طبق گزارش گارتنر در سال ۲۰۱۸، شرکت مایکروسافت به مقام Leadership ابزارهای هوش تجاری دست یافته است. در این مقاله قصد داریم به بررسی ابزارهای و سرویس‌های مایکروسافت جهت ارائه هوش تجاری بپردازیم.

 

به طور خلاصه مایکروسافت سه سرویس اصلی را به هوش تجاری اختصاص داده است که عبارتند از: سرویس انتقال و یکپارچه سازی داده (SSIS)، سرویس پایگاه داده تحلیلی (SSAS)
و سرویس‌ گزارش گیری (SSRS).

گذشته از این سه سرویس مایکروسافت ویژگی‌هایی به برنامه پرطرفدار اکسل افزوده است که با کمک آنها امکانات هوش تجاری به آن اضافه شده است از جمله، Power Pivot, Power View, Power Query, Power Map

Power Bi محصول جدید و قدرتمند دیگری از شرکت مایکروسافت است که با هدف ابزار هوش تجاری سلف سرویس توسعه داده شد و این روزها به شدت مورد استقبال قرار گرفته است.

با توجه به رشد روزافزون استفاده از گوشی‌های همراه، مایکروسافت هم از ابزارهای تولید اپلیکشن موبایل غافل نماند و با کمک Mobile Report Publisher به حوزه انتشار گزارش و دشبورد بر روی گوشی تلفن همراه قدم گذاشت.

در ادامه این مقاله و مقاله آتی به معرفی و بررسی هر یک از این ابزارها و سرویس‌ها می پردازیم.

سرویس SSIS: نام این سرویس مخفف عبارت SQL Server Integration Service است و به معنی سرویس یکپارچه سازی اس کیو ال سرویس است. این سرویس در واقع عملیات ETL را انجام می‌دهد. ETL به مجموعه عملیات‌های مربوط به جمع‌آوری ویکپارچه سازی داده‌ها اطلاق می‌گردد. نمونه‌ای از فضای سرویس SSIS را در تصویر زیر مشاهده می‌کنید.

سرویس SSAS: نام این سرویس مخفف SQL Server Analysis Service است و به معنی سرویس تحلیلی اس کیو ال سرور است. با کمک این سرویس داده‌ها به صورت چندبعدی (Multi Dimension) ذخیره می گردد و امکان گزارش گیری و تحلیل داده‌ها با سرعت بسیار بالا فراهم می‌شود. نمونه‌ای از فضای این سرویس را در تصویر زیر مشاهده می کنید.

سرویس SSRS: این سرویس مخفف SQL Server Reporting Service است و امکان تهیه و مدیریت گزارش و دشبوردهای مدیریتی را فراهم می‌کند.
نمونه ای از محیط این سرویس را تصویر زیر مشاهده می‌کنید.

 

در مقاله بعدی به بررسی دیگر ابزارهای هوش تجاری مایکروسافت می‌پردازیم.

 

نمودار خطی

در مقاله قبلی به بررسی نمودار ستونی پرداختیم. نمودار ستونی برای تعداد کم و گسسته اقلام مناسب است. اما در صورتی که تعداد اقلام افزایش پیدا کند و یا ماهیت پیوسته (زمان) داشته باشد، کارایی خود را از دست می‌دهد و به اندازه کافی گویا نیست. در چنین شرایطی می توان از نمودار خطی استفاده کرد. دقت کنید که در نمودار خطی، مقادیر به صورت دقیق مشخص نیست و بیشتر نشان دهنده روند تغییرات است تا مقدار دقیق.

نمودار خطی عمدتا به عنوان یک نمودار وابسته به زمان مورد استفاده قرار می‌گیرد و محور افقی (X) در آن نشان دهنده بعد زمان است.

 

 

نمودار نقشه درختی

(این قسمت با کمی تغییر از “کتاب از رسم نمودار تا طراحی داشبورد در اکسل ۲۰۱۶” نوشته دکتر امید معتمدی انتخاب شده است)

نمودار نقشه درختی برای مقایسه داده‌ها با ساختار سلسه مراتبی و تعداد گروه‌های بالا مناسب می‌باشد.

