محصولات ما

جهت مشاهده مسیر آموزشی خود از منوی مسیر های آموزشی اقدام کنید

مشاهده دوره های بیشتر

Loading…

اموزش Power BI

یک تعریف جامع از Power BI

Power BI مجموعه ای از ابزارهای تجزیه و تحلیل کسب و کارها که شامل برنامه های کاربردی (Application)،سرویس های نرم افزاری (Software Services) و رابط ها (Connector) است و به کاربران این امکان را می دهد تا نگرش و تحلیل مناسبی درباره اطلاعات و ساختار سازمان داشته باشند. به بیان دیگر Power BI به شما این امکان را می دهد تا صدها و یا هزاران منبع اطلاعاتی مختلف را در دسترس خود داشته و به تجزیه و تحلیل آن بپردازید. افزون بر این، با این امکان شما قادر خواهید بود گزارش‌ های مختلف را با ظاهری دلنشین تهیه نموده و در سراسر سازمان منتشر کنید.

با این برنامه شما می توانید مجموعه ای گسترده از داده های ترکیبی مبتنی بر Cloud یا On-Premises و یا حتی یک صفحه ساده از یک فایل اکسل را در دسترس داشته و تصویرسازی بسیار مناسبی از تمامی نرم افزارهای رابط داشته باشید. تمامی این امکانات را Power BI با نهایت سادگی و سرعت انجام داده و و دید مطلوبی از صفحات گسترده اکسل یا دیتابیس‌های Local را سریعا ایجاد می‌کند. همچنین در اختیار داشتن یک داشبورد اختصاصی با ویژگی های منحصر به فرد به کاربر این امکان را می دهد تا راحت تر بتواند برای گزارش های مورد نظر خود را تولید، مدیریت و منتشر نمایید.

Power BI چگونه کار می کند؟

روند کار در Power BI معمولا در نسخه دسکتاپ این محصول تحت عنوان Power BI Desktop شروع شده که این نقطه دقیقا همان مرحله ایجاد گزارش است. در این مرحله شما به اطلاعات دسترسی داشته و می توانید گزارش دلخواه خود را به سیستم دستور داده و طراحی کنید. پس از عبور از این مرحله، گزارش تولید شده در Power BI Service ارائه و در انتها به اشتراک گذاشته می شود. تا کاربران Power BI Mobile نیز امکان استفاده از این اطلاعات را داشته باشند. البته باید توجه داشته باشید که این روند همیشگی نبوده و کاربران می توانند از راه های مختلفی به تولید و انتشار گزارش‌های خود اقدام کنند.

مزایای استفاده از Power BI

داشتن یک داشبورد شخصی: این امکان کاربر را قادر می سازد تا به راحتی بتوانید به منابع اطلاعاتی خود دسترسی داشته و گزارش‌های خود را ایجاد و منتشر کند.
امنیت بالا: با استفاده ازcontent pack  ها کاربران می توانند بدون دسترسی به پایگاه داده، چارتها و گرافها را بدون دستکاری داده های خام مشاهده کنند که این کار داده ها را از خطاهای انسانی محافظت می کند.

سرعت بالا و سادگی در استفاده: برای تمامی کسانی که از محصولات مایکروسافت استفاده کرده اند، تمام ریبونها و زبانه های این رابط کاربری به سرعت قابل یادگیری است. همچنین کاربران می توانند به سادگی داده ها را به نرم افزارهای دیگر مانند اکسل اکسپورت کنند که با این کار باعث افزایش انعطاف پذیری بکارگیری آن شوند.

پشتیبانی از یک پایگاه داده قدرتمند:  BI جهت یکپارچگی با تکنولوژی مایکروسافت همانند شیرپوینت (Sharepoint) یا پایگاه داده SQL ساخته شده است و همچنین باعث ارتقاء راهکارهای غیر مایکروسافتی نیز شده است که از مزایای Power BI به شمار می رود. در حال حاضر هوش تجاری قابلیت برقراری ارتباط با ۶۰ راهکار نرم افزاری را داراست و داده ها را به یک داشبورد متمرکز و قابل درک متصل می کند.

 

سوالات متدوال نرم افزار Power BI :

power BI چیست؟

Power BI مجموعه ای از ابزارهای تجزیه و تحلیل کسب و کارها که شامل برنامه های کاربردی (Application)،سرویس های نرم افزاری (Software Services) و رابط ها (Connector) است و به کاربران این امکان را می دهد تا نگرش و تحلیل مناسبی درباره اطلاعات و ساختار سازمان داشته باشند.

Power BI چگونه کار می کند؟

روند کار در Power BI در نسخه دسکتاپ این محصول تحت عنوان Power BI Desktop شروع شده که مرحله ایجاد گزارش است. در این مرحله شما به اطلاعات دسترسی داشته و می توانید گزارش دلخواه خود را طراحی کنید. پس از عبور از این مرحله، گزارش تولید شده در Power BI Service ارائه و در انتها به اشتراک گذاشته می شود. تا کاربران Power BI Mobile نیز امکان استفاده از این اطلاعات را داشته باشند

مزایای استفاده از Power BI چیست ؟

داشتن یک داشبورد شخصی – سرعت بالا و سادگی در استفاده – پشتیبانی از یک پایگاه داده قدرتمند- امنیت بالا

در ارتباط با Power BI می توان گفت که این ابزار از سه کامپوننت اصلی تشکیل شده است:

  • Power Quer

کامپوننت ETL که از آن برای واکشی داده ها از منابع اطلاعاتی مختلف و تغییر، تبدیل و پاللایش آن‌ها استفاده می شود. همچنین تغییر داده ها، افزودن ستون و… همراه با رابط کاربری آسان و بدون کدنویسی انجام می گردد اما برای اعمال تغییرات پیچیده تر در داده ها می بایست از زبان فرمول نویسی به نام “M” استفاده کرد.

  • Power Pivot

دیتابیس تحلیلی و OLAP Engine که داده ها به صورت فشرده در آن ذخیره می شوند. در این کامپوننت مدل‌سازی داده و ایجاد انواع محاسبات   توسط زبان DAX صورت می گیرد. این محاسبات عبارتند از :مقادیر محاسباتی، ستون‌های محاسباتی و جداول محاسباتی ( Calculated Measure, Calculated Column , Calculated Table). در ادامه باید گفت که سرعت کوئری گرفتن از مدل به خاطر استفاده از تکنولوژی xVelocity In-Memory analytics engine بسیار بالا است.

  • Power View

کامپوننت Visualization برای مصورسازی اطلاعات است که با استفاده از نمودار های متنوع آن، داشبورد ها و گزارش ها طراحی می‌گردد. در واقع این کامپوننت قسمتی است که کاربر نهایی گزارش‌ها را در آن مشاهده می‌کند.اگر با Report یا سیستم های گزارش گیری کار کرده باشید، می دانید که اغلب افراد و علی الخصوص مدیران، ترجیح می دهند .

و قطعا جدا از کارایی بالاتر، زیبایی و تنوع چارت ها نیز می تواند در تاثیرگداری داشبورد ها سهم بسزایی داشته باشد.در همین راستا مایکروسافت در پاور بی آی سعی کرده است تا تمام امکانات لازم برای این کار را فراهم کند. در این ابزار بصورت پیشفرض چارت های متنوع و قدرتمندی وجود دارد..با توجه به اهمیت مبحث بصری سازی، MicroSoft در آپدیت های اخیر PBI تغییرات بسیاری در این بخش اعمال کرده است. به عنوان مثال با پشتیبانی هر چه بیشتر از R و پایتون، این امکان را فراهم کرده تا برنامه نویسان این زبان ها نیز بتوانند ویژوال هایی مخصوص به خود را در گزارش پیاده سازی کنند.لازم به ذکر است که Q&A، Data Flow، Quick Insight و Power Map از جمله کامپوننت‌های دیگر هستند که کاربردهای متنوعی دارند.

  • سرویس های مختلف Power BI

در حال حاضر سرویس Power BI به صورت مجموعه ای از ابزارها در دسترس می باشد که در زیر به معرفی آن‌ها می‌پردازیم.

  • Power BI Desktop

به دلیل درخواست های مکرر، مایکروسافت در سال ۲۰۱۵ این محصول را معرفی کرد که می توانید آن را به صورت رایگان بر روی کامپیوتر خود نصب کنید. این محصول شامل Power Query, Power Pivot و Power View می باشد که با استفاده از آنها می توانید به سادگی اطلاعات را از منابع مختلف استخراج کرده و داشبوردها و گزارش های متنوعی را در محیط برنامه طراحی کنید.سرویس ابری (Cloud-based) است که از می توان به آن دسترسی پیدا کرد. استخراج اطلاعات، مدل سازی داده ها و تعریف شاخص ها در آنجا انجام می شود و در حالت پیش فرض، تمام اطلاعات در سرور های مایکروسافت بارگزاری می‌شوند. در این سرویس با استفاده از کامپوننت Power Q&A می توان در رابطه با اطلاعات وارد شده به زبان انگلیسی سوال بپرسید که Power BI به صورت نموداری پاسخ سوالات را نمایش می‌دهد.

برای مثال  “Sales per sq ft by store in NC “

  • Power BI Mobile

ممکن است بخواهید گزارش ها در دستگاه های قابل حمل مانند موبایل، تبلت یا لپتاپ نیز به خوبی نمایش داده شود. مایکروسافت فکر این موارد را نیز کرده است. برای مشاهده داشبورد های Power BI می توان از اپلیکیشن مخصوص برای هر پلتفرم استفاده کرد.در عین حال می توانید داشبورد هایی که در پاور بی آی سرویس یا ریپورت سرور قرار گرفته اند را از طریق Power BI Mobile مشاهده کنید.

  • Power BI Report Server

اما بعد از اینکه داشبورد های خود را طراحی کردید چه می شود؟ قطعا نیاز خواهید داشت که آن ها را در دسترس مخاطب بگذارید.محدودیتی که در Power BI Desktop وجود داشت این بود که کاربران نمی توانستند به راحتی داشبورد هایی را که طراحی کرده بودند را دراختیار افراد دیگر قرار دهند، به همین خاطر Microsoft برای حل این مشکل PBI RS را معرفی کرد.

در صورتی که قرار باشد گزارش ها بصورت تحت وب در دسترس قرار بگیرند می توانید از ابزار های Power BI Report Server یا Power BI Service استفاده کنید. اما این ۲مورد تفاوت اساسی دارند. از پاور بی آی ریپورت سرور زمانی استفاده می شود که قصد داشته باشید گزارش ها داخل سازمان باقی مانده و برای سرور های خودتان قابل بارگزاری و نمایش باشند. اما در پاور بی آی سرویس شما باید داشبورد های طراحی شده را با استفاده از اکانت مخصوصی که ایجاد می کنید، در سرور های مایکروسافت قرار دهید.

  • Power BI Embedded

این سرویس مختص کاربرانی است که می خواهند در اپلیکیشنی که طراحی کرده اند از داشبورد ها و امکانات Power BI استفاده کنند. مثلا کسانی که یک سیستم OLTP برای مدیریت تراکنش های مالیشان دارند و می خواهند برای قسمت طراحی گزارش ها از Power BI در درون برنامه کاربردی خود استفاده کنند.

  • Power BI Gateway

این سرویس مخصوص کاربرانی است که می خواهند داده‌های آن‌ها همواره به روز و مطابق آخرین تغییرات در داده‌های سازمان باشد.با استفاده از Power BI Gateway این کار بدون نیاز به حرکت دادن داده‌ها انجام می‌شود.

  • تحلیل داده ها با Power BI

در نهایت تمام مطالب بالا در مورد مزیت های پاور بی آی را گفتیم تا به این برسیم؛ تحلیل داده ها در دنیایی زندگی می کنیم که نمی توان مانند گذشته صرفا به صورت سنتی و تجربی تصمیم گیری کرد. نیاز داریم تا سیستم های بروز و تکنولوژی های مدرن ما را در این زمینه یاری کنند.

یکی از قوی ترین ابزار ها برای تحلیل داده ها، همین پاور بی آی می باشد. شما می توانید با استفاده از قدرت بالای این اکو سیستم در مسیر درست قدم بردارید. بخصوص که در بروزرسانی های اخیر، مایکروسافت کار را ساده تر نیز کرده است. جدیدا قابلیت هوش مصنوعی PBI تقویت شده تا بهتر بتواند اطلاعات مورد نیاز شما را استخراج کند.همچنین برخی از قابلیت های دیتا ماینینگ نیز به این ابزار اضافه شده است. به عنوان مثال به خوبی از Clustering پشتیبانی می کند. یا می تواند با تحلیل متنی، برخی از تصمیم گیری ها را تسریع بخشد.

یکی از امکانات فوق العاده نرم افزار پاور بی آی (power BI) این هست که شما از بیشتر منابع داده پر استفاده مثل فایل اکسل،اکسس،سرویس گوگل آنالیتیکس ،فیسبوک و حتی سرویس ایمیل مثل Mailchimp و…که درونشان داده(اطلاعات) دارید میتوانید به این نرم افزار وارد کنید،تا بصورت دقیق و موشکافانه داده های خودتان رو تجزیه و تحلیل کنید.

  • اجزای تشکیل دهنده پاور بی آی (power BI)

همانند Power Query  در اکسل ۲۰۱۳ به بعد می‌باشد، اطلاعات از منابع اطلاعاتی مختلف جمع‌آوری میگردد. کامپوننت Extract Transform Load) ETL) که از آن برای واکشی داده ها از منابع اطلاعاتی مختلف و تغییر، تبدیل و پاکسازی داده ها مورد استفاده قرار میگیرد.برای مثال گاها ما اطلاعاتی داریم که ستون هاش و مقادیر نامنظم و نال هستند.و همچنین تغییر داده ها، افزودن ستون،حذف ستون و… همراه با رابط کاربری خیلی ساده و بدون  کدنویسی انجام می گردد.

اما برای اعمال تغییرات پیچیده تر در داده ها (power BI) باید از زبان فرمول نویسی به نام “M”  که بیشتر از ۷۰۰ تا فرمول را در بر دارد میتوان استفاده کرد، که در این زبان هر تغییراتی که ما بصورت دستی با اطلاعاتمان انجام میدهیم را دستوراتش (فرمول ها) بصورت اتوماتیک ایجاد میشود.و به راحتی ما میتوانیم تغییرات خودمان را روی داده ها اجرا نماییم و نگران فرمول نویسی نباشیم.

  • ower Pivot

دیتابیس تحلیلی و OLAP Engine که داده ها به صورت فشرده در آن ذخیره می شوند.در واقع این کامپوننت قابلیت مدل سازی داده و تعریف Calculated measure ها توسط زبان DAX صورت می گیرد.و در ادامه باید .

گفت که سرعت کوئری گرفتن (پرس و جو) از مدل به خاطر استفاده از تکنولوژی xVelocity In-Memory  analytics engine  بسیار بالا است.زبان DAX بسیار زبان شیرین و راحتی میتونه برای شما باشه مخصوصا برای افرادی که با نرم افزار اکسل کار کردند! بله، درسته افرادی که با اکسل آشنایی دارند مزیتی محسوب میشود برای کار با فرمول نویسی زبان DAX.ازم به ذکر است.

که فرمول های DAX شامل توابع، عملگرها و مقادیر برای انجام محاسبات و کوئری­های پیشرفته بر روی داده های موجود در جداول مرتبط و ستون ها در مدل های داده­ ای جدولی هستند. و در سال ۲۰۱۹ میلادی نیز تعدادی فرمول های دیگر به زبان DAX اضافه شدند.همانطور که بیان کردیم زبان فرمول نویسی DAX در حقیقت قابلیت تحلیل داده ها رو به عهده دارد که بیشتر فرمول های این زبان عین فرمول های اکسل هستند مثل فرمول (IF,Sum,Count,Round…) که شما به راحتی میتوانید با زبان DAX کار بکنید و ازش لذت ببرید.

  • Power View

در این قسمت، اطلاعات یکپارچه شده به صورت گرافیکی و بسیار جذاب نمایش داده میشود که مشابه با ابزار Power View در اکسل می‌باشد.

کامپوننت  Visualization برای به تصویر کشیدن اطلاعات است که با استفاده از نمودار های متنوع آن،

شما به راحتی با یک کلیک، میتوانید داشبورد ها و گزارش های خودتان را طراحی کنید.در واقع این کامپوننت قسمتی است که کاربر نهایی میتواند گزارش‌ها را در آن مشاهده کند.بنابراین این ابزار علاوه بر مصورسازی اطلاعات شما، امکان جالب در رابطه با نحوه تصمیم گیری و تجزیه و تحلیل یک پروژه بزرگ گروهی یا یک سازمان را در اختیار شما قرار میدهد.به یاد داشته باشیم .

که Power View تعدادی ویژوال به صورت bulit-in دارد. یعنی ویژوال های آماده در اختیار شما قرار میدهد مثل ابزار اسلایسر و …علاوه بر این تعدادی Custom Visual مطالبق با سلیقه و نحوه ی نمایش ساختار اطلاعات شما نیز در مارکت مایکروسافت بصورت رایگان قابل دانلود و اضافه شدن هستند.

لازم به ذکر است که Q&A ، Data Flow، Quick Insight،  و Power Map  از جمله کامپوننت‌های دیگر هستند که کاربردهای متنوعی دارند.

 

  • انتشار گزارش ها و روند کار پاور بی آی (power BI)

روند کار در Power BI معمولا در نسخه دسکتاپ این محصول تحت عنوان Power BI Desktop تحت ویندوز شروع شده که این نقطه دقیقا همان مرحله ایجاد گزارش است. در این مرحله شما به اطلاعات دسترسی داشته و می توانید مطابق با سلیقه خود گزارش دلخواه خود را به سیستم دستور داده و طراحی کنید.

پس از عبور از این مرحله، گزارش تولید شده در Power BI Service ارائه شده و در انتها به اشتراک گذاشته می شود.تا کاربران Power BI Mobile نیز امکان استفاده از این اطلاعات را داشته باشند. البته باید توجه داشته باشید که این روند همیشگی نبوده و کاربران می توانند از راه های مختلفی به تولید و انتشار گزارش‌های خود اقدام کنند.

 

 

  • سرویس های متنوع نرم افزار پاور بی آی (power BI)

۱اپلیکیشن دسکتاپ (Power BI Desktop)

به دلیل درخواست های مکرر، مایکروسافت در سال ۲۰۱۵ این محصول تحت ویندوز را معرفی کرد که می توانید آن را به صورت رایگان بر روی کامپیوتر خود نصب و اجرا کنید.این محصول شامل Power Pivot , Power Query و Power View می باشد که در این مقاله (بالا) توضیح دادیم  که با استفاده از آنها می توانید به راحتی اطلاعات را از منابع مختلف استخراج کرده و داشبوردها و گزارش های جذاب و متنوع را در محیط نرم افزار پاوربی آی طراحی کنید.

Power BI Service/website

سرویس ابری (Cloud-based) است که از طریق وبسایت مایکروسافت پاور بی آی می توان به آن دسترسی پیدا کرد. استخراج اطلاعات، مدل سازی داده ها و تعریف شاخص ها در آنجا انجام می شود و در حالت پیش فرض، تمام اطلاعات ما در سرور های مایکروسافت بارگزاری می شوند.به عبارتی علاوه بر نرم افزار پاور بی آی دسکتاپ شما میتوانید در حالت تحت وب با استفاده از سرورهای مایکروسافت اطلاعات خودتان را مدیریت کنید.

و لازمه ی اینکه شما گزارش های خودتان را انتشار دهید باید یک اکانت داشته باشید.البته، برای ثبت نام باید از ایمیل کاری استفاده کنید نه ایمیل معمولی مثل جیمیل.که این ایمیل کاری میتواند .

بعد از ثبت نام در وبسایت مایکروسافت شما میتوانید گزارش های خودتان را که در پاور بی آی دسکتاپ ایجاد کردید .در سرور مایکروسافت انتشار دهید.که در مقالات بعدی بصورت کلی توضیح خواهیم داد که چه روشهایی وجود دارد برای انتشار گزارشات با سطح دسترسی متفاوت برای کاربراناست.

۳ Power BI Mobile

در یکی از قابلیت های فوق العاده پاور بی آی این است که شما به راحتی برای مشاهده داشبورد های Power BI می توان از اپلیکیشن موبایلی آن (که قابل استفاده در سیستم عامل های IOS ، Android،Windows Phone  می باشد) استفاده کرد.در Power BI mobile دو نوع داشبورد می توان طراحی کرد؛اول داشبوردهایی که در Power BI Service طراحی شده اند.و دوم داشبوردهایی که توسط SSRS)  SQL Server Reporting Services) برای نسخه موبایلی طراحی شده اند.که میتوان به بهترین نحو ممکن داده ها را مدیریت کرد.با این برنامه شما می توانید داشبورد هایی را که در پرتال Power BI Report Server پابلیش (انتشار) کرده اید را نیز در موبایل خود ببینید.

 Power BI Report Server

با توجه به محدودیتی که در Power BI Desktop وجود داشت این بود که کاربران نمی توانستند.به راحتی داشبورد هایی را که طراحی کرده بودند را دراختیار دیگر کاربران قرار دهند،به همین خاطر Microsoft برای حل این مشکل این محصول را معرفی کرد تا کاربران بتوانند.به راحتی داشبوردها را به صورت تحت وب در اختیار دیگر کاربران قرار دهند.و شما با این محصول به راحتی بدون نیاز به لایسنس و کرک میتوانید پیاده سازی کنید.

به عبارتی راه حلی است که شما در پشت فایروال خود و در کامپیوتر یا سرور به کار می گیرید.و سپس گزارش های  خود را  به اشکال مختلف  ایمیلی، به صورت موبایلی و از طریق مرورگر به کاربران مناسب ارسال می کنید.از آنجایی که Power BI Report Server با پاور بی آی ابری سازگار است،میتوانید هر موقع که آماگی داشتید از سیستم ابری استفاده کنید و گزارش های خود را به سیستم ابری مایکروسافت انتقال دهید.

 Power BI Gateway

این سرویس مخصوص کاربرانی است که می خواهند داده‌های آن‌ها همواره به روز و مطابق آخرین تغییرات در داده‌های سازمان باشد.با استفاده از Power BI Gateway که بصورت زمانی هم میتوانیم تعیین کنیم.که در کدام بازه زمانی اطلاعات بروزرسانی شوند که این کار بدون نیاز به حرکت دادن داده‌ها انجام می‌شود.در این مقاله با نرم افزار پاور بی آی آشنا شدیم و با اجزای اصلی تشکیل دهنده این نرم افزار Power Query، Power Pivot، Power view که در رابطه با نحوه مدیریت اطلاعات و
قابلیت تحلیل مدل و مصورسازی داده ها بود آشنا شدیم.و همچنین با سرویس های مختلف این نرم افزار مثل پاور بی آی دسکتاپ و اپ موبایل و مدیریت داده تحت وب نیز مورد بررسی قرار دادیم. و در مرحله آخر توضیح داده شدکهبا اکانت کاری تحت وب و همچنین محصول ریپورت سرور میتوانیم گزارش های خود را انتشار بدیم.

حال ما باید در نظر داشته باشیم که چگونگی استفاده شما از Power BI ممکن است به نقش شما در یک پروژه یا یک تیم بستگی داشته باشد.و سایر افراد، در سایر نقش ها، ممکن است Power BI را بطورمتفاوتی استفاده کنند.بعنوان مثال، ممکن است شما عمدتا از سرویس Power BI استفاده کنید،اما همکار شما که با ایجاد گزارش گیری کسب و کار سروکار دارد ممکنه استفاده بیشتری از Power BI Desktop داشته باشد .

و گزارشات دسکتاپ را به Power BI Service منتشر سازد که بعدا آن را میتوانید ببینید.و سایر همکاران در بخش فروش، ممکن است بیشتر از Power BI phone app خود استفاده کنند.تا بر پیشرفت خود در سهام فروش نظارت داشته باشند تا با این کار تمرینی برای فروشهای جدید باشد.همچنین ممکن است از هریک از عناصر Power BI در زمانهایمختلف استفاده نمایید،بسته به نقش شما در یک پروژه یا آن چیزی که برای دستیابی به آن تلاش می کنید.

شاید بتوانید موجودی یا پیشرفت تولید را در یک داشبورد بلادرنگ (آنی) در سرویس مشاهده کنید.و همچنین از Power BI Desktop برای ایجاد گزارش هایی برای تیم خود درمورد آمار تعامل با مشتری استفاده نمایید.اینکه شما چگونه از Power BI استفاده می کنید می تواند بستگی به ویژگی یا سرویسی از Power BI داشته باشد که بهترین ابزار برای شرایط شما است.اما هر بخش این نرم افزار برای شما در دسترس است، به همین علت بسیار انعطاف پذیر و متقاعدکننده است.

  • اهداف هوش تجاری

هوش تجاری در قالب هر تعریفی به دنبال افزایش سودآوری سازمان با استفاده از اتخاذ تصمیمات هوشمند و دقیق است. برای رسیدن به تصمیمات هوشمند در سازمان اهداف زیر مدنظر است:

۱-جمع آوری داده‌های سازمان بر اساس سیستم‌های عملیاتی

کاربران در هر سازمانی سیستم‌های نرم‌افزاری دارند که همیشه در حال وارد کردن داده‌ها به آن سیستم‌ها هستند حال شما در هوش تجاری اطلاعات و داده‌های این سیستم‌های جزیره‌ای را جمع آوری خواهید کرد تا بتوانید در پروژه هوش تجاری از آن استفاده کنید.

۲- یکپارچه سازی داده‌های سازمان

بعد از اینکه اطلاعات را جمع آوری کردید حال بایستی این اطلاعات را یکپارچه‌سازی کنید.

۳- ذخیره‌سازی اطلاعات جمع آوری شده

اطلاعات یکپارچه شده را بایستی در یک انباره داده ذخیره کنید. ساخت و طراحی انباره داده (DW) را در ادامه بصورت کامل توضیح خواهیم داد.

۴- تجزیه و تحلیل اطلاعات

در مرحله آخر شما می‌توانید در ابعاد مختلف، اطلاعات خود را بر اساس تمام سیستم‌های اطلاعاتی تجزیه و تحلیل کنید.

 

یک پروژه هوش تجاری (BI) موفق چگونه شکل می‌گیرد؟

برای اینکه بتوانیم یک پروژه موفق داشته باشیم نیاز به موارد مختلفی داریم ولیکن مهمترین مسئله در اجرای یک پروژه موفق هوش تجاری در حوزه فنی استفاده از ابزارهای درجه یک و مطرح است. در اینجا می‌خواهیم این ابزارها را بر اساس ارزیابی موسسه گارتنر بررسی کنیم.نکته قابل تجوه این است که شما هر چقدر از ابزارها و تکنولوژی‌های مدرن استفاده کنید، موفقیت پروژه شما از لحاظ فنی بسیار بالا است.

موسسه گارتنر (Gartner) چیست و چه کاری انجام می‌دهد؟

موسسه گارتنر یک موسسه تحقیقاتی که در سال ۱۹۷۹ تاسیس شده است. این موسسه در زمینه های مربوط به فناوری تحقیق می کند و به طور منظم نتایج این تحقیقات را منتشر می کند. عمده این تحقیقات معطوف به رهبران اصلی صنعت فناوری اطلاعات است.

که شامل سازمانهای دولتی، کسب و کارهای بزرگ High-Tech و تلکام، سرویس های تخصصی و سرمایه گذاران دنیای تکنولوژی می‌باشند. این موسسه از چندین بخش شامل تحقیقات، برنامه‌های عملیاتی، مشاوره و برگزاری همایش تشکیل شده است.

موسسه گارتنر هم اکنون بیش از ۵۷۰۰ کارمند شامل ۱۲۸۰ نفر در بخش تحقیق و توسعه، در ۸۵ کشور جهان دارد.با توجه به بررسی‌های موسسه گارتنر شرکت مایکروسافت در حوزه هوش تجاری جزء پرچمداران این حوزه است پس در انتخاب ابزارهای هوش تجاری بایستی دقت لازم را داشته باشیم تا بتوانیم یک پروژه موفق اجرا کنیم.

