معرفی Power BI

با سلام خدمت دوستان عزیز، آنتون بودوئف همراه شماست. با این مقاله، من شروع به بررسی یک موضوع بسیار عمیق و مهم برای هر یک از ما می کنم، که من عاشق آن شدم - تجزیه و تحلیل انتها به انتها در تجارت با استفاده از پلت فرم تحلیلی شگفت انگیز مایکروسافت - Power BI.

واقعیت این است که در واقعیت های امروزی، صرف نظر از اینکه شما چه کسی هستید - مالک یا مدیر عامل، مدیر یا مدیر اجرایی، کارآفرین مشتاق یا یک متخصص خاص (مثلاً در صنعت تبلیغات یا بازاریابی)، همه ما باید حجم عظیمی از اطلاعات دریافتی را پردازش کرده و بر اساس آن به سرعت تصمیمات آگاهانه خاصی اتخاذ می کند. که در نتیجه به اقدامات ملموس تبدیل می شود و از قبل نتایجی حاصل می شود.

اگر به چیزها در روابط علت و معلولی نگاه کنیم، برای اینکه نتایج انتظارات ما را برآورده کند، اقدامات باید درست باشد. و اقدامات درست خواهد بود اگر اطلاعات اولیه همانطور که یکی از مربیان من می گوید - TPSI باشد!

به طور خلاصه، TPSI مخفف اطلاعات است:

• جامد (یعنی واقعی، تحریف نشده، بدون خطا)،
• کامل (یعنی جامع و بدون کتمان)
• به موقع (یعنی "در اینجا و اکنون" ... منسوخ شده برای ما مناسب نیست).

نسخه توسعه یافته رونوشت نیز تعاریف را اضافه می کند:

• مقایسه ای (یعنی باید آن را با چیزی مقایسه کنیم ... زیرا همه چیز فقط در مقایسه شناخته شده است)
• زیبا (یعنی از نظر بصری قابل درک در گرافیک ... از آنجایی که انسان در تصاویر فکر می کند و فکر می کند).

به طوری که اطلاعات کسب و کار شما محکم، کامل، به موقع، مقایسه ای و زیبا باشد که بر اساس آن در واقع می توانید تحلیلی درست انجام دهید. و بر این اساس، انجام اقداماتی که در اینجا و اکنون برای دستیابی به اهداف شما مورد نیاز است، به خوبی و حتی بسیار مناسب برای طیف وسیعی از برنامه ها و خدمات به نام MS Power BI (به روسی، "Power Bi Eye")، آشنایی با که و این مقاله به آن اختصاص دارد.

اگر هر گونه خطا یا مشکلی در فرمول های شما وجود دارد و نتایج فرمول ها دائماً آن چیزی نیست که انتظار دارید و به کمک نیاز دارید، دوره رایگان سریع «شروع سریع در زبان توابع و فرمول های DAX برای Power BI و Power Pivot» را شرکت کنید. "

Power BI - چیست؟ توضیحات نرم افزار.

بنابراین، PowerBI - این چه نوع برنامه ای است، این چه نوع سیستمی از مایکروسافت است؟

اگر در مورد توصیف آن به معنای واقعی کلمه در یک جمله صحبت کنیم، پس Power BI یک محیط تحلیلی (مجموعه ای از برنامه ها و خدمات آنلاین) است که این امکان را به شما می دهد:

• اتصال آسان به هر بارگیری اطلاعات از منابع مختلف،
• ترکیب و آوردن این اطلاعات در یک مدل داده استاندارد شده واحد (چاه اطلاعات واحد)،
• محاسبه پارامترها و KPI های لازم بر اساس این داده های ترکیبی،
• ساخت نمودارهای بصری و غیره

و همه اینها کاملاً خودکار، به‌روزرسانی خودکار و به‌صورت آنلاین برای تجزیه و تحلیل از هر دستگاه (کامپیوتر، تبلت، تلفن‌های هوشمند) در حالت تعاملی در دسترس است و دسترسی فردی را برای مشاهده توسط کاربران مختلف فراهم می‌کند.