به عنوان مثال فرض کنید که قصد نمایش میزان درآمد حاصل از فروش محصول در هر یک از استان‌ها را با یکدیگر و مقایسه آنها را داریم. استان‌ها را به چهار ناحیه تقسیم کرده‌ایم و می‌خواهیم مقادیر فروش در هر استان، با استان‌های همان ناحیه و استان‌های سایر ناحیه‌های مقایسه کنیم. جدول اکسل مربوط به این داده‌ها به شکل زیر است:

 

 

 

 

در این حالت به علت تعداد بالای استان‌ها و گروه‌بندی شدن آنها، نمی توانیم، از نمودارهای قبلی استفاده کنیم و باید از نمودارهای سلسه مراتبی از جمله نموداری نقشه درختی استفاده کنیم. نمودار مرتبط به این لیست را در تصویر زیر مشاهده می‌کنید.

 

 

 

 

در این نمودار در هر ناحیه، هر استان با یک مستطیل نمایش داده می‌شود که اندازه آن متناسب با عدد مربوط به درآمد در آن استان می‌باشد، به گونه‌ای که هر چقدر در یک استان درآمد حاصله بیشتر باشد، مستطیل مربوط به آن استان بزرگتر می‌باشد. به عنوان مثال مستطیل‌های زرد نشان دهنده ناحیه دو است. پنج استان در این ناحیه قرار دارد. بیشترین مقدار مربوط به استان تهران است که مساحت بیشتری را به خود اختصاص داده است و کمترین مقدار مربوط به استان گیلان است که مساحت کمتری دارد.

نحوه چینش این مستطیل‌ها در هر ناحیه به گونه‌ای است که بزرگ‌ترین آنها در سمت چپ بالای ناحیه قرار می‌گیرد. در ناحیه سه، تهران بیشترن مقدار را دارد و در سمت چپ و بالا قرار گرفته است. هر چه به سمت راست و پایین آن ناحیه حرکت می‌کنیم، مربع‌ها کوچک‌تر (بیانگر استان‌هایی که درآمد حاصل از فروش در آن استان نسبت به سایر استان‌ها کمتر است) نمایش داده‌ می‌شود. استان گیلان کمترین میزان درآمد را داشته است، بنابراین در گوشه پایین سمت راست قرار گرفته است.

 

مناسب‌ترین نمودار جهت نمایش روند تغییرات و مقایسه گزینه‌ها، نمودار ستونی است. به عنوان مثال روند تغییرات سود شرکت به ازاء سال‌های ۱۳۸۵ تا ۱۳۹۶ و یا میزان فروش در هر استان. در ادامه نمونه‌ای از این نمودار را به صورت دو بعدی و سه بعدی مشاهده می‌کنید.

 

 

 

نمودار ستونی خوشه‌ای

نمودار ستونی خوشه‌ای امکان مقایسه همزمان چند گزینه در بازه‌های زمانی مختلف را فراهم می کند. فرض کنید در مثال قبل، قصد مقایسه روند سود شرکت در سال‌های ۱۳۹۳ تا ۱۳۹۶ و به ازاء استان‌های اصفهان، یزد و فارس را داشته باشید. نمودار ستونی چنین امکانی را برای شما فراهم می کند. در ادامه نمونه‌ای از این نمودار را مشاهده می‌کنید.

 

 

 

 

 

نمودار ستونی انباشته

در نمودار ستونی خوشه‌ای، اقلام مورد مقایسه هر کدام در یک ستون جداگانه رسم می‌شدند، اما در نمودار ستونی انباشته، اقلام مورد مقایسه در یک ستون و به صورت انباشته رسم می‌شوند. نمونه نمودار ستونی انباشته برای مثال بالا را در ادامه مشاهده می‌کنید.

 

 

 

نمودار ستونی انباشته ۱۰۰%

نمونه‌ای از این نمودار را برای مثال سود در ۴ سال گذشته و در سه استان را در تصویر زیر مشاهده می‌کنید. همانطور که مشخص است، مقدار سود در استان‌های مختلف در هر سال بر روی یکدیگر و به صورت انباشته رسم شده است. ولی بر خلاف مثال قبل اندازه ستون‌ها نهایتا با هم برابر است. علت آن این است که در این نمودار مشخص می‌شود که سهم هر استان از سود کل هر سال چه درصدی از کل سود آن سال است. اذا اندازه تمام ستون‌ها برابر با ۱۰۰ درصد است.