هوش تجاری به چه سوالاتی پاسخ می‌دهد؟

فرض کنید در حوزه فروش می‌خواهیم به سوالات بسیار ساده زیر پاسخ دهیم. این سوالات در تصویر آورده شده است. حال سوال اینجاست اگر شما ۲۰ شعبه در کشور (۲۰ بانک اطلاعاتی) داشته باشید چه راهکاری (به جزء هوش تجاری) دارید که بتوانید به سوالات زیر پاسخ دهید.

در واقع پاسخ به این دست سوالات زمانی که کار کمی پیچیده می‌شود سخت یا شاید غیر ممکن است.حال اگر جنس سوالات را کمی عوض کنیم چطور، اگر سوالاتی مانند آینده نگری از شما بپرسیم آیا می‌توانید به این راحتی پاسخ آنها را پیدا کنید. قطعا بودن داشتن هوش تجاری پاسخ به این سوالات سخت و در برخی حالات غیرممکن است.

مسیر اجرا و اجزای اصلی یک پروژه هوش تجاری

برای اینکه یک پروژه هوش تجاری موفقی داشته باشیم بایستی از اجزای اصلی هوش تجاری (BI) استفاده کنیم.

Data Sources
منابع اطلاعاتی مهمترین جزء از اجزاء یک سیستم BI می‌باشد. چناچه سازمان شما فاقد سیستم عملیاتی باشد نباید انتظار معجزه از یک سیستم BI داشته باشد.

توجه به اینکه داده‌های موجود در سیستم‌های عملیاتی در بانک‌های اطلاعاتی مختلف قرار گرفته‌اند برای این داده‌ها را استخراج و تحلیل نمود باید با ابزارهای ETL به این منابع اطلاعاتی مراجعه کرده و داده‌های خام از سیستم‌های اطلاعاتی استخراج نمود.

به طور خیلی ساده هدف ETL استخراج داده‌ها از منابع اطلاعاتی و انجام تبدیلات لازم به منظور درج در Data یا انباره داده می‌باشد.انباره داده یک بانک اطلاعاتی است که هدف آن جمع‌آوری داده‌های موجود در سیستم‌های عملیاتی است. ساختار این بانک اطلاعاتی بر اساس معماری ابعادی بوده و داده‌ها در آن به صورت دوره‌ای و در فواصل زمانی خاصی طی پروسه ETL به آن اضافه می‌شود.

 OLAP Analysis
برای اینکه بتوانیم تحلیل‌های مفید و سودمندی بر روی داده‌ها داشته باشیم باید بانک اطلاعاتی خاص مربوط به آن را ایجاد کنید. ساختار این نوع بانک‌های اطلاعاتی بر پایه Cube یا مکعب اطلاعاتی می‌باشد. با استفاده از این نوع ساختار می‌توان پیچیده‌ترین گزارش‌های تحلیلی را استخراج نمود.یکی از اهداف راه‌اندازی پروژه‌های BI می‌باشد. با استفاده از استفاده از این علم می‌توان اطلاعات پنهان و همچنین الگوها و روابطی مشخص را مابین حجم زیادی از داده بدست آورد.

برای اینکه بتوانیم گزارش‌ها تحلیلی را Visualize کنیم باید از ابزارهای مربوط به این حوزه استفاده کنیم. از نمونه ابزارهای مربوط به این حوزه می‌توان به SSRS، Power BI، Mobile Report Publisher، Excel و… اشاره کرد.

ساخت انبار داده (Data Warehouse) 

انـبـار داده بـه مجـموعـه‌ای از داده‌هــا گفـتـه می‌شود که از منابع مختلف اطلاعاتی سازمان جمع‌آوری، دسته‌بندی و ذخیره می‌شود.انبار داده یا Data Warehouse پایگاه داده‌ای است که برای گزارش‌گیری و تحلیل داده به کار می‌رود و بعنوان هسته اصلی یک سیستم BI به شمار می‌آید. به عبارت دیگر انبار داده یک مخزن داده مرکزی از داده‌های تجمیع شده است که از سیستم‌ها و منابع مختلف سازمان جمع‌آوری شده است. انبار داده یک بانک اطلاعاتی رابطه‌ای غیرنرمال است که داده‌های حال و گذشته را در یک مکان واحد تجمیع کرده است و هدف اصلی آن پوشش گزارش‌گیری و نیازهای تحلیلی یک سازمان به کار گرفته می‌شود.

بررسی پروسه ETL در هوش تجاری

ETL مخفف کلمات Extract Transform Loading می‌باشد. در طی این پروسه ما می‌توانیم با استفاده از این مفهوم داده‌ها را از Data Sourceهای مختلف استخراج و پس از انجام تبدیلات لازم در مقصد آنها را بارگزاری نماییم. توجه داشته باشید که برای پر شدن یک Data Warehouse دقیقاً این کارهایی که به آنها اشار شد باید انجام شود.

در SQL Server برای انجام عملیات ETL ما از سرویس SSIS استفاده خواهیم کرد.

برای اینکه بتوانیم روال‌های ETL را در پیاده‌سازی کنیم ابزاری به نام Data Tools وجود دارد. در این جلسه ما دانشجویان را با نحوه کار با این ابزار و قسمت‌های مختلف آن آشنا کردیم.

ایجاد یک Package ساده:

با توجه این که در این درس دانشجویان با ابزار و قسمت‌های مختلف Data Tools آشنا شدند یک SSIS Package برای Export داده‌های جدولی خاص طراحی کردیم تا دانشجویان با مفهوم ETL دقیق‌تر آشنا شوند. لازم می‌دانم اشاره کنم هدف این بود که دانشجویان آشنایی اولیه با برخی از کامپوننت‌ها و… موجود در Data Tools آشنا شوند.

شاخص‌ های عملکرد سازمان (KPI)

برای سازمان‌ها، ادراک و یکپارچه‌سازی داده‌ها در تمامی سطوح، یکی از بزرگ‌ترین چالش مدیریتی به شمار می‌آید و تدوین مقیاس‌های اندازه‌گیری، به‌روز نگه‌داشتن، مقایسه و تمرکز بر آن‌ها در سازمان، مشکلی همیشگی است که با ورود سیستم هوشمندی کسب‌وکار (و استقرار انبار داده‌های موضوعی)، اکثر این مشکلات ساماندهی خواهند شد.داشبوردهای مدیریتی، در مشاهده شاخص‌های حیاتی به ‌تمامی سطوح سازمان یاری می‌رسانند .

و به کاربر امکان دنبال کردن جایگاه‌های سازمان توسط شاخص‌ها را می‌دهند. با دنبال کردن شاخص‌های متعدد و موردنظر و تحلیل روندها، می‌توان درک بهتر از اینکه سازمان و حوزه‌های مرتبط چگونه عمل می‌کند، کسب کرد.

طراحی و ساخت داشبورد مدیریتی در هوش تجاری

یکی از قویترین ابزارهای نمایش گزارشات و نمایش شاخص‌های کلیدی (KPI) پروژه‌های هوش تجاری Microsoft Power BI است. این ابزار قابلیت‌ نمایش گزارشات بر روی موبایل و صفحات وب را نیز دارد. بدون شک می‌توان ادعا کرد که نرم افزار Power BI قدرتمندترین و در عین حال ساده ترین نرم افزار ساخت و طراحی داشبوردهای مدیریتی است. اگر شما اکسل را در حد خوب بلد باشید یادگیری و آموزش Power BI برای شما مثل آب خوردن است.

داده کاوی (Data Mining) در هوش تجاری

تا اینجا ما در پروژه های هوش تجاری در مورد گذشته و حال صحبت کردیم ولی اگر بخواهید وارد مباحث پیشرفته آینده نگری یا پیش بینی یا داده کاوی یا دیتا ماینینگ بشوید در حقیقت دارید به حالت ایده‌آل یک پروژه هوش تجاری می‌رسید. در واقع زمانی می توانید وارد فاز داده کاوی بشوید که شما یک پروژه هوش تجاری کلید زده باشید و سازمان به بلوغ لازم جهت اجرای یک پروژه با عنوان داده کاوی رسیده باشد.در مورد مباحث فنی داده کاوی از بین معدود مدل های پذیرفته شده در شاخه داده کاوی، مدل CRISP-DM و مدل ASUM جزو شناخته شده ترین و مقبولترین مدل هایی هستند .

که فرآیند داده کاوی و حل مسئله را یک روال مستمر و رو به تکامل میبیند و همچنین در عرصه عمل نیز توان پیاده سازی بالاتری داشته اند. از آنجا که مدل CRISP-DM دارای تعدد پیاده سازی بالاتر و قدمت بیشتری بوده و همچنین پایه و اساس مدل ASUM نیز میباشد،

به عنوان مدل پیشنهادی توسط تیم نیک توصیه میگردد.در مدل CRISP-DM طی هر بار اجرای فرآیند، مسئله در قالب شش فاز اصلی مورد شناخت، تحلیل و مدل سازی، به شرح ذیل قرار میگیرد.اطلاعات قابل دسترس (درون یا برون سازمانی) مورد شناسایی قرار گرفته و با توجه به کاربرد آن در مسئله تحت ارزیابی کمی و کیفی قرار میگیرند و درصورت نیاز مسئله طرح شده توسط کارفرما، با توجه به اطلاعات قابل دسترس، تعدیل میگردد .

همچنین طی این فاز تیم داده کاوی با ماهیت اطلاعات قابل دسترس آشنایی بیشتری پیدا نموده و سعی مینماید از اطلاعات در دسترس دیدگاه های مناسبی کسب نماید.تیم داده کاوی اقدام به تعیین تکنیک های مدل سازی قابل استفاده جهت حل مسئله مینماید، و سپس پارامترهای مورد نیاز جهت Tune کردن مدل ها را تعیین مینماید، همچنین در این فاز با توجه به تکنیک مصرفی، ممکن است نیاز باشد تا داده های آماده شده در فاز قبل مورد تغییر و تحول قرار گیرند، پس بعضا از این فاز عملیات عقبگرد به فاز قبل، برای ساختار دهی مجدد اطلاعات صورت میپذیرد.

(Evaluation):
مدل های ساخته شده (که قاعدتا انتظار میرود از کیفیت بالایی برخوردار باشند) مورد تست و ارزیابی قرار میگیرند تا نقاط کور احتمالی آنها استخراج گردد تا بهترین مدل برای حل مسئله انتخاب شود، همچنین در این مرحله طی تعامل با کارفرما موثر بودن مدل انتخابی نیز بررسی میگردد و درصورتیکه مدل انتخاب شده برای حل مسئله مناسب نباشد، کل فرآیند مجددا از فاز اول آغاز میگردد.

(Deployment):
تیم داده کاوی با توجه به الزامات کارفرما، اقدام به ارائه نتایج اجرای مدل به کارفرما مینمایند، این فاز میتواند بنا به درخواست کارفرما، منحصرا گزارشی غنی و قابل درک توسط کارفرما از نتیجه اجرای مدل باشد و یا میتواند سیستمی نرم افزاری باشد که کارفرما بتواند توسط آن مدل ساخته شده را بصورت مکرر مورد اجرا و بهره برداری قرار دهد.

یادگیری ماشین (Machine Learning) در هوش تجاری

به نقل از ویکی پدیا: شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می‌کنید، حتی بدون آنکه بدانید. هر بار که شما یک جستجوی اینترنتی در گوگل یا بینگ انجام می‌دهید، یادگیری ماشینی انجام می‌شود چراکه نرم‌افزار یادگیری ماشینی آن‌ها چگونگی رتبه‌بندی صفحات وب را درک کرده‌است. هنگامی که فیس‌بوک یا برنامه عکس اپل دوستان و تصاویر شما را می‌شناسد، این نیز یادگیری ماشین است.

هر بار که ایمیل خود را چک می‌کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه خلاص می‌کند نیز به همین دلیل است که کامپیوتر شما آموخته‌است که هرزنامه‌ها را از ایمیل غیراِسپم تشخیص دهد. این همان یادگیری ماشین است. این علمی است که باعث می‌شود کامپیوترها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند.

مقدماتی در آشنایی با DAX

عبارات تحلیل داده  یا DAX که مخفف Data Analysis Expressions  می‌باشد، ممکن است در ابتدا کمی ترسناک به نظر برسد ولی نام این زبان فرمول نویسی نباید شما را فریب دهد. اصول اولیه زبان فرمول نویسی dax و استفاده از توابع آن بسیار ساده هستند و فهم آنها بسیار آسان است. در ابتدا باید گفت که  فرمول نویسی Dax یک زبان برنامه نویسی نیست، بلکه یک زبان فرمول نویسی است و به راحتی می توانید از توابع آن استفاده کنید.

شما میتوانید با استفاده از Dax محاسبات مورد نظر خود را بر روی ستون های محاسباتی و مقیاس ها(فیلدهای محاسباتی) در پاور پیوت انجام دهید. Dax شامل تعدادی از فرمول های موجود در اکسل به همراه توابعی دیگر که برای کار با داده های ارتباطی و انجام محاسبات پویا مورد استفاده قرار میگیرند،

میشود.DAX یک زبان فرمول نویسی است که در مدل های جدولی Power BI Desktop ، SQL Server Analysis Services،   و Power Pivot مورد استفاده قرار میگیرد. فرمول های DAX شامل توابع، عملگرها و مقادیر برای انجام محاسبات و کوئری­های پیشرفته بر روی داده های موجود در جداول مرتبط و ستون ها در مدل های داده­ ای جدولی هستند.

این مقاله مقدمه­ای برای مهمترین مفاهیم در DAX ارائه می­دهد و تمام قابلیت­های مورد استفاده آن در محصولات مختلف را بیان می­کند. قابل ذکر است که برخی از این قابلیت ها ممکن است برای محصولات یا موارد خاص مورد استفاده نباشد.

کوئری ها

کوئری های DAX را می­توان در محیطSSMS و ابزارهای متن باز مانندDAX Studio  ایجاد و راه اندازی کرد. برخلاف فرمول های محاسباتی DAX، که می­تواند فقط در مدل­های داده­ای  جدولی ایجاد شود، کوئری های DAX بر روی مدل های تحلیلی چند بعدی قابل اجرا می­باشد.

توابع

DAX شامل توابعی است که می توانید از آن برای انجام محاسبات بر مبنای تاریخ و زمان، ایجاد مقادیر شرطی، کار با مقادیر رشته­ای، جستجو بر اساس روابط و تکرار در جدول برای انجام محاسبات بازگشتی استفاده کنید. بسیاری از این توابع شبیه به فرمول های اکسل به نظر می رسند؛ اما برخی از فرمول های DAX متفاوت هستند.

از توابع DAX می­ توان به موارد زیر اشاره کرد:

کجا از فرمولهای DAX استفاده کنیم؟

به طور مثال شما می توانید فرمول ها را در Power Pivot یا در ستون های محاسبه شده یا در محدوده محاسبه ایجاد کنید.

ستون محاسبه شده:

ستون محاسبه ستونی است که شما به یک جدول پویای موجود اضافه می کنید. به جای افزودن یا وارد کردن مقادیر در ستون، یک فرمول DAX ایجاد می کند که مقادیر ستون را تعریف می کند. اگر شما جدول Power Pivot را در PivotTable یا PivotChart قرار دهید، ستون محاسبه شده را می توان به عنوان هر ستون داده دیگر مورد استفاده قرار داد.فرمول ها در ستون محاسبه بسیار شبیه فرمول هایی هستند که شما در اکسل ایجاد می کنید.

با این حال، بر خلاف اکسل، شما نمیتوانید فرمول دیگری برای ردیفهای مختلف در یک جدول ایجاد کنید؛ در عوض، فرمول DAX به طور خودکار به کل ستون اعمال می شود.هنگامی که یک ستون حاوی یک فرمول است، مقدار برای هر ردیف محاسبه می شود. نتایج به محض ایجاد فرمول برای ستون اعمال میگردد.

مقادیر ستون فقط در صورت لزوم برای تجدید ارزیابی داده های محاسبه شده یا محاسبه دستی مورداستفاده قرار میگیرد.شما می توانید ستون های محاسبه شده را بر اساس اندازه ها و دیگر ستون های محاسبه شده ایجاد کنید. با این حال، از نام گذاری مشابه برای یک ستون محاسبه شده و هم اندازه اجتناب بورزید چون منجر به منجر به گیج تداخل نتایج میگردد. هنگام رجوع به یک ستون، زمانی که به یک ستون رجوع میکنید بهتر است شرایط کامل یک ستون مرجع را داشته باشد تا از ایجاد اندازه های تصادفی جلوگیری شود.

رقیبان ما شرکت‌های تولید خودرو نیستند بلکه شرکت‌هایی مثل اپل, گوگل و سیسکو هستند.در پنج تا ده سال آینده نرم‌افزار و اطلاعات همه صنایع را خواهد بلعید.شرکت خدماتی اوبر (UBER) که درحال حاضر بزرگترین شرکت تاکسیرانی است صاحب یک ماشین هم نیست و فقط یک نرم‌افزار است!

تحلیل‌ گران اطلاعات هوش تجاری به چه کسانی می‌گویند و وظایف آنها چیست؟

تحلیل‌ گران اطلاعات هوش تجاری از داده‌ها برای کشف روند بازار و برای افزایش بهره‌وری استفاده می‌کنند.آنها بعضا در شرکت‌ها به عنوان مشاور عمل می‌کنند تحلیل‌گران اطلاعات این داده‌ها را از چندین روش جمع‌آوری می‌نمایند:

مصور سازی داده‌ها با استفاده از Power BI

استفاده از power BI برای به تصویر کشیدن داده‌ها از طریق ارتباط با مشتری آنلاین مایکروسافت (CRM)، بطوری‌که به راحتی قابل درک برای مدیران سازمان‌ها باشد.

یکی از مأموریت‌های Microsoft IT، در زمینه هوش تجاری (BI)، ایجاد زیر ساختی است که داده‌های مشتریان را در قالب اطلاعات، در دسترس آن‌ها قرار دهد. دسترسی آسان و بی‌نظیر به اطلاعات مناسب، می‌تواند تصمیمات به موقع و استراتژیکی در زمینه داده‌سازی، همراه با ذخیره هزینه و بهره‌وری به ارمغان آورد. چنانچه، شرکت مایکروسافت و تیم BPO» Business process outsourcing» اطلاعات مشتریان را در اختیار مدیران مراکز فعال منطقه‌ای، مدیران ارائه خدمات و عملیات و سایر تصمیم‌گیرندگان در سازمان قرار داده است.

همانطور که در مقاله قبل درباره Power BI و هوش تجاری صحبت کردیم، با رشد فناوری و استفاده از ابزارهای هوش تجاری در تصمیم‌سازی سازمانی، اگر درست به منافع سازمان خود فکر کنیم درمی‌یابیم زمان آن رسیده که به جای استفاده از صفحات گسترده برای ارسال اطلاعات، از ابزارهای جدید و قدرتمند مایکروسافت یعنی power BI استفاده کنیم. در واقع Microsoft Power BI  داده‌های حجیم و بزرگ (Big Data) را به جلوه‌های بصری قدرتمند و قابل درک تبدیل می‌کند.

این موضوع تصمیم‌سازی و تصمیم‌گیری را در تمامی سطوح سازمانی بهبود می‌بخشد اما فقط داشتن داده بزرگ (Big Data) نمی‌تواند تنها دلیل استفاده از power BI باشد. در این جا ۴ دلیل و مزیت power BI را برایتان ذکر می کنیم.

 سازگاری Power BI با تعداد زیادی از محصولات مایکروسافت

Power BI طوری طراحی شده تا بتواند با سایر محصولات مایکروسافت هم سازگار  شود مثلا با Share Point ،SQL و…علاوه بر این Power BI می‌تواند بصورت موازی به بیش از ۶۰ نرم افزار پر کاربرد مایکروسافت متصل شود و بصورت کاملاً متمرکز و با بکارگیری داشبوردها، مسائل را قابل درک و تصمیم‌گیری را دقیق‌تر نماید. به‌عنوان مثال می‌توانیم نرم‌افزارهای زیر را ادغام کنیم:

Sap

Sale force

Malichimp

تا زمانی‌که Power BI از مدل‌سازی داده استفاده نکند کاربر نمی‌تواند با ابزارهایی که در اختیار دارد به مدل‌سازی داده بپردازد. این موضوع به این معنی است که داده‌ها را می‌توان بطور مستقیم از Cloud و سیستم‌های هیبرید (بستگی به نرم افزاری مورد استفاده ما دارد.) استخراج کرد. (بدون نیاز به export/import داده بصورت دستی

 سهولت اجرا و توسعه Power BI

در واقع با بکارگیری Power BI سازمان‌‌ها نیاز به مهندسین و منابع انسانی خبره در حوزه تحلیل داده نخواهند داشت و با ایجاد API Key و اضافه کردن آن به نرم‌افزار مورد استفاده، نیازشان برآورده خواهد شد.اگر در سازمان کاری شما از محصولات مایکروسافت هم استفاده می‌شود در واقع دیگر ادغام کردن power BI به آن‌ها به راحتی انجام خواهد شد و این موضوع بدون صرف زمان و هزینه برای آموزش و ساختن محصول جدید امکان‌پذیر است.

 کنترل و دسترسی و امنیت قوی

همان‌طور که شما از طریق اکتیو دایرکتوری می‌توانید منابع سیستمی خودتان را کنترل کنید، با استفاده از Power BI نیز شما می‌توانید، فایل‌های مورد نظر را در سازمان یا در فضا ابری به اشتراک گذاشته و با سطوح دسترسی مناسب مدیریت نمایید.

اما چه چیزی Power bi را به جهت سطح امنیتی متفاوت می‌کند؟

شما با استفاده از امکانات Power BI می‌توانید به کاربران و تیم خودتان در سطوح مختلف دسترسی بدهید و براحتی آن را لغو کنید.برای مثال شما با بکارگیری Power BI می‌توانید به راحتی به اعضا تیم خودتان اجازه بدهید که به سطر یا ستون خاصی از داده بصورت گزارش دسترسی داشته باشند. کافی است در قسمت کنترل دسترسی قاعده زیر را پیاده کنید:

 

و به راحتی میتوانید کنترل‌های خاصی را با استفاده از امکانات filtering روی گزارش‌ها اعمال کنید و این نوع فیلتر کردن راحت و کم هزینه وهمین‌طور بسیار کارآمد خواهد بود مثلا اگر شما در یک شرکت کار می‌کنید که در سطح کشوری فعالیت می‌کند، مدیر فروش نمایندگی تهران نیازی نیست به مدیران فروش نمایندگی اصفهان دسترسی داشته باشد.

یکی از نکات امنیتی دیگر  Power BI این است که کاربران می‌توانند بدون نیاز به دسترسی به فایل اصلی پایگاه‌داده به محتوا دسترسی داشته باشند و بدین ترتیب به طراحی چارت‌ها و گراف‌ها بپردازند و با این روش امکان دستکاری داده‌ها از آن‌ها گرفته می‌شود و همین موضوع باعث می‌شود خطای انسانی برروی داده‌ها صورت نگیرد.

 یادگیری ساده Power BI

یکی از بهترین فواید Power BI یادگیری آسان آن است. عملا یادگیری آن تخصص خاصی نیاز ندارد و ساده‌ترین کاربران مایکروسافت تا کاربران خبره، بسته به سطح نیاز می‌توانند از مدل‌سازی داده به‌واسطه Power BI استفاده کنند و به‌راحتی به کاربران اجازه داده می‌شود که بتوانند داده‌های خودشان را به محیط‌های دیگری مثل Excel ارسال کنند.استفاده از Button ها این امکان را برای شما فراهم می کند.

که گزارشات و دشبوردهایی را طراحی کنید که مشابه یک برنامه رفتار کنند، و به موجب آن، محیطی جذاب و خوشایند ایجاد کنید که کاربران بتوانند در محتوای Power BI کلیک، Hover کرده و تعامل برقرار کنند.

می توانید از Button ها برای ایجاد گزارشات در Power BI Desktop استفاده کرده و گزارشات ایجاد شده را در Power BI Service به اشتراک گذاشته و منتشر کنید.Button هایی که در Power BI Desktop برای استفاده در گزارشات و دشبوردها ایجاد می کنید در Power BI Service قابل انتشار می باشند.برای ایجاد Button در یک گزارش  Power BI Desktop، در نوار بالای صفحه در Home Tab دکمه Button را انتخاب کنید، در نوار باز شده از بین مجموعه گزینه های موجود مطابق شکل زیر، می توانید Button مورد نظر خود را انتخاب کنید.

هنگامی که Button را به وجود می آورید و بر روی آن کلیک می کنید، در Visualization Pane گزینه های زیادی را می توانید مشاهده کنید که به شما کمک می کند که Button را براساس نیاز خود تنظیم کنید. برای مثال، میتوانید گزینه Button Text را خاموش و یا روشن کنید، آیکن Button ، عنوان، Fill وAction  که تعیین کننده عملکرد دکمه در زمان کلیک کاربر می باشد را تغییر دهید.

تنظیم ویژگی های Button در هنگام بدون نقش بودن، Hovered over یا در حالت انتخاب

 دکمه ها در Power BI  میتوانند دارای سه حالت باشند: پیش فرض (زمانی که در وضعیت انتخاب یاHovered Over نیستند)، در وضعیت Hovered over  و در وضعیت انتخاب( اغلب اشاره دارد به زمانی که در حالت کلیک است). بیشتر Card های موجود در Visualization Pane می توانند به صورت جداگانه براساس این سه حالت اصلاح شوند، و انعطاف پذیری زیادی را برای شخصی سازی دکمه ها برای شما فراهم کنند.

Card های زیر در Visualization Pane به شما امکان می دهد قالب بندی یا رفتار یک دکمه را براساس سه حالت آن تنظیم کنید.

Button text

برای انتخاب اینکه دکمه در هر حالت چطور باید ظاهر شود، یکی از Card ها را باز کرده و یکی از سه حالت را از لیست باز شده انتخاب کنید. در تصویر زیر باز شدن Outline و انتخاب یکی از سه حالت Default، Hover،  Selected را برای آن مشاهده می کنید.

انتخاب عملکرد (Action)  برای دکمه

می توانید هر عملکردی را که دکمه باید در حالت انتخاب کاربر داشته باشد را انتخاب کنید. همچنین می توانید گزینه هایی برای دکمه Action در Visualization pane در اختیار داشته باشید.

گزینه های Action عبارتند از:

Back

Bookmark

Q&A

انتخاب دکمه Back کاربر را به صفحه اخیر گزارش باز می گرداند. این گزینه به خصوص برای صفحات Drill-Down مفید می باشد.

انتخاب دکمه Bookmark، صفحه گزارش مربوط به Bookmark را که برای گزارش فعلی تعریف شده است، ارائه می شود. برای مطالعه بیشتر درباره کاربرد Bookmark ها در Power BI و نیز کاربرد Button ها در bookmark ها می توانید مقاله « Bookmark در Power BI  » را در سایت شرکت هوش تجاری کیسان مطالعه کنید.

انتخاب گزینه Q&A پنجره Explorer   Q&Aرا ارائه می دهد.

انواع فیلترها در گزارشات Power BI

فیلتر ها به یک صورت رفتار نمیکنند چون به یک شکل ایجاد نشده اند. اینکه چطور آنها را بوجود آورده اید بر روی رفتار آنها تأثیر گذار خواهد بود. در این مقاله قصد داریم انواع فیلتر ها را در شرح دهیم: انواع روش های ایجاد فیلتر ها

اجازه دهید با دو نوع معمول فیلتر ها شروع کنیم: دستی (Manual)و خودکار (Automatic)

فیلتر های دستی

فیلتر های دستی شامل فیلترهایی هستند که توسط گزارش ساز با Drag  و Drop کردن در هر جایی در Filter pane ایجاد شده اند. کاربرانی که اجازه ویرایش  دارند می توانند فیلتر ها را در Filter pane جدید ویرایش، Clear ، حذف، پنهان و قفل کرده و یا تغییر نام داده و مرتب سازی کنند.