برای درک بهتر گزارش‌ها و تحلیل‌های Power BI، در زیر نمونه‌ای از یک گزارش تعاملی ساده در مورد منابع تبلیغاتی و برنامه‌های کاربردی پولی آورده شده است.

ویژگی های Power BI

Power BI چه فرصت هایی را برای من و شما فراهم می کند؟ در واقع، فهرست می‌تواند بزرگ باشد، اما ما خود را به مروری بر اساسی‌ترین ویژگی‌ها محدود می‌کنیم:

• جمع آوری اطلاعات کاملاً از هر منبع داده ای. اینها می توانند خدمات مختلف، پایگاه داده ها، فایل ها، Google Docs، Yandex Disk، Excel، csv، پوشه ها، اسناد، داده های اینترنت، API ها و کانکتورهای مختلف دیگری باشند که تیم Power BI هر ماه توسعه داده و به برنامه اضافه می کند.
• پردازش داده های دریافتی، رساندن آنها به یک فرم و استاندارد یکپارچه. ترکیب و اتصال همه این جداول ناهمگون به یک مدل داده واحد (خوب اطلاعات)، که به شما امکان می دهد داده هایی را در مورد وضعیت کسب و کار در هر سطح از جزئیات اطلاعات ترسیم کنید، به اساس آن برسید، همه چیز را به معنای واقعی کلمه به "استخوان ها" از بین ببرید. به علل اصلی واقعی نتایج در کسب و کار؛
• توسعه و مدل‌سازی فرمول‌ها، معیارها، شاخص‌ها و KPIهای خود برای کنترل و تجزیه و تحلیل پارامترهای لازم مدیریت کسب‌وکار؛
• تجسم تعاملی تمام معیارها، KPIها، جداول به صورت گرافیکی. این امر به طور باورنکردنی روند ردیابی، مقایسه و تجزیه و تحلیل اطلاعات عملیاتی در مدیریت کسب و کار را بهبود می بخشد و به شدت سرعت می بخشد.
• ارائه کلیه گزارش ها و داشبوردها از طریق اینترنت از طریق سرویس آنلاین یا از طریق برنامه Power BI Mobile.
• ارائه حقوق دسترسی جداگانه برای کارکنان؛
• استفاده از قدرت سرور ابر مایکروسافت برای پردازش خودکار هر مقدار داده؛
• به روز رسانی خودکار تمام اطلاعات (در مدل داده گزارش های شما) میزبانی شده در ابر Power BI، که به شما امکان می دهد داده های به روز را در گزارش های Power BI به صورت آنلاین "در اینجا و اکنون" دریافت کنید.
• اعلان خودکار توسط سیستم کارکنان لازم هنگام رسیدن به مقادیر بحرانی در KPIهای مشخص شده

استفاده از Power BI و تجزیه و تحلیل end-to-end به طور کلی چه چیزی به شما می دهد؟

زمان حال عصر اطلاعات است. و در تجارت مدرن، صرف نظر از اندازه آن، جریان های داده زیادی وجود دارد: تولید، فروش، سود، کارکنان، داده های سازمانی، داده های فنی، تدارکات، مالی، تبلیغات، بازاریابی و غیره.

هر یک از این حوزه ها ده ها معیار و KPI خاص خود را دارند. علاوه بر این، این معیارها و KPI ها بر اساس گروه ها، بخش ها، دسته ها، بخش ها، مدیران، فروشندگان، فروشگاه ها و غیره تقسیم می شوند. به طور کلی، شاخص هایی که توسط آنها کنترل انجام می شود حتی صدها نیست، بلکه هزاران است.

و اگر می خواهید در قله موج و جلوتر از همه رقبا موفق باشید، باید بتوانید خیلی سریع همه شاخص های کنترل را جمع آوری کنید، آنها را تجزیه و تحلیل کنید و تصمیمات درست بگیرید.

