مقالات آموزشی, هوش تجاری

پاکسازی داده با کمک پاور کوئری

تاریخ: نویسنده: مائده مقدم
۲۹
مهر

برای این مقاله، من یک فایل اکسل آماده کردم که مقدار فروش را به ازا تاریخ های مختلف و برای فروشنده‌های مختلف محاسبه می‌کند. این فایل به گونه ای طراحی شده است که به سادگی قابل فهم توسط افراد است اما برای تحلیل مناسب نیست. در این پست بررسی می‌کنیم که چطور با کمک پاور کوئری این داده ها را برای تحلیل مرتب و پاکسازی کنیم.

مشکلات زیر در داده وجود دارد که قصد داریم آنها را مرتب کنیم

 

  1. داده ها با توجه به تاریخ دسته بندی شده اند و تاریخ مربوط به هر دسته یک بار و آن هم در ابتدای هر دسته تکرار شده است. در حالی که برای تحلیل، تاریخ در هر سطر باید مشخص باشد.
  2. فضای خالی پشت نام فروشنده وجود دارد.
  3. نام فروشنده و شماره پرسنلی فروشنده با هم ترکیب شده است. برای تحلیل بهتر است که نام فروشنده و شماره پرسنلی در دو ستون جدا باشد.
  4. سطرهای خالی در بین داده ها وجود دارد که باید حذف شوند.
  5. مقدار فروش با توجه به شهر، در چهار ستون مختلف قرار گرفته است. برای تحلیل ما نیاز داریم که مقدار فروش در یک ستون باشد و در ستون دیگر نام شهر مشخص شود.
  6. سطری به نام مجموع وجود دارد که ما به آن نیاز نداریم و باید حذف شود.

فایل به صورت زیر جهت تحلیل مناسب است. و با طی کردن مراحل زیر، نهایتا فایل اولیه ما به این شکل درخواهد آمد.


ایمپورت کردن داده

در گام اول باید داده موجود در فایل اکسل را به پاور کوئری وارد کنیم. جهت این کار ابتدا وارد تب Data شوید و سپس مراحل زیر را طی کنید.

Data --> New Query --> From File --> From WorkBook

سپس فایل اکسل را انتخاب کنید.


بعد از انتخاب فایل اکسل، با صفحه ای مشابه تصویر زیر مواجه می شوید. جهت بارگذاری داده‌ها در فایل اکسل گزینه Load را انتخاب کنید. اما از آنجاییکه ما قصد داریم قبل از بارگذاری، داده‌ها را ویرایش کنیم، گزینه Edit را انتخاب می‌کنیم و وارد ویرایشگر پاور کوئری می‌شویم.


ویرایشگر پاور کوئری

بعد از آنکه گزینه Edit را انتخاب کردید، ویرایشگر پاور کوئری مشابه تصویر زیر ظاهر می‌شود. هر تغییری که بر روی داده‌ها اعمال کنید، به صورت گام به گام بر روی ستون سمت راست که با فلش مشخص شده است، ثبت می‌شود.

در سمت چپ هر گام یک علامت ضربدر وجود دارد. با کلیک بر روی آن علامت ضربدر، آن گام حذف می‌شود.

 

جداسازی تاریخ

همانطور که در داده‌های اصلی مشاهده می‌کنید، داده‌ها بر اساس تاریخ دسته بندی شده اند. این فرمت نمایش داده، برای تحلیل مناسب نیست. برای تحلیل باید تاریخ مرتبط با هر سطر مشخص شود. برای جداسازی تاریخ و تکرار آن در هر سطر مراحل زیر را مطابق تصاویر طی کنید.

بر روی ستون کلیک راست کنید. از منو ظاهر شده گزینه Split Column را انتخاب کنید و سپس By Delimiter را انتخاب کنید.

 


تاریخ و عبارت کنار آن با علامت دو نقطه یا کولن از هم جدا شده است. در صفحه ظاهر شده گزینه کولن را انتخاب کنید.

 


 

حالا یک ستون جدید اضافه شده است که مقدار تاریخ در آن درج شده است. اما بسیاری از سطرها، مقدار null دارد. با طی کردن مراحل زیر میتوانیم سطرهای خالی را با مقدار مناسب پر کنیم.

 


جدا کردن نام فروشنده و شماره پرسنلی

برای جدا کردن نام فروشنده و شماره پرسنلی مشابه تاریخ عمل می‌کنیم، اما این بار جداکننده را به جای علامت کولن به علامت پرانتز تغییر میدهیم.

 


ستون جدید، هنوز پرانتز بسته را دارد. بنابراین با کمک گزینه Replace Values پرانتز بسته را حذف می‌کنیم.

 

 

حذف فضای خالی قبل از نام فروشنده

برای جذف فضای خالی قبل از نام فروشنده کافی است ستون مورد نظر را انتخاب کنید و مطابق تصویر زیر عمل نمایید.

 

 

حذف سطرهای غیر ضروری

ستون مورد نظر را انتخاب کنید و مطابق تصویر زیر عمل نمایید.

 


 

تغییر نام ستون ها

بر روی نام ستون دبل کلیک کنید و نام جدید را تایپ کنید.

