آموزش مدل سازی داده، پرس و جو و گزارش برای هوش تجاری

Data Modeling, Querying, and Reporting for Business Intelligence

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ایجاد یک محیط مبتنی بر داده یکی از ارکان کلیدی تصمیم گیری موثر تجاری است. این دوره به شما یاد می دهد که چگونه راه حل های هوش تجاری کارآمد و مقیاس پذیر را طراحی و نگهداری کنید. ایجاد یک محیط مبتنی بر داده یکی از بزرگترین چالش ها برای بسیاری از سازمان ها است. در این دوره، مدل سازی داده، پرس و جو و گزارش برای هوش تجاری، شما توانایی طراحی و نگهداری راه حل های هوش تجاری کارآمد و مقیاس پذیر را به دست خواهید آورد. ابتدا، مفاهیم و تکنیک‌های مختلف مدل‌سازی داده‌ها را برای حمایت از تصمیم‌گیری‌های تجاری مؤثر بررسی خواهید کرد. در مرحله بعد، تفاوت های اصلی بین سیستم های تراکنشی و تحلیلی و مزایای استفاده از مدل سازی ابعادی برای بارهای کاری تحلیلی را کشف خواهید کرد. شما همچنین تفاوت بین مفاهیم انبار داده و داده lakehouse را درک خواهید کرد. در نهایت، یاد می‌گیرید که چگونه از طریق گزارش‌های تعاملی و داشبورد، داستان‌های مبتنی بر داده‌های مؤثر ایجاد کنید، و چگونه راه‌حل‌های هوش تجاری خود را با استفاده از مفاهیم پیشرفته کاوش داده ارتقا دهید. پس از اتمام این دوره، مهارت‌ها و دانش مدل‌سازی داده‌ها، پرس‌وجو و گزارش‌دهی برای هوش تجاری را خواهید داشت که برای پشتیبانی از سناریوهای مبتنی بر داده و تصمیم‌گیری مؤثر تجاری مورد نیاز است.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مفاهیم و تکنیک های مدل سازی داده برای هوش تجاری Data Modeling Concepts and Techniques for Business Intelligence

  • معرفی ساختارهای مختلف داده Introducing Different Data Structures

  • درک ویژگی های کلیدی سیستم های OLTP Understanding Key Characteristics of OLTP Systems

  • درک مفاهیم کلیدی سیستم های OLAP Understanding Key Concepts of OLAP Systems

  • درک مدل داده های مفهومی Understanding Conceptual Data Model

  • درک مدل داده های منطقی Understanding Logical Data Model

  • پیاده سازی مدل داده های فیزیکی Implementing Physical Data Model

ساخت راه‌حل‌های موثر برای ذخیره‌سازی داده‌ها با استفاده از مفاهیم مدل‌سازی بعدی Building Effective Data Warehousing Solutions by Applying Dimensional Modeling Concepts

  • مقدمه ای بر مدل سازی ابعادی Introduction to Dimensional Modeling

  • درک مفاهیم طراحی طرحواره ستاره و دانه برف Understanding Star and Snowflake Schema Design Concepts

  • نسخه ی نمایشی: از OLTP به OLAP - ساختن یک جدول ابعاد از پایگاه داده OLTP Demo: From OLTP to OLAP - Building a Dimension Table from the OLTP Database

بهینه سازی طراحی پایگاه داده با استفاده از نرمال سازی و غیرعادی سازی Optimizing Database Design by Using Normalization and Denormalization

  • اجرای مفهوم عادی سازی Implementing Normalization Concept

  • درک غیرعادی سازی Understanding Denormalization

  • نسخه ی نمایشی: غیرعادی کردن داده ها با استفاده از Power Query Demo: Denormalizing Data Using Power Query

دریافت بهترین ها از هر دو جهان - درک مفهوم Data Lakehouse Getting the Best from Both Worlds - Understanding the Concept of Data Lakehouse

  • درک چشم انداز پلت فرم داده های مدرن Understanding the Modern Data Platform Landscape

  • آشنایی با ویژگی های کلیدی Data Lakehouse Understanding Key Features of Data Lakehouse