فیلتر های خودکار

فیلتر های خودکار  فیلتر هایی هستند که به صورت خودکار در هنگام ایجاد ویژوال به آن اضافه می شوند. این فیلتر ها براساس ستون هایی هستند که ویژوال شما را بوجود آورده اند. کاربران دارای اجازه ویرایش می توانند آنها را ویرایش، حذف، Clear ، قفل، پنهان کرده و تغییر نام داده یا مرتب سازی کنند. البته نمی توانند فیلتر های خودکار را پاک کنند به این دلیل که ویژوال به آن ستون ها اشاره دارد.

فیلتر های خیلی پیشرفته

این دسته از فیلتر ها معمول نیستند، اما اگر در گزارش شما وجود دارند فهم آنها اهمیت دارد. علاوه بر این، ممکن است در ایجاد فیلتر مناسب برای گزارشتان مفید باشند.

فیلتر های Include  و Exclude

فیلتر های Include  و Exclude برای ویژوال هایی که عملکرد Include  و Exclude را برای آنها استفاده می کنید به صورت خودکار اضافه می شوند. کاربران با اجاز ه ویرایش گزارش می توانند فیلتر ها را در Filter pane جدید پاک، قفل، پنهان، یا مرتب سازی کنند. اما نمی توانند آنها را به دلیل اینکه این فیلتر ها با عملکرد Include  و Exclude ویژوال ها در ارتباط هستند،Clear ، ویرایش کرده و تغییر نام بدهند.

فیلتر های Drill-Down

فیلتر های Drill-Down هنگامی که از یک ویژوال با عملکرد Drill –down استفاده می کنید به صورت خودکار اضافه می شوند. کاربران با اجازه ویرایش می توانند این فیلتر ها را در  Filter pane  جدید ویرایش کرده و یا Clear کنند. ولی به دلیل مرتبط بودن به عملکرد Drill –down ویژوال، اجازه پاک، پنهان، قفل و یا تغییر نام و مرتب سازی را ندارند. برای برداشتن فیلتر Drill –down بر روی دکمه Drill –down ویژوال کلیک کنید.

فیلترهای Cross-Drill

فیلترهای Cross-Drill هنگامی که فیلتر Drill –down از طریق Cross-Filter  یا Cross-highlight به ویژوال دیگری در گزارش منتقل می شود، به صورت خودکار به Pane جدید اضافه می شود. کاربران با اجازه ویرایش گزارش به دلیل اینکه این فیلتر در ارتباط با عملکرد Drill –down می باشد، نمی توانند عملیات پاک، قفل، پنهان، Clear، تغییر نام و مرتب سازی را برای این فیلتر انجام دهند. همچنین آنها اجازه ویرایش این نوع فیلتر را نیز به دلیل اینکه از Drilling down ویژوال دیگری ایجاد شده اند، ندارند. برای برداشتن فیلتر Drill-down بر روی دکمه Drill-up ویژوالی که فیلتر از آن منتقل شده کلیک کنید.

فیلترهای Drill through

فیلترهای Drill through از طریق ویژگی Drill through از یک صفحه گزارش به صفحه دیگر  منتقل می شوند. که در Drill through pane قابل مشاهده می باشد. دو نوع فیلتر Drill through وجود دارد. نوع اول فیلتری است که از Drill through استفاده می کند. ویرایش کنندگان گزارش می توانند.

عملیات ویرایش، پاک، Clear ، پنهان و یا قفل کردن این نوع فیلتر را انجام دهند. نوع دوم فیلتر Drill through می باشد که براساس Page-Level Filter صفحه منبع به هدف منتقل می شود. ویرایش کنندگان گزارش میتوانند عملیات ویرایش، پاک کردن یا Clear  را بر روی این نوع گذرا فیلتر Drill through انجام دهند. آنها نمی توانند این فیلتر را برای کاربران نهایی قفل یا پنهان کنند.

فیلتر های URL

فیلتر های URL  با اضافه کردن یک پارامتر جستجوی URL به pane جدید اضافه می شوند. کاربران با اجازه ویرایش گزارش می توانند عملیات ویرایش، پاک کردن یا Clear را در Pane جدید انجام دهند. ولی نمی توانند عملیات پنهان کردن، قفل کردن، تغییر نام دادن و مرتب کردن را به دلیل مرتبط بودن به پارامتر URL انجام دهند. برای برداشتن فیلتر، لازم است که پارامتر را از URL بردارید.

فیلترهای Pass-through

فیلترهای Pass-through فیلترهای ایجاد شده از طریق Q&A هستند. نویسندگان می توانند عملیات پاک کردن، پنهان کردن، یا مرتب کردن این فیلترها را در pane جدید انجام دهند. با این وجود اجازه تغییر نام و ویرایش و Clear یا قفل کردن فیلتر ها را ندارند.

مقایسه انواع فیلترها

این جدول مقایسه آنچه نویسندگان می توانند انجام دهند را در انواع فیلترها نشان می دهد.

Filter type Edit Clear Delete Hide Lock Sort Rename
Manual filters Y Y Y Y Y Y Y
Auto filters Y Y N Y Y Y Y
Include/Exclude filters N N Y Y Y Y N
Drill-down filters Y Y N N N N N
Cross Drill filters N N N N N N N
Drillthrough filters (Invokes drillthrough) Y Y Y Y Y N N
Drillthrough filters (Transient) Y Y Y N N N N
URL filters – transient Y Y Y N N N N
Pass Through filters N N Y Y N Y N

 

Power BI انواع مختلفی از فیلتر ها را پیشنهاد می دهد، از فیلترهای دستی تا خودکار و فیلتر های Drill through و Pass through.

فیلترها در Editing View و Reading View

می توانید با گزارشات از طریق دو فضای Editing و Reading تعامل داشته باشید. ویژگی های Filtering در دسترس بسته به نوع فضای انتخابیتان متفاوت می باشد.

این مقاله به توضیح چگونگی ایجاد فیلترها در Editing View می پردازد.از آنجا که فیلترها همچنان پابرجا هستند ، وقتی از گزارش دور می شوید ، Power BI ،فیلترها ، Slicer ها و سایر داده ها را که ایجاد کرده اید تغییر می دهد. بنابراین می توانید.

هنگام بازگشت به گزارش، مکانی را که از آنجا آمده اید را انتخاب کنید. در صورتی که تمایل ندارید که تغییرات فیلتر برقرار باشد، گزینه Reset to default را از منوی بالا انتخاب کنید.

این مقاله به توضیح چگونگی ایجاد فیلترها در Editing View می پردازد.

از آنجا که فیلترها همچنان پابرجا هستند ، وقتی از گزارش دور می شوید ، Power BI ،فیلترها ، Slicer ها و سایر داده ها را که ایجاد کرده اید تغییر می دهد. بنابراین می توانید هنگام بازگشت به گزارش، مکانی را که از آنجا آمده اید را انتخاب کنید. در صورتی که تمایل ندارید که تغییرات فیلتر برقرار باشد، گزینه Reset to default را از منوی بالا انتخاب کنید.

درجات فیلترها در Filter pane

چه از Power BI Service استفاده کنید یا از Power BI Desktop ، Filters pane در سمت راست صفحه گزارش دیده می شود. در صورتی که نمی توانید filters pane را ببینید برای باز شدن آیکن “>” را از گوشه سمت راست انتخاب کنید.

می توانید فیلترها را در سه سطح مختلف در گزارش تنظیم کنید: فیلترهای در سطح ویژوال، فیلترهای در سطح صفحه گزارش و فیلترهای در سطح گزارش. همچنین می توانید فیلترهای  Drill through را نیز تنظیم کنید.

اضافه کردن فیلتر به ویژوال

به دو روش مختلف می توانید به ویژوال فیلتر اضافه کنید.فیلتر فیلدی که در حال حاضر در ویژوال مورد استفاده قرار گرفته است.شناسایی یک فیلد که در حال حاضر در ویژوال مورد استفاده قرار نمی گیرد، و این فیلد را مستقیما به بسته Visual level filter اضافه می کنیم.

فیلتر کردن فیلدهای مورد استفاده در ویژوال

آیکن (…) More option را انتخاب کرده و گزینه Edit report را برای باز شدن گزارشتان در Editing View بزنید.

Visualizations و Filters pane وFields pane را در صورت باز نبودن باز کنید.

یک ویژوال را انتخاب کنید تا فعال شود. تمام فیلد های مورد استفاده در ویژوال در Fields pane و همچنین در Filters pane در پایین Visual level filters لیست می شوند.

یکی از موارد Basic،  Advanced  یا Top N را انتخاب کنید. در این مثال در Basic filtering ، cha را جستجو کرده و ۵ مورد زیر را انتخاب کردیم.ویژوال برای انعکاس فیلتر جدید تغییر میکند. در صورتی که گزارش را با فیلتر ایجاد شده ذخیره کنید، کسی که گزارش را میخواند ویژوال فیلتر شده را در ابتدا مشاهده می کنند و می توانند با استفاده از فیلتر در Reading View مقادیر را انتخاب یا پاک کنند.وقتی که فیلتر را بر روی فیلدی  استفاده می کنید.

که Aggregate شده است (برای مثال جمع، میانگین، یا Count)، شما در واقع بر روی مقادیر Aggregate فیلتر را اعمال می کنید. بنابراین، فیلتری که فروش سالانه بالای ۵۰۰۰۰۰ را نشان دهد منجر به این می شود که تنها ستون Charleston Fashion Direct را درنتیجه مشاهده کنیم. فیلترهای اعمال شده در Model Measure ها همیشه بر روی Aggregated value اعمال می شوند.

اضافه کردن فیلتر به فیلدی که در ویژوال استفاده نشده است.حال اجازه دهید فیلد جدیدی را به عنوان فیلتر به ویژوال اضافه کنیم.از Fields pane، فیلدی را که قصد دارید به ویژوال اضافه کنید را انتخاب کنید، و آن را به Visual level filter area ،Drag کنید. در این مثال، ستون District Manager را به بسته Visual level filter ها اضافه کرده و an را در قسمت Basic filteringسرچ می کنیم.به این نکته توجه کنید که District manager به خودی خود در ویژوال شرکت ندارد. بلکه از دو فیلد Store number name به عنوان محور و This year sales به عنوان Value تشکیل شده است.

خود نمودار در حال حاضر برای نشان دادن فروش سال جاری برای فروشگاه های خاص زیر فیلتر شده است.در صورتی که گزارشتان را با این فیلتر ذخیره کنید، خوانندگان گزارش می توانند با فیلتر District manager در Reading view، Selecting view یا Clearing values.در صورتی که یک ستون عددی را به Filter pane برای اضافه کردن فیلتر به ویژوال استفاده کنید، فیلتر  تنها بر روی سطرهای زیر داده استفاده می شود. به عنوان مثال، افزودن فیلتر به ستون عددی Unit Cost و تنظیم آن به صورتی که Unit Cost بالای ۲۰ را نشان دهد، فقط داده ها را برای ردیف های محصول نشان می دهد که در آن هزینه واحد بیش از ۲۰ باشد، صرف نظر از کل هزینه واحد نشان داده شده در ویژوال.

اضافه کردن فیلتر به صفحه در حال استفاده

شما همچنین می توانید یک Page level filter به صفحه در حال استفاده اضافه کنید.

در Power BI Service وارد صفحه ای بشوید که قصد دارید در آن فیلتر ایجاد کنید.

آیکن Edit را برای باز کردن گزارش در editing View انتخاب کنید.

Visualization، Filter و Fields Pane را در صورت بسته بودن باز کنید.

از Fields pane فیلدی را که قصد دارید به عنوان page level filter جدید انتخاب کنید، را به فضای Page level filters ،Drag کنید.

Value را که قصد فیلتر آن را دارید انتخاب کنید و یکی از حالات کنترلی Basic و یا Advanced Filtering را انتخاب کنید.

تمامی ویژوال های صفحه برای انعکاس تغییرات اعمال شده بازنویسی می شوند.

 

اضافه کردن فیلتر Drill through

به وسیله Drill through در Power BI Service  و Power BI Desktop ، می توانید گزارش مقصدی ایجاد کنید که بر موضوع خاصی از قبیل تـامین کننده، مشتری و یا تولید، متمرکز است.

ایجاد یک فیلتر Drill through

در Power BI Service آیکن و سپس Edit report را برای باز کردن گزارش خود در Editing view انتخاب کنید.

صفحه جدیدی به گزارش اضافه کرده و نامی را برای آن تعیین کنید. برای مثال Team Executive ، این صفحه، Drill through Destination خواهد بود.ویژوال هایی که معیارهای کلیدی را برای مناطق تجاری تیم مدیران ( Team Executive ) ردیابی کند.سپس از جدول Executives در این مثال، ستون Executive را به فیلتر Drill through اضافه می کنیم.توجه داشته باشید که Power BI  یک علامت برگشت در صفحه گزارش ایجاد می کند.

کاربر با کلیک بر روی این دکمه به صفحه اصلی گزارش بر می گردد (صفحه ای که هنگام انتخاب Drill Through در آن بودیم). در Editing view دکمه Ctrl را نگه داشته و سپس دکمه بازگشت را انتخاب کنید.  برای اطلاعات بیشتر درباره Button ها و نحوه عملکرد آنها در Power BI می توانید مقاله منتشر شده در سایت ما به آدرس www.keysun-co.com شرکت هوش تجاری کیسان تحت عنوان « استفاده از Buttons ها در Power BI » را مطالعه کنید.

برای مثال فرض کنیم شما Andrew Ma کارشناس ارشد شرکت هستنید و قصد دارید گزارشات مربوط به تیم خود را که تنها برای داده های شما فیلتر شده است را ببینید. بر روی هر قسمتی از لاین چارت سبز رنگ که راست کلیک کنید منویی باز می شود، گزینه Drill through را از آن انتخاب کنید.

اضافه کردن یک فیلتر در سطح گزارش در صفحه مورد استفاده

گزینه Edit report را برای باز کردن گزارش در Editing View انتخاب کنید.از Fields pane، field ی را که قصد داریم به صفحه گزارش اعمال کنیم را انتخاب کرده و به Report level filters ، Drag می کنیم.Value هایی را که قصد فیلتر دارید انتخاب کنید.ویژوال هایی که در صفحه جاری وجود دارند، و تمامی ویژوال های صفحه های دیگر گزارش برای انعکاس تغییرات اعمال شده در اثر فیلتر تغییر می کنند.برای برگشت به صفحه اصلی علامت بازگشت را انتخاب کنید.

عیب یابی

در صورتی که fields pane را نمی بینید، مطمئن شوید که در Editing View گزارش قرار دارید.در صورتی که تغییرات زیادی در فیلتر ها ایجاد کرده اید و قصد دارید به تنظیمات اولیه تهیه کننده گزارش بازگردید، گزینه Reset to default را از منوی بالای پیج انتخاب کنید.

استفاده از Bookmark ها در Power BI Desktop

به وسیله Bookmark ها در Power BI Desktop ، نمایی را که در حال حاضر در صفحه گزارش پیکره بندی شده است، از جمله فیلترها و وضعیت ویژوال ها را ضبط میکنید و بعدا می توانید با انتخاب Bookmark ذخیره شده به آن حالت برگردید.همچنین می توانید مجموعه ای از Bookmark ها را ایجاد کنید، به ترتیبی که می خواهید مرتب سازی کنید، سپس در مرحله بعد در هنگام ارائه از طریق هر Bookmark می توانید به یک صفحه بروید تا یک سری از بینش ها را برجسته کنید، یا داستانی را که می خواهید با تصاویر و گزارشات خود بیان کنید.Bookmark ها کاربرد های زیادی دارند.

برای مثال، می توانید از Bookmark ها برای پیگیری روند پیشرفت خود در ایجاد گزارش ها استفاده کنید (Bookmark ها به راحتی قابل اضافه شدن، حذف و تغییر نام می باشند) و نیز می توانید از آن ها برای ایجاد یک نمایش پاور پوینت مانند برای ارائه استفاده کنید که مراحل از طریق Bookmark ها  به ترتیب انجام می شوند، و از این طریق داستانی را به همراه گزارش خود بیان کنید.

استفاده از Bookmark ها

برای استفاده از Bookmark ها، دکمه View را از نوار بالای Power BI Desktop انتخاب کنید، سپس گزینه Bookmarks Pane را انتخاب کنید.

هنگامی که Bookmark را به ایجاد می کنید، موارد زیر بوسیله Bookmark ذخیره می شوند:

صفحه جاری

فیلترها

اسلایسر ها، شامل انواع اسلایسر (برای مثال، Dropdown یا List) و حالت اسلایسر

حالت انتخاب ویژوال ها (از قبیل Cross-highlight فیلترها)

ترتیب مرتب سازی

ویژگی های نمایش یک شئ (با استفاده از Selection Pane)

تمرکز (Focus) یا Spotlight هر شئ

پیکره بندی یک صفحه گزارش به نحو دلخواه در Bookmark ها نیز دیده می شود. بعد از اینکه گزارشتان و المان ها را به نحو دلخواه تنظیم کردید، گزینه Add را از Bookmark Pane برای اضافه کردن یک Bookmark  انتخاب کنید.Power Bi Desktop یک Bookmark بوجود می آورد و به آن یک نام عمومی اختصاص میدهد. به راحتی می توانید یک Bookmark را از طریق گزینه Ellipsis کنار نام Bookmark تغییر نام داده، پاک کرده و یا به روز رسانی کنید. سپس یک عملکرد را از منوی ظاهر شده انتخاب کنید.پس از درست کردن Bookmark ، از طریق انتخاب آن در Bookmark Pane آن را نمایش دهید

.همچنین می توانید انتخاب کنید که آیا هر Bookmark ویژگی های داده، از قبیل فیلتر ها و اسلایسرها، ویژگی های نمایش از قبیل Spotlight و Visibility ، و تغییرات صفحه جاری را که در هنگام اضافه کردن Bookmark قابل مشاهده است، اعمال کند یا نکند؟ این ویژگی ها هنگامی که از  Bookmark ها برای تغییر صفحات گزارش یا انتخاب المان ها استفاده می کنید مفید می باشند، که در این حالت احتمالا می خواهید خواص داده را خاموش کنید، به طوری که هنگامی که کاربران با انتخاب یک Bookmark گزارش را تغییر می دهند، فیلتر ها دوباره تنظیم نشوند.

برای انجام تغییرات، آیکون Ellipses  کنار نام Bookmark را انتخاب کرده و سپس گزینه های Data، Display و موارد کنترلی دیگر را انتخاب کنید.

مرتب کردن Bookmark ها:

هنگامی که Bookmark ها را بوجود آوردید، ممکن است دریابید که ترتیبی که آنها را بوجود آورده اید با ترتیبی که می خواهید به نمایش بگذارید متفاوت است. به راحتی می توانید ترتیب Bookmark ها را تغییر دهید.در Bookmark Pane، تربیب Bookmark ها را با Drag و Drop کردن تغییر دهید.ترتیب استفاده از Bookmark های شما هنگام استفاده از ویژگی View ، Bookmark ها، همانطور که در قسمت بعد توضیح داده می شود، می تواند مهم باشد.

Bookmark ها به عنوان Slide show

هنگامی که مجموعه ای از Bookmark ها دارید که می خواهید به ترتیب ارائه دهید، می توانید گزینه View را از Bookmark Pane انتخاب کنید تا بتوانید نمایش  Slide show را داشته باشید.

چند مورد قابل توجه در View mode وجود دارد.

نام Bookmark در Bookmark title bar در قسمت پایین صفحه نمایش داده می شود.

Bookmark title bar دارای پیکان هایی برای حرکت به Bookmark بعدی یا قبلی می باشد.

با انتخاب دکمه exit یا با زدن دکمه X Bookmark title bar می توانید از View mode خارج شوید.

هنگامی که در View mode هستید، می توانید Bookmark pane را با انتخاب دکمه X از آن ببندید، تا فضای بیشتری برای ارائه داشته باشید.

Visibility: استفاده از Selection pane

در صفحه مربوط به صفحه bookmark  ها، Selection pane لیستی از تمامی اشیا موجود در صفحه فعلی را فراهم می کند و به شما این اجازه را می دهد که یک شئ را انتخاب کرده و مشخص کنید که آیا قابل مشاهده باشد یا نباشد.

شئ را انتخاب می کنید و با انتخاب نماد چشم در سمت راست شئ تعیین می کنید که شئ در حال حاضر قابل مشاهده باشد یا نباشد.هنگمی که Bookmark اضافه می کنید، وضعیت نمایش هر شئ نیز براساس تنظیمات انجام شده در Selection pane ذخیره می شود.

این مهم است که به این نکته توجه کنید که اسلایسرها صرفنظر از اینکه قابل مشاهده هستند یا نه  به فیلتر کردن یک صفحه گزارش ادامه بدهند، به این ترتیب، می توانید Bookmark های متفاوت را با تنظیمات اسلایسرهای متفاوت ایجاد کنید، و یک صفحه گزارش واحد که (بینش های مختلف را برجسته کنید) را در Bookmarkهای متفاوت نشان دهید.

Bookmark ها برای شکل ها و عکس ها

همچنین شما می توانید شکل ها و تصاویر را در Bookmark ها Link کنید. با این ویژگی، هنگامی که شئ را انتخاب می کنید، Bookmark مربوط به آن شئ را نشان میدهد. این ویژگی به صورت خاص هنگامی که با Button ها کار می کنید می تواند مفید باشد.

اضافه کردن Bookmark به یک شئ:

یک شئ را از صفحه گزارش انتخاب می کنیم. سپس، از Format shape pane که ظاهر شده است، گزینه Action را On می کنیم.

در نوار باز شده Action در قسمت Type، Bookmark را انتخاب می کنیم.

در قسمت Bookmarks گزینه Bookmark را انتخاب می کنیم.

با شروع انتشار نسخه  ۲۰۱۸Power BI Desktop ، می توانید گروه های Bookmark را ایجاد و استفاده کنید. یک Bookmark Group مجموعه ای است از Bookmark ها که می توانید تعیین کنید، که به صورت گروهی نمایش داده و سازماندهی شوند.

ایجاد یک Bookmark group

دکمه Ctrl را نگه داشته و Bookmark هایی را که می خواهید در گروه قرار دهید را انتخاب کنید.آیکن Ellipses کنار Bookmark انتخابی خود را انتخاب کرده، و گزینه Group را از منوی باز شده انتخاب کنید.Power BI Desktop به صورت خودکار گروه ایجاد شده را به Group 1 نامگذاری می کند. می توانید با انتخاب آیکن Ellipses   کنار نام ایجاد شده گزینه  Rename  را انتخاب کنید و آن را به نام دلخواهتان تغییر دهید.

مانند هر Bookmark Group ، باز کردن نام Bookmark Group فقط این  Bookmark Group را باز می کند یا می بندد، و یک Bookmark  را به خودی خود نشان نمی دهد.

هنگامی که از ویژگی View ، Bookmark استفاده می کنید جزئیات زیر اعمال می شود:

اگر هنگام انتخاب View Bookmark انتخاب شده در گروه باشد تنها Bookmark  هایی که در آن گروه قرار دارند در قسمت View نشان داده می شوند.در صورتی که Bookmark انتخاب شده در گروه نباشد،

یا در بالاترین مرتبه باشد(برای مثال نام Bookmark Group  )، سپس تمامی Bookmark های کل گزارش، از جمله Bookmark های هر گروه نشان داده می شود.

برای خارج کردن Bookmark ها از گروه:

هر Bookmark داخل گروه را انتخاب کرده و آیکن Ellipses را بزنید.

گزینه Ungroup را از منوی باز شده انتخاب کنید.

انتخاب Ungroup برای هر Bookmark از یک گروه، همه Bookmark ها را از گروه حذف می کند, این کار گروه را حذف می کند، اما نه خود  Bookmark ها ر

حذف یک Bookmark از گروه:

Ungroup کردن تمامی اعضای گروه، که کل گروه بندی را خذف می کند.اعضایی مورد نظر خود را در گروه جدید، با گرفتن دکمه Ctrl و انتخاب هر Bookmark انتخاب کنید، و سپس مجدد Group را انتخاب کنید.ویژگی دیگری که با bookmark ها منتشر شده است Spotlight می باشد. بوسیله Spotlight ، می توانید توجه را بر روی بخش خاصی از نمودار متمرکز کنید، به عنوان مثال هنگام ارائه bookmark ها در View mode.

 تفاوت spotlight و Focus

با Focus mode ، حالت Focus mode را برای یک ویژوال انتخاب می کنید، که باعث می شود ویژوال کل صفحه را پر می کند.با Spotlight ، گزینه Spotlight را از آیکن Ellipsis هر ویژوال برای برجسته کردن یک ویژوال در سایز واقعی آن انتخاب می کنیم، که باعث می شود تمامی دیگر ویژوال های موجود در صفحه کمرنگ تر شوند.

وقتی آیکن Focus mode را برای یک ویژوال مطابق عکس بالا انتخاب می کنید، صفحه به صورت زیر نمایش داده می شود:

اگر هنگام اضافه کردن یک Bookmark ، یکی از حالات Spotlight یا Focus را انتخاب کنید، آن حالت در Bookmark حفظ می شود.

  • Bookmark ها در Power BI Service

هنگامی که گزارشی را در Power BI Service  با حداقل یک Bookmark منتشر می کنید، می توانید با آن Bookmark ها در Power BI Service مشاهده و تعامل داشته باشید. هنگامی که Bookmark ها در یک گزارش در دسترس هستند، می توانید Selection Pane  و Bookmarks Pane را با انتخاب گزینه View و انتخاب Pane  Selection یا Bookmarks Pane .در Power BI Service نیز Bookmarks pane همانطور که در Power BI Desktop عمل می کرد،

عمل می کند، شامل توانایی انتخاب View برای نمایش به ترتیب Bookmark ها، همانند یک Slide show.به جای استفاده از پیکان های مشکی، از Title Bar Bookmark خاکستری استفاده کنید تا از طریق Bookmark ها حرکت کنید(فلش های مشکی شما را از طریق صفحات منتقل می کند نه Bookmark ها).

فعال کردن پیش نمایش Bookmark ها( نسخه های قبل از مارس ۲۰۱۸)

در ورژن March 2018 ، Power BI Desktop، Bookmark ها به صورت کلی در دسترس می باشند.

برای فعال کردن ویژگی Bookmarks  در نسخه های پیشین:

از مسیر زیر میتوانید این ویژگی را فعال کنید:

File > Options and settings > Options > Preview Features > Bookmarks

سپس Power BI Desktop را برای فعال کردن ویژگی Bookmark ها، Restart کنید.

چطور گزارش ساخته شده در POWER BI را به اشتراک بگذاریم؟

گزارش آماده شده خود را می توانید بر روی Power BI Service با دیگران به اشتراک بگذارید, برای به اشتراک گذاشتن گزارش بر روی Power BI Service از طریق Power BI Desktop   راه های کمی وجود دارد.

میتوانید گزارش را بر روی Power BI Service ,Publish کنید, و یا به صورت یک فایل Pbix مستقیما بر روی Power BI Service , Upload کنید که برای این کار نیاز به اکانت Power BI دارید، و یا فایل Pbix را مانند سایر فایل ها ارسال کنید.

نخست اجازه دهید به روش Publish کردن مستقیم بر روی Power BI Service از Power BI Desktop بپردازیم. از تب Home نوار Ribbon، گزینه Publish را انتخاب کنید

ممکن است از شما خواسته شود که وارد Power BI شوید، و یا مقصد را انتخاب کنید.

هنگامی که لینک را برای باز کردن گزارش بر روی Power BI انتخاب می کنید، گزارش شما در سایت Power BI شما در قسمت My workspace > Reports باز می شود.

راه دیگر برای اشتراک گزارشتان بارگذاری آن در Power BI Service  می باشد.