 


 

آنپیوت کردن نام شهر

مقدار فروش هر شهر در ستون جداگانه ای درج شده است. در حالی که فرمت مناسب برای تحلیل به این صورت است که نام شهر در یک ستون و مقدار فروش در ستون دیگر درج شده باشد. برای آنکه مقدار فروش در هر شهر را از حالت پیوت به حالت آنپیوت دربیاوریم ابتدا تمام ۴ ستون مربوط به شهرها را انتخاب می‌کنیم، سپس کلیک راست می‌کنیم و گزینه Unpivot Column را انتخاب می‌کنیم.

 


 

تغییر فرمت تاریخ

فرمت تاریخ Date است اما از آنجاییکه ما تاریخ را به شمسی وارد کردیم برای اکسل خوانا نیست. برای اینکه به مشکل برنخوریم، فرمت تاریخ را به Text تغییر می‌دهیم. در مقالات آتی بیشتر به مساله تاریخ شمسی در پیوت خواهیم پرداخت.

 


 

در نهایت هم گزینه Close & Load را کلیک کنید.

 


 

و در نهایت داده شما پاکسازی شده و آماده تحلیل است.

مقالات آموزشی, هوش تجاری

چگونه با ابزارهای هوش تجاری تعداد برد/باخت/تساوی پرسپولیس در لیگ برتر امسال را با تیم‌های دیگر مقایسه کنیم؟

تاریخ: نویسنده: مائده مقدم
۲۱
مهر

به سادگی. فقط کافی است که مراحل زیر را طی کنید.

۱-  طبق مقاله “نصب ابزارهای هوش تجاری در اکسل ۲۰۱۶” ابزار پاور کوئری را در اکسل نصب کنید.

۲- مطابق تصویر به آدرس زیر بروید و بر روی گزینه From Web کلیک کنید.

Data --> New Query --> From Other Sources --> From Web

 

 

 

 

۳- به سایت ورزش ۳ بروید و در آنجا دنبال جدول لیگ برتر بگردید. آدرس صفحه را کپی کنید و مطابق تصویر در کادر زیر URL وارد کنید. سپس گزینه OK‌را کلیک کنید. می‌توانید از آدرس زیر استفاده کنید.

https://www.varzesh3.com/table/%D8%AC%D8%AF%D9%88%D9%84-%D9%84%DB%8C%DA%AF-%D8%A8%D8%B1%D8%AA%D8%B1-98-97

دقت کنید که نمی‌توانید از آدرس‌های کوتاه شده استفاده کنید.

 

۴ – بر روی گزینه Connect کلیک کنید.

 

 

۵- اکسل ادرسی را که شما وارد کردید را بررسی می‌کند و اطلاعاتی را که به فرمت جدول هستند را در ستون سمت چپ مطابق تصویر مشخص می‌کند. در آدرس فوق دو جدول قرار دارد. یکی جدولی که در تصویر زیر با نام “Document” مشخص شده است و دیگری جدولی که با نام “جدول لیگ برتر (۹۷-۹۸)” مشخص شده است. در ستون سمت راست نمونه‌ای از اطلاعات هر کدام از جداول نمایش داده شده است. همانطور که در تصویر می‌بینید جدول Document فاقد اطلاعات مورد نظر ما است. اما “جدول لیگ برتر (۹۷-۹۸)” دقیقا حاوی اطلاعات مورد نظر ما است. ابتدا این جدول را‌ در حالت انتخاب شده قرار دهید و سپس دکمه Load را کلیک کنید.

 

 

 

۶- تبریک می گویم. شما اطلاعات جدول لیگ برتر را در اکسل وارد کردید.

 

۷- می‌توانید با توجه به این داده‌ها نمودارهای متنوعی رسم کنید. به عنوان مثال در تصویر زیر تعداد برد/باخت/تساوی تیم‌ها با هم مقایسه شده است. برای این کار کافی است ستون‌های  نام تیم/ برد/باخت/ تساوی را انتخاب کنید و مسیر زیر را طی کنید.

Insert --> Recommanded Charts --> All Chart --> Column

نهایتا نموداری به صورت زیر رسم می‌گردد.

 

 

و از نمای نزدیک تر

 

 

 

مقالات آموزشی, هوش تجاری

تحلیل افزوده

تاریخ: نویسنده: مائده مقدم

وبلاگ capterra یکی از وبلاگ های فعال در حوزه هوش تجاری است که مقالات خوبی درباره اخبار و تازه های حوزه هوش تجاری منتشر می‌کند. چند روز پیش دیدم که مقاله‌ای درباره تحلیل افزوده (Augmented Analytics) منتشر کرده بود و عنوان کرده بود که طبق پیش بینی گارتنر برای سال ۲۰۲۰، این قابلیت، محرک اصلی خرید نرم افزارهای هوش تجاری در سال‌های پیش رو است. تحلیل افزوده اصطلاح جدیدی برای من بود. و دقیقا مفهوم اش را درک نمی کردم و از آنجاییکه گارتنر اعلام کرده بود که تحلیل افزوده، آینده داده و تحلیل است، مصصمم شدم که از این اصطلاح نسبتا جدید رمزگشایی کنم.

