مقدمه‌ای بر مفهوم و جایگاه هوش تجاری (4 ساعت)

از آنجایی که هوش تجاری زیرمجموعه‌ای از علم داده می‌باشد، در این قسمت به بیان مفاهیم بنیادین علم داده و جایگاه هوش تجاری در آن خواهیم پرداخت. سپس با تمرکز بر هوش تجاری، نسبت به ارائه مفاهیم جزئی‌تر و عمیق‌تر این حوزه پرداخته خواهد شد. مهمترین زمینه‌های تدریس شده در این قسمت به شرح ذیل می‌باشد:

• تعریف داده
• تعریف دیتابیس
• مفهوم دیتابیس رابطه‌ای
• مفهوم انبار داده
• انواع طراحی انبار داده
• …

SQL Server و کاربرد آن در هوش تجاری (40 ساعت)

دیتابیس SQL Server در حال حاضر معروفترین پایگاه داده رابطه‌ای در کل دنیا می‌باشد و حتی کشورهای پیشرفته نیز همچنان توجه ویژه‌ای به آن دارند. اساساً دانش کار با این دیتابیس یک پیش‌نیاز بسیار مهم برای ورود به دنیای هوش تجاری است که در این قسمت به طور ویژه‌ای به آن خواهیم پرداخت. در گام نخست یک پروژه هوش تجاری باید قادر باشیم در ابتدا با داده ارتباط برقرار کنیم و بر اساس نیازهای پروژه، تغییرات مورد نیاز را در ایجاد کنیم. اینجاست که باید با زبان داده با آن ارتباط برقرار نماییم. SQL Server دارای یک زبان بسیار قوی تحت عنوان TSQL است که به کمک آن قادریم هر نوع تغییر مورد نیاز را در دیتابیس اعمال نموده و بر اساس نیاز، داده‌ها را به فرمت دلخواه گزارش دهیم. مهمترین مواردی که در این زمینه آموزش داده می‌شوند عبارتند از:

• اصول طراحی دیتابیس
• کوئری نویسی در Server SQL
• برنامه‌نویسی پیشرفته به کمک زبان TSQL
• بهبود سرعت کار با دیتابیس به کمک مفهوم Indexing
• خودکارسازی فرآیند کار با SQL Server به کمک Stored Procedure

پیاده ‎سازی هوش تجاری (72 ساعت)

این قسمت از دوره مربوط به شروع فرآیند پیاده‌سازی یک پروژه هوش تجاری است. در این قسمت، ضمن ارائه عمیقتر مفاهیم اصلی این حوزه، بحث پیاده‌سازی با داده‌های کاربردی آغاز می‌گردد. نکته مهم این که فرآیند پیاده‌سازی در چندین نرم‌افزار بصورت موازی پیاده‌سازی می‌گردد. خروجی نهایی انبار داده در SQL Server خواهد بود ولی برای پیاده‌سازی افزونه‌هایی از محیط Visual Studio نظیر SSIS و SSAS مورد استفاده قرار می‌گیرد. بحث پیاده‌سازی هوش تجاری یک بحث کاملاً تجربی است، به این مفهوم که لازم داریم با کار بر روی دیتابیس‌های عملیاتی گوناگون به کسب تجربه بپردازیم. در این راستا، تلاش می‌کنیم انواع دیتابیس‌های آموزشی و واقعی مفید در این زمینه خدمت دانشپذیران گرامی تشریح گردد. همچنین دو رویکرد اصلی در این حوزه وجود دارد. یکی رویکرد Multi Dimensional که رویکرد قدیمی‌تر و البته کاملتر در این حوزه است که هنوز توسط سازمان‌های زیادی مورد استفاده قرار می‌گیرد. رویکرد دیگر رویکرد Tabular می‌باشد که رویکردی جدیدتر در این حوزه بشمار می‌آید. در این قسمت هر دوره به طور مبسوط ارائه خواهد گردید.

• مراحل پیاده‌سازی یک پروژه هوش تجاری
• مفهوم جداول Fact و Dimension
• طراحی انبار داده
• مفهوم ETL
• تسلط عمیق بر روی SSIS
• انجام فرآیندهای گوناگون خوانش و تغییر داده در SSIS
• مفهوم مدل OLAP
• انواع مدل OLAP: مدل Multi Dimensional و مدل Tabular
• آموزش و تسلط عمیق بر زبان MDX
• آموزش و تسلط عمیق بر زبان DAX
• پیاده‌سازی مدل های OLAP به کمک افزونه SSAS
• سیستم‌های گزارش ساز SSRS

ساخت داشبوردهای هوش تجاری به کمک Power BI (32 ساعت)

معمولاً خروجی نهایی یک پروژه هوش تجاری، داشبوردی است که برای گزارش‌گیری در سطوح مختلف سازمان مورد استفاده قرار می‌گیرد. در این قسمت از دوره به طور مبسوط به آموزش نرم افزار Power BI می‌پردازیم که بر اساس گزارش موسسه گارتنر در صدر بهترین نرم‌افزارهای بصری‌سازی داده قرار دارد. این نرم‌افزار در عین سادگی و جذابیت، نکات کاربردی فراوانی دارد که در هر پروژه ممکن است به شکل خاصی مطرح شود. در این قسمت به طور کامل مهمترین زمینه‌های کار با این نرم‌افزار را خواهیم آموخت.

• آشنایی با نرم‌افزار Power BI
• شناخت ورژن‌های مختلف نرم‌افزار Power BI
• خواندن داده از منابع گوناگون شامل SQL Server، اکسل، فایل‌های متنی، وب و …
• آشنایی کامل با ویژوال‌های اصلی Power BI در جهت ساخت داشبورد
• اتصال به سایت مایکروسافت و دریافت ویژوال‌های سفارشی
• پاکسازی و مرتب‌سازی داده به کمک Power Query Editor
• کاربرد زبان M در Power Query Editor
• آموزش زبان برنامه‌نویسی DAX در Power BI
• ایجاد دسترسی‌های گوناگون بر روی داشبورد تدوین شده
• انتشار داشبورد طراحی شده به کمک Power BI Report Server
• مرور و تسلط بر سناریوهای گوناگون در جهت خواندن طیف وسیعی از داده‌ها به صورت متمرکز و یکپارچه

معرفی دیگر ابزارهای مفید در هوش تجاری (12 ساعت)

در قسمت پایانی دوره، هدف این است که به آموزش مجموعه‌ای از ابزارهای کاربردی و جانبی برای مدیریت بهتر یک پروژه هوش تجاری بپردازیم. برای مثال، در بحث فهم عمیق داده که یکی از مهمترین الزامات انجام موفق یک پروژه هوش تجاری است، نرم افزارهایی در جهت ساخت دیکشنری داده و یا ایجاد سیستم مانیتورینگ داده را به طور کامل خواهیم آموخت.

• ساخت دیکشنری داده به کمک Data EDO
• مانیتورینگ داده به کمک Grafana
• نرم‌افزار DAX Studio
• نرم افزار Looker Studio