در صفحه بعد دکمه Get را در قسمت Files انتخاب کنید.

در صفحه بعد، گزینه Load File  را انتخاب کنید. Browse کرده، فایل Power Bi Desktop.Pbix خود را انتخاب کنید، و بر روی Open کلیک کنید.بعد از وارد کردن فایل، می توانید آن را در قسمت My workspace > Reports  در نوار سمت چپ Power BI Service ببینید.ویژوال های متفاوت زیادی وجود دارند که می توانید.

برای ساختن گزارش خود در Power BI Service استفاده کنید، و به دشبورد اضافه کنید.برای اشتراک گذاشتن گزارش و یا دشبورد، گزینه Share را از نوار بالای گزارش یا داشبوردی که باز است انتخاب کرده، و یا آیکن Share کنار نام گزارش یا دشبورد را در My workspace < Reports و یا My workspace < Dashboards انتخاب کنید.

گزارش یا دشبورد به اشتراک گذاشته شده خود را کامل کنید تا ایمیل بفرستد یا لینکی را برای اشتراک گزارش یا دشبورد خود با دیگران دریافت کنید.Power Bi Desktop اتصال به Diagnostics Port ها را پشتیبانی می کند. Diagnostics Port ها به سایر ابزارها امکان برقراری ارتباط جهت انجام اهداف تشخیصی، را می دهد. هنگام استفاده از Diagnostics Port انجام تغییرات در مدل پشتیبانی نمی شود. تغییرات در مدل ممکن است به از بین رفتن اطلاعات منجر شود.

ویژگی های نسخه نوامبر Power BI

به روز رسانی ماه اکتبر نرم افزار  Power BI شامل تغییرات زیادی در کل محصول می باشد. در قسمت آماده سازی دیتا, Query Diagnostics معرفی شده است که به شما این امکان را می دهد که, Query هایی که در پشت صحنه اجرا می شوند را ببینید. در قسمت Report, از طریق ویژگی جدید Automatic Page Refresh قدم های بزرگی در جهت تهیه گزارشات در زمان واقعی (Real Time)برداشته شده است, این ویژگی این امکان را فراهم می کند .

که در گزارشات مستقر در Direct Query در فواصل زمانی منظم, دیتا را به روز رسانی کنید. Q&A نیز به صورت کامل با المان جدید Q&A و ابزارهای جدید در این ماه کاملا بازسازی شده است.

وقتی وقایع حیاتی سازمان را بوسیله Power BI دنبال می کنید, بسیار اهمیت دارد که همزمان با به روز رسانی دیتا در Data Source دیتا در Power BI نیز به روز رسانی شود. برای مثال, در صنعت تولید, بسیار اهمییت دارد که بدانید چه زمانی یک ماشین بد عمل می کند. به این منظور ویژگی Automatic page refresh منتشر شده است, که این امکان را برای شما فراهم می کند, که هنگام استفاده از یک منبع DirectQuery , فاصله زمانی به روز رسانی المان ها را در گزارش خود تنظیم کنید.

برای منابع داده ای که با سرعت به روز رسانی می شوند, این تجربه نزدیک بودن گزارش به زمان واقعی به کاربران این امکان را می دهد, تا گزارشات حساس به زمان را رصد کرده و از این اطمینان را داشته باشند که آخرین تغییرات را مشاهده می کنند.

برای استفاده از Automatic page refresh  ابتدا باید آن را در Options فعال کنید.

بعد از فعال کردن این گزینه هنگامی که به یک منبع DirectQuery متصل می شوید در  Formatting Pane گزینه Page refresh را می توانید مشاهده کنید, که امکان تعیین زمان برای به روز رسانی را در قسمت Duration برای شما فراهم می کند.در Power Bi Desktop, شما می توانید این برنامه زمان بندی را یکبار در هر ثانیه تعیین کنید, با این فرض که منبع داده DQ شما می تواند این کار را انجام بدهد. در Power BI Service , حداقل زمان به روز رسانی برای یک فضای کاری معمولی ۳۰ دقیقه می باشد, بنابراین پس از انتشار گزارش, در صورتی که زمان باقی مانده کمتر از ۳۰ دقیقه باشد, برنامه زمانبندی دوباره نوشته خواهد شد.در صورتی که فضای کاری شما نسخه Premium باشد, برنامه زمان بندی می تواند به حداقل تعیین شده توسط مدیر برسد و فقط در صورتی کار میکند که مدیر (APR)Automatic page refresh را فعال کند.

برای فعال کردن این ویژگی لازم است که از مسیر زیر ابتدا APR را فعال کنید:

File>Options and settings>Options>Preview features>Automatic page refresh

Automatic page refresh تنها برای منابع DirectQuery در دسترس می باشد.

برای استفاده از Automatic page refresh, Report page را برای Page که می خواهیم به روز رسانی را در آن فعال کنیم را انتخاب می کنیم. در Visualization pane, بر روی Formatting icon کلیک کرده و گزینه Page refresh را در قسمت پایین نوار باز شده پیدا کنید.

تصویر زیر مربوط به کادر Page refresh  باز شده می باشد. توضیحات مربوط به شماره ها را در زیر عکس می توانید مشاهده کنید:

Automatic Page Refresh slider – روشن یا خاموش کردن page refresh

Page refresh interval value – عدد مربوط به فاصله زمانی به روز رسانی

Page refresh interval unit – واحد زمانی مربوط به به روز رسانی

اکنون شما می توانید Page refresh را روشن کرده و Refresh duration را تعیین کنید. مقدار پیش فرض ۳۰ دقیقه می باشد, حداقل زمان برای Refresh interval یک ثانیه می باشد. گزارش شما در زمانی (Interval ) که شما تعیین کرده اید شروع به به روز رسانی میکند.

تعیین Page refresh interval

هنگامی که Automatic page refresh فعال است, power BI Desktop دائما Query هایی را به منبع DirectQuery شما ارسال می کند. بین زمان ارسال Query  و بازگشت دیتا تاخیری وجود دارد, بنابراین برای به روز رسانی در فواصل زمانی کوتاه, باید تایید کنید که Query  با موفقیت دیتا ها را براساس زمانبندی تعیین شده باز گردانده است. در صورتی که دیتا در فاصله زمانی تعیین شده باز نگردد,  موقعیتی را به وجود می آورید که المان ها به طور مرتب خیلی کند تر از برنامه زمان بندی شده به روز شوند.

به عنوان بهترین روش, فاصله به روز رسانی باید حداقل با نرخ ورود دیتای جدید مورد انتظار شما مطابقت داشته باشد:

در صورتی که دیتا هر ۲۰ دقیقه وارد Source می شود, در این صورت Refresh Interval (فاصله به روز رسانی) نمی تواند کمتر از ۲۰ دقیقه باشد.

در صورتی که دیتا هر ثانیه وارد شود, در این صورت interval باید برای هر یک ثانیه تعیین شود.برای فواصل به روز رسانی کوتاه مانند یک ثانیه, همچنین لازم است که نوع  Direct query data source , بارگذاری Query ها بر رروی آن و فاصله بینندگان گزارش از مرکز دیتا و غیره را در نظر بگیرید.می توانید این مورد را با استفاده از عملکرد Performance Analyzer in Power BI Desktop  که به شما این امکان را می دهد که تعیین کنید که هر کوئری زمان کافی برای بازگشت نتیجه از منبع را دارد, و اینکه زمان کجا صرف شده است, ارزیابی کنید. براساس نتیجه Performance Analyzer in Power BI Desktopا می توانید .

منبع داده را  تنظیم کنید و تغییر دهید, و یا میتوانید بوسیله المان های دیگر و مقادیر گزارشتان ارزیابی کنید.بهتر است بدانید که Query Editor در Power BI Desktop از منوی راست کلیک و همچنین نوار Ribbon بیشترین استفاده را می کند. بیشتر گزینه های موجود در قسمت Transform نوار Ribbon با راست کلیک کردن بر روی یک Item برای مثال یک ستون نیز قابل دسترسی می باشد.

تغییر شکل (سامان دادن به دیتا)

وقتی دیتا را در Query Editor تغییرمی دهید, یک دستورالعمل گام به گام را به وجود می آورید (که Query Editor برای شما انجام می دهد) تا داده ها را تنظیم کرده و ارائه دهید. منبع داده اصلی در این صورت تحت تاثیر قرار نمی گیرد و تنها در این نمای خاص دیتا تغییر میکند.

مراحلی که شما مشخص کرده اید( از قبیل تغییر نام یک جدول, تغییر در یک Data Type  و یا پاک کردن ستون ها) بوسیله Query Editor ثبت شده و هر زمان که این کوئری به پایگاه داده وصل شود, این مراحل بر روی دیتا اعمال می شود تا دیتا همیشه بر اساس آنچه شما مشخص کرده اید تغییر کند.این مراحل در هر جایی که شما از این Feature استفاده کنید و نیز برای هر کسی که از کوئری Share شده شما استفاده می کند برای مثال در Power BI Service انجام می شود.

این مراحل به صورت متوالی, در صفحه Query Settings در قسمت Applied Steps ثبت می شوند.

برای مثال در دیتای نمونه قصد انجام مراحل زیر را داریم.

برای شروع اجازه دهید یک Custom Column (ستون سفارشی ) را برای محاسبه رتبه کلیه داده ها ی با هم برابر محاسبه کنیم و این ستون را با رتبه موجود مقایسه کنیم.

برای این منظور در قسمت Query Editor گزینه Add Column را از Ribbon Bar انتخاب کرده و سپس دکمه Custom Column را کلیک می کنیم.

سپس در پنجره باز شده در قسمت New Column Name نام ستون جدید را اضافه می کنیم که در اینجا New Rank می باشد, و در قسمت Custom Column Formula از قسمت Available Columns ستون ها ی مورد نظر را انتخاب می کنیم و با زدن دکمه Insert به پنجره Custom Column Formula منتقل می کنیم.

از وضعیت No syntax errors have been detected   مطمئن شده و OK را کلیک کنید.برای یکسان نگه داشتن Data Type ها بر روی Header ستون راست کلیک کرده و گزینه Change Type  و سپس Whole Number را برای تغییر انتخاب کنید.

در صورتی که به بیش از یک ستون نیاز دارید, ابتدا یک ستون را انتخاب کرده ,Shift   را نگه داشته و سپس ستون های مجاور اضافی را انتخاب کنید و سپس بر روی Header  یک ستون راست کلیک کرده تا کلیه ستون های انتخاب شده را تغییر یابند. همچنین می توانید با استفاده ار دکمه CTRL نیز ستون ها ی مجاور اضافی  را انتخاب کنید.

همچنین میتوانید Data Type  ستون را از طریق دکمه Transform و انتخاب گزینه Data Type Text تغییر دهید. که به شما این امکان را می دهد که Data Type  جاری را به Data Typa دیگری تغییر دهید.توجه داشته باشید که کلیه مراحل انجام شده از ابتدا تا حالا در Applied Steps پنجره Query Settings منعکس شده است که نشان هر تعییر اعمال شده بر روی دیتا را نشان می دهد. در صورتی که بخواهید هر یک از مراحل را از فرایند تغییر در دیتا پاک کنید کافیست به سادگی علامت X سمت چپ هر یک از مراحل را کلیک کنید تا آن مرحله از فرایند تغییرات Remove  شود.

تصویر زیر Applied Steps مراحل را تا کنون منعکس می کند:

اتصال به Website  (Source), انتخاب جدول (Navigation), در حالی که جدول Load می شود, Query Editor به صورت خودکار ستون های عددی را از Data Type  , Text  به Whole Number  تغییر می دهد (Changed Type) , دو گام آخر اقدامات اخیر ما از قبیل Added Custom و Change Type 1 را نشان می دهد .

قبل از اینکه ما بتوانیم با این کوئری کار کنیم, نیاز داریم تغییرات کوچکی را در دیتا ایجاد کنیم:

تعیین رتبه با حذف کردن یک ستون, ما تصمیم گرفته ایم که ستون Cost Of Living عامل مهمی در نتایج ما نیست. بعد از حذف این ستون به این مسئله برخورد می کنیم که دیتا بدون تغییر باقی می ماند, هر چند که با استفاده از Power BI Desktop می توان آن را برطرف کرد, این یک ویژگی جالب از Applied Steps را در کوئری نشان می دهد.برطرف کردن چند خطا- از آنجایی که یک ستون را حذف کرده ایم, لازم است که محاسباتمان را در ستون New Rank تنظیم کنیم.این مسئله شامل تغییر فرمول می باشد.

توجه داشته باشید که مقادیر ستون New Rank تغییری نکردند, این به خاطر توالی انجام گام ها می باشد, از آنجایی که Query Editor گام ها را به صورت متوالی و در عین حال مستقل از یکدیگر ثبت می کند, شما می توانید  ترتیب توالی را به سمت بالا یا پایین تغییر دهید. تنها با کلیک راست کردن بر روی هر مرحله Query Editor برای شما منوی را فراهم می کند که به شما این امکان را می دهد موارد زیر را انجام دهید:  Rename, Delete, Delete Until End مرحله فعلی و تمام مراحل بعدی را حذف کنید Move Up, Move Down, پیش بروید و آخرین مرحله یعنی Removed Columns را به مرحله بالاتر گام Added Custom منتقل کنید.

سپس مرحله Added Custom  را انتخاب کنید. توجه داشته باشید که دیتا در ستون New Rank به صورت Error نشان داده شده است که باید مورد بررسی قرار گیرد.

راه های کمی وجود دارد برای اینکه بتوانیم اطلاعات بیشتری در باره هر Error بدست آوریم. میتوانید یک سلول را انتخاب کنید ( بدون کلیک کردن بر روی کلمه Error ), یا کلیک مستقیم بر روی Error. در صورتی که سلول را بدون کلیک مستقیم بر روی کلمه Error کلیک کنیم, Query Editor اطلاعاتی را در خصوص Error در پنجره پایین صفحه به نمایش می گذارد.در صورتی که مستقیا بر روی کلمه Error کلیک کنید Query , ,  Applied Step درQuery Settings Pane ایجاد می کند و اطلاعاتی را در خصوص Error نشان می دهد.برای رفع Error ها , ستون New Rank را انتخاب کرده, سپس فرمول ستون را با کلیک کردن بر روی گزینه View و انتخاب Formula bar نشان دهید.

سپس با زدن دکمه Enter دیتا جایگزین می شود و Error از بین می رود.همچنین شما می توانید با انتخاب گزینه Remove Error از نوار Ribbon و یا از منوی باز شده با کلیک راست Error ها را رفع کنید که در ایتصورت هر سطری که Error داشته باشد حذف می شود که در این مورد خاص در صورتی که به این روش عمل کنیم کل دیتا از ستون ما پاک می شود که ما نمی خواهیم این اتفاق بیفتد.این روزها شاهد رشد علاقمندی افراد و شرکتها به سرمایه گذاری در زمینه ارزهای دیجیتال هستیم .

حتما قبول دارید که برای سرمایه گذاری با کمترین میزان ریسک نیاز هست که در خصوص نحوه عملکرد و تحلیل سود زیان حوزه مربوطه بتوانیم به صورت تخصصی تحلیل نماییم.یقینا یکی از فناوریهای جدیدی که می تواند به تحلیل خیلی از حوزه های سرمایه گذاری کمک کند مانند سرمایه گذاری در خصوص ارزهای دیجتال می تواند کاربری هوش تجاری یا همان هوشمندی کسب و کار باشد.

شاید مجموع دلایل بیان شده در ادامه بتواند چرایی سرمایه گذاری در ارز دیجیتال و خصوصا استفاده از هوش تجاری یا Business intelligence را در خصوص تحلیل تکنیال آن توجیه نماید.گهگاهی پر رنگ شدن بعضی از معایب ارزهای دیجیتال مثل نوسان قیمت ، پرداخت غیرقابل برگشت ، ایمن نبدن صد در صدی بعضی از الگوریتهای ارزهای دیجیتال و مشکلات حقوقی و مالی که ممکن است در این نوع از سرمایه گذاری ایجاد شد، بازار این ارزها را دچار نوسان شدید و تنزل قیمت میکند.
این نقطه همان محلی است که هوش تجاری می تواند به کمک سرمایه گذار بیاید و با تحلیل های پیشگویانه(Technical Forecasting ) سرمایه او را نجات داده و در نقطه مناسب دیگری کمک به خرید مناسب نماید.

سیستم (Intelligence Business (BIراه حلی است که به یک شرکت کمک می کند تا اطلاعات مربوط به حوزه سرمایه گذاری خود را نظیر ارزهای دیجیتال جمع آوری کرده و روی آن پردازش، تحلیل، درنهایت هم بصری سازی وپیشبینی انجام شود. مراحل BI به یک کاربر ، مالک یا کارگزار ارز دیجیتال نظیر بیت کویت یا اتریوم و هر نوع ارز دیگر کمک می کند بهترین تصمیم ممکن برای به حداکثر رساندن سود و امنیت مالی خود بگیرد.

حالا چه اقداماتی در زمینه بکارگیری هوش تجاری در خصوص ارزهای دیجیتال می بایست انجام داد؟

بعضی از این  کارها دراین تحلیل می تواند به شرح ذیل باشد:

بکارگیری معیارهای گزارش دهی مناسب، نمایش داده با ابزارهای بصری سازی مثل Power BI، تجزیه و تحلیل عملیاتی و نظارت، مطالعات کمی ، داده کاوی ، مدل سازی داده ها، تجزیه و تحلیل داده های بزرگ ، آزمایش چند متغیره و بسیاری دیگر.مراحل عملیاتی استفاده از هوش تجاری در سرمایه گذاری در صنعت ارزهای دیجیتالی عبارت خواهد بود از :

جمع آوری الزامات گزارش دهی – این گامی است که طی آن با ذینفع صحبت می کنیم و مشخص کنید که نیازهای وی برای اطمینان از ساختار اطلاعات چیست.

تقسیم الزامات به حوزه های تجاری – این مرحله ای است که در آن تصمیم گرفته می شود که چگونه اطلاعات جمع آوری شوند و از چه منابعی و برای کدام تجارت مناطق.الزامات اولویت ها – این بخش از مرحله محدودیت های اطلاعاتی را تعیین کرده و باعث می شود خط زمانی بهتری برای روند کار داشته باشد.

جمع آوری و اعتبارسنجی داده ها – در این مرحله داده ها را جمع آوری می کنیم و سپس تعیین می کنیم که آیا اطلاعات جمع آوری شده از کفایت کمی و کیفی برخوردار است. اگر اطلاعات به این صورت نباشد باید به مرحله اولویت بندی برگردند.تجزیه و تحلیل – این مرحله ای است که در آن می توانیم اطلاعات را جمع کنیم و گزارش نهایی را تهیه کنیم که به مشتری تحویل داده می شود. این گزارش شامل کلیه اطلاعات مربوطه می باشد

ادر دسترس ما درباره نواحی مختلف جالب می باشد, و برای ایجاد آنالیز های بیشتر مفید می باشد. ولی یک مشکل وجود دارد : اکثر داده های موجود در آن از یک مخفف دو حرفی برای کدهای ناحیه استفاده کرده است و نه نام کامل, بنابراین ما به راهی نیاز داریم تا نامهای ایایالت ها را با نام های مختصرشان مرتبط کنیم.

سپس از نوار Home در Query Editor , New Source و سپس گزینه Web  را انتخاب می کنیم و آدرس سایت مورد نظر را که حاوی این اطلاعات می باشد را وارد کرده و سپس Connect را کلیک می کنیم, در این مرحله در قسمت Navigator آنچه در Page مورد نظر یافت می شود نشان داده می شود که از بین این موارد ما Codes and abbreviations  را انتخاب می کنیم که حاوی دیتای مورد نظر ما می باشد.

فرایندهای داده کاوی

داده کاوی یک فن آوری  نسبتا جدید است. داده کاوی به عنوان فرآیند کشف دانش با تحلیل داده های بزرگ که در پایگاه های داده یا انبار داده ذخیره می شود می باشد. با استفاده از تکنیک های مختلف داده کاوی مانند یادگیری ماشین، هوش مصنوعی و آماری، تعریف می شود.

بسیاری از سازمان ها در صنایع مختلف از مزایای استفاده از داده کاوی از جمله تولید، بازاریابی، پتروشیمی، هوا فضا و غیره بهره می برند تا کارآیی کسب و کارشان را افزایش دهند. بنابراین، نیاز ها برای ایجاد یک فرایند داده کاوی استاندارد افزایش یافت. فرآیند داده کاوی باید  قابل اطمینان و تکرار پذیر باشد و همچنین ساده تا افرادی با کوچکترین دانش در زمینه داده کاوی بتوانند از آن استفاده کنند. در نتیجه، در سال ۱۹۹۰، یک فرآیند استاندارد  صنعت داده کاوی (CRISP-DM) اپس از گذراندن بسیاری از کارگاه ها و کمک های بیش از ۳۰۰ سازمان، منتشر شد.

بیایید فرایند استاندارد صنعت داده کاوی را با جزئیات بیشتری بررسی کنیم.

فرایند استاندارد متقابل صنعت معدن داده  (CRISP-DM) شامل شش مرحله است که به عنوان فرایند چرخه ای به عنوان شکل زیر ذکر شده است:

فهم کسب و کار

در فاز درک کسب و کار:

ابتدا لازم است که اهداف کسب و کار را به وضوح درک کنید و نیازهای کسب و کار را بیابید.بعدا باید با پیدا کردن منابع، پیش فرض ها، محدودیت ها و سایر عوامل مهم که باید در نظر گرفته شود، وضعیت فعلی را ارزیابی کنیم.پس ازااهداف کسب و کار و شرایط فعلی، ما باید اهداف داده کاوی را برای رسیدن به اهداف تجاری در وضعیت فعلی ایجاد کنیم.

در نهایت، یک برنامه ریزی داده کاوی خوب باید برای دستیابی به اهداف کسب و کار و داده های استخراج شده ایجاد شود. این طرح باید دقیق باشد.

درک اطلاعات

ابتدا فاز درک اطلاعات با جمع آوری داده های اولیه شروع می شود که از منابع داده موجود ب

ه دست می آید و به ما کمک می کند با داده ها آشنا شویم. برخی از فعالیت های مهم باید شامل بارگیری داده ها و ادغام داده ها به منظور جمع آوری داده ها با موفقیت انجام شود.

بعد، خصوصیات “ناخوشایند” یا “سطح” داده های به دست آمده باید با دقت مورد بررسی قرار گیرد و گزارش شود.

سپس، داده ها باید با بررسی سوالات داده کاوی مورد بررسی قرار گیرند، که می تواند با استفاده از query، گزارش دهی و تجسم بررسی شوند.

در نهایت کیفیت داده باید با پاسخ دادن به برخی از سوالات مهم مانند “آیا داده های به دست آمده کامل شده است”، “آیا داده های غلط در داده های به دست آمده وجود دارد؟”

تهیه داده ها

آماده سازی داده ها معمولا حدود ۹۰٪ زمان پروژه را مصرف می کند. نتیجه مرحله آماده سازی داده ها مجموعه داده نهایی است. هنگامی که منابع داده های موجود شناسایی می شوند، باید آنها را انتخاب، تمیز، ساخت و فرمت شده به فرم مورد نظر. وظیفه اکتشاف داده ها در عمق بیشتری ممکن است در طی این مرحله انجام شود تا الگوهای مبتنی بر درک کسب و کار را متوجه شوند.

مدل سازی

اول، تکنیک های مدل سازی باید انتخاب شوند که برای مجموعه داده آماده استفاده شوند.بعد، سناریو تست باید برای اعتبار کیفیت و اعتبار مدل ایجاد شود.سپس، با استفاده از ابزار مدل سازی در مجموعه داده آماده، یک یا چند مدل ایجاد می شود.در نهایت، مدل ها باید با دقت با توجه به ذینفعان بررسی شوند تا اطمینان حاصل شود که مدل های ایجاد شده با ابتکارات تجاری ملاقات می شود.

ارزیابی

در مرحله ارزیابی، نتایج مدل باید در زمینه اهداف کسب و کار در مرحله اول مورد ارزیابی قرار گیرد. در این مرحله، الزامات جدید کسب و کار ممکن است با توجه به الگوهای جدید که در نتیجه مدل یا سایر عوامل کشف شده است مطرح شود. درک کسب و کار، یک فرآیند تکراری در داده کاوی است. در این مرحله بایستی تصمیم بگیرید که بروید یا نه بروید تا به مرحله ی استقرار بروید.

گسترش

دانش یا اطلاعاتی که ما از طریق فرایند داده کاوی به دست می آوریم، باید به گونه ای ارائه شود که ذینفعان بتوانند از آن هنگام استفاده کنند. بر اساس الزامات کسب و کار، مرحله استقرار می تواند به همان اندازه ایجاد یک گزارش یا به عنوان پیچیده ای به عنوان فرآیند پردازش داده های تکراری در سراسر سازمان باشد. در مرحله استقرار، برنامه ریزی برای استقرار، نگهداری و نظارت باید برای پیاده سازی و همچنین حمایت های آینده ایجاد شود.

از دیدگاه پروژه، گزارش نهایی پروژه نیاز به خلاصه کردن تجارب پروژه و بررسی پروژه برای دیدن آنچه که نیاز به بهبود درس های یاد شده ایجاد شده است.

CRISP-DM چارچوب یکسانی برای مستند سازی و راهنمایی تجربه ارائه می دهد. علاوه بر این، CRISP-DM می تواند در صنایع مختلف با انواع داده های مختلف اعمال شود.در این آموزش، شما در مورد فرایندهای داده کاوی یاد گرفته اید و فرایند استاندارد متقابل صنعت را برای معدن داده بررسی کرده اید.

همانطور که در مقاله قبل درباره Power BI و هوش تجاری صحبت کردیم، با رشد فناوری و استفاده از ابزارهای هوش تجاری در تصمیم‌سازی سازمانی، اگر درست به منافع سازمان خود فکر کنیم درمی‌یابیم زمان آن رسیده که به جای استفاده از صفحات گسترده برای ارسال اطلاعات، از ابزارهای جدید و قدرتمند مایکروسافت یعنی power BI استفاده کنیم. در واقع Microsoft Power BI  داده‌های حجیم و بزرگ (Big Data) را به جلوه‌های بصری قدرتمند و قابل درک تبدیل می‌کند.

این موضوع تصمیم‌سازی و تصمیم‌گیری را در تمامی سطوح سازمانی بهبود می‌بخشد اما فقط داشتن داده بزرگ (Big Data) نمی‌تواند تنها دلیل استفاده از power BI باشد. در این جا ۴ دلیل و مزیت power BI را برایتان ذکر می کنیم.

 سازگاری Power BI با تعداد زیادی از محصولات مایکروسافت

Power BI طوری طراحی شده تا بتواند با سایر محصولات مایکروسافت هم سازگار  شود مثلا با Share Point ،SQL و…علاوه بر این Power BI می‌تواند بصورت موازی به بیش از ۶۰ نرم افزار پر کاربرد مایکروسافت متصل شود و بصورت کاملاً متمرکز و با بکارگیری داشبوردها، مسائل را قابل درک و تصمیم‌گیری را دقیق‌تر نماید. به‌عنوان مثال می‌توانیم نرم‌افزارهای زیر را ادغام کنیم:

تا زمانی‌که Power BI از مدل‌سازی داده استفاده نکند کاربر نمی‌تواند با ابزارهایی که در اختیار دارد به مدل‌سازی داده بپردازد. این موضوع به این معنی است که داده‌ها را می‌توان بطور مستقیم از Cloud و سیستم‌های هیبرید (بستگی به نرم افزاری مورد استفاده ما دارد.) استخراج کرد. (بدون نیاز به export/import داده بصورت دستی)

تفاوت OLAP و OLTP چیست؟

اشتراکOLTP چیست؟

پردازش تراکنش های آنلاین با عنوان OLTP شناخته می شود از برنامه های معامله گرا در معماری ۳ لایه پشتیبانی می کند. OLTP تراکنش روزانه یک سازمان را انجام می دهد.هدف اصلی پردازش داده ها است و نه تجزیه و تحلیل داده ها

سیستم پردازش تراکنش آنلاین(OLTP) 

توسط تعداد زیادی از تراکنش های کوتاه آنلاین (افزودن، بروز رسانی، حذف) مشخص شده است. تاکید اصلی برای سیستم های OLTP بر روی اعمال فرآیند های پرس و جوی سریع، حفظ کامل داده ها در محیط های دارای دسترسی های متفاوت و میزان موفقیت که بر طبق تعداد تراکنش ها در ثانیه اندازه گیری می شود، می باشد. داده ها در پایگاه داده OLTP بصورت جامع و به روز می باشند

OLAP چیست؟

پردازش تحلیلی آنلاین ، دسته ای از ابزارهای نرم افزاری که تجزیه و تحلیل داده ها را برای تصمیمات تجاری ارائه می دهند. سیستم های OLAP به کاربران این امکان را می دهد تا اطلاعات پایگاه داده را از چندین سیستم پایگاه داده به طور همزمان تجزیه و تحلیل کنند.هدف اصلی تجزیه و تحلیل داده ها است و نه پردازش داده ها.