سوال اول و اصلی این بود که تحلیل افزوده چیست؟ و چه فرقی با تحلیل معمولی دارد؟

تحلیل افزوده همان هوش تجاری است که الگوریتم‌های یادگیری ماشین نیز به آن اضافه شده است. می‌دانید که الگوریتم‌های یادگیری ماشین، دسته‌ای از الگوریتم‌ها هستند که الگویی را یاد می‌گیرند و سپس می‌توانند آن الگو را تشخیص بدهند و دوباره تولید کنند. به عنوان مثال عکس یک سیب را به الگوریتم یادگیری ماشین می‌دهیم، بعد از آن عکس سیب تشخیص می‌دهد و می‌تواند عکس سیب را رسم کند.

حالا در فضای هوش تجاری، الگوریتم یادگیری ماشین چه گره‌ای را باز میکند؟ تقریبا تمام کسانی که درگیر پروژ‌ه‌های هوش تجاری هستند، اذعان دارند که آماده کردن داده (Data Preparation) ، یکی از مراحل بسیار زمان بر و تکراری پروژه‌های هوش تجاری است. الگوریتم‌های هوش تجاری در این مرحله به کمک توسعه دهندگان و تحلیل گران میآیند و آنها را از شر بسیاری از کارهای تکراری نجات می‌دهد. به عنوان مثال فرض کنید که ۱۰۰ فایل اکسل دارید که در همه آنها شهر علی آباد به اشتباه سرهم (علیاباد) نوشته شده است. پیشتر تحلیل‌گر یا توسعه دهنده باید زمان زیادی صرف تصحیح این اشتباه می‌کرد. اما الگوریتم‌های یادگیری ماشین مسولیت تصحیح چنین کارهای تکراری و زمانبری را برعهده گرفته اند.

در تحلیل افزوده امکان پرس و جو به زبان طبیعی وجود دارد. به عنوان مثال اگر می‌خواهید قیمت متوسط اجناس را بدانید، فقط کافی که عبارت “Whats the average price of this item” را تایپ کنید. خود الگوریتم‌ عبارت شما را به اس کیو ال تبدیل می‌کند، اجرا می‌کند و نتیجه را برای شما نمایش می‌دهد. (متاسفانه بلاد کفر کلا زبان فارسی را نادیده گرفتند و امکان پرس و جو به زبان فارسی را در سیستم‌های هوش تجاری تعبیه نکردند.)

در حال حاضر و بدون چنین امکانی، برای پاسخ به سوال فوق باید کدهای زیر تایپ شود.

 

 

 

تعریف تحلیل افزوده و پیاده سازی آن، در حال گذراندن دوران طفولیت خود است و تنوع مثال، ابزار، تعریف، کاربرد آن در سطح نت کم بود. در صورتی که اطلاعات بیشتری در مورد تحلیل افزوده دارید و یا اگر پروژه ای در این زمینه انجام دادید، لطفا در پایین این پست تجربه خود را به اشتراک بگذارید.

مقالات آموزشی, هوش تجاری

هوش تجاری چیست؟

تاریخ: نویسنده: مائده مقدم

هوش تجاری چیست؟

چند سال پیش، مسولیت برگزاری جلسات آموزش هوش تجاری در سطح مدیران ارشد در چندین شرکت فعال و مطرح در حوزه ها و صنایع مختلف را بر عهده داشتم. اغلب اوقات قبل از شروع مباحث، جهت تخمین آشنایی افراد با مبحث هوش تجاری، از آنها می‌خواستم تعریف و برداشت خود از هوش تجاری را بیان کنند. خیلی اوقات افراد به ابزارهای هوش تجاری اشاره می کردند و هوش تجاری را معادل “پاور بی آی”، “تبلو” و یا “کلیک ویو” می دانستند. برخی هم  هوش تجاری را معادل برخی مفاهیم موجود در هوش تجاری می دانستند مثلا می گفتند هوش تجاری همان انبار داده است یا همان داشبوردهای مدیریتی است. برخی هم از Cube، Olap و یکپارچه سازی نام می بردند و هوش تجاری را معادل این مفاهیم می دانستند. برخی هم به قسمت تصمیم سازی هوش تجاری اشاره می کردند و معتقد بودند که هوش تجاری یک ابزار تصمیم گیری است.

جالب ترین تعریف را، مدیر فروش یکی از شرکت ها داشت. به شوخی گفت: “هوش تجاری چیزی که ما را در تجارت با هوش می کنه. می فهمیم کی بخریم، کی بفروشیم و چطور بیشتر سود کنیم. کلا یه چیزی که پولدارمون میکنه.” بعد هم اضافه کرد که ” هوش ریاضی و هوش هیجانی قبلا شنیده بودیم. الان هم هوش تجاری اومده و البته اصل هم همین. چیزی که پولدارمون کنه.” دوست عزیز، مشخصا هیچ ذهنیتی از هوش تجاری نداشت و فقط برداشت شخصی اش را از عبارت “هوش تجاری” بیان کرده بود. اما برداشت اش برای من جالب بود و به نظرم به مفهوم واقعی هوش تجاری بسیار نزدیک بود. در ادامه به تعریف هوش تجاری از دیدگاه های مختلف می پردازم و بررسی می‌کنم که چرا این تعریف برای من جالب بود.

