آموزش جامع هوش تجاری BI و تحلیل داده با Tableau

هوش تجاری یا Business Intelligence که به اختصار به آن BI نیز گفته می شود، علمی نوظهور در حوزه کسب و کارهای نوین است که هر ساله به تعداد طرفداران و استفاده کنندگان آن افزوده می شود.

با داده محور شدن اکثر کسب و کارهای امروزی در ایران و عدم توانایی تصمیم گیری دقیق مدیران براساس تجربه، استفاده از هوش تجاری یا همان هوش کسب و کار برای ساخت نمودارها، داشبوردها و استوری تجاری از آخرین وضعیت فروش، سود، هزینه، خسارت و … را به یک امر ضروری تبدیل کرده است و با کمی جست و جو در سایت های سازمان ها و شرکت ها می توان اهمیت این تخصص را به خوبی مشاهده نمود.

علاوه بر این افزایش روز افزون حجم دیتا و اطلاعات تولید شده در سازمان ها باعث شده است که نمودارهای ساده‌ آماری نرم افزارهای رایج در سازمان ها مانند اکسل (Microsoft Excel) در این زمینه کارایی مناسب در مهلت اتمام کار مشخص شده را نداشته باشند. به همین علت از نرم افزارهای تخصصی و جدیدتری مثل نرم افزار Power BI که توسط شرکت مایکروسافت تولید و طراحی شده است برای به کارگیری هوش تجاری BI استفاده می شود.

پیاده سازی تکنیک های ETL و OLAP بر روی حجم زیادی از داده‌ها، از جمله مهارت های هستند که مدیران ارشد سازمان ها به آن نیاز قابل توجهی دارند زیرا شدت رقابت بین شرکت ها باعث به وجود آمدن پیچیدگی در مدیریت زمان و برنامه ریزی استراتژیک و دقیق شده است.

در این دوره چه مباحثی آموزش داده شده است؟

ما در این دوره به آموزش جامع هوش تجاری با نرم افزار Tableau خواهیم پرداخت. نرم افزار Tableau به دلیل سادگی بیش از حد، سرعت بالا و نداشتن الزام به داشتن دانش برنامه نویسی، یکی از محبوب ترین و پرطرفدارترین نرم افزارهای BI و مصورسازی داده ها (Data visualization) تبدیل شده است.  در اکثر فرصت های شغلی متخصص BI، در کنار تسلط به Tableau، آشنایی با زبان دستورات SQL و داده کاوی (data mining) نیز امری ضروری است که در این دوره، آموزش آنها نیز ارائه شده است.

سرفصل های دوره آموزش هوش تجاری BI و تحلیل داده با Tableau

فصل 1 – آشنایی با هوش تجاری

• معرفی دوره
• آشنایی با مفاهیم BI
  • آشنایی با انبار داده (data warehouse)
  • آشنایی با Data Mart
  • آشنایی با ETL
  • آشنایی با OLAP

فصل 2- شروع کار با Tableau

• آشنایی با محیط Tableau
• وارد کردن انواع منبع داده
  • Excel
  • CSV
  • Text
  • SPSS
  • MS Access
  • جدوال پایگاه داده SQL Server
  • فایل PDF
• آشنایی با انواع متغیر (ویژگی)
• اتصال (Join) ساده و پیشرفته
• مخلوط کردن دیتا (Data blending)
• استخراج دیتا (Data extraction)

فصل 3- پاکسازی داده‌ها

• انواع روش فیلتر کردن
  • فیلتر ابعاد (Dimension filter)
  • فیلتر اندازه (Measure filter)
  • فیلترینگ سریع (Quick filtering)
  • فیلترینگ محیط (Context filter)
  • Cascading filtering
  • فیلتر محاسبات (Calculation filter)
  • فیلتر منبع داده (Data source filter)
• انواع روش Sort
  • محاسباتی
  • دستی
  • آشیانه‌ای (Nested)
• کار با انواع تاریخ
  • پیوسته
  • گسسته
• گروه بندی (Group)
• مجموعه (Set)
• شاخه‌های سلسله مراتبی (Hierarchy)
• ایجاد پارامتر

فصل 4- کار با Measure value و Measure Name

• Blended axis
• مقایسه خطی عملکرد یا فروش
• ترکیب دو محور (Dual axis)

فصل 5- محاسبات جدولی (Table calculations)

• محاسبه وضعیت کل فروش (running of total sales)
• محاسبه درصد کل
• محاسبه میانگین متحرک (فروش و سرمایه گذاری)
• محاسبه سطح جزئیات (Level of Detail)
  • تابع Exclude
  • تابع Fixed
  • تابع Include
• صدک (percentile)
• محاسبه رشد نقطه به نقطه (فروش، سود و …)

فصل 6- نوشتن تابع و تولید ویژگی (Feature generating)

• توابع عددی
• توابع رشته
• توابع تاریخ
• کار با تاریخ فارسی
• توابع منطقی
• توابع Aggregate

فصل 7- آموزش دستورات T-SQL

• کد نویسی انواع روش‌های پرسی و جوی پایگاه داده در Tableau

فصل 8- آمار و داده کاوی

• آشنایی با تحلیل آماری
• آمار و داده کاوی در Tableau

فصل 9- مصور سازی داده‌ها (Data visualization)

• پیاده سازی روش‌های Data visualization
• کار با نقشه
• ساخت ابر واژگان فارسی (Word cloud)

فصل 10 – داشبورد (Dashboard) و استوری  (Story)

روش های ساخت داشبورد و استوری

توجه :  این دوره در Tableau Desktop – professional edition نسخه 2019 پیاده سازی شده است.

حاصل دوره

• توانایی کار با انواع منبع داده
• تسلط به پاکسازی داده ها
• تسلط به DML (زبان برنامه نویسی دستکاری داده‌ها در SQL)
• تسلط به مفاهیم ETL و OLAP
• تسلط با نوشتن توابع و تولید ویژگی (Feature generation)
• طراحی انواع نمودار، داشبورد و استوری
• تسلط به تکنیک های تحلیل آماری و داده کاوی (رگرسیون، خوشه بندی و سری زمانی)