آموزش مقدمه‌ای بر تحلیل داده‌های حسابداری و بصری‌سازی - آخرین آپدیت

مقدمه دوره و ماژول ۱: مقدمه‌ای بر تحلیل‌های حسابداری Course Introduction and Module 1: Introduction to Accountancy Analytics

• مقدمه دوره Course Introduction

• درباره رونالد گایمون About Ronald Guymon

ماژول ۱: مقدمه‌ای بر تحلیل‌های حسابداری Module 1: Introduction to Accountancy Analytics

• مقدمه ماژول ۱ Module 1 Introduction

• ۱.۱.۱ تاریخچه و آینده حسابداری 1.1.1 History and Future of Accounting

• ۱.۱.۲ اهمیت داده‌ها و تحلیل‌ها در حسابداری 1.1.2 The Importance of Data and Analytics in Accounting

• ۱.۱.۳ رابطه انسان با داده‌ها 1.1.3 Humans' Relationship with Data

• ۱.۱.۴ نقش حسابداران در شکل‌دهی به نحوه استفاده از داده‌ها 1.1.4 Accountants' Role in Shaping How Data Is Used

• ۱.۱.۵ ابزارهای تحلیل داده: صفحات گسترده در مقابل زبان‌های علم داده 1.1.5 Data Analytics Tools: Spreadsheets vs. Data Science Languages

• ۱.۲.۱ بررسی تحلیل‌های پیشرفته داده در حسابداری مدیریت 1.2.1 Advanced Data Analytics in Managerial Accounting Overview

• ۱.۲.۲ بررسی تحلیل‌های پیشرفته داده در حسابرسی 1.2.2 Advanced Data Analytics in Auditing Overview

• ۱.۲.۳ بررسی تحلیل‌های پیشرفته داده در حسابداری مالی 1.2.3 Advanced Data Analytics in Financial Accounting Overview

• ۱.۲.۴ بررسی تحلیل‌های پیشرفته داده در مالیات 1.2.4 Advanced Data Analytics in Taxes Overview

• ۱.۲.۵ بررسی تحلیل‌های پیشرفته داده در حسابداری سیستم‌ها 1.2.5 Advanced Data Analytics in Systems Accounting Overview

• جمع‌بندی ماژول ۱ Module 1 Conclusion

ماژول ۲: تحلیل حسابداری و ذهنیت تحلیلی Module 2: Accounting Analysis and an Analytics Mindset

• مقدمه ماژول ۲ Module 2 Introduction

• ۲.۱.۱ ایجاد فضا برای پرس‌وجوی تجربی 2.1.1 Making Room for Empirical Enquiry

• ۲.۱.۲ ذهنیت سیستم ۱ در مقابل سیستم ۲ 2.1.2 System 1 vs. System 2 Mindset

• ۲.۲.۱ پیوند دوره‌های اصلی به تفکر تحلیلی 2.2.1 Linking Core Courses to Analytical Thinking

• ۲.۲.۲ استدلال استقرایی و استنتاجی 2.2.2 Inductive and Deductive Reasoning

• ۲.۲.۳ تحلیل‌های پیشرفته و هنر متقاعد کردن 2.2.3 Advanced Analytics and the Art of Persuasion

• ۲.۳.۱ چارچوب FACT: قاب‌بندی سؤال 2.3.1 FACT Framework: Frame the Question

• ۲.۳.۲ چارچوب FACT: جمع‌آوری داده‌ها 2.3.2 FACT Framework: Assemble the Data

• ۲.۳.۳ چارچوب FACT: محاسبه نتایج 2.3.3 FACT Framework: Calculate Results

• ۲.۳.۴ چارچوب FACT: اطلاع‌رسانی نتایج به دیگران 2.3.4 FACT Framework: Tell Others About the Results

• ۲.۳.۵ بررسی مجدد چارچوب FACT 2.3.5 FACT Framework Review

• جمع‌بندی ماژول ۲ Module 2 Conclusion

ماژول ۳: داده‌ها و ویژگی‌های آن‌ها Module 3: Data and its Properties

• مقدمه ماژول ۳: داده چیست؟ Module 3 Introduction: What is Data?