  • استفاده از پارکت و قالب های فایل دلتا برای ذخیره سازی داده ها Using Parquet and Delta File Formats for Storing the Data

  • آشنایی با معماری مدالیون Understanding Medallion Architecture

طراحی گزارش های تاثیرگذار برای هوش تجاری Designing Impactful Reports for Business Intelligence

  • شناسایی مخاطبان گزارش Identifying the Report Audience

  • طراحی گزارش های تحلیلی Designing Analytical Reports

  • انتخاب نوع بصری مناسب Choosing the Appropriate Visual Type

  • طراحی برای دسترسی Designing for Accessibility

  • نسخه ی نمایشی: طراحی گزارش Power BI برای دسترسی Demo: Designing Power BI Report for Accessibility

  • نسخه ی نمایشی: نمایش داده های دقیق با استفاده از ویژگی Drillthrough Demo: Displaying Detailed Data by Using the Drillthrough Feature

  • نسخه ی نمایشی: فراتر رفتن با صفحات راهنمای ابزار Demo: Going beyond with Tooltip Pages

  • نسخه ی نمایشی: برجسته کردن مقادیر با قالب بندی شرطی Demo: Highlighting Values with Conditional Formatting

  • نسخه ی نمایشی: افزایش تجربه کاربر با نشانک ها Demo: Enhancing User Experience with Bookmarks

  • بهترین روش ها برای ایجاد گزارش های تاثیرگذار هوش تجاری Best Practices for Creating Impactful Business Intelligence Reports

تصمیم گیری مبتنی بر داده با داشبوردهای تعاملی و کارت امتیازی Data-driven Decision Making with Interactive Dashboards and Scorecards

  • درک موارد استفاده برای داشبورد و کارت امتیاز Understanding Use Cases for Dashboards and Scorecards

  • نسخه ی نمایشی: ایجاد داشبورد و کارت امتیازی با Power BI Demo: Creating Dashboards and Scorecards with Power BI

تقویت راه حل های هوش تجاری با آمار توصیفی و تکنیک های پیشرفته اکتشاف داده ها Enhancing Business Intelligence Solutions with Descriptive Statistics and Advanced Data Exploration Techniques

  • مبانی آمار توصیفی Fundamentals of Descriptive Statistics

  • نسخه ی نمایشی: پیاده سازی آمار توصیفی با Power BI Demo: Implementing Descriptive Statistics with Power BI

  • نسخه ی نمایشی: استفاده از تکنیک های پیشرفته کاوش داده با Power BI Demo: Applying Advanced Data Exploration Techniques with Power BI

نمایش نظرات

آموزش مدل سازی داده، پرس و جو و گزارش برای هوش تجاری
جزییات دوره
2h 46m
32
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Nikola Ilic
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nikola Ilic Nikola Ilic

نیکولا ایلیچ به طور رسمی یک توسعه‌دهنده هوش تجاری است که بر فناوری‌های پلتفرم داده مایکروسافت، به‌ویژه Power BI تمرکز دارد - اما او فردی متعصب به داده است و به هر چیزی که مربوط به استخراج اطلاعات معنی‌دار از داده‌های خام است علاقه دارد. نیکولا خود را "داده موتزارت" معرفی می کند. از آنجایی که او در شهر شگفت انگیز سالزبورگ، اتریش، که به زادگاه W.A.Mozart معروف است، زندگی می کند، به اندازه کافی شجاع بود که از نام خانوادگی آهنگساز به عنوان بخشی از نام مستعار خود استفاده کند. به همین دلیل است که شعار حرفه ای نیکولا این است: "از داده های خود موسیقی بسازید!" نیکولا که از محیط کسب و کار آمده است، دارای مدرک لیسانس در علوم ارتباطات و علوم کامپیوتر است. او مرتباً در data-mozart.com وبلاگ می نویسد و در کنفرانس های داده جهانی سخنرانی می کند. نیکولا همچنین MVP پلتفرم داده مایکروسافت، مربی گواهی شده مایکروسافت و تحلیلگر داده تایید شده است.