سیستم های پردازش تحلیلی آنلاین (OLAP)

توسط حجم تقریبا کمی از تراکنش ها مشخص می شود. کوئری ها اغلب بسیار پیچیده و انبوه می باشند. باید توجه داشت که برای سیستم های OLAP، زمان پاسخ، معیار مناسبی است. اپلیکیشن های OLAP بطور گسترده توسط تکنیک های داده کاوی استفاده می شوند. در پایگاه داده ها OLAP داده های قبلی جمع آوری شده و در طرح های چند بعدی ذخیره می شوند (معمولا طرح ستاره می باشد).

به روز رسانی ماه اکتبر نرم افزار  Power BI شامل تغییرات زیادی در کل محصول می باشد. در قسمت آماده سازی دیتا, Query Diagnostics معرفی شده است که به شما این امکان را می دهد که, Query هایی که در پشت صحنه اجرا می شوند را ببینید.

در قسمت Report, از طریق ویژگی جدید Automatic Page Refresh قدم های بزرگی در جهت تهیه گزارشات در زمان واقعی (Real Time)برداشته شده است, این ویژگی این امکان را فراهم می کند که در گزارشات مستقر در Direct Query در فواصل زمانی منظم, دیتا را به روز رسانی کنید. Q&A نیز به صورت کامل با المان جدید Q&A و ابزارهای جدید در این ماه کاملا بازسازی شده است.رای منابع داده ای که با سرعت به روز رسانی می شوند, این تجربه نزدیک بودن گزارش به زمان واقعی به کاربران این امکان را می دهد, تا گزارشات حساس به زمان را رصد کرده و از این اطمینان را داشته باشند که آخرین تغییرات را مشاهده می کنند.

برای استفاده از Automatic page refresh  ابتدا باید آن را در Options فعال کنید.

بعد از فعال کردن این گزینه هنگامی که به یک منبع DirectQuery متصل می شوید در  Formatting Pane گزینه Page refresh را می توانید مشاهده کنید, که امکان تعیین زمان برای به روز رسانی را در قسمت Duration برای شما فراهم می کند.در Power Bi Desktop, شما می توانید این برنامه زمان بندی را یکبار در هر ثانیه تعیین کنید, با این فرض که منبع داده DQ شما می تواند این کار را انجام بدهد. در Power BI Service , حداقل زمان به روز رسانی برای یک فضای کاری معمولی ۳۰ دقیقه می باشد, بنابراین پس از انتشار گزارش, در صورتی که زمان باقی مانده کمتر از ۳۰ دقیقه باشد, برنامه زمانبندی دوباره نوشته خواهد شد.

در صورتی که فضای کاری شما نسخه Premium باشد, برنامه زمان بندی می تواند به حداقل تعیین شده توسط مدیر برسد و فقط در صورتی کار میکند که مدیر (APR)Automatic page refresh را فعال کند.

برای فعال کردن این ویژگی لازم است که از مسیر زیر ابتدا APR را فعال کنید:

File>Options and settings>Options>Preview features>Automatic page refresh

Automatic page refresh تنها برای منابع DirectQuery در دسترس می باشد.

برای استفاده از Automatic page refresh, Report page را برای Page که می خواهیم به روز رسانی را در آن فعال کنیم را انتخاب می کنیم. در Visualization pane, بر روی Formatting icon کلیک کرده و گزینه Page refresh را در قسمت پایین نوار باز شده پیدا کنید.تصویر زیر مربوط به کادر Page refresh  باز شده می باشد. توضیحات مربوط به شماره ها را در زیر عکس می توانید مشاهده کنید:

Automatic Page Refresh slider – روشن یا خاموش کردن page refresh

Page refresh interval value – عدد مربوط به فاصله زمانی به روز رسانی

Page refresh interval unit – واحد زمانی مربوط به به روز رسانی

اکنون شما می توانید Page refresh را روشن کرده و Refresh duration را تعیین کنید. مقدار پیش فرض ۳۰ دقیقه می باشد, حداقل زمان برای Refresh interval یک ثانیه می باشد. گزارش شما در زمانی (Interval ) که شما تعیین کرده اید شروع به به روز رسانی میکند.

تعیین Page refresh interval

هنگامی که Automatic page refresh فعال است, power BI Desktop دائما Query هایی را به منبع DirectQuery شما ارسال می کند. بین زمان ارسال Query  و بازگشت دیتا تاخیری وجود دارد, بنابراین برای به روز رسانی در فواصل زمانی کوتاه, باید تایید کنید که Query  با موفقیت دیتا ها را براساس زمانبندی تعیین شده باز گردانده است. در صورتی که دیتا در فاصله زمانی تعیین شده باز نگردد,  موقعیتی را به وجود می آورید که المان ها به طور مرتب خیلی کند .

تر از برنامه زمان بندی شده به روز شوند.به عنوان بهترین روش, فاصله به روز رسانی باید حداقل با نرخ ورود دیتای جدید مورد انتظار شما مطابقت داشته باشد:

در صورتی که دیتا هر ۲۰ دقیقه وارد Source می شود, در این صورت Refresh Interval (فاصله به روز رسانی) نمی تواند کمتر از ۲۰ دقیقه باشد.

در صورتی که دیتا هر ثانیه وارد شود, در این صورت interval باید برای هر یک ثانیه تعیین شود.

برای فواصل به روز رسانی کوتاه مانند یک ثانیه, همچنین لازم است که نوع  Direct query data source , بارگذاری Query ها بر رروی آن و فاصله بینندگان گزارش از مرکز دیتا و غیره را در نظر بگیرید.

می توانید این مورد را با استفاده از عملکرد Performance Analyzer in Power BI Desktop  که به شما این امکان را می دهد که تعیین کنید که هر کوئری زمان کافی برای بازگشت نتیجه از منبع را دارد, و اینکه زمان کجا صرف شده است, ارزیابی کنید. براساس نتیجه Performance Analyzer in Power BI Desktopا می توانید منبع داده را  تنظیم کنید و تغییر دهید, و یا میتوانید بوسیله المان های دیگر و مقادیر گزارشتان ارزیابی کنید.

تصویر زیر نتایج DirectQuery را در Performance Analyzer نشان می دهد:

در آخرین نسخه پاور بی ای دسکتاپ (Power BI Desktop) چه تغییرات مهمی رخ داده است؟

آخرین تغییرات پاور بی ای دسکتاپ تا لحظه نگارش این مقاله ۲۵ فروردین ۹۷ به بروز رسانی تاریخ April 2018 Update (2.57.5068.501) بر میگردد.اگر نیاز به نصب این نسخه دارید می توانید آن را از این لینک دانلود و نصب کنید:

البته اگر از سیستم عامل ویندوز ۱۰ استفاده می کنید این امکان وجود دارد که آن را از Windows Store تهیه و نصب کنید.رویکرد توسعه ای واحد هوش تجاری و BI شرکت مایکروسافت بر این هست که با سرعت زیاد زمان بلوغ نرم افزار Power BI را طی کنند.

و از آن بعنوان یک محصول رقابتی با دیگر محصولات پیاده سازی داشبوردهای هوش تجاری استفاده کنند. البته نسخه های انتشار داده شده و همچنین امکاناتی که در هر ویرایش به آن اضافه می شود این موضوع را تایید میکند.

تغییرات انجام شده در این نسخه از بروز رسانی به شرح ذیل هست:

این تغییرات در بخش عمده انجام شده است:

در بخش Reporting

در بخش Analytics

در بخش Custom visuals

در بخش Data connectivity

در بخش Reporting تغییرات زیر بروز رسانی شده است.

قسمت Q&A بروز رسانی شده و نحوه جستجو تغییراتی کرده است.

Buttons to trigger actions. اضافه شده است.

Combo chart line styles اضافه شده است.

مرتب سازی پیش فرض برای تصاویری بهبود یافته است.

Numeric slicer اضافه شده است

در بخش Analytics

تابع جدیدی در  DAXبه نام COMBINEVALUES() به این بخش اضافه شده است

در بخش  Custom visuals  بصری سازهای متنوعی اضافه شده است.

Organizational visuals

 Data connectivity

امکان دریافت داده از دیتا ستهای جدیدی نظیر :

Adobe Analytics، SAP HANA، Dynamics 365 Business Central

پشتیبانی از Heat Map در نسخه مارس ۲۰۱۹ Power Bi Desktop

یکی از ویژگی های اضافه شده در نسخه ماه مارس Power BI پشتیبانی از Heat Map برای نقشه های Bing می باشد.برای این منظور کافی است در Format Pane گزینه Heat Map  را فعال کنید.هنگامی که این گزینه روی نقشه فعال شود به صورت خودکار تمامی نقاط روی نقشه با Heat Map Layer جایگزین می شوند.

در صورتی که هیچ دیتایی در قسمت Size وارد نکرده باشید, سنجش براساس تعداد نقاط موجود در فضا انجام می شود, و در صورت داشتن دیتا در Size , نتایج براساس این سنجه نیز تغییر می کند.در صورت باز کردن heat map formatting card  تعدادی گزینه نیز جهت انجام تنظیمات , radius units  و  transparencyمشاهده می کنید که می توانید جهت انجام تغییرات از آنها استفاده کنید.در طول استفاده از Heat Map نمیتوانید نقطه خاصی را انتخاب کنید و یا Tooltip را بر روی نقشه مشاهده کنید.

به روز رسانی ویژگی های Map

در صورتی که اندازه حباب های نمایش داده شده روی نقشه خیلی بزرگ است، می توانید اندازه حباب ها را از طریق گزینه Size موجود در قسمت Bubbles نوار Format کوچکتر کنید.

 قرار دادن کلید Zoom بر روی نقشه

یکی دیگر از ویژگی های Map در نسخه جدید Power Bi  امکان قرار دادن دکمه Zoom بر روی نقشه است که کار ما را برای بزرگنمایی نقشه راحت تر می کند, به ویژه زمانی که به Mouse دسترسی ندارید و تنها با Scroll کردن نقشه را بزرگنمایی می کنید.برای این منظور کافی است در قسمت Map Controls نوار Format گزینه Zoom Buttons را فعال کنید.

استفاده از Cross-highlight در PowerBI

در نسخه ماه مارس Power BI این امکان ایجاد شده است که از Label های موجود بر روی محورها  جهت  cross-highlight استفاده کنید,این ویژگی به ویژه زمانی که دسته بندی نمودار خیلی ریز است و انتخاب یک نقطه دشوار, خیلی مفید می باشد.کاربرد دیگر آن زمانی است که یک تقسیم بندی توسط ویژگی دیگری به عنوان legend  شکسته شده باشد. این ویژگی این امکان را به شما می دهد که همه دیتا را با یک Click انتخاب کنید. هنگامی که از طریق Label , cross-highlight  می کنید Label انتخاب شده Bold می شود.

تغییر ویژگی های  Default Tooltip

ویژگی دیگر نسخه مارس Power Bi  امکان Format ویژگی های Default Tooltip  می باشد, به این ترتیب شما می توانید Tooltip پیش فرض هر نمودار را در گزارش خود تغییر دهید.شما می توانید رنگ ها, فونت ها,  transparency و هر گزینه ای را که در قسمت Tooltip نوار Format مشاهده می کنید از قبیل رنگ پس زمینه و Text Size را به دلخواه خود تغییر دهید.جهت استفاده راحتر از این امکان در کل گزارش شما می توانید فایل Jason مربوط به Tooltip Theme را دانلود کرده و از طریق گزینه Switch Theme آن را Import کنید

.نمونه یک فایل Jason را در تصویر زیر مشاهده می کنید.که پس از Import می توانید از آن جهت ایجاد تم دلخواهتان استفاده کنید.

پشتیبانی از Static Web URL  از طریق شکل ها, عکس ها و دکمه ها از دیگر ویژگی های اضافه شده در نسخه مارس امکان Link کردن یک website خاص از طریق یک عکس, شکل ویا یک دکمه می باشد.

برای این منظور کافی است ابتدا عکس یا شکل و یا دکمه مورد نظر خود را وارد کنید, سپس گزینه Web URL را در قسمت Type گزینه Action , formatting pane انتخاب کنید. و URL مورد نظر را در قسمت Web URL ,Paste کنید.

به محض کلیک کردن بر روی دکمه Ctrl و کلیک بر روی دکمه, شکل و یا عکس مورد نظر, به صورت خودکار به آدرس URL مربوطه برده می شوید. در Power Bi Services لازم هست که Tab جدیدی برای سایت باز شود.

ویژگی های Page Alignment

امکان دیگر نسخه مارس, امکان تنظیم صفحه گزارش از بالا به جای مرکز صفحه می باشد.

برای فعال کردن این امکان لازم است از مسیر زیر عمل کنید:

File>Option and Settings>Options>Report Settings>Canvas Alignment>Align the canvas to the top of the wallpaper

پس از فعال کردن این گزینه و یک بار باز و بسته کردن برنامه Power Bi Desktop امکان تنظیم صفحه گزارش از بالا به جای مرکز فراهم می شود.

اموزش طراحی داشبورد در پاور بی آی

برنامه‌های کاربردی  Power BI، در تلفن همراه امکان تجزیه و تحلیل داده‌ها را فراهم می‌کند.

اکثر گروه‌های کسب‌و‌کار در مایکروسافت از Power BI برای ایجاد بینش و تصمیم‌گیری مبتنی بر داده‌ها استفاده می‌کنند. برای حفظ سرعت کسب و کار و نیروی کار که همیشه در حال تغییر می‌باشند. داده‌های تعاملی پاور بی‌آی باید برای مشاهده و به اشتراک‌گذاری از هر دستگاه، در هر زمان و در هر کجا که هستند در دسترس باشند. برای گسترش قابلیت‌های مصورسازی Power BI و بهبود تجربه کاربر، تیم BI در مایکروسافت راه‌کارهای نوآورانه‌ای برای دستگاه‌های  Android ،Ios  و Windows ارائه داده‌اند که به صورت داشبوردی بهینه شده و گزارش‌هایی را ارائه می‌هند.

برگزاری دوره طراحی داشبورد های مدیریتی با به کارگیری Power BI

همانطور که در مقاله قبل درباره Power BI و هوش تجاری صحبت کردیم، با رشد فناوری و استفاده از ابزارهای هوش تجاری در تصمیم‌سازی سازمانی، اگر درست به منافع سازمان خود فکر کنیم درمی‌یابیم زمان آن رسیده که به جای استفاده از صفحات گسترده برای ارسال اطلاعات، از ابزارهای جدید و قدرتمند مایکروسافت یعنی power BI استفاده کنیم.

در واقع Microsoft Power BI  داده‌های حجیم و بزرگ (Big Data) را به جلوه‌های بصری قدرتمند و قابل درک تبدیل می‌کند.

این موضوع تصمیم‌سازی و تصمیم‌گیری را در تمامی سطوح سازمانی بهبود می‌بخشد اما فقط داشتن داده بزرگ (Big Data) نمی‌تواند تنها دلیل استفاده از power BI باشد. در این جا ۴ دلیل و مزیت power BI را برایتان ذکر می کنیم.Power BI طوری طراحی شده تا بتواند.

با سایر محصولات مایکروسافت هم سازگار  شود مثلا با Share Point ،SQL و…علاوه بر این Power BI می‌تواند بصورت موازی به بیش از ۶۰ نرم افزار پر کاربرد مایکروسافت متصل شود و بصورت کاملاً متمرکز و با بکارگیری داشبوردها، مسائل را قابل درک و تصمیم‌گیری را دقیق‌تر نماید. به‌عنوان مثال می‌توانیم نرم‌افزارهای زیر را ادغام کنیم:

تا زمانی‌که Power BI از مدل‌سازی داده استفاده نکند کاربر نمی‌تواند با ابزارهایی که در اختیار دارد به مدل‌سازی داده بپردازد. این موضوع به این معنی است که داده‌ها را می‌توان بطور مستقیم از Cloud و سیستم‌های هیبرید (بستگی به نرم افزاری مورد استفاده ما دارد.) استخراج کرد. (بدون نیاز به export/import داده بصورت دستی)

 کنترل و دسترسی و امنیت قوی

همان‌طور که شما از طریق اکتیو دایرکتوری می‌توانید منابع سیستمی خودتان را کنترل کنید، با استفاده از Power BI نیز شما می‌توانید، فایل‌های مورد نظر را در سازمان یا در فضا ابری به اشتراک گذاشته و با سطوح دسترسی مناسب مدیریت نمایید.

اما چه چیزی Power bi را به جهت سطح امنیتی متفاوت می‌کند؟

شما با استفاده از امکانات Power BI می‌توانید به کاربران و تیم خودتان در سطوح مختلف دسترسی بدهید و براحتی آن را لغو کنید.برای مثال شما با بکارگیری Power BI می‌توانید به راحتی به اعضا تیم خودتان اجازه بدهید که به سطر یا ستون خاصی از داده بصورت گزارش دسترسی داشته باشند. کافی است در قسمت کنترل دسترسی قاعده زیر را پیاده کنید:

“Only show ali from accounting rows 6-10 “

و به راحتی میتوانید کنترل‌های خاصی را با استفاده از امکانات filtering روی گزارش‌ها اعمال کنید و این نوع فیلتر کردن راحت و کم هزینه وهمین‌طور بسیار کارآمد خواهد بود مثلا اگر شما در یک شرکت کار می‌کنید که در سطح کشوری فعالیت می‌کند، مدیر فروش نمایندگی تهران نیازی نیست به مدیران فروش نمایندگی اصفهان دسترسی داشته باشد.یکی از نکات امنیتی دیگر  Power BI این است که کاربران می‌توانند.

بدون نیاز به دسترسی به فایل اصلی پایگاه‌داده به محتوا دسترسی داشته باشند و بدین ترتیب به طراحی چارت‌ها و گراف‌ها بپردازند و با این روش امکان دستکاری داده‌ها از آن‌ها گرفته می‌شود و همین موضوع باعث می‌شود خطای انسانی برروی داده‌ها صورت نگیرد.یکی از بهترین فواید Power BI یادگیری آسان آن است. عملا یادگیری آن تخصص خاصی نیاز ندارد و ساده‌ترین کاربران مایکروسافت تا کاربران خبره، بسته به سطح نیاز می‌توانند از مدل‌سازی داده به‌واسطه Power BI استفاده کنند.

و به‌راحتی به کاربران اجازه داده می‌شود که بتوانند داده‌های خودشان را به محیط‌های دیگری مثل Excel ارسال کنند.Power BI مجموعه ای از ابزارهای تجزیه و تحلیل کسب و کار است که سبب می شود افراد درون سازمان دید مناسبی نسبت به سازمان، پیدا کنند. از این طریق به صدها منبع داده، ساده سازی و آماده سازی داده ها و تجزیه و تحلیل درایوها دست پیدا می کنید؛ گزارشات زیبایی تهیه خواهید کرد.

و سپس آن ها را در کل سازمان انتشار خواهید داد؛ از این طریق وب و تمامی دستگاه های موبایل از این داده ها و اطلاعات استفاده می کنند. هر شخصی به راحتی می تواند یک داشبورد شخصی با مشخصات منحصر به فرد برای کسب و کار خود ایجاد کند و این داشبورد، قابلیت گستردگی در سراسر شرکت را خواهد داشت و البته می تواند با امنیت لازم ایجاد گردد.

اگر شما یک تحلیلگر داده ای هستید که گزارش و تجزیه و تحلیل خود را به سازمان خود ارائه می کند، Power BI  به شما اجازه می دهد با آنچه که از طریق آن می سازید مولد و خلاق باشید. Power BI  دکستاپ، ابزاری قدرتمند برای ارائه گزارشات است. داده ها را از پایگاه داده مختلف، فایل ها و خدمات وب با ابزارهای بصری ترکیب کنید تا به شما کمک کند، به طور خودکار، کیفیت داده ها و قالب بندی را درک کنید.

با بیش از ۲۰ تصویر داخلی ساخته شده و مجموعه ای از بصری سازی، گزارش های خیره کننده ای ایجاد کنید که پیام شما را به طور موثر منتقل نماید. با سرویس Power BI، گزارشات عمومی به صورت امن به سازمان شما منتشر شده و تنظیم مجدد اطلاعات به طور خودکار صورت خواهد گرفت؛ بنابراین هر کس آخرین اطلاعات را خواهد داشت.

پاور بی آی – داده‌ های حجیم

Power BI می تواند تمامی داده های سازمان را، چه در فضای ابری و چه در محل، به صورت یکجا جمع آوری کند. با استفاده از Power BI، شما می توانید پایگاه های داده SQL Server، مدل خدمات تجزیه و تحلیل و بسیاری از منابع داده ای دیگر را به داشبورد خود در Power BI متصل کنید. اگر شما قبلا پورتال ها یا برنامه ها را گزارش کرده اید، گزارش های Power BI و داشبورد را برای تجربه ی یکپارچه سازی داده ها یکجا داشته باشید.

ویژگی های اصلی Power BI

پشتیبانی از راه اندازی ترکیبی – این ویژگی اتصالات داخلی، به کاربران اجازه می دهد که از ابزارهای قدرت، برای اتصال با تعدادی زیادی از منابع داده ای مختلف شرکت های مایکروسافت، Salesforce  و دیگر فروشندگان، بهره ببرند.دید سریع – این ویژگی به کاربران اجازه می دهد تا زیر مجموعه ای از داده ها را ایجاد کنند و به طور خودکار به تجزیه و تحلیل آن اطلاعات بپردازند.یکپارچه سازی Cortana – این ویژگی به ویژه در دستگاه های تلفن همراه به محبوبیت زیادی رسیده و به کاربران این اجازه را می دهد با استفاده از زبان طبیعی و دسترسی به نتایج با استفاده ازCortana، دستیار دیجیتال مایکروسافت، به صورت صوری به داده های پرسشی دست یابند.

سفارشی سازی – این ویژگی به توسعه دهندگان اجازه می دهد تا ظاهر پیش فرض و ابزار گزارش دهی را تغییر دهند و ابزارهای جدید را به پلت فرم وارد کنند.

 API ها برای یکپارچه سازی – این ویژگی به توسعه دهندگان این قابلیت را می دهد که از طریق کد و API ها داشبورد Power BI را در سایر محصولات نرم افزاری جاسازی نمایند.

روش های مورد استفاده در Power BI

در هر راهکار هوش تجاری ای که برای سازمان ارائه می شود، افراد مختلفی در بخش های مختلف درگیر می شوند. این افراد باید از نرم افزارهای کاربردی و تکنولوژی های مختلف در مراحل مختلف شامل جمع آوری، ذخیره سازی و تجزیه و تحلیل اطلاعات و ارائه نتایج به دست آمده، استفاده کنند. برای این منظور، ابزارهای مختلفی توسط شرکت های مختلف تهیه شده اند. ابزارهای Power BI نرم افزارهای کاربردی هستند .

که برای فرآیندهای موجود در هوش تجاری طراحی شده اند و با آنها می توان اطلاعات را مورد تجزیه و تحلیل قرار داد و آنها را به صورت مناسبی ارائه کرد.در مراحل مختلف BI با توجه به عملیات مورد نظر در آن مرحله از تکنیک های مختلفی استفاده می شود که در ادامه به بیان آنها خواهیم پرداخت. لازم به ذکر است ابزار طراحی شده نیز بر مبنای این تکنیک ها هستند.

ابزارها و تکنیک ها در سطوح مختلفی قرار می گیرند به گونه ای که سطوح پایین تر خود، ابزارها و تکنیک های سطوح بالاتر محسوب می شود. می توان گفت برخی از تکنیک ها به صورت افقی و برخی به صورت عمودی در هوش تجاری مورد استفاده قرار می گیرند. تکنیک های افقی تکنیک هایی هستند که در اکثر بخش ها و اجزای هوش تجاری مورد استفاده قرار می گیرند. مانند OLAP، پردازش های هوشمند، داده کاوی، سیستم های خبره و… تکنیک های عمودی تکنیک هایی هستند که با استفاده از برخی تکنیک های افقی و برخی تکنیک های خاص در حوزه خاصی از فرایند تجاری سازمان کارایی دارند.

از این رو تکنیک های افقی نیازمند دقت بیشتری در پیاده سازی و گسترش هستند به طوری که بتوانند با اجزای مختلف در چارچوب های مختلف در رابطه باشند. پیاده سازی این اجزا بر اساس استانداردهای خوب یکی از چالش های مهم در رابطه با هوش تجاری است.می توان در معماری هوش تجاری برای سازمان، این دو بخش را از همدیگر جدا کرد و هوش تجاری را سبدی از جنس ابزارهای افقی دانست که هر ابزار عمودی را می توان در آن قرار داد. ایجاد یک معماری افقی ثابت برای یک سازمان، رشد هوش تجاری در آینده را ضمانت می کند.

طی فرآیند ETL داده‌­ها از منابع اطلاعاتی مورد نیاز موجود در سازمان یا خارج از آن مانند، پایگا‌‌‌‌ه‌­های داده، فایل‌های متنی، سیستم­‌های قدیمی و صفحات گسترده استخراج شده و تبدیل به اطلاعاتی سازگار با فرمت معین می­شوند و سپس در یک مخزن اطلاعاتی که در اغلب اوقات یک DWH است، قرار داده می­‌شوند. برای انجام ETL نیاز به تخصص‌­های مختلفی چون تجزیه و تحلیل تجاری، طراحی پایگاه داده و برنامه‌­نویسی وجود دارد.

پیش از انجام فرآیند ETL ابتدا باید منابع اطلاعاتی که قرار است داده­‌های آنها به DWH منتقل شوند، شناسایی شوند، مقصد آنها در DWH مشخص شوند و تبدیلاتی که باید بر آنها انجام شود تا وارد DWH شوند، تعیین شوند. نحوه نگاشت اطلاعات به صورت اولیه، باید در مرحله جمع‌­آوری نیازها و مدل­‌سازی اطلاعات انجام شود. اطلاعات جزیی تر مربوط به نحوه نگاشت داده ها از منابع اطلاعاتی اولیه به DWH در مرحله طراحی و پیاده­سازی ETL مشخص می‌­شود.

شناسایی منابع اطلاعاتی

تعیین مقصد داده‌­ها:برای تمامی اطلاعات موجود در منابع اطلاعاتی شناسایی شده باید مکانی در DWH در نظر گرفته شود. داده های اطلاعاتی در قسمت‌­های مختلف DWH قرار می­گیرند.نگاشت داده‌­های اطلاعاتی از مبدأ به مقصد: نحوه نگاشت داده­‌ها از مبدأ به مقصد و تغییراتی که باید بر داده‌­های اولیه اعمال شود تا به فرمت مناسب برای DWH درآیند باید تعیین شوند. این تغییرات موارد زیر شامل می­شود:

MetaData

فرایند ETL، یک پروسه محسوب می شود. به این معنی که به صورت پیوسته و مداوم در سیستم باید انجام شود. به ازای داده هایی عملیاتی که در طول زمان در سازمان به وجود می آید این فرایند نیز انجام می شود. آنچه که در استقرار یک هوش تجاری در سازمان مهم است ایجاد معماری و ساختاری مناسب است به طوری که این در طول اجرای عملیات مختلف، ETL با سازگاری با آن فرایند به سرعت انجام پذیرد. پس ساختار مورد استفاده برای ETL قبل از انجام آن از اهمیت بالایی برخوردار است.