• ۳.۱.۱ ویژگی‌هایی که داده‌ها را برای تصمیم‌گیری مفید می‌کند 3.1.1 Characteristics that Make Data Useful for Decision Making

• ۳.۲.۱ داده‌های ساختاریافته در مقابل ساختارنیافته 3.2.1 Structured vs. Unstructured Data

• ۳.۲.۲ ویژگی‌های یک دیتافریم مرتب (Tidy) 3.2.2 Properties of a Tidy Dataframe

• ۳.۲.۳ انواع داده‌ها 3.2.3 Data Types

• ۳.۲.۴ دیکشنری‌های داده 3.2.4 Data Dictionaries

• ۳.۳.۱ داده‌های عریض در مقابل داده‌های بلند 3.3.1 Wide Data vs. Long Data

• ۳.۳.۲ ادغام داده‌ها 3.3.2 Merging Data

• ۳.۳.۳ اتوماسیون داده‌ها 3.3.3 Data Automation

• ۳.۴.۱ توزیع‌های بصری‌سازی 3.4.1 Visualization Distributions

• ۳.۴.۲ بصری‌سازی روابط داده‌ها 3.4.2 Visualizing Data Relationships

• جمع‌بندی ماژول ۳ Module 3 Conclusion

ماژول ۴: بصری‌سازی داده‌ها ۱ Module 4: Data Visualization 1

• مقدمه ماژول ۴ Module 4 Introduction

• ۴.۱.۱ چرا داده‌ها را بصری‌سازی کنیم؟ 4.1.1 Why Visualize Data?

• ۴.۱.۲ اصول ادراک بصری 4.1.2 Visual Perception Principles

• ۴.۱.۳ بلوک‌های سازنده بصری‌سازی داده‌ها 4.1.3 Data Visualization Building Blocks

• ۴.۲.۱ داده‌های نمودارهای پایه 4.2.1 Basic Chart Data

• ۴.۲.۲ نمودارهای پراکندگی (Scatter Plots) 4.2.2 Scatter Plots

• ۴.۲.۳ نمودارهای میله‌ای 4.2.3 Bar Charts

• ۴.۲.۴ نمودارهای جعبه‌ای و خطی (Box and Whisker) 4.2.4 Box and Whisker Plots

• ۴.۲.۵ نمودارهای خطی 4.2.5 Line Charts

• ۴.۲.۶ نقشه‌ها 4.2.6 Maps

• ۴.۳.۱ داده‌های نمودارهای مالی 4.3.1 Financial Chart Data

• ۴.۳.۲ نمودارهای آبشاری (Waterfall) 4.3.2 Waterfall Charts

• ۴.۳.۳ نمودارهای شمعی (Candlestick) 4.3.3 Candlestick Charts

• ۴.۳.۴ نمودارهای درختی (Treemaps) و خورشیدی (Sunburst) 4.3.4 Treemaps and Sunburst Charts

• ۴.۳.۵ خطوط کوچک (Sparklines) و وجوه (Facets) 4.3.5 Sparklines and Facets

• ۴.۳.۶ نمودارهایی که باید به ندرت استفاده شوند 4.3.6 Charts to Use Sparingly

• جمع‌بندی ماژول ۴ Module 4 Conclusion

ماژول ۵: بصری‌سازی داده‌ها ۲ Module 5: Data Visualization 2

• مقدمه ماژول ۵ Module 5 Introduction

• ۵.۱.۱ شروع کار با Tableau 5.1.1 Getting Started with Tableau

• ۵.۱.۲ نمودارهای پراکندگی در Tableau - بخش ۱ 5.1.2 Scatter Plots in Tableau - 1

• ۵.۱.۳ نمودارهای پراکندگی در Tableau - بخش ۲ 5.1.3 Scatter Plots in Tableau - 2

• ۵.۱.۴ نمودارهای میله‌ای و هیستوگرام‌ها در Tableau 5.1.4 Bar Charts and Histograms in Tableau

• ۵.۱.۵ نمودارهای جعبه‌ای و خطی در Tableau 5.1.5 Box Plots and Line Charts in Tableau

• ۵.۲.۱ افزودن ابعاد در Tableau 5.2.1 Adding Dimensions in Tableau

• ۵.۲.۲ وجوه و گروه‌ها در Tableau 5.2.2 Facets and Groups in Tableau

• ۵.۳.۱ اتصال داده‌ها (Joins) در Tableau 5.3.1 Data Joins in Tableau

• ۵.۳.۲ تحلیل‌های Tableau: پیش‌بینی‌ها 5.3.2 Tableau Analytics - Forecasts

• ۵.۳.۳ تحلیل‌های Tableau: خوشه‌ها و فواصل اطمینان 5.3.3 Tableau Analytics - Clusters and Confidence Intervals

• ۵.۴.۱ انتقال تحلیل‌های Tableau 5.4.1 Communicating Tableau Analyses

• جمع‌بندی ماژول ۵ Module 5 Conclusion

ماژول ۶: ابزارهای تحلیلی در اکسل ۱ Module 6: Analytic Tools in Excel 1

• مقدمه ماژول ۶ Module 6 Introduction

• ۶.۱.۱ قاب‌بندی سؤال: کمیساری لری 6.1.1 Framing a Question: Larry's Commissary

• ۶.۱.۲ جمع‌آوری داده‌ها 6.1.2 Assembling Data

• ۶.۱.۳ ابزار Data Analysis ToolPak و آمار توصیفی 6.1.3 Data Analysis ToolPak and Descriptive Statistics