موسسه گارتنر معتقد است که”هوش تجاری” مجموعه ای از ساختارها، ابزارها و برنامه های کاربردی است که امکان دسترسی و تحلیل اطلاعات را فراهم می‌کند و از این جهت فرآیند تصمیم گیری و کارایی کلی سازمان را بهبود می‌بخشد.

هر چند که تعریف گارتنر معتبر و مورد قبول است. اما بیشتر به زیرساخت فنی و تکنولوژی هوش تجاری اشاره می‌کند و جنبه‌ مدیریتی هوش تجاری را در نظر نگرفته است. توربن در کتاب “هوش تجاری، یک رویکرد مدیریتی” این جنبه از هوش تجاری را نیز در نظر گرفته و معتقد است که هوش تجاری یک رویکرد مدیریتی مبتنی بر داده است.

به نظر من تعریف دقیق هوش تجاری ترکیبی از دو تعریف بالا است. هوش تجاری در واقع یک رویکرد مدیریتی است که بر اساس آن مدیران سازمان نه بر اساس حدس و گمان بلکه بر اساس داده‌های واقعی موجود در داخل یا خارج سازمان، فکر می‌کنند و تصمیم می‌گیرند. اما بر اساس کدام داده‌ها؟ این داده‌ها چگونه، از کجا و طی چه فرآیندی جمع آوری می‌شوند و در کجا یکپارچه می‌شوند. اینجا است که تعریف گارتنر به کار میآید و هوش تجاری را مجموعه ای از ساختارها، ابزارها و برنامه‌های کاربردی می داند که امکان دسترسی، جمع آوری و یکپارچه سازی داده‌ها را فراهم می‌کند. “پاور بی آی”، “تبلو”، “کلیک ویو”، “انبار داده”، “داشبورد مدیریتی”، “Cube”، “Olap” … همه جزئی از همان ساختار، ابزار و برنامه های کاربردی هستند که امکان جمع آوری و یکپارچه کردن داده را فراهم می‌کنند اما به هیچ وجه معادل هوش تجاری نیست و فقط به یک وجه آن اشاره می‌کنند.

برگردیم به دوست عزیزی که معتقد بود “هوش تجاری چیزی که ما را در تجارت باهوش می‌کنه. می فهمیم کی بخریم، کی بفروشیم و چطور بیشتر سود کنیم.” به کلمه “چیزی” دقت کنید. هر چند که دوست عزیز دقیقا باز نکرد که “چیزی” دقیقا، چیست. اما می‌توانم حدس بزنم که در چارچوب هوش تجاری “چیزی” فقط می‌تواند معادل داده باشد. مدیر شرکت با دانستن داده‌های مانند میزان فروش سال‌ها و ماه‌ها قبل، میزان فروش محصول توسط رقبا در کل کشور، میزان تقاضا برای خرید محصول در کشورهای دیگر و …. و در کنار هم قرار دادن آنها می‌تواند بهترین زمان فروش و مناسب‌ترین خریدار را انتخاب کرده و بهترین سود کسب کند.

مقالات آموزشی, هوش تجاری

موتور جستجوی دیتاست گوگل

تاریخ: نویسنده: مائده مقدم
۲۴
شهریور

پایان‌نامه کارشناسی ارشدم درباره لبخوانی بود. مستقل از چالش‌هایی که برای پیدا کردن الگوریتم بهینه و ارزیابی آن داشتم، چالش اصلی من تهیه دیتاست مناسب بود. دیتاست استانداردی وجود نداشت و اگر هم وجود داشت، با سرچ معمول گوگل پیدا نمیشدند.

فقط من با چنین مشکلی روبرو نبودم، تقریبا تمام دوستان با مشکلات مشابهی دست و پنچه می کردند. یکی بر روی پردازش تصاویر دندان کار می کرد، دیگری روی تشخیص سلول های سرطانی. الگوریتم جدید شناسایی اثر انگشت موضوع پایانه نامه دیگری بود و یکی از همکلاسی ها هم بر روی شناسایی خویشاندی در تصاویر تمرکز کرده بود. مستقل از تعریف پایان‌نامه، دیتاست مشکل همه ما بود. دیتاست مناسب با سرچ معمولی در اینترنت پیدا نمیشد، باید مقالات بسیاری می‌خواندیم و رد دیتاست‌ها را از مقالات پیدا می‌کردیم.

خاطرم هست که پیدا کردن دیتاست مناسب و دانلود با اینترنت کند و دور زدن تحریم‌ها آنقدر سخت بود که بسیاری از دوستان در آن زمان ترجیح دادند که دیتاست مخصوص به خود را تهیه کنند.

چالش دیتاست همه گیر بود و بسیاری در سراسر دنیا، مانند دوستانم، اقدام به جمع آوری دیتاست‌های مخصوص به خود کرده‌اند. اما علی رغم کارگشا بودن آنها، این دیتاست‌ها در جایی ایندکس نشده بودند و امکان یافتن آنها با کمک موتور جستجوی فعلی گوگل بسیار مشکل بود.

