adventure Works Data Warehouse 2022)
• Taskهای پایانی فصل.

ماژول چهارم : شروع آموزش نرم افزار BI Power بخش Query Power جهت پاک سازی داده ها

• نصب نرم افزار Bi Power
• -یکپارچه سازی اطلاعات به چه معنایی می باشدintegration Information
• فرآیند های یکپارچه سازی اطلاعات process integration Information
• امکانات موجود در Query Power
• مثال تحلیل متن با استفاده از نمودار Cloud .Word
• بررسی خواندن اطلاعات از وب.
• بررسی انواع .Merge
• بررسی مفهوم تطبیق فازی Matching Fuzzy
• بررسی بعد عمومی زمان Dimension Time و استفاده از آن.
• بررسی مفهوم انتقال سطر به ستون . Pivot
• بررسی مفهوم انتقال ستون به سطر pivot Un
• بررسی مفهوم چرخش سطر به ستون و بلعکس Transpose
• بررسی مفهوم کامل کردن مقادیر خالی . Fill
• بررسی مثال برای هر عملیات.
• بررسی مفهوم تعریف پارامتر.
• بررسی مثال خواندن فایل هایی با ساختار یکسان ولی محتوایی متفاوت.
• اتصال به بانک اطلاعات 2022 SERVER SQL و نحوه فراخوانی Procedure Stored ها.
• بررسی توابع زبان M و داشبورد توابع زبان .M
• بررسی مثال تمیز کردن اطلاعات مبتنی بر زبان .M
• بررسی مثال جدا کردن ستون از طریق زبان .M
• بررسی تمیز کردن اطلاعات تاریخ از طریق زبان .M
• بررسی مثال ساخت لیست . List
• هندل کردن خطا در زبان M(M Language With  Handling Error )
• بررسی تفاوت های بین عمل کپی و عمل ارجاع Duplicate وReference
• بررسی تنظیمات ورودی پارامتر ها.
• بررسی عملیات شکستن ستون تاریخ به ستون سال و ماه و روز و .. .
• بررسی عملیلت ایجاد ستون شرطی.
• بررسی عملیات.Merge Column
• بررسی تنظیمات مربوط به خطوط ارتباطی (Data Source Setting)
• بررسی معتبر بودن و خطادار بودن و خالی بودن رکورد ها (Column Quality)
• بررسی توزیع و فراوانی مقادیر ( Column Distribution, Column Profile)
• بررسی و آموزش تعریف تابع و مطالب مربوط پاس دادن پارامتر به تابع در زبان M و مطالب پر کاربرد آن.
• Taskهای پایانی فصل.

ماژول پنجم : آموزش نرم افزار Bi Power محیط View Power یا محیط Pivot Power جهت تحلیل داده ها مبتنی بر مصور سازی

• تحلیل داده های بیمارستانی با استفاده از نرم افزار. Power Bi
• تحلیل داده های مرگ و میر بیماران بیمارستانی با استفاده از نرم افزار.Power Bi
• تحلیل داده های فروش فروشگاه اینترنتی با استفاده از نرم افزار
• انتشار داشبورد مدیریتی توسط وب سایت Bi Power و ابزار Power Bi Report Server-RS
• نصب و تنظیم Power Bi Report Service برای انتشار داشبورد ها.
• اجرای Power Bi Report Service بر روی سرور انلاین.
• Taskهای پایانی فصل.

ماژول ششم : آموزش زبان DAX (Data Analysis Expression ) و توابع پر کاربرد به همراه مباحث تکمیلی نرم افزار Power BI

• بررسی مفاهیم و توابع مربوط به زبان DAX در نرم افزار power bi
• تحلیل داده های فروش فروشگاه زنجیره ای با استفاده از نرم افزار power bi
• تحلیل داده های مربوط به جرم و جنایت شهری با استفاده از نرم افزار power bi
• تحلیل داده های تیکت های مشتریان (مرکز تماس) با استفاده از نرم افزار power bi
• بررسی داشبورد موبایل (Mobile Power Bi)
• Taskهای پایانی فصل.

با کمترین هزینه، بیشترین ارزش را کسب کنید

بهترین لحظه برای شروع، حالاست😊

آیا برای این دوره آماده‌اید؟

شروع کنید و بهترین خود را بسازید!🤑

بعد از یادگیری:

• با ما تک شو