• ۶.۱.۴ همبستگی (Correlation) 6.1.4 Correlation

• ۶.۲.۱ مدل‌های خطی 6.2.1 Linear Models

• ۶.۲.۲ رگرسیون ساده 6.2.2 Simple Regression

• ۶.۲.۳ تشخیص‌های رگرسیون ۱: خلاصه رگرسیون، ANOVA و تخمین ضرایب 6.2.3 Regression Diagnostics 1: Regression Summary, ANOVA, and Coefficient Estimates

• ۶.۳.۱ رگرسیون چندگانه 6.3.1 Multiple Regression

• ۶.۳.۲ تشخیص‌های رگرسیون ۲: مقادیر پیش‌بینی شده، باقی‌مانده‌ها و باقی‌مانده‌های استاندارد شده 6.3.2 Regression Diagnostics 2: Predicted Values, Residuals, and Standardized Residuals

• ۶.۳.۳ تشخیص‌های رگرسیون ۳: نمودارهای برازش خط، R مربع تعدیل شده و نقشه‌های حرارتی برای P-Valueها 6.3.3 Regression Diagnostics 3: Line Fit Plots, Adjusted R Square, and Heat Maps for P-Values

• ۶.۴.۱ انجام پیش‌بینی با مدل خطی 6.4.1 Making a Forecast with a Linear Model

• جمع‌بندی ماژول ۶ Module 6 Conclusion

ماژول ۷: ابزارهای تحلیلی در اکسل ۲ Module 7: Analytic Tools in Excel 2

• مقدمه ماژول ۷ Module 7 Introduction

• ۷.۱.۱ مدل‌های رگرسیون چندجمله‌ای 7.1.1 Polynomial Regression Models

• ۷.۱.۲ متغیرهای طبقه‌ای 7.1.2 Categorical Variables

• ۷.۱.۳ متغیرهای نشانگر چندگانه 7.1.3 Multiple Indicator Variables

• ۷.۱.۴ جملات اثر متقابل (Interaction Terms) 7.1.4 Interaction Terms

• ۷.۱.۵ خلاصه رگرسیون 7.1.5 Regression Summary

• ۷.۲.۱ بهینه‌سازی با Excel Solver 7.2.1 Optimization with Excel Solver

• ۷.۲.۲ محدودیت‌ها و گزارش‌های Solver 7.2.2 Solver Constraints and Reports

• ۷.۳.۱ تبدیل لوجیت (Logit) 7.3.1 Logit Transformation

• ۷.۳.۲ رگرسیون لجستیک ساده 7.3.2 Simple Logistic Regression

• ۷.۳.۳ دقت رگرسیون لجستیک 7.3.3 Logistic Regression Accuracy

• جمع‌بندی ماژول ۷ Module 7 Conclusion

ماژول ۸: اتوماسیون در اکسل Module 8: Automation in Excel

• مقدمه ماژول ۸ Module 8 Introduction

• ۸.۱.۱ ضبط ماکروها 8.1.1 Recording Macros

• ۸.۱.۲ مبانی ویرایشگر VB 8.1.2 Basics of VB Editor

• ۸.۱.۳ مبانی VBA 8.1.3 Basics of VBA

• ۸.۲.۱ حلقه‌های For، متغیرها، شماره‌های شاخص و آخرین ردیف‌ها 8.2.1 For Loops, Variables, Index Numbers, and Last Rows

• ۸.۲.۲ نکاتی برای برنامه‌نویسی 8.2.2 Programming Hints

• ۸.۲.۳ دستورات شرطی 8.2.3 Conditional Statements

• ۸.۳.۱ ماکرو برای ایجاد چندین هیستوگرام 8.3.1 Macro for Creating Multiple Histograms

• ۸.۳.۲ بررسی کلی خوشه‌بندی 8.3.2 Clustering Overview

• ۸.۳.۳ خوشه‌بندی K-Means در اکسل 8.3.3 K-Means Clustering in Excel

• ۸.۳.۴ ماکرو خوشه‌بندی K-Means 8.3.4 K-Means Clustering Macro

• ۸.۳.۵ خوشه‌بندی در مقیاس بزرگ‌تر 8.3.5 Clustering On a Larger Scale

• جمع‌بندی ماژول ۸ Module 8 Conclusion

• یادگیری طبق شرایط شما Learn on Your Terms