چند روز پیش خبردار شدم که گوگل این چالش و فرصت را درک کرده است و بالاخره موتور جستجوی مخصوص دیتاست (Dataset Search) خود را راه اندازی کرده است. این موتور جستجو صرفا بر روی یافتن مناسب ترین دیتاست تمرکز کرده است.

 

روش کار به این صورت است که هر فرد، دانشگاه، موسسه، دولت … که قصد انتشار دیتاست خود را دارد، ابتدا باید یک سری تگ بر روی داده تعریف کند و اطلاعاتی مانند این که داده توسط چه کسی، در چه زمانی، با چه هدفی تهیه شده است را مشخص کند. سپس این اطلاعات در گوگل ایندکس می‌شود و در نهایت با سرچ در این سامانه در دسترس خواهد بود.

ظاهر و طراحی سایت مشابه گوگل است. می توان از تکنیک های پیشرفته جستجو در گوگل مانند استفاده از دبل کوتیشن و کلمات کلیدی چون site  در آن استفاده کرد. به عنوان مثال با نوشتن عبارت “daily weather”‌ داخل دبل کوتیشن، دقیقا این عبارت جستجو می شود و با نوشتن عبارت weather site:noaa.gov صرفا دیتاست‌های موجود در سایت noaa.gov بررسی می شود.

گوگل معتقد است که با توجه به حرکت دولت‌ها به سمت شفافیت و انتشار داده و همچنین اصرار مجلات علمی بر انتشار عمومی دیتاست مربوط به هر مقالات، این موتور جستجوی به سرعت رشد خواهد کرد.

مقالات آموزشی, هوش تجاری

مایند مپ ابزار هوش تجاری در مایکروسافت

تاریخ: نویسنده: مائده مقدم

در چند مقاله گذشته به بررسی ابزار هوش تجاری در مایکروسافت پرداختیم. در این مقاله به جمع بندی کلی این ابزارهای با کمک نقشه ذهنی (Mind Map) می پردازیم.
ابزارهای هوش تجاری مایکروسافت را از یک منظر می توان به دو دسته کلی ابزارهای سلف سرویس و سرویس ها تقسیم کرد. ابزارهای سلف سرویس هوش تجاری برای استفاده عموم، شرکت های کوچک و افرادی که تخصص کافی در زمینه آی تی و نرم افزار ندارند، طراحی شده است. دسته دوم سرویس های مایکروسافت است که همراه با اس کیو ال سرور نصب می شود. این دسته از سرویس خصوص متخصصان آی تی و شرکت های بزرگ است. هر دو دسته در نقشه ذهنی زیر مشخص شده اند.
هوش تجاری سلف سرویس به دو دسته هوش تجاری در اکسل و پاور بی آی تقسیم می شود.
سرویس های مایکروسافت در زمینه هوش تجاری هم به سه سرویس اصلی ، SSIS, SSRS , و SSAS تعلق دارد.
برای نمایش گزارش های هوش تجاری بر روی موبایل نیز موبایل ریپورت پابلیشر مورد استفاده قرار می گیرد.

نقشه ذهنی ابزارهای فوق را در تصویر زیر مشاهده می کنید. با کلیک بر روی هر قسمت به مقاله مرتبط هدایت می شوید.

مقالات آموزشی, هوش تجاری

ابزار هوش تجاری در مایکروسافت (۵)

تاریخ: نویسنده: مائده مقدم
۰۹
شهریور

موبایل ریپورت پابلیشر (Mobile Report Publisher)

در سلسه مقالات ” هوش تجاری در مایکروسافت” به بررسی ابزارهای هوش تجاری که توسط مایکروسافت ارائه شده است پرداختیم و گفتیم که این ابزارها به دو دسته کلی تقسیم می شوند، یک دسته از ابزارها مخصوص متخصصان آی تی، شرکت های بزرگ و دیتابیس های بزرگ و متنوع است. سرویس‌های SSIS, SSAS, SSRS در این دسته از ابزارها قرار دارند. دسته دیگر از ابزارها که اصطلاحا به ابزارهای سلف سرویس (خویش فرما) شهرت دارند، برای شرکت‌ها و پایگاه داده‌های کوچک مناسب هستند و برای استفاده از این دسته به دانش تخصصی آی تی خاصی نیست. هوش تجاری در اکسل و پاور بی آی در این دسته قرار می گیرند.

در سال ۲۰۱۵ مایکروسافت نقشه راه توسعه‌های آتی خود را منتشر کرد و در آن عنوان کرد که تمرکز اصلی مایکروسافت در توسعه‌های آتی ابزارهای هوش تجاری، بر روی “ابزارهای بین سیستمی و بین پلت فرمی” خواهد بود. به این معنی که گزارش‌های هوش تجاری هم در سیستم‌های مختلف اعم از کامپیوتر، تبلت، موبایل … و هم در بین پلت فرم‌های مختلف اعم از ویندوز، لینوکس … قابل طراحی و نمایش خواهد بود.

در راستای توسعه گزارش‌های بین سیستمی، مایکروسافت در آپریل ۲۰۱۵ شرکت دیتازن (DataZen) را خریداری نمود. شرکت دیتازن از سال ۲۰۰۲ فعالیت خود را در زمینه ساخت ابزارهای گزارش ساری و مصورسازی داده شروع کرده بود. این شرکت به طور خاص بر روی طراحی و نمایش گزارش بر روی گوشی موبایل تمرکز کرده بود و بیش از ۱۰۰۰۰ شرکت از سراسر دنیا از محصولات آن استفاده می کردند.