فرایند ETL به دلیل اینکه روی حجم بالایی از اطلاعات انجام می شود و معمولا همراه با یکپارچه کردن داده ها همراه است می بایست در طول دوره های مختلف انجام شود. در این دوره ها و به هنگام آغاز فرایند ETL به دلیل بالا رفتن حجم ترافیک شبکه و پردازش سرورهای پایگاه داده ممکن است در انجام فرایندهای دیگر تجاری BI اختلال ایجاد شود که می بایست در طراحی هوش تجاری مورد توجه قرار گیرد.DWH یک سیستم کامپیوتری از اطلاعات است که به گونه‌­ای مناسب برای انجام عملیات گزارش­‌گیری و تحلیلی داده‌­ها بر اساس زمان، طراحی شده است. این سیستم اغلب به صورت جداگانه‌­ای از سیستم­‌های عملیاتی روزانه قرار می­گیرد. Bill Inmon که از او به عنوان پدر DWH یاد می شود آن را به این ترتیب تعریف می­کند:

DWH متشکل از یک پایگاه داده و تعدادی جز (component) متصل است با ویژگی های زیر:

موضوع­‌گرا (Subject Oriented): پایگاه‌­داده به گونه‌­ای سازماندهی شده است که تمامی اطلاعاتی که به یک موضوع یا موجودیت خاص مربوط هستند با یکدیگر مرتبط هستند.متغیر با زمان: تغییرات ایجاد شده در پایگاه‌­داده اولیه در آن اعمال می‌­شوند.Non-volatile: داده­‌های اطلاعاتی هرگز حذف نشده، با داده­‌های جدید جایگزین نمی‌­شوند.یکپارچه: اطلاعات موجود در پایگاه‌­داده از سراسر سازمان جمع‌­آوری شده‌­اند و با هم سازگاری دارند.

هدف اصلی DWH ایجاد بستری مناسب برای تولید اطلاعاتی است که به Knowledge worker های سازمان (مدیران، عوامل اجرایی و تحلیلگران) برای اتخاذ تصمیم­‌های درست کمک می­کند. برای این منظور از DWH در تهیه گزارش­ها، اطلاعات تحلیلی، تعامل بلادرنگ با سیستم­‌های عملیاتی و Profiling استفاده می­شود.

با DWH می­توان در سازمان سیستم تصمیم‌­یار (Decision support) ایجاد کرد. اطلاعاتی که در  DWH نگهداری می­شود از آنچه در پایگاه‌­های داده نگهداری می­شود (که شامل اطلاعات جزیی و روزمره است) به مراتب مهم­تر و ارزشمندتر است. در DWH تمامی اطلاعات موجود در سازمان از ابتدا تاکنون به صورت یکپارچه و سازمان‌دهی شده نگه‌داری می­شود. در این مخزن اطلاعاتی، اطلاعات از تمامی منابع اطلاعاتی و در یک بازه زمانی طولانی جمع‌­آوری می­شوند و به این دلیل حجم اطلاعات بسیار زیاد است.

در DWH نیاز به سازماندهی مناسب اطلاعات و استفاده از روش‌­های مناسب دسترسی به اطلاعات وجود دارد. DWH با طراحی متفاوت خود به صورت چندبعدی (Multi dimensional) قادر است تمامی این موارد را در نظر بگیرد. برای مثال در اطلاعات نگهداری شده برای فروش، زمان فروش، ناحیه فروش، فروشنده و محصول به فروش رفته به عنوان ابعاد مختلف در نظر گرفته می­شوند. اغلب این بعدها حالت سلسله مراتبی (Hierarchical) دارند. مثلا ممکن است زمان فروش شامل تاریخ و ساعت فروش محصول باشد. طراحی مدل داده چند بعدی با استفاده از تکنیک­‌های مرسوم در محیط­های OLTPمانند ERD و نرمال­‌سازی مناسب نیست. زیرا آنچه در DWH مهم است ایجاد امکان پرس­و­جو و بارگذاری سریع اطلاعات است.

برخی از سازمان­‌ها تمایل دارند DWH به صورت سراسری طراحی شود به طوریکه تمامی اطلاعات موجود در سازمان در آن قرار گیرند. طراحی و استفاده از DWH به این صورت کاری پیچیده و زمان­بر است. به همین علت در بسیاری از سازمان ها از Data Mart استفاده می­شود.

ویژگی های اصلی DWH

پایگاه‌داده تحلیلی در واقع پایگاهی است که خروجی فرایند ETL در آن قرار می­گیرد. داده‌­های استخراج شده و منتقل شده در این پایگاه داده load می­شوند. قابل ذکر است که در پیاده سازی یک DWH می­توان از روش‌­های مختلفی استفاده کرد که استفاده از data martها یکی از آن است. بسته به نحوه پیاده‌سازی یک DWH میزان اهمیت خصوصیات فوق تغییر می­کنند.

دقت در خصوصیات مهم فوق نشان می دهد که آنچه در پیاده سازی و کارگیری یک DWH بیشتر مهم است، میزان توانایی آن در پاسخ گویی به query ها است و هزینه را بیشتر در بخش ایجاد و وارد کردن اطلاعات وارد می کنند تا هزینه زمانی کمتر و کارآیی بالاتری را در هنگام بازیابی اطلاعات به دست آورند. این نکته مهم در می تواند در معماری سیستم بسیار مهم باشد.

Data Mart

بخشی از اطلاعات موجود در DWH در Data Mart نگهداری می شود. این اطلاعات بر حسب نیاز گروه‌هایی که در بخش IT سازمان فعالیت می کنند انتخاب و استخراج می شوند. در حالت کلی، اطلاعات مذکور از منابع اطلاعاتی مختلف موجود در سطح سازمان قابل تهیه هستند. معمولا اطلاعات موجود درData Mart از یک DWH استخراج می شود. در مجموع می­توان گفت در یک Data Mart ایجاد شده برای یک گروه knowledge worker، اطلاعاتی وجود دارد.

که گروه مذکور، از لحاظ تحلیلی و محتوایی به آن نیاز دارند و این اطلاعات را می­توان به فرمت مناسب برای گروه مذکور نمایش داد. Data mart ها به سه صورت وابسته، منطقی و Operational Data Store (ODS) وجود دارند.

Data Mart وابسته: یک پایگاه داده فیزیکی است که ممکن است سخت افزار آن از سخت افزار DWH مجزا باشد و شامل زیرمجموعه های کوچکی از اطلاعات می شود.

Data mart منطقی: به صورت فیزیکی وجود ندارد بلکه یک view فیلتر شده از DWH است. این نوع Data Mart نیازی به حافظه اضافی ندارد و داده ها همیشه بروز هستند. البته در این نوع Data Mart زمان پاسخ دهی سیستم بیشتر خواهد بود.

ODS: یک پایگاه داده یکپارچه از داده های عملیاتی سازمان هستند که معمولا اطلاعات باارزش یک دوره ۳۰ یا ۶۰ روزه را در بر دارند و برای گزارش گیری های مربوط به زمان حال که قابل دستیابی از DWH نیستند، مورد استفاده قرار می گیرند.

لازم به ذکر است از Data Mart ها به صورت جداول ایندکس هم استفاده می­شود به این صورت که به جای آنکه اطلاعات سیستم در یک پایگاه اطلاعاتی مرکزی تکرار شود، اطلاعات سازمان تنها در منابع اطلاعاتی اولیه ذخیره می شوند .

و ایندکس هایی از اطلاعات ایجاد می شوند. در این ایندکس ها (که همان Data Martها هستند)، مشخص شده است که هر منبع اطلاعاتی شامل چه اطلاعاتی است و چگونه می توان اطلاعات مورد نظر را از آن استخراج کرد. به این روش، روش quick and dirty گفته می شود. زیرا در این روش Data Martها را می­توان به سرعت ایجاد کرد و از طرفی اطلاعات مانند روش قبل پاکسازی نمی شوند.

یک Data warehouse برای جمع آوری تمامی اطلاعات در مورد موضوعات (subjects) مختلف مانند مشتری ها، محصولات، فروش، منابع، پرسونل و… ایجاد می شود. این اطلاعات در حوزه کل سازمان قرار دارد. ولی Data Martها اطلاعات زیر مجموعه های سازمانی را که روی یک موضوع خاص متمرکز است، در بر دارند.

برای ایجاد بستر داده ای برای نرم افزار Power BI به دو روش می توان عمل کرد:

 بالا به پایین (top-down): گه در این روش یک DWH یکپارچه و یا یکODS برای کل یک سازمان ایجاد می شود. این پایگاه داده بزرگ تمامی اطلاعات و داده های عملیاتی سازمان را در بر دارد. ایجاد، پیاده سازی و استفاده از این نوع پایگاه داده بسیار گران، هزینه بر و سخت است.

پایین به بالا (down-top): در این روش داده های مرتبط با هم در یکdata mart قرار می گیرند و چندین data mart در نقاط مختلف سازمان ایجاد شده و در راستای همدیگر یک DWH برای سازمان ایجاد می کنند.برای ایجاد بستر داده ای یک سازمان روش اول بسیار سخت و هزینه بر است و در بسیاری از کاربرد ها غیر ممکن به نظر می رسد.با توجه به اینکه بسیاری از سازمان ها از قبل دارای منابع داده ای جدا هستند، استفاده از Data mart ها بسیار به صرفه به نظرمی آید.

و عملا نیز بسیاری از سازمان ها از این روش در BI استفاده می کنند. یکی از نقاط ضعف این روش این است که داده ها و اطلاعات مربوط به یک فعالیت در سازمان ممکن است در چندین data mart نگه داری شود که باعث ایجاد افزونگی در اطلاعات سازمان می شود.

Data mart ها بنا به کاربرد و انتظاراتی که از لحاظ کارآیی از آنها دارند، طراحی و پیاه سازی می شوند. در کاربرد­هایی که نیاز است آخرین تغییرات داده های سازمان در Data mart وجود داشته باشد نمی توان از Data mart های وابسته استفاده کرد و بهتر است در صورت کوچک بودن حجم پردازش مربوط به query ازData mart منطقی استفاده شود. در صورتی که حجم پردازش بالا باشد و نتوان آن را در زمان مناسبی از DWH استخراج کرد بهتر است بنا به مقدار هزینه ای که برای استقرار در نظر گرفته شده است، از Data mart های وابسته و یا ODSها استفاده شود.

با توجه به تقسیم بندی application های هوش تجاری در سطوح مختلف سازمانی (استراتژیک، تاکتیکی و عملیاتی) می­توان گفت data mart هایی که خاص منظور هستند، بیشتر ما بین سطوح عملیاتی و تاکتیکی کاربرد دارند. اینdata mart های اطلاعات ورودی خود را از سیستم های عملیاتی گرفته و با استفاده از ابزارهای هوشمند در سطوح میانی مدیریت که مربوط به مدیریت تاکتیکی می شود کاربرد دارند.

برای استفاده در سطوح استراتژیک که در سطوح بالای مدیریتی انجام می شود و در دفعات کم معمولا با انبوه اطلاعات enterprise wide سر و کار دارد، می توان از خود DWH و یا data mart های خاص استفاده کرد.

همچنین می توان از ترکیبی از روش های فوق برای پیاده سازی data mart های خاص استفاده کرد. برای مثال می توان از قسمتی از داده های یک Data mart وابسته را با استفاده از تکنیک data mart منطقی از بخش دیگری از یکData mart دیگر تهیه کرد.باید توجه داشت که تقریبا از مرحله اول نیازمند وجود مخزنی برای ذخیره meta data ها هستیم. همچنین ممکن است در مراحل آخر نیازمندی جدیدی برای مرحله ETL پیش آید که در این صورت نیازمند انجام مجدد مراحل اولیه هستیم

معماری DWH از ETL تا پایان

معماری یک پایگاه داده تحلیلی شامل سه لایه می باشد:

۱- لایه زیرین، منابع اولیه داده را تشکیل می­دهد. این لایه شامل پایگاه­های داده رابطه­ای، فایل­‌های مسطح و منابع دیگر است.۲- لایه میانی را خود پایگاه داده تحلیلی و سرویس دهنده­های پردازش تحلیلی برخط تشکیل می­دهند. سرویس دهنده­های پردازش تحلیلی بر خط، داده چند بعدی را برای ارائه به کاربران نهایی در اختیار قرار می­دهند.۳- لایه انتهایی، سرویس گیرنده‌­ها هستند که با عملیات داده‌­کاوی، پرس­وجو و تحلیل، داده را از سرویس‌­دهنده‌­های پردازش تحلیلی بر خط می­گیرند.

سرویس‌دهنده‌­های پردازش تحلیلی بر خط که در لایه میانی معماری پایگاه داده تحلیلی قرار دارند، سه نوع هستند:

۱- پردازش تحلیلی برخط رابطه‌ای (Relational OLAP- ROLAP)

۲- پردازش تحلیلی برخط چندبعدی (Multi-dimensional OLAP- MOLAP )

۳- پردازش تحلیلی برخط ترکیبی (Hybrid OLAP – HOLAP )

در این لایه بندی به DWH به عنوان یک black box نگاه شده است و جایگاه آن در بین سایر ابزار ها بیان شده است. همانطور که مشخص است، ارتباط بین لایه اول با لایه دوم از طریق فرایند ETLبرقرار می شود. این فرایند در واقع همان مرحله اول ساخت DWH است که در بخش قبل بیان شد. لایه میانی خود DWH و گروهی از سرویس دهنده ها قرار گرفته اند، که سرویس های خاص DWHرا در اختیار ابزارهای سطح بالا قرار می دهند. این ابزار ها در واقع در مرحله سوم ساخت DWHبه وجود می آیند. در انتها لایه ای از یک سری ابزار سطح بالای تحلیلی وجود دارد.

که در مرحله آخر به وجود می آیند. لایه انتهایی دارای ابزارهای خاص منظوره برای انجام فرایندهای تصمیم گیری در سطوح مختلف سازمانی است. لایه میانی یک بستر عمومی است که به وسیله هوش تجاری ایجاد می شود و قابلیت به اشتراک گذاری بسیاری از امکانات خاص را برای برنامه ها و ابزار های مختلف دارد. ایجاد این بستر به طور کاملا ماجولار و جدا از سیستم های موجود در لایه پایینی و بالایی یکی از مهمترین فاکتورهای ایجاد یک هوش تجاری موفق می باشد.

گزارشات نرم افزار Power BI جدید با SQL Server 2016 :

مایکروسافت با ارائه SQL Server 2016 همزمان با شیرپوینت ۲۰۱۶ و خرید مجموعه Data zen قابلیت های جدیدی را در حوزه هوش تجاری اضافه کرده است که از آن جمله ارائه گزارشات موبایلی بسیار قوی و تعاملی است.

همچنین با ادغام نرم افزار R در SQL server 2016 در امکان تحلیل بر روی Big Data را فراهم آورده است.

داده

«داده»ها (Data) نمادها و سمبل‌های خامی هستند که به تنهایی فاقد معنای کامل هستند. از جمله داده‌ها می‌توان به تراکنش‌ها، اعداد، متن، تصاویر و ویدئوها اشاره کرد.

«داده‌کاوی» (Data Mining)، علمی میان‌رشته‌ای شامل الگوریتم‌های «یادگیری ماشین» (Machine Learning)، روش‌های آماری و «سیستم‌های مدیریت پایگاه داده» (Database Management Systems) به شمار می‌آید. هدف از انجام فرآیند داده‌کاوی کشف الگوهای مهم و جالب توجه در میان حجم انبوه داده‌ها است. در واقع، از داده‌کاوی برای استخراج اطلاعات از حجم زیادی از داده‌ها استفاده می‌شود. این اطلاعات در زمینه‌های گوناگون از جمله «تحلیل بازار» (Market Analysis)، «تشخیص کلاهبرداری» (Fraud Detection)، «حفظ مشتری» (Customer Retention)، «کنترل تولید» (Production Control) و اکتشافات علمی قابل استفاده هستند.

فرآیند داده‌کاوی

دارای هفت گام «پاک‌سازی داده» (Data Cleaning)، «تبدیل داده» (Data Transformation)،‌ «یکپارچه‌سازی داده» (Data Integration)، «انتخاب ویژگی» (Feature Selection)، «داده‌کاوی» (Data Mining)، «ارزیابی الگو» (Pattern Evaluation) و «ارائه دانش» (Knowledge Representation) است. امکان دارد هر یک از این گام‌ها طی فرآیند داده‌کاوی بیش از یک بار انجام شوند. به چهار گام اول «پیش‌پردازش» (Pre-Processing) نیز گفته می‌شود. شایان توجه است .

که «کشف دانش از داده» (Knowledge Discovery From Data | KDD) عنوانی بهتر برای آنچه فرآیند داده‌کاوی نامیده می‌شود به شمار می‌آید، ولیکن به دلایل گوناگون از جمله طولانی بودن، عبارت داده‌کاوی پرکاربردتر و متداول‌تر است.

موتور داده‌کاوی

«موتور داده‌کاوی» (Data Mining Engine) قلب حقیقی معماری داده‌کاوی محسوب می‌شود و شامل ابزارها و نرم‌افزارهایی است که برای کسب بینش و دانش از داده‌های کسب شده از منبع داده و ذخیره شده در «انبار داده» (Data Warehouse) به کار گرفته می‌شوند. یک موتور داده‌کاوی قدرتمند دارای سه مولفه اساسی است که در ادامه بیان شده‌اند. موتور داده‌کاوی نیازمند مفسر است. مفسر می‌تواند دستورات تعریف شده در موتور داده‌کاوی را به کامپیوتر انتقال دهد.

نیاز به چرخ‌دنده‌های ارتباطی بین موتور داده‌کاوی و انبار داده برای تولید و مدیریت ارتباطات این دو در هر دو جهت وجود دارد.

نیاز به دستورالعمل‌ها و الگوریتم‌هایی برای هدایت فرآیند داده‌کاوی است.

به طور کل باید گفت وجود موتور داده‌کاوی برای سیستم‌های داده‌کاوی بسیار حائز اهمیت محسوب می‌شود. این موتور دربردارنده مجموعه‌های متعددی از ماژول‌های تابعی است و کارکردهای گوناگونی مانند «مشخصه‌سازی» (Characterization)، «تحلیل انجمنی و همبستگی» (Association and Correlation Analysis)، «دسته‌بندی» (Classification)، پیش‌بینی، «تحلیل خوشه» (Cluster analysis)، «تحلیل دورافتادگی» (Outlier analysis) و «تحلیل تکاملی» (Evolution analysis) را شامل می‌شود.

پایگاه دانش

«پایگاه دانش» (Knowledge Base) دامنه‌ای از دانش و در واقع فناوری مورد استفاده برای ذخیره‌سازی داده‌های پیچیده ساخت یافته و غیر ساخت یافته است. از این پایگاه برای هدایت کردن اکتشافات در فرآیند داده‌کاوی شامل گام‌های «پاک‌سازی داده‌ها» (Cleaning of data)، یکپارچه‌سازی داده‌ها، انتخاب داده، تبدیل داده‌ها، داده‌کاوی، ارزیابی الگو و ارائه دانش استفاده می‌شود.

داده‌های ناموجود

امکان دارد مقادیر داده به دلایل گوناگون شامل اندازه‌گیری نشدن (مثلا در پایگاه داده اطلاعات کودکان مبتلا به تالاسمی قد فرد اندازه‌گیری نشده و بدون مقدار است)، پاسخ داده نشدن به پرسش موجود در فرم‌ها (مثلا فرد مشخص نکرده که گواهینامه رانندگی دارد یا خیر)، ناشناخته بودن مقادیر (مثلا عدد اشتباه برای سن فرد وارد شده) یا گم شدن داده‌ها وجود نداشته باشند. این داده‌ها، «داده ناموجود» (Missing data) محسوب می‌شوند. روش‌های داده‌کاوی بسته به گونه‌ای که با داده‌های ناموجود برخورد می‌کنند متفاوت هستند.

داده‌های غیر قابل اجرا

مقادیر ناموجودی که به لحاظ منطقی غیر ممکن هستند و یا طور مشخص مرتبط با دامنه‌ای که برای آن وارد شده‌اند نیستند را «داده‌های غیر قابل اجرا» (Non-applicable Data) گویند.

پاک‌سازی

پاک‌سازی داده‌ها (Cleaning | Cleansing)، یک گام از فرآیند داده‌کاوی و جزئی از پیش‌پردازش داده‌ها محسوب می‌شود که طی آن داده‌ها برای فعالیت‌های داده‌کاوی آماده‌سازی می‌شوند. خطاهای آشکار داده‌ها در این مرحله شناسایی، اصلاح و «داده‌های ناموجود» (Missing Data) با مقادیری (این مقادیر به روش‌های گوناگون قابل محاسبه هستند) جایگزین می‌شوند.

یکپارچه‌سازی داده‌ها

«یکپارچه‌سازی داده‌ها» (Data Integration)، یکی از گام‌های فرآیند داده‌کاوی و از مراحل پیش‌پردازش داده‌ها است. از این کار برای ادغام داده‌های گردآوری شده از منابع داده ناهمگون در یک مخزن داده همبسته استفاده می‌شود. این مخزن در برگیرنده داده‌های ناسازگار است، بنابراین نیاز به پاک‌سازی داده‌ها در آن وجود دارد.

تبدیل

«تبدیل» (Transformation) یک گام از فرآیند داده‌کاوی و پیش پردازش داده‌ها است. در این گام یک بیان مجدد از داده‌ها با انجام تجمیع دوباره، نرمال‌سازی و تغییر واحدهای اندازه‌گیری آن‌ها ارائه می‌شود.

بصری‌سازی

ابزارهای «بصری‌سازی» (Visualization)، داده‌ها را به صورت بصری نمایش می‌دهند تا درک بهتری از معنای آن‌ها حاصل شود. ابزارهای بصری‌سازی گرافیکی طیفی از نمودارهای نقطه‌ای ساده تا ارائه‌های پیچیده چند بُعدی را دارند.

استقرار

هنگامی که مدل ساخته و اعتبارسنجی شد، از آن برای تحلیل داده‌های جدید و انجام پیش‌بینی استفاده می‌شود. بنابراین، به استفاده از مدل «استقرار» (Deployment) گفته می‌شود.

DBMS

«DBMS» سرنامی برای «Database Management System» (سیستم مدیریت پایگاه داده) است. «سیستم مدیریت پایگاه داده»، سیستم نرم‌افزاری مورد استفاده برای ساخت و مدیریت پایگاه داده به شمار می‌آید. DBMS یک راهکار سیستماتیک برای کاربران و برنامه‌نویسان جهت ساخت، بازیابی، به روز رسانی و مدیریت داده‌ها فراهم می‌کند.

RDBMS

«RDBMS» سرنامی برای «Relational Database Management System» (سیستم مدیریت پایگاه داده رابطه‌ای) است. این سیستم در واقع پایگاه داده‌ای ساخته شده بر اساس مدل رابطه‌ای است.

رابط کاربری

«رابط کاربری» (User Interface | UI) در معنای عام به فضایی گفته می‌شود که تعامل میان انسان و ماشین رخ می‌دهد. در واقع رابط کاربری بخش قابل مشاهده از یک ابزار است که کاربر آن را مشاهده می‌کند. در داده‌کاوی نیز آن بخش از نرم‌افزارها و ابزارهای مورد استفاده که برای کاربر قابل مشاهده است (چه در ابزارهای پایگاه داده و چه زبان‌های برنامه‌نویسی مانند پایتون و R که برای انجام تحلیل به کار می‌روند) رابط کاربری محسوب می‌شود. برخی از نقش‌های رابط کاربری در ادامه بیان شده‌اند.

رابط انسان و ماشین جهت تعیین وظایف «پرس‌و‌جوی» (Query) داده‌کاوی

فراهم کردن اطلاعات برای کمک به متمرکزسازی جست‌و‌جوها کاوش بر اساس نتایج میانی داده‌کاوی مرور شمای پایگاه داده و انبار داده یا ساختارهای دادهارزیابی الگوهای کاوش شده بصری‌سازی الگوها به اشکال گوناگون انواع ویژگی یک مجموعه داده از نمونه‌ها و ویژگی‌ها (خصیصه‌ها) تشکیل می‌شود. یک ویژگی، فیلد داده‌ای است .

که مشخصه‌های یک شی داده را ارائه می‌کند. واژگان بُعد و متغیر معمولا در ادبیات این حوزه با معنای مشابه به کار می‌روند.

اصطلاح بُعد به طور معمول توسط کارشناسان انبار داده مورد استفاده قرار می‌گیرد. نوع یک ویژگی توسط مجموعه‌ای از مقادیر ممکن تعیین می‌شود. این انواع شامل «اسمی» (nominal) که به آن «دسته‌ای» (categorical) نیز گفته می‌شود، «دودویی» (binary) و «عددی» (numeric) می‌شوند.

میانگین

مقادیر یک مجموعه از داده‌های عددی را «میانگین حسابی» (Mean) گویند. میانگین انوع گوناگون و کاربردهای متنوعی در داده‌کاوی دارد.

میانه

مقدار موجود در وسط مجموعه‌ای از داده‌های مرتب شده را میانه گویند. به بیان دیگر، مقداری با تعداد مقادیر پیشین و پسین مشابه را میانه گویند.

مُد

یک نقطه تصمیم‌گیری در دسته‌بندی مقدار مُد (Mode) است. اگر بیش از یک مقدار دارای تعداد تکرار مشابهی باشد، داده «چندمدلی» (multi-model) است.

نرمال‌سازی

«نرمال‌سازی» (Normalization)، تبدیل داده‌ها به مقادیر بدون واحد به منظور مقایسه بهتر آن‌ها است. این امر موجب می‌شود داده‌ها دارای هیستوگرامی مشابه داده‌های اصلی ولی در بازه جدیدی مثلا ۰ و ۱ باشند. انجام این کار برای همه ورودی‌های شبکه عصبی و همچنین ورودی‌های مدل رگرسیون مفید است.

کمترین مربعات

«کم‌ترین مربعات» (Least Squares) متداول‌ترین روش آموزش وزن‌های مدل است. بدین منظور، نیاز به انتخاب وزن‌هایی است که انحراف مجموع مربعات از مقادیر پیش‌بینی شده مدل را کمینه کنند. این کار با استفاده از مقادیر مشاهده شده داده‌ها امکان‌پذیر است.

واریانس

«واریانس» (Variance) پر کاربردترین سنجه آماری مورد استفاده برای پراکندگی است. در محاسبه واریانس، گام اول آن است که مربع انحراف اقلام داده از مقدار میانگین آن‌ها مشخص شود. سپس، میانگین مربع انحرافات باید محاسبه شود. بنابراین واریانس به عنوان معیاری برای برآورد کلی تغییرپذیری مورد نیاز است.

MARS

«MARS» سرنامی برای «Multivariate Adaptive Regression Splines» (رگرسیون چند متغیره اسپیلاین) و راهکاری برای عمومی‌ساز ی درخت‌های تصمیم است.

«بیشینه‌سازی درست‌نمایی» (Maximum Likelihood) روشی برای تخمین یا آموزش مدل است. این تخمین از یک پارامتر، مقدار پارامتری است که نیاز به بیشینه‌سازی احتمال داده‌ها دارد. این داده‌ها از جامعه تعریف شده توسط پارامترها می‌آیند.