 

نمودار دایره‌ای یکی از نمودارهای پراستفاده در هوش تجاری است و در اکثر گزارش‌ها مورد استفاده قرار می‌گیرد. به طور کلی هر وقت قصد محاسبه سهم هر جزء از کل را داشته باشیم، از این نمودار استفاده ‌میکنیم. به عنوان مثال سهم فروش هر کدام از کارمندان از فروش کل، یا سهم تولید هر استان از تولید کل …

واحد تولیدی را در نظر بگیرید که سه شعبه مختلف در سه استان اصفهان، مرکزی و یزد دارد. قصد دارد درصد تولید هر استان از کل استان را بداند. مناسب ترین نمودار برای نمایش چنین داده‌های، نمودار دایره‌ای است. چنین نمودارای در سه فرمت معمولی، سه بعدی و دونات در ادامه رسم شده است. این سه نمودار از لحاظ مفهومی تفاوت چندانی با هم ندارند و فقط از لحاظ گرافیکی و ظاهری متفاوت هستند.

نمودار دایره ای

نمودار دایره‌ای سه بعدی

نمودار دونات

نمودار دایره از دایره

در مواردی که تعداد رکوردهایی که می خواهیم بر روی نمودار دایره‌ای نمایش دهیم، زیاد باشد، نمودار دایره‌ای کارایی خود را از دست می‌دهد و مناسب نمی‌باشد. یکی از بهترین راه‌ها در موارد این‌چنین، ادغام کردن رکوردهایی هستند که در یک گروه هستند. برای این منظور می‌توان از نمودار دایره از دایره استفاده کرد.

به عنوان مثال فروشگاهی را در نظر بگیرید که اجناسی مثل، کیف، کفش، شلوار پارچه‌ای، شلوار لی، شلورا کتان، کمربند، پیراهن را به فروش می رساند. مسول فروشگاه قصد دارد درصد فروش هر کدام از محصولات از کل فروش را بداند. می تواند از نمودار دایره‌ای استفاده کند، اما تعداد اقلام زیاد است و همانطور که در تصویر زیر می‌بینید برخی از محصولات درصد بسیار کمی دارند و دیده نمی‌شوند. جهت مدیریت این موضوع می‌تواند شلوارها را جداگانه و به صورت نمودار دایره از دایره رسم کند. در دامه هر دو این نمودارها را مشاهده می‌کنید. در نمودار اول تمامی اقلام در یک نمودار دایره‌ای رسم شده‌اند اما در نمودار دوم، شلوار‌ها جدا شده‌اند و به صورت دایره‌ از دایره‌ نمایش داده شده‌اند.

 

 

نمودار دایره از ستون

از لحاظ تعریف دقیقا شبیه نمودار دایره از دایره است با این تفاوت که در نمودار دایره از دایره، هر دو نمودار به صورت دایره‌ای نمایش داده می‌شدند اما در این حالت، نموداراصلی به صورت دایره‌ای است و نمودار دوم به صورت ستونی نمایش داده می‌شود. نمونه نمودار دایره از ستون برای مثال فروشگاه را در ادامه مشاهده می‌کنید.

حدود چند ماه پیش یکی از دوستان که از اضافه وزن، رنج می برد، تصمیم به کاهش وزن گرفت. در آن زمان وزن ۸۰ کیلوگرم داشت و مشاوره تغذیه اش، وزن ایده آل او را، ۶۸ کیلو اعلام کرده بود و پیشنهاد داده بود که طی ۲۴ هفته از شر وزن اضافه خلاص شود. برنامه غذایی نوشته شد، و دوستم شروع به پیروی از برنامه غذایی کرد.

دوست عزیزم برنامه غذایی را رعایت می کرد، اما هیچ معیاری نداشت که چقدر در راستای هدف اش عمل میکند و چقدر به وزن ایده آل اش نزدیک شده است. بهش پیشنهاد دادم که در چارچوب هوش تجاری عمل کند. چطور؟ اجازه بدید که توضیح بدم.

هدف دوستم مشخص بود. کاهش وزن از ۸۰ کیلو به ۶۸ کیلو طی ۲۴ هفته. اولین قدم، استخراج و تعیین شاخص کلیدی عملکرد بود. شاخص کلیدی عملکرد چیست؟ شاخص کلیدی عملکرد در واقع معیار عددی برای سنجش وضعیت در حوزه مورد نظر ما است و مشخص می کند که چقدر ما به هدف آن حوزه نزدیک شده ایم. حالا حوزه مورد نظر ما کاهش وزن است و چه شاخصی واضح تر از خود مقدار وزن. بنابراین دوستم وزن را به عنوان شاخص کاهش وزن در نظر گرفت. گذشته از آن، به موارد دیگری فکر کرد که بر روی کاهش وزن موثر است و می توان به عنوان شاخص کاهش وزن در نظر گرفته شود. مواردی چون مقدار کالری دریافتی، تعداد گام های طی شده در طول روز، تعداد لیوان آب.

دوستم فایل اکسلی به شکل زیر تهیه کرد و در هر روز مقادیر شاخص های وزن، کالری دریافتی، تعداد گام و تعداد لیوان آب را در آن یادداشت می کرد. نتیجه در هفته اول به صورت زیر شد.

 

 

جدول بالا به اندازه کافی گویا نبود و دوستم مجبور بود تمام اعداد را یک بار مطالعه کند تا متوجه وضعیت کاهش وزن اش در هفته اول رژیم شود. بنابراین برای درک بهتر و سریعتر، شروع به نمایش شاخص ها در قالب نمودار کرد. نتیجه تغییرات وزن در هفته اول و به صورت نموداری را در تصویر زیر مشاهده می کنید.

 

 

با یک نگاه متوجه وضعیت کاهش وزن اش در هفته اول شد. نتیجه کاملا ناامید کننده بود. نه تنها کاهش وزن نداشت، که افزایش وزن هم داشت. مشکل کجا بود؟ دوستم به بررسی باقی شاخص ها پرداخت. برای درک بهتر و سریع تر، نمودار مابقی شاخص ها را هم رسم کرد و در کنار هم قرار داد.

 

 

حالا ریشه یابی افزایش وزن ساده تر شد. شاخص ردیف اول سمت چپ، نشان دهنده وزن است، روند نزولی دارد، تا روز آخر که به صورت غیر منتظره افزایش می یابد. شاخص ردیف اول سمت راست، مقدار کالری دریافتی را نشان می دهد. روز قبل از حادث شوم افزایش وحشتناک وزن، دوستم حسابی رژیم را شکسته بود و کلی فست فود و شیرینی خامه ای خورده بود. البته صادق بود و کالری دریافتی را صادقانه نوشته بود.

ریشه افزایش وزن معلوم شد، تا حد زیادی به خاطر کالری دریافتی بالا در روز قبل بود.

گذشته از آن شاخص تعداد گام هم نشون میده که دوستم در اون روز کذایی، تحرک بدنی کمی داشت، روز بعدش هم تلاش کرده جبران کنه، اما کار از کار گذشته بود و اضافه وزن یقه اش را گرفته بود.

در روز کذایی تعداد لیوان آب افزایش پیدا کرده بود. که با توجه به فست فود سنگینی که دوست جان بر بدن زده بود، نوشیدن آب بیشتر دور از انتظار نبود. میدونید که نمک فست فود عاشق چیه؟ عاشق آب که به هم بچسبند و وزن را تصاعدی بکشن بالا.

نمودارهای بالا خبرای بدی برای دوستم داشتند. اما جلو ضرر رو از هر جا بگیری منفعت. حداقل اش حواس اش جمع شد که یه تقلب کوچیک (۵ تا شیرینی خامه ای ناقابل با یه پیتزا ناقابل تر)، چقدر می تونه اون رو از هدف اش دور کنه.

دوستم به روال یادداشت شاخص ها در اکسل و رسم نمودار ادامه داد، الان کجاست؟ داره درخواست های مدلینگ را، یکی یکی رد می کنه.