 مایکروسافت پس از مشاهده استقبال خوب از این ابزار شرکت دیتازن، به جای آنکه یک ابزار طراحی و نمایش گزارش بر روی موبایل را از صفر طراحی کند، شرکت دیتازن را در آپریل ۲۰۱۵ خرید. در نسخه ۲۰۱۶ مایکروسافت، محصولات دیتازن با اس کیو ال ۲۰۱۶ ترکیب کرد و پلتفرم هوش تجاری برای نماش گزارش ها بر روی گوشی و تبلت را به وجود آورد. این پلت فرم اصطلاحا موبایل ریپورت پابلیشر (Mobile Report Publisher) نامیده شد.

موبایل ریپورت پابلیشر، ابزار گزارشگیری نسبتا جدید مایکروسافت است که امکان طراحی و نمایش گزارش‌ها بر روی سیستم‌های مختلف (ویندوز، اندروید، آی او اس، ..) و اندازه‌های مختلف صفحه نمایش ( موبایل، تبلت، لپ تاپ … ) را فراهم می کند.

برای طراحی گزارش با استفاده از موبایل ریپورت پابلیشر، SSRS‌ باید بر روی سیستم نصب شود. بعد از آن موبایل ریپورت پابلیشر می‌تواند به منابع داده‌ای مختلفی چون اکسل، اس کیو ال یا کیوب وصل شود و داده‌ها موردنیاز را از آنها بخواند. طراح گزارش‌ها می‌تواند گزارش‌های مورد نیاز خود را طراحی کرده و بر روی سرور گزارش‌های قرار دهد. در تصویر زیر محیط طراحی گزارش را مشاهده می‌کنید.

پس از طراحی گزارش توسط طراح و انتشار آن بر روی سرور گزارش‌ها، کاربر نهایی (مشاهده کننده گزارش‌ها) باید اپلیکشن موبایل ریپورت پابلیشر را بر روی گوشی همراه خود نصب کند و سپس تنظیمات لازم بر روی اپلیکشن را انجام دهد تا به سرور گزارش وصل شود. پس از آن می تواند گزارش‌های طراحی شده مختص موبایل را مشاهده کند. نمونه‌ای از گزارش‌های طراحی شده برای سایز‌‌ها مختلف صفحه نمایش را در تصویر زیر مشاهده می‌کنید.

مقالات آموزشی, هوش تجاری, هوش تجاری در اکسل

ابزار هوش تجاری در مایکروسافت (۴)

تاریخ: نویسنده: مائده مقدم
۰۳
شهریور

در مقاله قبلی به بررسی ابزارهای هوش تجاری در اکسل پرداختیم و گفتیم که مایکروسافت با هدف اضافه کردن هوش تجاری به اکسل چهار ابزار پاور کوئری، پاور پیوت، پاور ویو و پاور مپ را به اکسل اضافه نمود. هر چند این ابزارها قدرت فوق العاده ای به اکسل دادند و کاربران زیادی در سراسر جهان جذب کردند. اما فراموش نکنیم که اکسل در ابتدا فقط با هدف ساماندهی، نگهداری و پردازش داده‌ها طراحی شده بود و اضافه کردن امکانات دیگر هوش تجاری مانند گزارش بر روی موبایل، گزارش بر روی کلود، تعریف فیلتر بر روی گزارش ها و یا تعریف حاکمیت داده و سطح دسترسی بر روی گزارش اگر که غیر ممکن نبود، مطمئنا بسیار زمانبر بود. در نتیجه  مایکروسافت تصمیم گرفت که ابزار کاملا مستقلی به نام پاور بی آی را توسعه دهد و تمامی امکانات هوش تجاری سلف سرویس را بر روی این محصول پیاده سازی کند.

 

پاور بی آی چیست؟

طبق تعریف مستندات مایکروسافت، پاور بی‌ای یک ابزار “سلف سرویس هوش تجاری” است. اجازه بدهید به رمز گشایی عبارت “هوش تجاری سلف سرویس” بپردازیم. مایکروسافت تاکید می کند که پاور بی‌ای اولا یک ابزار هوش تجاری است و ابزار هوش تجاری بودن به این معنی است که این ابزار امکان جمع آوری داده از منابع گوناگون و ترکیب آنها، مدل کردن داده ها و نهایتا نمایش گرافیکی در قالب دشبورد، نمودار و نقشه را فراهم می‌کند.

ثانیا مایکروسافت تاکید می کند که پاور بی‌آی یک ابزار سلف سرویس است و سلف سرویس بودن به این معنی است که این ابزار در انحصار واحد آی‌تی نیست و تمامی کاربران با هر سطح دانش آی‌تی می توانند از این ابزار استفاده کنند. داده‌های مورد نیاز خود را از منابع مختلف جمع آوری کرده، آنها را مدل کنند و در نهایت گزارش‌های مورد نیاز خود را بر اساس آنها تهیه کنند. نمونه ای از دشبورد ساخته شده با پاور بی آی را در تصویر زیر مشاهده می کنید

 


هر چند تا اینجا، پاور بی ای شبیه هوش تجاری در اکسل بود، اما دقت کنید که پاور بی آی امکاناتی چون گزارش موبایل، گزارش کلود، فیلتر … را به پاور بی آی اضافه کرده است که باعث مجزا شدن پاور بی آی از هوش تجاری اکسل شده است.