روش‌های داده‌کاوی

روش‌های داده‌کاوی در واقع روال‌ها و الگوریتم‌هایی هستند که برای تحلیل داده‌ها در پایگاه داده مورد استفاده قرار می‌گیرند. این روش‌ها در سه دسته «نظارت شده» (Supervised)، «نظارت نشده» (Unsupervised) و «نیمه نظارت شده» (Semi-Supervised) قرار می‌گیرند.«آموزش» (Training) اصطلاحی است که برای تخمین پارامترهای مدل بر پایه مجموعه داده موجود مورد استفاده قرار می‌گیرد.

«درجه برازش» (Degree of fit) سنجه‌ای است که نشان می‌دهد مدل چه میزان با داده‌های آموزش برازش شده است.«وابستگی» (association)، نوعی از الگوریتم‌های داده‌کاوی است. از این الگوریتم برای ساخت قوانینی که مشخص می‌کنند .

رویدادها چگونه با هم به وقوع پیوسته‌اند استفاده می‌شود و به آن «قواعد وابستگی» (Association Rules) گفته می‌شود.پشتیبان» (Support) سنجه‌ای است که نشان می‌دهد چند وقت یکبار مجموعه اقلام در یک وابستگی هم‌زمان به وقوع می‌پیوندند و به صورت درصدی برای همه تراکنش‌ها نشان داده می‌شود. برای مثال، در ۲ درصد از خریدهای یک ابزار فروشی، بیل و کلنگ هم‌زمان خریداری شده‌اند.

هنگامی که نیاز به تعریف وابستگی در میان دو متغیر باشد، آیتم دوم در «سمت راست» (Right-hand side) قرار دارد.همچون الگوریتم وابستگی، در «کشف توالی» (Sequence Discovery) نیز توالی سری‌های زمانی وجود دارد. برای مثال، ۲۰ درصد از افرادی که VCR خریده‌اند، یک دوربین ویدئویی نیز طی ۴ ماه خریداری کرده‌اند.

اساسا، گره‌ها در یک «شبکه عصبی» (Neural Networks) در «لایه‌ها» (layers) گروه‌بندی می‌شوند. همچنین، هر لایه به عنوان ورودی، خروجی یا پنهان تعریف می‌شود. تعداد گره‌های خروجی با متغیرهای خروجی برابر است. معمولا یک یا دو لایه پنهان در یک شبکه عصبی وجود دارد.

دسته‌بندی

«دسته‌بندی» (Classification)، روشی برای حل مسائل داده‌کاوی است که طی آن دسته داده‌های موجود، با ساخت یک مدل پیش‌بینی می‌شود. مدل مذکور برپایه تعدادی متغیر پیش‌بین ساخته می‌شود.

درخت تصمیم

از «درخت تصمیم» (Decision Tree) برای ارائه مجموعه‌ای از قواعد سلسه‌مراتبی که منتج به یک کلاس یا مقدار می‌شوند استفاده می‌شود.

درخت دسته‌بندی

درخت دسته‌بندی نوعی درخت تصمیم است که «متغیرهای دسته‌ای» (Categorical Variables) را در کلاس‌ها قرار می‌دهد.

درخت رگرسیون

«درخت رگرسیون» (Regression Tree)، یک درخت تصمیم است که مقدار متغیرهای پیوسته را پیش‌بینی می‌کند.

CART

CART به درخت‌های دسته‌بندی و رگرسیون گفته می‌شود و در واقع سرنامی برای عبارت «Classification And Regression Tree» است. در این روش، متغیرهای مستقل در گروه‌های کوچک‌تری قرار گرفته و در واقع جداسازی می‌شوند و یک تابع ثابت برای مجموعه داده‌های کوچک‌تر برازش داده می‌شود. در درخت رگرسیون مقدار میانگین پاسخ برای مجموعه داده‌های کوچک متصل برازش داده می‌شود.

CHAID

«CHAID» سرنامی برای عبارت «Chi-squared Automatic Interaction Detector» (شناساگر تعامل خودکار خی دو) است. این الگوریتم برای برازش درخت‌های دسته‌ای مورد استفاده قرار می‌گیرد و برای جداسازی داده‌ها در مجموعه‌های داده‌های کوچک متصل بر آمارهای خی دو تکیه دارد.حذف سطح پایین‌تر در درخت تصمیم را «هرس کردن» (Pruning) گویند. همچنین، از این اصطلاح برای تشریح الگوریتم‌ها نیز استفاده می‌شود. زیرا می‌توان از این اصطلاح برای تنظیم توپولوژی یک شبکه عصبی با حذف (هرس کردن) گره‌های پنهان استفاده کرد.

الگوریتم ژنتیک

«الگوریتم ژنتیک» (Genetic Algorithm) یک روش کامپیوتری برای تولید و ارزیابی ترکیبی از پارامترهای ورودی محتمل است. این الگوریتم باید خروجی بهینه را پیدا کند و از فرآیندی بر مبنای مفاهیم «تکامل طبیعی» (Natural Evolution) مانند «ترکیب ژنتیکی» (Genetic Combination)، «جهش» (Mutation) و «انتخاب طبیعی» (Natural Selection) در این راستا استفاده می‌کند.

ارزیابی مدل

یک مدل داده‌کاوی پس از نهایی شدن، باید از ابعاد گوناگون از جمله ارائه پاسخ‌های صحیح برای داده‌های جدید و قابلیت تعمیم مورد بررسی قرار بگیرد و «ارزیابی» (Evaluation) شود.

اعتبارسنجی

فرآیند ارزیابی مدل با مجموعه داده متفاوت از مجموعه داده آموزش را «اعتبارسنجی» (Validation) گویند.

ماتریس درهم‌ریختگی

«ماتریس درهم‌ریختگی» (Confusion Matrix) از جمله روش‌های ارزیابی الگوریتم‌های داده‌کاوی به ویژه در یادگیری نظارت شده محسوب می‌شود که نشان می‌دهد دسته چه تعداد از داده‌ها به درستی پیش‌بینی شده است. همچنین جزئیات دیگری نیز در همین رابطه به دست می‌دهد.

اعتبارسنجی متقابل

«اعتبارسنجی متقابل» (Cross-Validation) روشی برای تخمین صحت یک مدل رگرسیون است. در این روش، مجموعه داده به چندین بخش شامل داده‌های «آموزش» (Train)، «آزمون» (Test) و «اعتبارسنجی» (Validation) تقسیم می‌شود. داده‌های آموزش برای برازش مدل و داده‌های آزمون و اعتبارسنجی برای ارزیابی مدل برازش شده با داده‌های آموزش مورد استفاده قرار می‌گیرند.

معیارهای بهینه‌سازی

«معیار بهینه‌سازی» (ٰOptimization Criterion)، یک تابع مثبت از تفاوت بین پیش‌بینی‌ها و تخمین‌های داده‌ای است که انتخاب شده‌اند، تا تابع یا ساخت را بهینه‌سازی کنند. کمترین مربعات و بیشینه‌سازی درست‌نمایی از جمله معیارهای بهینه‌سازی محسوب می‌شوند.

تحلیل تمایز

«تحلیل تمایز» (Discriminant analysis) نوعی از روش‌های آماری است که بر پایه «بیشینه درست نمایی» (maximum likelihood) برای تعیین مرزها بنا نها شده است. این مرزها باید داده‌ها را در دسته‌های جداگانه‌ای قرار دهند.

«آنتروپی» (Entropy | بی‌نظمی) روشی برای محاسبه بی‌نظمی در داده‌ها است که بر مدل احتمالی تکیه دارد. برخی از درخت‌های تصمیم، داده‌ها را به گروه‌هایی بر مبنای حداقل آنتروپی تقسیم می‌کنند.R-squared عددی است بین ۰ و ۱ که اندازه‌گیری می‌کند یک مدل چقدر خوب روی مجموعه داده‌های آموزش برازش شده است. صفر حاکی از آن است که مدل هیچ توانایی پیش‌بینی ندارد. این روش «کوواریانس» (Covariance) بین مقادیر پیش‌بینی و مشاهده شده که توسط «انحراف معیار» مقادیر پیش‌بینی و مشاهده شده تقسیم شده‌اند را محاسبه می‌کند.

سایر مفاهیم

دیگر مفاهیم مورد استفاده در این حوزه در ادامه بیان شده‌اند.

منطق فازی

«منطق فازی» (Fuzzy Logic)، بر مجموعه‌های فازی اعمال شده است. عضویت در یک مجموعه فازی دارای درجه‌ای است که الزاما ۰ یا ۱ نیست. منطق غیر فازی خروجی‌هایی را دستکاری می‌کند که درست یا غلط هستند. منطق فازی نیاز به دستکاری درجه «امکان» علاوه بر درست و غلط دارد.«تعامل» (Interaction) زمانی به وقوع می‌پیوندد که دو متغیر مستقل با یکدیگر تعامل داشته باشند. به عبارت دیگر هر گاه تغییر مقدار یک متغیر، اثر بر متغیر وابسته دیگری را تغییر دهد تعامل به وقوع پیوسته است.

خطای وضعیت مجدد

تخمین خطا بر پایه تفاوت بین مقادیر پیش‌بینی شده و مقادیر موجود در مجموعه داده آموزش را «خطای وضعیت مجدد» (Resubstitution Error) گویند.

نمونه‌برداری

ساخت یک زیر مجموعه از کل داده‌ها را «نمونه‌برداری» (Sampling) گویند. نمونه‌برداری تصادفی در تلاش برای نشان دادن همه چیز با انتخاب داده‌های نمونه از طریق یک مکانیزم تصادفی است.

تحلیل حساسیت

تنوع پارامترهای یک مدل به منظور ارزیابی تغییرات در ورودی را «تحلیل حساسیت» (Sensitivity Analysis) گویند.

پردازش موازی

پردازش انجام شده توسط چندین کامپیوتر یا واحد پردازش مرکزی (CPU | Central Processing Unit) که به یکدیگر متصل شده‌اند و می‌توانند به طور هم‌زمان محاسبات انجام دهند را «پردازش موازی» (Parallel Processing) گویند.

SMP

«SMP» سرنامی برای عبارت «Symmetric Multi-processing» (چند پردازشی متقارن) محسوب می‌شود و پیکربندی کامپیوتری است که در آن پردازنده‌های زیادی یک سیستم‌عامل واحد، حافظه اصلی و دیسک را با یکدیگر به اشتراک می‌گذراند. این پردازنده‌ها می‌توانند روی بخش‌های گوناگون مساله به طور همزمان کار کنند.

خطای تست

تخمین خطا بر پایه مجموعه تفاوت بین پیش‌بینی‌های مدل روی داده‌های تست و مقادیر مشاهده شده در مجموعه داده‌های تست هنگامی که داده‌های تست برای آموزش مدل مورد استفاده قرار نگرفته‌اند را «خطای تست» (Test Error) گویند.

سری‌های زمانی

یک سری از مقادیر که در نقاط متوالی در زمان به وقوع پیوسته‌اند را «سری زمانی» (Time Series) گویند. سری‌های زمانی نوعی داده محسوب می‌شوند.

مدل سری‌های زمانی

«مدل سری‌های زمانی» (Time Series Model) نوعی مدل است که مقادیر آینده یک سری زمانی را بر اساس مقادیر پیشین محاسبه می‌کند.

پنجره‌سازی

از «پنجره‌سازی» (Windowing) هنگامی استفاده می‌شود که یک مدل با داده‌های سری زمانی آموزش داده می‌شود. یک پنجره، یک دوره از زمان برای هر مورد آموزش است. برای مثال،فرض می‌شود داده‌های قیمت‌های هفتگی بازار بورس برای ۵۰ هفته موجود باشند. پس باید پنجره را روی ۵ هفته تنظیم کرد. علاوه بر این، اولین مورد آموزش از هفته‌های یکی تا پنج استفاده کرده و پیش‌بین‌های آن را با هفته ششم مقایسه می‌کند. علاوه بر این، مورد دوم از هفته دو تا شش را برای پیش‌بینی هفته هفتم مورد استفاده قرار می‌دهد و به همین صورت.

واژگان بیان شده در بالا و تعاریف آن‌ها از پر کاربردترین مفاهیم مورد استفاده در زمینه داده‌کاوی هستند. این واژگان در این مطلب به صورت کلی شرح داده شدند تا چشم‌اندازی کلی از آن‌ها حاصل شود. برای درک جزئیات هر یک، می‌توان از لینک‌های ارائه شده در مطلب استفاده کرد. همچنین، برای علاقمندان به یادگیری داده‌کاوی به طور کامل، مجموعه آموزش‌های آمار، احتمالات و داده‌کاوی توصیه می‌شود.

نرم افزار هوش تجاری Power BI

هوش یا درک کسب و کار از طریق جمع آوری اطلاعات کلیدی در مورد فعالیت های اصلی کسب و کار مانند بازاریابی، فروش، خدمات و … و تحلیل رفتار مشتریان، پرسنل، تامین کنندگان به دست می آید، بدین ترتیب عمل درست در زمانی که لازم است اتفاق می افتد. سیستم هوش تجاری BI بطور دائمی درگیر جمع آوری و ذخیره سازی اطلاعات در مورد فعالیت های سازمانی و سپس سازماندهی آنها به منظور تحلیل، گزارشدهی، داده کاوی می باشد.

در شرایط اقتصادی این روزها، برای ماندن در بازار رقابت، کسب و کارها باید به سرعت و بطور مناسبی در برابر تغییرات بازار واکنش دهند و فعالیت هایشان را به نحو احسن بهینه سازی کنند، فرصت های کاهش هزینه را پیدا کنند و روی آنها اقدام نمایند. دسترسی به اطلاعات درست در لحظه کلید دستیابی به این امر است.

نرم افزار Power BI بینش در کسب و کار

هنگامی که سود حاصل از یک سرمایه‌گذاری BI با سود حاصل از یک سرمایه‌گذاری در زمینه برنامه‌ریزی منابع سازمان (ERP) و یا مدیریت زنجیره تأمین (SCM) مقایسه می‌شود، مشاهده می‌کنیم که سود نرم افزار Power BI بسیار چشم‌گیر است، اگر چه احتمال دارد که ترکیب سرمایه‌گذاری ERP یا SCM با BI سود خوبی تولید کند چون سودی که در سیستم‌های ERP و SCM وجود دارد بدون ابزار BI غیر قابل استخراج است. به علاوه یک عقیده‌ی رایج در مورد نرم افزارهای ERP و SCM این است که این ابزارها داده‌های بسیار زیادی ایجاد می‌کنند.

نرم افزار هوش تجاری مایکروسافت Power BI امکان تحلیل این داده‌ها و استخراج مهم‌ترین نکات آن را به ما می‌دهد. بعضی از کاربردهای خاص Power BI از بقیه معمول‌ترند.

انجام عملیات

تکنیک ها و روش های مورد استفاده در Power BI

در هر راهکار هوش تجاری ای که برای سازمان ارائه می شود، افراد مختلفی در بخش های مختلف درگیر می شوند. این افراد باید از نرم افزارهای کاربردی و تکنولوژی های مختلف در مراحل مختلف شامل جمع آوری، ذخیره سازی و تجزیه و تحلیل اطلاعات و ارائه نتایج به دست آمده، استفاده کنند. برای این منظور، ابزارهای مختلفی توسط شرکت های مختلف تهیه شده اند. ابزارهای Power BI نرم افزارهای کاربردی هستند .

که برای فرآیندهای موجود در هوش تجاری طراحی شده اند و با آنها می توان اطلاعات را مورد تجزیه و تحلیل قرار داد و آنها را به صورت مناسبی ارائه کرد.در مراحل مختلف BI با توجه به عملیات مورد نظر در آن مرحله از تکنیک های مختلفی استفاده می شود که در ادامه به بیان آنها خواهیم پرداخت. لازم به ذکر است ابزار طراحی شده نیز بر مبنای این تکنیک ها هستند.

ابزارها و تکنیک ها در سطوح مختلفی قرار می گیرند به گونه ای که سطوح پایین تر خود، ابزارها و تکنیک های سطوح بالاتر محسوب می شود. می توان گفت برخی از تکنیک ها به صورت افقی و برخی به صورت عمودی در هوش تجاری مورد استفاده قرار می گیرند.

تکنیک های افقی تکنیک هایی هستند که در اکثر بخش ها و اجزای هوش تجاری مورد استفاده قرار می گیرند. مانند OLAP، پردازش های هوشمند، داده کاوی، سیستم های خبره و… تکنیک های عمودی تکنیک هایی هستند که با استفاده از برخی تکنیک های افقی و برخی تکنیک های خاص در حوزه خاصی از فرایند تجاری سازمان کارایی دارند.

از این رو تکنیک های افقی نیازمند دقت بیشتری در پیاده سازی و گسترش هستند به طوری که بتوانند با اجزای مختلف در چارچوب های مختلف در رابطه باشند. پیاده سازی این اجزا بر اساس استانداردهای خوب یکی از چالش های مهم در رابطه با هوش تجاری است.می توان در معماری هوش تجاری برای سازمان، این دو بخش را از همدیگر جدا کرد و هوش تجاری را سبدی از جنس ابزارهای افقی دانست که هر ابزار عمودی را می توان در آن قرار داد. ایجاد یک معماری افقی ثابت برای یک سازمان، رشد هوش تجاری در آینده را ضمانت می کند.

گردشی به دنیای Power BI و طریقه ی استفاده

همان طور که در بخش قبلی یاد گرفتیم، روند کلی کار با Power BI  Microsoftایجاد یک گزارش یا Report  با Power BI Desktop و انتشار آن در Power BI Service و سپس انتشار آن با افراد دیگر به طوری که آنها بتوانند گزارش ها را در اپلیکیشن موبایل خود یا Service مشاهده کنند، می باشد.

اما از آن جایی که بسیاری از افراد کار خود را از Power BI Service آغاز می کنند، اجازه بدهید تا ابتدا به این بحث بپردازیم و یک راه بسیار ساده و سریع برای ساخت visual یا تصاویر در Power BI با استفاده از “app”  را به شما معرفی کنیم.

یک “app”  مجموعه ای از تصاویر و گزارش های از قبل تهیه و مشخص شده می باشد که با تمامی بخش های یک سازمان به اشتراک گذاشته می شود.  استفاده از app دقیقاً مثل پختن غذا های منجمد یا فست فود در مایکروویو می باشد. تنها با اعمال چند دستور و فشار دادن چند دکمه به سرعت غذای مورد علاقه خود را به دست می آورید و همه ی این ها تنها با یک دستگاه آماده به مصرف و کوچک میسر می شود.

خب، بیایید یک نگاه اجمالی به app  و service و چگونگی کارکرد آنها بیاندازیم. می توان این توضیحات را پیشگفتاری جهت آشنایی با app و service دانست و بعداً در بخش های آینده مفصلاً راجع به این موضوع ها توضیح خواهیم داد.

ساخت داشبورد های Out-of-Box 

با Power BI اتصال و ارتباط با داده ها ساده است. در Power BI Service با انتخاب دکمه ی Get Data  در گوشه ی سنت چپ پایین Home Page می توانید این کار را انجام دهید.

Canvas (قسمت وسطی Power BI Service) به شما منابع موجود را نشان می دهد. Power BI علاوه بر داده های عمومی مثل فایل های Excel , Data Base   یا داده های Azure می تواند به راحتی به یک دسته بندی کامل از Software Service (یا همان تامین کنندگان SaaS یا Cloud Service ) همچون Salesforce, Facebook, Google Analytics  و … متصل شود.

Power BI برای این Software Service ها یک مجموعه از پیش تهیه شده از Visual هایی که قبلا روی داشبورد ها و گزارش ها ساماندهی شدند ، برای شما و سازمانتان آماده کرده است. برای مثال زمانی که از GitHub Apps استفده می کنید ، Power BI به اکانت GitHub شما (پس از وارد کردن مشخصات خود) منصل می شود و سپس یک مجموعه ی آماده از Visual ها و داشبورد ها را در Power BI تهیه می کند.

App های مختلفی برای انواع online service ها وجود دارند. تصویر زیر یک صفحه از app هایی را نشان می دهد که برای online service های مختلف در دسترس هستند.(طبق ترتیب حروف الفبا) این صفحه زمانی که روی دکمه get data  در service box کلیک می کنید ( تصویر قبلی) ظاهر می شود. همان طور که در شکل زیر مشاهده می کنید، app های زیادی برای انتخاب وجود دارند.

برای اهداف ما، از GitHub استفاده می کنیم. GitHub  برنامه ای برای کنترل آنلاین منابع می باشد. وقتی دکمه ی “ Get it now” در باکسapp  GitHub را انتخاب می کنید، پنجره “Connect to GitHub” ظاهر می شود. توجه داشته باشید که GitHub در Internet Explorer کار نمی کند و باید از مرورگر دیگری استفاده کنید.

پس از آنکه مشخصات و اطلاعات خود را درapp  GitHub وارد کردید، نصب برنامه آغاز می شود.

پس از نصب برنامه، داشبورد از پیش تهیه شده باکسapp  GitHub ظاهر می شود.

در داشبورد می توانید هر کدام از Visual ها را انتخاب و استفاده کنید. پس از آن همه ی visual های صفحه نیز واکنش نشان خواهند داد، برای مثال اگر May 2018 را در Pull requests (by month) انتخاب کنید، سایر visual ها نیز متناسب با آن خواهند بود.

 Updateو به روزرسانی داده ها در Power BI

شما همچنین می توانید dataset های یک app یا داده های دیگری را که درpower BI  استفاده می کنید را به روزرسانی کنید. برای تنظیم بروزرسانی، دکمه ی Schedule update داده یا dataset مورد نظر خود را انتخاب و سپس از منو باز شده استفاده کنید. همچنین برای بروزرسانی فوری می توانید از  update icon  (تیر کمان دایره ای شکل) که در کنار دکمه یschedule update  قرار دارد، استفاده کنید.dataset tab در بخش setting قرار دارد. در سمت راست (مثل تصویر) روی فلش schedule refresh کلیک کنید تا امکانات دیگر نمایش داده شوند. Setting dialog box  در canvas ظاهر می شود تا تنظیمات بروزرسانی را مطابق میل خود تغییر دهید.

در همین جا نگاه مختصر خود را به Power BI Service متوقف می کنیم تا در بخش های بعدی درباره کار های بسیار زیادی که می توانید با Power BI Service انجام دهید، بیشتر توضیح دهیم. این نکته را همیشه در یاد داشته باشید که روز به روز تعداد app ها و داده هایی که می توانید به آنها متصل شوید و از آنها بهره ببرید، در حال افزایش است.

بلوک های Power BI

هر کاری که در Microsoft Power BI انجام می دهید را می توان به چند بلوک تقسیم کرد. پس از اینکه این بلوک های ساختاری را درک کردید ، می توانید هر کدام از آن ها را گسترش دهید و گزارش های پیچیده و حرفه ای بسازید.خب ، بالاخره همه چیز هایی که به ظاهر پیجیده به نظر می آیند هم ، از بلوک های ساختاری اولیه و پایه ای ساخته شده اند.برای مثال ساختمان ها را از چوب ، فولاد ، بتن و شیشه می سازند و ماشین را از فلز ، لاستیک ، پارچه و … می سازند.البته مطمئنا ساختمان ها و ماشین ها (با توجه به چیدمان بلوک های ساختاریشان) نیز می توانند پیچیده یا اساسی و ساده باشند .

خب ، بیایید نگاهی به این بلوک های ساختاری بیندازیم و در مورد برخی چیزهای ساده که می توان با آن ساخت بحث کنیم و سپس نگاهی اجمالی به چگونگی ساخت چیزهای پیچیده تر نیز بیاندازیم.

بلوک های ساختاری پایه ای و اساسی Power BI:

  • Visualisation یا تصویرسازی
  • Datasets یا مجموعه داده ها
  • Reports یا همان گزارش ها
  • Dashboards یا داشبوردها
  • Tiles یا کاشی های ساختاری

Visualization یا تصویرسازی

Visualization یا تصویرسازی ( که گاها به آن “”Visual نیز گفته می شود) به تصاویر جالب مثل چارت ها و نمودارها یا نقشه های رنگی گفته می شود که داده ها را به صورت تصویری ارائه می دهند و به نمایش می گذارند.Power BI مجموعه کاملی از انواع تصویرسازی ها می باشد و روز به روز به آن ها افزوده می شود.

تصویر پایین چند گزارش تصویری و Visualization را نشان می دهد که با Power BI Service ساخته شده اند.تصاویر می توانند ساده ، همچون تک عددی که نشان دهنده یک مسئله مهم است، باشند و یا می توانند تصویری پیچیده همچون نقشه ای رنگی که نشان دهنده احساسات و نظرات رای دهندگان درباره یک نگرانی اجتماعی است، باشد.هدف این تصاویر ، ارائه مطالبی است که به فهم و درک داده ها کمک کند ، زیرا گاهی درک این داده ها با یک جدول خام پر از اعداد و متون به تنهایی دشوار است.

Datasets یا مجموعه داده ها

Datasets مجموعه ای از داده هایی می باشد که Power BI با استفاده از آن ها ، تصویر سازی را میسر می کند. شما می توانید ( همچون تصویر زیر) یک Dataset ساده بر پایه یک فایل Excel داشته باشید.همچنین Dataset ها می توانند ترکیبی از چندین منبع باشند که می توانید آن ها را فیلتر و با هم ترکیب کنید تا یک مجموعه داده منحصر به فرد برای استفاده در Power BI ایجاد کنید.

برای مثال می توانید از سه Database و پایگاه داده مختلف (مثلا یک جدول در وب سایت ، یک جدول در Excel و نتایج آنلاین یک کمپین تجاری) یک Dataset بسازید.این ترکیب منحصر به فرد با اینکه از چندین منبع ساخته شده است، اما باز هم یک Dataset به حساب می آید.

فیلتر کردن داده ها قبل از انتقال آن ها به Power BI به شما این اجازه را می دهد که روی داده هایی که برای شما اهمیت دارند تمرکز کنید. برای مثال می توانید Database خود را به گونه ای فیلتر کنید که تنها مشتری هایی که از طرف شرکت ایمیل دریافت می کنند ، شامل آن باشند. سپس می توانید با داده های فیلتر شده، تصویر سازی کنید. در نتیجه فیلتر کردن، به تمرکز روی داده ها و تلاش های شما کمک می کند.

یکی از مهمترین بخش های Power BI  رابط ((Connector های داده ای بسیار زیاد آن است. چه داده ای که نیاز داشته باشید Excel, SQL, Server Database, Azure, Oracle, باشد و چه در Facebook, Salesforce یا Mailchimp باشد ، Power BI با کمک این رابط های درون برنامه ای به شما اجازه می دهد تا به راحتی به داده های خود دسترسی داشته ، در صورت نیاز فیلتر کرده و در Dataset خود قرار دهید.

پس از آن که به Dataset خود دست یافتید ، می توانید تصویر سازی را (که بخش های مختلف را به صورت مفهومی در شکل های مختلف نشان می دهد) شروع کنید.

سپس نوبت به گزارش ها می رسد.

Reports یا همان گزارش ها

در Power BI به مجموعه تصاویری ((Visualization که با یکدیگر در یک یا چند صفحه ایجاد می شوند گزارش می گویند. همچون سایر گزارش ها مثل گزارش فروش یک محصول و حتی گزارش مدرسه ، گزارش Power BI  نیز مجموعه ای مرتبط با یکدیگر است. عکس زیر نمونه ای از یک گزارش Power BI است (پنجمین صفحه از یک گزارش شش صفحه ای).

شما نیز می توانید با استفاده از Power BI چنین گزارشی تهیه کنید.

گزارش ها به شما این اجازه را می دهند تا چندین تصویر را (در صورت نیاز) در چندین صفحه به نمایش بگذارید تا بیشترین تاثیر را داشته باشد.

شما می توانید انواع گزارش ها مثل گزارش سه ماهه فروش کالا ، گزارش رشد محصولات در یک بخش خاص و حتی گزارش الگوی مهاجرتی خرس های قطبی را ایجاد کنید. هرموضوعی هم که باشد گزارش ها به شما اجازه می دهد تا تصاویررا در یک یا چند صفحه جمع آوری و سامان دهی کنید.