نمودار ترکیبی

این دسته از نمودارها سهم اجزای مختلف از یک کل را نشان می دهند. نمودار های دایره ای، تجمعی یا انباشته … در این دسته قرار می گیرند.

دایره ای: نمودار دایره ای که گاها با نام نمودار کلوچه ای به آن اشاره می شود، جهت نمایش داده ها به صورت درصدی از کل، مورد استفاده قرار می گیرد. این نوع نمودار برای بررسی داده های هم جنس در یک مقطع از زمان (مثلا سهم هر مشتری از مقدار کل خرید در سال ۱۳۹۶) مناسب می‌باشد، در واقع در حالتی که ما بخواهیم سهم هر یک از موارد یا اتفاقات از یک کل را به دست آوریم، این نمودار بهترین گزینه پیش رو می‌باشد.

 

 

 

تجمعی: این نمودار نیز مشابه نمودار دایره ای جهت نمایش داده ها به صوردت درصدی از کل مورد استفاده قرار می گیرد. با این تفاوت که برخلاف نمودار دایره ای که درصد از کل را بر اساس چند بعد مقایسه می کند. به عنوان مثال در نمودار دایره ای در تصویر قبلی، درصد خرید فقط در یک فصل نمایش داده شده است اما در نمودار تجمعی که در ادامه مشاهده می کنید، در چهار فصل سال نمایش داده شده است.

 

 

 

نمودارهای پراکندگی

این دسته از نمودارها پراکندگی داده‌ها را بر روی یک صفحه مشخص می‌کنند. پر استفاده ترین نمودار این دسته، نمودار نقاط پراکنده یا همان اسکاتر است.

نقاط پراکنده (scatter):
مودار نقاط پراکنده برای ترسیم داده های پیوسته و حتی گسسته علمی / مهندسی / ریاضی / آماری / آزمایشگاهی دقیق مناسب است، مانند ترسیم روند تغییرات آب و هوایی، یا رشد سلولی یا داده های خروجی نرم افزارهای تحلیلی و هزاران کاربرد دیگر.

در تصویر زیر نمونه ای از یک نمودار نقاط پراکنده(Scatter Diagrams) ترسیم شده است، هر نقطه از این نمودار نشان دهنده ی یک داده ی بدست آمده از یک کار آماری یا آزمایشگاهی و یا یک نقطه از یک رابطه ریاضی میباشد.

 

 

نمودارهای رابطه‌ای

این دسته از نمودارها رابطه‌ی متغیرها را با یکدیگر نشان می‌دهند. پر استفاده ترین نمودار این دسته، نمودار حبابی است.

 

حبابی
(Bubble): با کمک این نمودار می توان میزان رشد یک آیتم در ازای تغییرات دو پارمتر استفاده نمود، فرض کنید می خواهید در یک نگاه میزان فروش خود را در ماه های یک سال و به ازای هزینه های تبلیغات مختلف ببیند. با کمک نمودار حبابی به راحتی این کار امکان پذیر است. در نمودار زیر اندازه حباب ها نشان دهنده مقدار هزینه است، محور Y مقدار فروش را نشان می دهد و محور X ماه را.

 

داده ها با طیف متنوعی از نمودارها نشان داده می شوند، اما کدام نمودار وضعیت داده های را به بهترین نحو نمایش می دهد؟ دقت کنید که نمودارها جهت شفاف سازی اطلاعات به وجود آمدند و انتخاب اشتباه نمودار منجر به کج فهمی داده ها شده و اطلاعات درست را به تحلیلگر منتقل نمی کند و ممکن است کاربران نهایی را به اشتباه بیاندازید.

نمودارها به صورت کلی به ۴ دسته تقسیم می شوند که عبارتند از : نمودارهای مقایسه ای، نمودارهای ترکیبی، نمودارهای توزیع و نمودارهای رابطه ای. در ادامه انواع به بررسی انواع نمودارها می پردازیم.

 

 

نمودار مقایسه ای

نمودار های مقایسه ای، همانطور که از نام آنها مشخص است برای مقایسه چند قلم اطلاعاتی مورد استفاده قرار می گیرند و به سادگی کمترین و بیشترین مقدار را نمایش می دهند. با توجه به نوع اقلام اطلاعاتی و گزارش های مورد نظر می توانید از این دسته از نمودارهای استفاده کنید.

 

ستونی: در صورتی که اقلام اطلاعاتی وابسته به زمان نیستند و تعداد آنها کم است، بهترین انتخاب برای نمایش آن، نمودار ستونی است.

 

میله ای: در صورتی که اقلام اطلاعاتی وابسته به زمان نیستند و تعداد آیتم هایی که قرار است مقایسه شوند، زیاد باشد بهتر است که از نمودار میله ای استفاده کنید.

 

رادار: در صورتی که داده های شما شامل شرایط زیر می شود، وابسته به زمان است، در دوره های زمانی مختلف تکرار می شود و تعدا اقلام اطلاعاتی که قرار است با هم مقایسه شوند، اندک است، بهترین گزینه برای نمایش آن، نمودار رادار است. در نمودار زیر تعدا خرید مشتریان در فصل های مختلف مقایسه شده است.

خطی: آیا داده های شما وابسته به زمان است اما تکرار آن در دوره های زمانی مختلف اهمیتی ندارد؟ از نموار خطی استفاده کنید. نمونه آن را در ادامه می بینید.

 

هوشمندی موقعیت (Location intelligence) یکی از مباحث داغ در انجمن نرم افزارهای هوش تجاری است و تحلیل گران پیش بینی کرده اند که ارزش بازار تحلیل موقعیت در سال ۲۰۲۱، به بیش از ۱۶٫۳۴ میلیون دلار خواهد رسید.

موقعیت جغرافیایی قدمت طولانی در تحلیل های هوش تجاری دارد، به عنوان مثال شهر و استان مشتری در بسیاری از سیستم های اطلاعاتی ذخیره می شود  و نقشه جغرافیای نقش پررنگی در اغلب دشبوردها دارد.

با شیوع تلفن های هوشمند و انفجار سرویس های مبتنی بر موقعیت، شرکت ها به نوع جدیدی از اطلاعات در مورد مشتری دسترسی دارند، اطلاعاتی مانند اینکه مشتریان اغلب در کجاها تردد دارند، هر چند وقت یک بار به یک مرکز تجاری خاص سر می زنند، و یا اینکه برای کدام مغازه زمان بیشتری را صرف می کنند؟

این اطلاعات برای کسب کارهایی که شعب پراکنده ای دارند، مانند رستوران های زنجیره ای، نمایندگی خودروها و بیمه ها … بسیار مفید است و با کمک آن می توانند رفتار مشتریان و شعب را به خوبی تحلیل کنند.

چندی پیش آمازون با خرید هول فودز مارکت، همه را شگفت زده کرد. هول فودز مارکت یک فروشگاه زنجیره ای مواد غذایی است که بر محصولات طبیعی و ارگانیک تمرکزد دارد. متخصصان موقعیت جغرافیایی، معتقد بودند که هر چند این فروشگاه عایدی چندانی از محل خرده فروشی مواد غذایی نصیب آمازون نمی کند، اما اطلاعات ارزشمندی در مورد عادات مصرف کنندگان محلی و تراکم جمعیت در اختیار آمازون قرار میداد.

موقعیت مشتریان با داده های دیگر مشتریان مانند اطلاعات پروفایل، رفتار و سابقه خرید ترکیب می شود و روندهای مشتریان را آشکار می کند. به عنوان مثال آیا مشتری بعد از اینکه روی آفر آنلاین کلیک کرد به یکی از شعب هم سر می زند؟ مشتریان چه مدت در شعب توقف میکنند؟ کدام آفر موجب مراجعه سریع تر مشتریان به شعب می شود؟…

سرریز اطلاعاتی یکی از چالش های پیش روی کسب و کارها است. مصرف کنندگان روزانه ده ها و یا صدها پیام تبلیغاتی مشاهده می کنند و به صورت ناخودآگاه بسیاری از تبلیغات را فیلتر می کنند. هوش موقعیت، امکان تبلیغ با توجه به موقعیت را فراهم می کند. به عنوان مثال در صورتی که مشتری در مکان خاصی بود، آفرهای خاصی برای او نمایش داده شود.