موضوع مهمی که باید به آن اشاره کنیم این است که مایکروسافت جهت جمع‌آوری و ترکیب داده، مدل کردن داده و نمایش گرافیکی در قالب دشبورد، نمودار و نقشه از همان موتورهای پاور کوئری، پاور پیوت، پاور ویو و پاور مپ که در اکسل به کار گرفته شده است، استفاده می‌کند. اما از انجاییکه آپدیت پاور بی آی حدودا هر ۴ ماه یکبار منتشر میشود، و نسخه جدید اکسل حدود سالانه منتشر می‌شود، پاور کوئری، پاور پیوت، پاور ویو و پاور مپ موجود در پاور بی‌آی جدیدتر است.

 

نسخه‌های پاور‌ بی‌آی

پاور بی آی به سه صورت منتشر شده است: ۱- Power BI Desktop که نسخه دسکتاپی پاور بی‌ای است و یک برنامه نصبی است ۲- Power BI Service‌ که نسخه تحت وب است و ۳- Mobile Power BI app که نسخه موبایل پاور بی‌‌آی است و امکان نمایش گزارش‌ها و دشبوردها بر روی گوشی‌ها و تبلت‌های آیفون، اندروید را فراهم می‌کند.

در صورتی که انتخاب بین هوش تجاری در اکسل و پاور بی‌ای برای شما مشکل است، مقاله، مقاله، مقاله را مطالعه کنید.

 

 

مقالات آموزشی, هوش تجاری

ابزار هوش تجاری در مایکروسافت (۳)

تاریخ: نویسنده: مائده مقدم

Power Pivot , Power View , Power Query , Power

در مقاله قبلی به بررسی ابزارهای هوش تجاری مایکروسافت پرداختیم و گفتیم مایکروسافت به دنبال توسعه هوش تجاری برای کاربران عادی بود و از آنجاییکه، پیشتر میلیون ها کاربر اکسل را در سراسر دنیا جذب کرده بود، تصمیم گرفت که امکانات هوش تجاری را به اکسل اضافه کند. هوش تجاری با کمک چهار ابزار پاور کوئری، پاور پیوت، پاور ویو و پاور مپ به اکسل اضافه شد. در ادامه این مقاله به بررسی هر کدام از این ابزارها می پردازیم.

پاور کوئری

برخی معتقدند که پاور کوئری نسخه سلف سرویس SSIS است. در صورتی که با سرویس SSIS کار کرده باشید می دانید که این سرویس وظیفه جمع آوری داده ها از منابع مختلف و یکپارچه کردن آنها را بر عهده دارد. به صورت مشابه، با کمک پاور کوئری می توانیم به منابع داده ای مختلف وصل شده و داده های مختلف را در یک شیت اکسل با هم ترکیب کنیم. به عنوان مثال فرض کنید قصد دارید که گزارشی از سرانه فروش محصول شرکت در هر استان تهیه کنید. می دانید که سرانه فروش از تقسیم مقدار فروش در هر استان بر جمعیت آن استان به دست می آید. بنابراین برای تهیه این گزارش به دو جدول اطلاعاتی نیاز دارید:۱- مقدار فروش محصول که باید از واحد آی تی شرکت تهیه کنید. ۲-جمعیت هر استان که باید از اینترنت پیدا کنید. بعد از پیدا کردن این دو جدول، با کمک ابزار پاور کوئری می توانید این اطلاعات را با هم ترکیب کرده و سرانه را محاسبه کنید.

پاور پیوت

مشابه پاور کوئری، برخی معتقدند که پاور پیوت نسخه سلف سرویس SSAS است. در صورتی که با SSAS کار کرده باشید، می دانید که SSAS وظایفی چون ارتباط بین جداول، تعریف شاخص کلیدی عملکرد، پرسپکتیو، سلسه مراتب … را بر عهده دارد. (اگر با اصطلاحاتی مانند پرسپکتیو، سلسه مراتب و شاخص کلیدی عملکرد آشنا نیستید، نگران نباشید، در مقالات آتی به تفضیل در مورد آنها صحبت خواهیم کرد.) به طور مشابه، پاور پیوت نیز دقیقا چنین وظیفه ای بر عهده دارد. فرض کنید در مثال بالا قصد دارید سرانه فروش در هر استان را در سال ها و ماه های مختلف با هم مقایسه کنید. برای چنین کاری در ابتدا باید سلسه مراتب زمان (مثلا سال، ماه، روز) را تعریف کنید و بعد سرانه فروش را به سلسه مراتب زمان وصل کنید. تمام این کارها از تعریف سلسه مراتب گرفته تا اتصال سلسه مراتب به سرانه فروش در پاور پیوت امکان پذیر است.