Dashboards یا داشبوردها

وقتی آماده انتشار یک تک صفحه از گزارش یا مجموعه ای از تصاویر هستید ، باید یک داشبورد تهیه  کنید . دقیقا همچون داشبورد ماشین ، داشبورد Power BI نیز مجموعه ای از تصاویریک صفحه می باشد که می توانید با دیگران به اشتراک بگذارید. معمولا داشبورد ها یک تصویر کلی از موضوعی است که می خواهید شرح دهید.

یک داشبورد باید در یک صفحه باشد و به آن Canvas یا بوم نقاشی گفته می شود. Canvas پس زمینه ای خالی درPower BI Desktop یا Service می باشد که در آن تصاویر را قرار می دهیم. دقیقا مثل بوم نقاشی یک هنرمند که محلی برای خلق تصاویر زیبا و منحصر به فرد است، شما نیز می توانید داشبورد های خود را هنرمندانه خلق و انتشار دهید ، به صورتی که دیگران بتوانند با استفاده از Power BI Service یا با استفاده از اپلیکیشن های موبایل خود از آن استفاده کنند.

Tiles یا کاشی های ساختاری

در Power BI ، به یک تک تصویردر گزارش یا داشبورد ها Tile گفته می شود. به بیانی دیگر به جعبه مستطیلی که در آن یک تصویر وجود دارد Tile گفته می شود. در شکل زیر تصویر یک Tile را مشاهده می کنید. در اطراف آن ، Tile های دیگر نیز قرار دارند.وقتی در حال ساخت یک گزارش یا داشبورد در Power BI هستید می توانید Tile ها را  مطابق سلیقه خودتان سازمان دهید و جابه جا کنید. می توانید آن ها را بزرگتر ، پهن تر و نازک تر کنید و به دیگر Tile ها ارتباط دهید.

وقتی به داشبورد یا گزارشی که قبلا توسط شخص دیگری ایجاد شده است نگاه کنید نمی توانید سایز Tile ها را تغییر دهید، اما می توانید از آن ها استفاده کنید.

توضیحات داده شده اصول اولیه Power BI و بلوک های ساختاری آن بودند. چکیده مطالب به شرح زیر است:

Power BI مجموعه ای از سرویس ها ، اپلیکیشن ها و رابط ها (Connector) می باشد که به شما اجازه می دهد تا به داده های خود (در هر جا و به هر شکلی که می باشند) دسترسی داشته باشید، در صورت نیاز فیلتر کنید و سپس آن ها را به Power BI انتقال دهید تا تصاویرجالب ایجاد شده را با دیگران به اشتراک بگذارید.

اکنون که با اصول بلوک های ساختاری Power BI آشنا شدید به این مسئله پی خواهید برد که می توانید Dataset هایی که در نظر شما منطقی هستند و منظور شما را به بهترین نحو انتقال می دهند، ایجاد کنید. موضوعاتی که با Power BI شرح داده می شوند برای گیرا بودن نیازی به پیچیدگی بیش از حد ندارند.

برای برخی افراد استفاده از یک جدول Excel در Database و انتشار یک داشبورد با هم تیمی های خود می تواند یکی ازموثر ترین راه های استفاده از Power BI باشد.

برای برخی دیگر ارزش BI Power در استفاده از جدول های Real-Time Azure SQL Data Warehouse می باشد که با سایر Database  ها و Real-Time Source ها ترکیب می شوند و Dataset های لحظه ای ایجاد می کنند.

  • برای هر دو گروه روند کار یکسان است: دنیای داده های در حال توسعه خود را در دست می گیرید و آن ها را به منابع عملی و گویا تبدیل می کنید.

چه دید کلی داده های شما نیاز به Dataset های ساده و چه نیاز به  Dataset پیچیده داشته باشد، Power BI به شما کمک میکند تا کار را به سادگی آغاز کنید و دنیای داده های خود را طبق سلیقه خود (پیچیده یا ساده) ایجاد کنید و از آن جایی که Power BI محصولی از شرکت Microsoft است می توان آن را به عنوان یک برنامه قوی، انعطاف پذیر، Microsoft Friendly و آماده سرمایه گذاری دانست.

اکنون نوبت به استفاده از Power BI Service  می باشد. دربحث بعدی نگاه مختصری به آن خواهیم انداخت.

ایجاد و استفاده از گزارش های تحلیلی با استفاده از Power BI

آشروع ساخت با Power BI

آشنایی با Power BI، بلوک های ساختاری آن و چگونگی کارکرد آنها

در این آموزش موارد زیر را فرا خواهید گرفت:

  • چگونگی عملکرد سرویس های Power BI و اپلیکیشن ها با یکدیگر
  • آشنایی با نقش Power BI در پیشرفت هرچه بیشتر تجارت شما
  • آشنایی با چگونگی ساخت تصاویر متحرک و گزارش ها

Microsoft Power BI مجموعه ای از نرم افزار های خدماتی، اپلیکیشن و رابط هایی می باشد که برای تبدیل منبع داده های غیر مرتبط شما به اطلاعات و مفاهیم منسجم، بصری، همه جانبه و مرتبط، با یکدیگر همکاری می کنند. چه داده های شما ساده همچون یک فایل اکسل باشند و چه مجموعه ای از داده های انبار شده مبنی بر cloud و on – premise باشد، Power BI به شما این اجازه را خواهد داد تا به سادگی با منبع داده های خود ارتباط برقرار کنید و آن چه حائز اهمیت است را بیابید و آن را با همه و یا هر کسی که دوست دارید به اشتراک بگذارید.

Power BI می تواند سریعاً و به سادگی دیدگاه واضح و فهم دقیقی از یک فایل excel یا database را ایجاد کند و در عین حال قوی و سازمانی باشد. Power BI آمادگی کامل را نه تنها برای مدل سازی گسترده و تجزیه تحلیل های زمانی بلکه برای گسترش تجارت نیز دارد. در نتیجه هم می تواند وسیله ای برای گزارش های شخصی و تصویر سازی شما باشد و در عین حال موتوری تجزیه و تحلیل کننده و تصمیم گیرنده در پروژه ها، تصمیم گیری ها و حتی همکاری ها باشد.

اگر تازه شروع به آموزش Power BI کردید، این آموزش راه را به شما نشان خواهد داد و اگر در زمینه Power BI کهنه کار هستید، این آموزش ابهامات و سوالات شما را برطرف خواهد کرد.Power BI شامل یک برنامه تحت ویندوز به نام “Power BI Desktop”، یک Saas ( نرم افزار خدماتی) به نام “Power BI Service”، و Mobile Application برای ویندوز فون، تبلت و همچنین IOS و اندروید می باشد.این سه عنصر یعنی دسکتاپ، سرویس و اپلیکیشن موبایل به گونه ای طراحی شدند تا به کاربران اجازه دهند دیدگاه ها و اطلاعات تجاری خود را به مؤثر ترین حالت ایجاد کنند، به اشتراک گذارند و به کار برند.

چگونگی مؤثر بودن Power BI با  توجه به نقش ما

چگونچی استفاده از Power BI ممکن است به نقش شما در پروژه یا تیم بستگی داشته باشد و افراد دیگر با نقش های دیگر نیز به احتمال زیاد از روش دیگری استفاده خواهند کرد که مشکلی ایجاد نمی کند.به عنوان مثال، ممکن است تنها کاری که شما با  Power BI  انجام می دهید مشاهده گزارش ها و داشبورد ها در آن سرویس باشد. اما ممکن است همکاران شما که در زمینه ایجاد گزارش های تجاری فعالیت می کنند استفاده گسترده ای از Power BI Desktop کنند ( مثلا گزارش های Power BI Desktop  را در PowerBI Service قرار دهند .

و شما بعدا آن ها را مشاهده کنید) و همکار دیگر شما در بخش فروش ممکن است از اپلیکیشن های Power BI موبایل برای نظارت بر فروش و معیار های جدیدش استفاده کند.همچنین ممکن است با توجه به آنچه که میخواهید انجام دهید یا نقش خود در پروژه در زمان های مختلف از عنصر های مختلف Power BI استفاده کنید.

ممکن است فهرست و پیشرفت تولیدی را در یک داشبورد واقعی در سرویس مشاهده کنید و از Power BI Desktop برای ایجاد یک گزارش درباره ی مشارکت مشتری برای سایر افراد تیم خود استفاده کنید. چگونگی استفاده شما از Power BI بستگی به ابزاری دارد که در شرایط شما مؤثر ترین نقش را دارد. اما به هر حال تمامی بخش های Power BI در اختیار شماست و همین موضوع آن را انعطاف پذیر می کند و شما را راضی نگه می دارد.

بعداً مفصلاً این سه عنصر یعنی Desktop,Service,Mobilرا توضیح خواهیم داد. در آموزش ها و بحث های بعدی با Power BI Desktop گزارش خواهیم ساخت و آن ها را در سرویس به اشتراک خواهیم گذاشت و در نهایت آن ها را در موبایل خود مشاهده خواهیم نمود.

روند کار Power BI

جریان عادی Power BI با ایجاد گزارش در Power BI Desktop آغاز می شود. سپس گزارش در سرویس Power BI  به اشتراک گذاشته خواهد شد و کاربران با اپلیکیشن Power BI  آن گزارش را در موبایل خود مشاهده خواهند نمود.

اما همیشه به این روند نیست و مشکلی نیز ایجاد نمی کند. اما برای آشنایی هر چه بیشتر با بخش های مختلف Power BI   و نحوه تکامل آنها با یکدیگر، از این روند استفاده خواهیم کرد.

خوب، اکنون که یک دید کلی از Power BI  و سه بخش آن داریم، وقت آن رسیده است تا در بخش بعدی به چگونگی کار کردن با Power BI  پی ببریم.

تفاوت PBI Desktop و PBI Desktop_RS

همانطور که می دانید برای ساخت و طراحی گزارشات بایستی از نرم افزار ویندوزی PowerBIDesktop استفاده کنید اما اگر می خواهید گزارشات را بر روی اینترنت یا همان PowerBI Service قرار دهید بهتر از PowerBI Desktop و اگر می خواهید گزارشات را بر روی سرور داخلی شرکت یا همان PowerBI Report Server قرار دهید باید از نسخه PowerBI Desktop_RS استفاده کنید.

البته PowerBI Desktop_RS امکان قرار دادن گزارشات بر روی PowerBI Service را نیز دارد اما اگر فقط قصد استفاده از PowerBI Service را دارید بهتر است از PowerBI Desktop استفاده کنید زیرا ماکروسافت نسخه های بروز تری از آن را نسبت به PowerBI Desktop_RS ارائه می دهد

اتصال به منابع داده در Power BI Desktop

Power BI Desktop می تواند به طیف وسیعی از منابع داده، از جمله پایگاه داده های on-premises، فایل های اکسل و cloud services متصل شود. در حال حاضر بیش از ۵۹ سرویس مختلف cloud  نظیر GitHub و Marketo دارای اتصالات خاصی هستند و شما می توانید از طریق XML، CSV، text و ODBC به منابع عمومی متصل شوید. Power BI حتی داده های جدولی را مستقیما از یک URL وب سایت استخراج می کند! اما اجازه دهید با باز کردن Power BI Desktop و اتصال به داده ها از ابتدا شروع کنیم.هنگامی که شما Power BI Desktop را راه اندازی می کنید و از Start Screen می گذرید، می توانید Get Data  (دریافت داده)  را از نوار در Home انتخاب کنید.

در Power BI Desktop، انواع داده های مختلفی در دسترس هستند. برای ایجاد یک اتصال، یک منبع را انتخاب کنید. با توجه به انتخابتان، از شما خواسته می شود که منبع را در کامپیوتر یا شبکه خود پیدا کنید و یا برای تأیید درخواست خود به سرویس وارد شوید.پس از اتصال، اولین پنجره ای که مشاهده می کنید Navigator است.

Navigator، جدول ها یا موجودیت های (entities) منبع داده شما را نمایش می دهد و با کلیک روی آن ها پیش نمایشی از محتویات آن را می توانید ملاحظه کنید. سپس می توانید بلافاصله جدول یا موجودیت انتخاب شده را منتقل کنید و یا قبل از آن، با انتخاب Edit  اطلاعات را ویرایش، تغییر و پاکسازی کنید.

آیا استفاده از پاور بی آی به معنی این است که نیازی به ساخت داشبورد در اکسل وجود ندارد؟

ضرورتاً اینطور نیست. شعار مایکروسافت این است که «ترکیب پاور بی آی و اکسل بهتر است». آنها حتی افزونه Power BI Publisher را ارائه کرده‌اند تا شما قادر باشید جداول، نمودارها، پیوت تیبل و … را از اکسل وارد پاور بی آی کنید.نمودارهای پارو بی آی به اندازه نمودارهای اکسل انعطاف پذیر نیستند و بهتر است شما نمودارهای خود را در اکسل طراحی کنید و سپس با استفاده از افزونه ذکر شده وارد پاور بی آی کنید.همچنین، پاور بی آی نیازمند داشتن مهارت در زمینه پاور کوئری و پاور پیوت است و عموم افراد وقت و آمادگی لازم برای یادگیری این مهارتها را ندارند.

در حالیکه شما ممکن است تمام مهارت‌های لازم برای ساخت داشبورد در اکسل را داشته باشید و فقط به یک نفر احتیاج داشته باشید که نحوه ترکیب این مهارت‌ها برای ساخت داشبورد را به شما آموزش دهد. این موضوع به این معنی است که منحنی یادگیری کوتاه‌تر است و شما می‌توانید داشبورد خود را در اکسل سریع‌تر تولید کنید.

آیا برای استفاده از پاور بی آی، نیاز به مهارت استفاده از پاور کوئری و پاور پیوت وجود دارد؟

اگرچه می‌توان بدون استفاده از پاور کوئری و پاورپیوت و به صورت مستقیم در پاور بی آی، داشبوردها را طراحی کرد. ولی این موضوع یک استثناء محسوب می‌شود و برای انجام این کار می‌بایست داده‌های خود را در یک مدل مثل پایگاه داده SQL قرار دهید.

شما نمی‌توانید داده‌های خود را در پاور بی آی اصلاح نمایید. شما فقط می‌توانید نمودارها و ابزارهای تصویری دیگری را بر اساس داده‌های خود، به همان شکلی که هستند، ایجاد کنید. بسیاری از افراد داده‌های خود را در پایگاه‌های مختلف داده می‌گیرند و این داده‌ها می‌بایست پاکسازی شوند و محاسبات مختلف بر روی آنها انجام شود. انجام این کارها در Power BI Desktop با استفاده از ابزارهای پاور کوئری و پاور پیوت صورت میگیرد که در ورژن های ۲۰۱۰ به بعد اکسل قابل دسترس هستند.

تفاوت پاور بی آی با Tableau، Qlik و دیگر ابزارهای BI چیست؟

پاور بی آی تغییرات زیادی در دنیای هوش تجاری ایجاد کرده است و به دلیل هزینه بسیار پایینی که دارند، بعنوان جایگزینی قدرتمند برای Qlick و Tableau مطرح شده است. شما می‌توانید از نسخه رایگان این ابزار استفاده کنید یا برای استفاده از نسخه پرو به ازای هر ماه ۱۰ دلار بپردازید و از آنجایی که این ابزار بر اساس پایگاه داده ابری است، نیاز به سرورهای گران قیمت برای اجرا ندارد.

فیلتر (Basic Filters) در پاور بی آی (Power BI)

فیلتر در پاور بی آی جهت محدود کردن داده ها متناسب با نیازها و الزامات استفاده می شود. به عنوان نمونه می توانیم نمایش یکی از محصولات را غیرفعال کنیم و یا فقط ۱۰ ثبت عملکرد بالاترین یا پایین ترین را نمایش دهیم.

در این مطلب، نحوه ایجاد فیلتر در پاور بی آی را به همراه مثال خدمت شما آموزش می دهیم.

نحوه ایجاد فیلتر (Basic Filters) در پاور بی آی (Power BI)

برای نمایش فیلتر در پاور بی آی، قصد داریم از نمودار میله ای خوشه بندی شده که در مطالب قبلی ایجاد کردیم استفاده کنیم.جهت آشنایی با نمودار میله ای خوشه بندی شده به لینک زیر مراجعه کنید:

نمودار میله ای خوشه بندی شده در پاور بی آی

همانطور که در تصویر زیر مشاهده می کنید، نام کشورها را به بخش Axis ، شغل را به بخش Legend و مقدار فروش را به بخش Values اضافه کردیم.

در پایین بخش Filters ، شما لیستی از فیلترهایی که در پاور بی آی در دسترس هستند را مشاهده می کنید.

  • Visual Level Filters: این بخش شامل فیلترهایی بر روی اندازه، فیلترهایی بر روی مقیاس، فیلترهای اولیه، فیلترهای پیشرفته و بالاترین N فیلتر می شود.
  • Page Level Filters: این بخش همه گزارشات دیداری موجود در صفحه را به صورت هم زمان فیلتر می کند.
  • Drill through Filters: این بخش از فیلتر به شما کمک می کند تا بخش یا گروه خاصی از داده هایتان را فیلتر کنید.
  • Report Level Filters: این بخش همه صفحه های مربوط به گزارش جاری را به صورت همزمان فیلتر می کند.

می خواهیم نام کشورها را (در تعداد کم) بسط دهیم تا انواع فیلتر را مشاهده کنید.

لیست کشویی را در زیر گزینه filter types انتخاب کنید تا ابعاد در دسترس برای گونه های مختلف فیلتر را مشاهده کنید.

  • Advanced Filtering: این گزینه به شما امکان دسترسی به گزینه ها پیشرفته بیشتر را می دهد. مانند: شروع شود با .. ، پایان یابد با .. ، شامل … باشد و غیره.
  • Basic Filters: جهت انجام فیلتر مورد استفاده قرار می گیرد.
  • Top N: جهت پیدا کردن بیشترین ۱۰ رکورد و یا کمترین ۱۰ رکورد  مورد استفاده قرار می گیرد.

در این مثال قصد تا در رابطه با فیلتر (Basic Filters) در پاور بی آی توضیح دهیم، پس همان را انتخاب می کنیم.

با انتخاب گزینه Basic Filters سطرهایی نمایش داده می شود که در این ستون در دسترس قرار دارند. می توانید با تیک دار کردن جعبه آن را انتخاب کنید. همچنین گزینه Select All برای انتخاب همه نیز در دسترس است.

در این بخش ما کشورهای Australia، Germany، United Kingdom و United States را انتخاب می کنیم. همانطور که در تصویر پایین مشاهده می کنید، نمودار ستونی خوشه بندی شده ، ستون هایی را که متعلق به کشورهای انتخاب شده هستند را نمایش می دهد.

حذف فیلتر در پاور بی آی

بر روی دکمه کوچک Clear filter کلیک کنید تا فیلترهای اعمال شده برداشته شود. برای نشان دادن این موضوع می خواهیم فیلتر موجود در فیلد Occupation را حذف کنیم.

همانطور که مشاهده می کنید فیلد Occupation فیلتری ندارد و همه نمایش داده می شوند.

در مرحله بعد فیلتر را از فیلد Country حذف می کنیم.

حالا همانطور که مشاهده می کنید هیچ فیلتری در نمودار ستونی خوشه بندی شده زیر وجود ندارد.

مشکل و عدم فعال شدن پاور ویو (power view) در اکسل

اگر از آفیس ۳۶۵ و آپدیت های اخیر اکسل ۲۰۱۶ و ۲۰۱۹ استفاده کرده باشید با خطای for security reasons office has blocked activation of silverlight controls including power view مواجه شده اید. این خطا بیان می کند که به دلایل امنیتی فعالیت نرم افزار silverlight که شامل power view هست توسط آفیس بسته شده است. همچنین اگر از فیلم ها با فرمت فلش در نرم افزار پاور پوینت استفاده کنید با خطایی مشابه مواجه خواهید شد.

خطای عدم فعال سازی پاور ویو در اکسل

برای فعالی سازی سیلورلایت و فلش تنها راه تغییر در رجیستری ویندوز است که توسط خود سایت office پیشنهاد شده است. ما در اینجا برای شما ترجمه این مطلب را به اندازه نیاز و به دور از مسائل فنی قرار داده ایم.

بسته شدن کنترل سیلورلایت و فلش در مایکروسافت آفیس

به دلایل امنیتی در نرم افزارهای آفیس ۳۶۵ یا نسخه های به روز شده در ویندوز فعالیت silver light، flash و Shockwave  غیرفعلا شده است. این موضوع شاید برای برخی از کاربران مسئله ای نباشد ولی برخی از کاربران به دلایل زیر با این موضوع به مشکل برخورد خواهند کرد.

وقتی که بر روی یک فیلم فلش در پاور پوینت کلیک می کنید هیچ اتفاقی نخواهد افتاد و مانند گذشته فیلم اجرا نخواهد شد.

وقتی بخواهید پاور ویو را در اکسل فعال کنید با خطا مواجه خواهید شد، زیرا این افزونه از silver light استفاده می کند.

حل مشکل عدم فعال سازی پاور ویو و فیلم های فلش

ساده ترین راه برای حل این مشکل دانلود پکیج زیر از سایت آفیس برای تغییر در رجیستری برای دسترسی به نرم افزارهای سیلورلایت و فلش است. بدین منظور گام های زیر را طی کنید:

۱۲- استفاده از فایل های دانلود شده برای فعال سازی پاور ویو

پس از دانلود فایل مراحل زیر را انجام دهد:
بر روی فایل زیپ دانلود شده دوبار کلیک کنید.
وارد پوشه EnableControls شوید.
برای فعال سازی پاور ویو بر روی فایل EnableSilverLight دوبار کلیک کنید تا فعال شود.
اگر ویندوز مجوز نصب خواست بر روی yes کلیک کنید.
اگر ویندوز مجوز تغییر در اطلاعات داد بر روی yes کلیک کنید.
برای تأیید در تغییر در رجیستری بر روی گزینه OK کلیک کنید.
اکنون می توانید در اکسل از نرم افزار پاور ویو استفاده کنید. به دلیل فنی بودن بحث روش تغییر دادن رجیستری به صورت دستی توضیح داده نخواهد شد. برای توضحات بیشتر به لینک این مطلب در سایت office مراجعه کنید.

افزودن اسلایسر (Slicer) به پاور بی آی

اسلایسر پاور بی آی در بیشتر مواقع جهت اضافه کردن فیلتر به صفحه پاور بی آی و یا گزارشات موجود در صفحه مورد استفاده قرار می گیرد.

در این مطلب آموزشی نحوه ایجاد اسلایسر (Slicer) در پاور بی آی را به همراه مثال به شما آموزش می دهیم.

به منظور نمایش اسلایسر در پاور بی آی قصد داریم از منبع داده SQL که در مطالب پیشین ایجاد کردیم

اتصال پاور بی آی به SQL Server

نحوه ایجاد اسلایسر (Slicer) در پاور بی آی

ما قصد داریم از صفحه زیر برای نمایش قدم به قدم ایجاد اسلایسر در پاور بی آی استفاده کنیم. این صفحه شامل نمودار ستونی انباشته، نمودار ستونی خوشه بندی شده و نمودار دایره ای می باشد.به منظور ایجاد اسلایسر در پاور بی آی، از بخش Fields، ستونی را که می خواهیم به عنوان فیلتر استفاده کنیم را توسط موس کشیده و در صفحه سفید پاور بی آی رها می کنیم.در این مثال می خواهیم از نام کشورها به عنوان فیلتر در گزارش موجود استفاده کنیم.

بنابراین، Country را از جدول Geography کشیده و در صفحه پاور بی آی رها می کنیم. این عمل به صورت خودکار یک نقشه برای شما ایجاد می کند.برروی Slicer در پایین بخش Visualization کلیک کنید. این عمل باعث می شود تا به صورت خودکار نقشه به اسلایسر تبدیل شود. در تصویر زیر می توانید لیستی از کشورها را مشاهده کنید.

روش دوم برای ایجاد اسلایسر (Slicer) در پاور بی آی

ابتدا بر روی Slicer در زیر بخش Visualization کلیک کنید. این عمل به صورت خودکار یک اسلایسر از داده های ساختگی ایجاد می کند.برای آنکه به اسلایسر خود داده اضافه کنیم، ستون مورد نظر را که می خواهیم به عنوان فیلتر استفاده کنیم را کشیده و به بخش Fields اضافه می کنیم. در این قسمت Country را به بخش Fields اضافه می کنیم.به عنوان نمونه United States را انتخاب می کنیم.

همانطور که در تصویر پایین مشاهده می کنید، نمودار ستونی انباشه، نمودار خوشه بندی شده و نمودار دایره ای مقدار فروش برای کشور آمریکا را نمایش می دهند.نکته: به صورت پیش فرض، شما تنها می توانید یک کشور را به صورت همزمان انتخاب کنید. برای انتخاب چند فیلد به صورت همزمان باید از بخش Format گزینه Single Select را از On به Off تغییر دهید.

در مثال بعد کشور United Kingdom (انگلستان) را انتخاب می کنیم. در تصویر پایین مشاهده می کنید که فیلتر بر روی همه نمودارها اعمال شد.

تغییر فرمت اسلایسر (Slicer) در پاور بی آی

بر روی گزینه Format کلیک کنید تا لیستی از گزینه های فرمت که برای این اسلایسر در پاور بی آی در دسترس هستند را مشاهده کنید.

تنظیمات عمومی (General) فرمت اسلایسر(Slicer) در پاور بی آی

از بخش General برای تغییر ضخامت خط خارجی، رنگ خط خارجی، مکان X و Y و طول و عرض اسلایسر استفاده کنید.همانطور که در تصویر زیر مشاهده می کنید، به بخش Background Color رنگ پس زمینه اضافه کردیم، بخش Outline را به bottom تغییر دادیم. در ادامه در بخش Font Size، سایز متن را به ۲۰ تغییر دادیم و در بخش Font Family، فونت Georgia را انتخاب کردیم.

تغییر فرمت گزینه های موجود (Items) در اسلایسر (Slicer) پاور بی آی

در این قسمت در بخش Items ، نام کشورها را در بخش Font Color به رنگ سبز، در قسمت Font Size اندازه متن را به ۲۰ و در قسمت Font family فونت متن را به Georgia تغییر می دهیم.

تغییر فرمت عنوان اسلایسر(Slicer) در پاور بی آی

با تغییر گزینه Title از off به On می توانید به اسلایسر خود عنوان اضافه کنید.همانطور که در تصویر پایین مشاهده می کنید، Countries Slicer in Power BI را عنوان اسلایسر خود قرار دادیم. در ادامه رنگ متن را به قرمز، Alignment را به مرکز، فونت را به Georgia و سایز عنوان را به ۱۹ تغییر دادیم.

تغییر فرمت رنگ پس زمینه و حاشیه اسلایسر (Slicer) در پاور بی آی

با تغییر گزینه Background به On می توانید رنگ پس زمینه اسلایسر خود را تغییر دهید. برای نمایش این موضوع، رنگی را به صورت تصادفی با شفافیت ۶۶% انتخاب کردیم.به همین روش می توانید با تغییر گزینه Border از Off به On به اسلایسر خود حاشیه اضافه کنید.

تغییر فرمت Selection Control اسلایسر (Slicer) در پاور بی آی

بخش Selection Controls به فرمت دادن به انتخاب اسلایسرها در پاور بی آی کمک می کند. این بخش دارای دو خواص زیر است:

Show Select All: گزینه Select all و یا انتخاب همه را به اسلایسر اضافه می کند.Single Select: این گزینه انتخاب های اسلایسر را به یک انتخاب همزمان محدود می کند.در این قسمت Show Select All از Off به On تغییر می دهیم. حالا می توانید Select All در زیر بخش اسلایسر Country مشاهده کنید.

با تغییر گزینه Single Select از On به Off ، قادر خواهید بود چند فیلد را در اسلایسر به صورت همزمان انتخاب کنیددر اینجا Australia، Germany، United Kingdom وUnited States را انتخاب کردیم

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *