دوره جامع هوش تجاری

سرفصل‌های دوره هوش تجاری (160 ساعت)

مقدمه‌ای بر هوش تجاری و جایگاه آن در علم داده (2 ساعت)

این بخش به معرفی مفاهیم بنیادین هوش تجاری و جایگاه آن در علم داده می‌پردازد. هدف، ارائه دید کلی و آماده‌سازی دانش‌پذیران برای مباحث پیشرفته‌تر است.

• جایگاه هوش تجاری در علم داده
• مفاهیم کلیدی: انبار داده، داشبورد، و تصمیم‌گیری داده‌محور
• تفاوت‌های رویکردهای Multi Dimensional و Tabular
• معرفی ابزارهای اصلی هوش تجاری (SQL Server، SSIS، SSAS، SSRS، Power BI)
• مروری بر چرخه عمر یک پروژه هوش تجاری
• اهمیت هوش مصنوعی در هوش تجاری (معرفی اجمالی)

1. مبانی کار با SQL Server در هوش تجاری (40 ساعت)

این بخش به آموزش مهارت‌های ضروری برای کار با SQL Server به‌عنوان پایه پروژه‌های هوش تجاری اختصاص دارد.

1.1 کوئری‌نویسی و مبانی T-SQL (25 ساعت)

• کوئری‌نویسی پایه و پیشرفته با T-SQL
• مفاهیم گروه‌بندی (GROUP BY) و اپراتورهای مرتبط
• توابع کاربردی در T-SQL
• مفاهیم Join در SQL Server (Inner, Outer, Cross, etc.)
• Sub Query و کاربردهای آن
• مفاهیم Table Expression (CTE، Derived Tables)
• مفاهیم Set Operation (UNION، INTERSECT، EXCEPT)
• مفاهیم DML (Insert، Update، Delete)
• ساخت و استفاده از Functions
• خودکارسازی فرآیندها با Stored Procedures

1.2  کوئری‌نویسی تحلیلی (15 ساعت)

• کار با Temp Tables
• Window Functions (Partitioning، Ordering، Framing)
• Ranking Functions (ROW_NUMBER، RANK، DENSE_RANK، NTILE)
• Grouping Sets و کاربردهای آن
• Window Aggregate Functions (SUM، AVG، COUNT و غیره)
• Distributed Functions
• Offset Functions (LAG، LEAD، FIRST_VALUE، LAST_VALUE)
• مروری بر ایندکس‌ها و تأثیر آن‌ها بر عملکرد کوئری‌ها

2. پیاده‌سازی پروژه‌های هوش تجاری (60 ساعت)

این بخش به فرآیند عملیاتی پیاده‌سازی یک پروژه هوش تجاری با استفاده از ابزارهای تخصصی می‌پردازد.

2.1  مبانی و طراحی انبار داده (15 ساعت)

• مراحل پیاده‌سازی پروژه هوش تجاری
• مفاهیم جداول Fact و Dimension
• طراحی انبار داده (Star Schema و Snowflake Schema)
• اصول مدل‌سازی داده برای هوش تجاری

2.2 فرآیند ETL و کار با SSIS(20 ساعت)

• مفهوم ETL (Extract، Transform، Load)
• تسلط بر SSIS برای مدیریت فرآیندهای ETL
• خوانش و تبدیل داده‌ها از منابع مختلف
• مدیریت خطاها و بهینه‌سازی فرآیندهای ETL
• سناریوهای عملیاتی با دیتابیس‌های واقعی

2.3 مدل‌سازی OLAP و کار با SSAS (25 ساعت)

• مفهوم مدل OLAP و تفاوت‌های Multi Dimensional و Tabular
• تسلط بر زبان MDX برای مدل Multi Dimensional
• تسلط بر زبان DAX برای مدل Tabular
• پیاده‌سازی مدل‌های OLAP با SSAS
• بهینه‌سازی مدل‌های OLAP برای عملکرد بهتر

3. آموزش Power BI (40 ساعت)

این بخش به آموزش جامع Power BI و مهارت‌های مرتبط با بصری‌سازی داده‌ها و طراحی داشبورد اختصاص دارد.

3.1  آموزش عملی Power BI (24 ساعت)

• آشنایی با Power BI و نسخه‌های مختلف آن
• اتصال به منابع داده (SQL Server، اکسل، وب، فایل‌های متنی)
• آشنایی با ویژوال‌های اصلی Power BI
• پاکسازی و مرتب‌سازی داده با Power Query Editor
• کاربرد زبان M در Power Query
• آموزش زبان DAX برای تحلیل پیشرفته
• ساخت داشبوردهای تعاملی و پویا
• مدیریت دسترسی‌ها و امنیت داشبورد
• انتشار داشبورد با Power BI Report Server
• کار با ویژوال‌های سفارشی از Microsoft AppSource
• سناریوهای عملی برای خوانش و یکپارچه‌سازی داده‌های متنوع

3.2  ChatGPT in Power BI (3 ساعت)

اصول پرامپت‌نویسی برای استفاده از ChatGPT در هوش تجاری

• استفاده از ChatGPT برای تولید کوئری‌های DAX و M
• خودکارسازی توضیحات و مستندسازی داشبورد با هوش مصنوعی
• اجرای یک پروژه عملی Power BI از صفر تا صد با کمک ChatGPT

3.3  هنر طراحی داشبورد (13 ساعت)

• اصول طراحی حرفه‌ای داشبورد
• مدیریت رنگ در داشبورد برای بهبود تجربه کاربری
• نکاتی در داستان‌سرایی با داده‌ها (Data Storytelling)
• اصول روانشناسی گشتالت در طراحی داشبورد

4. مهارت‌های تکمیلی هوش تجاری (18 ساعت)

این بخش به آموزش ابزارها و متدهای پیشرفته برای بهبود پروژه‌های هوش تجاری اختصاص دارد.

• آموزش SQL Server Reporting Services (SSRS):
  • طراحی گزارش‌های پایه و پیشرفته با Report Builder
  • اتصال SSRS به SQL Server و انبار داده
  • مدیریت پارامترها و فیلترهای گزارش
  • انتشار و اشتراک‌گذاری گزارش‌ها با Report Server
  • یکپارچه‌سازی SSRS با Power BI
• آموزش DAX Studio و Vertipaq Analyzer:
  • دیباگ و بهینه‌سازی کوئری‌های DAX با DAX Studio
  • تحلیل عملکرد مدل‌های داده با Vertipaq Analyzer
• آموزش Analyze in Excel:
  • اتصال اکسل به مدل‌های OLAP و تحلیل داده‌ها
• اصول طراحی انبار داده با متد Data Vault:
  • مفاهیم و مزایای متد Data Vault
  • طراحی Hub، Link و Satellite در انبار داده
• شناسنامه های نیازمندی، شاخص و داشبورد در عمل (BI in Action)
  • معرفی شناسنامه نیاز و فیلدهای آن برای پروژه های واقعی
  • معرفی شناسنامه شاخص برای پروژه های واقعی
  • معرفی شناسنامه داشبورد برای پروژه های واقعی