پاور ویو و پاور مپ

از نظر مفهومی، پاور ویو و پاور مپ، مشابه سرویس SSRS است. همانطور که سرویس SSRS وظیفه گزارش گیری از داده ها و نمایش گرافیکی آن را بر عهده دارد، پاور ویو و پاور مپ هم وظیفه نمایش داده ها در قالب داشبوردهای مدیریتی یا نمودارهای گرافیکی متنوع را بر عهده دارند.

البته دقت کنید که تمرکز اصلی پاور مپ بر روی نقشه است و پاور ویو بیشتر به داشبوردهای مدیریتی می پردازد.

در نهایت گزارش ها و داشبوردهای مدیریتی آماده شده را می توان از طریق شیرپوینت، آفیس ۳۶۵ و یا پاور بی آی به صورت آنلاین یا تحت شبکه در اختیار کاربران نهایی قرار داد.

در اینجا می توانید با نحوه نصب پاور کوئری، پاور پیوت، پاور ویو و پاور مپ در اکسل آشنا شوید.

 

مقالات آموزشی, هوش تجاری

ابزار هوش تجاری در مایکروسافت (۲)

تاریخ: نویسنده: مائده مقدم

در مقاله قبلی ابزارهای هوش تجاری مایکروسافت را نام بردیم و از بین آنها به بررسی سرویس‌های SSIS, SSAS و SSRS پرداختیم. در ادامه مقاله قبلی، در این مقاله به بررسی ابزار هوش تجاری در نرم افزار اکسل می‌پردازیم.

همانطور که می‌دانید، اکسل یکی از قدرتمندترین و پرکاربردترین، نرم‌افزارهای موجود در بسته آفیس مایکروسافت است و اولین بار در دهه ۹۰ میلادی با هدف ساماندهی، نگهداری و پردازش داده‌ها منتشر شد. طراحی مناسب به اضافه کاتالیزور نیاز کاربران موجب جذب میلبون‌ها کاربر در سراسر جهان شد. کار با این نرم افزار بسیار ساده است و همین سادگی باعث شده تا کاربران با سطوح مختلف دانش کامپیوتر بتوانند به سادگی با این نرم افزار کار کنند. اکسل در عین سادگی بسیار قدرتمند است و می‌تواند محدوده متنوعی از کارها، از ثبت و ویرایش داده‌های روزانه گرفته تا سیستم‌های حسابداری، انبارداری، وضعیت پیشرفت پروژه، رسم نمودار و … را انجام دهد.

از طرف دیگر در نظر داشته باشید که مایکروسافت در سال‌های اخیر به شدت بر روی ابزارهای هوش تجاری سرمایه گذاری کرده است و سرویس‌های قدرتمندی مانند SSIS, SSAS‌ و SSRS را توسعه داده است. هر چند در قدرت این سه سرویس شکی وجود ندارد، اما دقت داشته باشید که این سرویس برای متخصصان کامپیوتر و برنامه نویسان توسعه داده شده است و کار با آنها برای کاربران عادی، اگر غیر ممکن نباشد، مطمئنا مشکل و زمان بر است. در نتیجه در سال‌های اخیر، توسعه ابزارهای هوش تجاری برای کاربران عمومی به چالش بزرگی برای مایکروسافت تبدیل شده بود.

حال این دو واقعیت را کنار هم قرار دهید. اول اینکه مایکروسافت قصد دارد یک ابزار هوش تجاری برای کاربران عادی توسعه دهد که ساده و قدرتمند باشد. یادمان نرود که هوش تجاری یعنی سروکله زدن با داده و تبدیل آن به اطلاعات. دوم اینکه در حال حاضر مایکروسافت یک ابزار قدرتمند و پرطرفدار جهت نگهداری داده‌ها به اسم اکسل دارد.

مایکروسافت هم همان تصمیمی را گرفت که شما الان به آن فکر می کنید. این که اکسل به گونه‌ای تغییر کند که علاوه بر کارایی کنونی، امکانات هوش تجاری را نیز داشته باشد. برای رسیدن به این هدف، مایکروسافت ابزارهای زیر را در قالب Adds-on به اکسل اضافه کرد.

Power Query, Power Pivot, Power View, Power Map

این که این ابزارها چه قابلیت‌هایی دارند، چه کاری انجام می‌دهند، هر کدام چه وجه هوش تجاری را به اکسل اضافه می‌کنند، موضوعاتی است که در مقاله بعدی بررسی می‌شود.

در آخر هم یادآوری کنم، آن دسته از ابزارهای هوش تجاری که قابل استفاده کاربران عادی باشد و کاربران عادی بتوانند بدون نیاز واحد آی تی گزارش‌های مورد نیاز خود را تهیه کنند، هوش تجاری سلف سرویس (Self-Service) نامیده می‌شود. هوش تجاری در اکسل در دسته ابزارهوش تجاری سلف سرویس قرار دارد.

در بازار پررونق ابزارهای هوش تجاری سلف سرویس، مایکروسافت صرفا به هوش تجاری در اکسل اکتفا نکرده است و به موازات آن به توسعه نرم افزار پاور بی آی (Power Bi) پرداخته است. نرم افزار پاور بی‌آی در مقاله دیگری مورد بررسی قرار می‌گیرد.