اما مشکل این است که داده‌های زیادی وجود دارد و اغلب در بسیاری از مشاغل، و حتی بیشتر از آن برای کارآفرینان تازه کار، تمام تحلیل‌ها به فرآیند کپی دستی (کپی-پیست) خلاصه می‌شود. علاوه بر این، این کپی برداری بسیار خسته کننده، طولانی است و احتمال اشتباه بالایی دارد.

در نتیجه، همه اینها رها می شود، هیچ تحلیلی انجام نمی شود، و اگر انجام شود، در ابتدایی ترین سطح، و در نتیجه، همه تصمیمات در تجارت بر اساس برخی نتیجه گیری های شخصی گرفته می شود، که در 99 درصد موارد اشتباه است. و به همین دلیل، کسب و کار نه تنها توسعه نمی یابد، بلکه برعکس، ضرر می کند و سقوط می کند و ضررهای زیادی را متحمل می شود.

بنابراین، اکنون می توانید همه اینها را با کمک Power BI حل کنید، و حتی نمی توانید، اما به سادگی به آن نیاز دارید، زیرا:

1. تجزیه و تحلیل انتها به انتها با فناوری‌های Power BI امروزی در واقع آسان و ساده است و از اکسل سخت‌تر نیست. مطلقاً هر کارآفرینی بدون توجه به مهارت ها، سن، منابع و غیره می تواند با آن کنار بیاید. کاملاً همه!
2. با پیاده سازی تجزیه و تحلیل end-to-end و Power BI، وضوح کسب و کار و مدیریت خود را دوست خواهید داشت. شما نسبت به خود و تصمیمات خود اطمینان خواهید داشت. صرفاً به این دلیل که شما به وضوح کسب و کار خود را درک خواهید کرد و نتایج شما به چه فرآیندهایی بستگی دارد و چگونه بر این فرآیندها تأثیر می گذارد.
3. با پیاده سازی تجزیه و تحلیل انتها به انتها و Power BI، سودآوری کسب و کار را 1.5-2 برابر، یا حتی بیشتر، به معنای واقعی کلمه "از ابتدا" افزایش می دهید، هزینه های غیر ضروری را کاهش می دهید، مزایا و معایب خود را هر روز بهبود می بخشید.
4. تجزیه و تحلیل انتها به انتها و Power BI مزیت رقابتی شماست. به دلیل کنترل و کار روی جنبه هایی که اغلب با چشم غیرمسلح قابل مشاهده نیستند، سریعتر و بهتر از رقبای خود پیشرفت خواهید کرد. پس از همه، تمام راز در مدیریت علل ریشه ای است.
5. تجزیه و تحلیل End-to-End و Power BI دانش ساختار یافته شما در مورد هر جنبه ای از کسب و کار شما هستند. در هر بخش، از هر زاویه دید، تحت هر منشوری، آنلاین "اینجا و اکنون". این قدرت شما برای واکنش به تغییرات با سرعت رعد و برق است.

بنابراین، اگر آنچه در بالا نوشتم در درون شما طنین انداز است، اگر این به شما نزدیک است و در نهایت می خواهید به سطح جدیدی برسید، پس از شما دعوت می کنم که در این ماجراجویی به من و Power BI بپیوندید!

قبلاً در تجارتم اصلاً تحلیلی انجام نمی دادم و اگر هم بود در ابتدایی ترین سطح بود. اما من همیشه می فهمیدم که این کار را نمی کند.

من کاملاً در موضوع تجزیه و تحلیل انتها به انتها غوطه ور شدم. حالا من طرفدارش هستم حالا همه چیز سر جای خودش قرار گرفته است. اکنون من به سادگی تجارت را دوست دارم، زیرا می دانم در آن چه اتفاقی می افتد، چه پارامترهایی و چگونه بر نتایج نهایی که برنامه ریزی کرده ام تأثیر می گذارد. حالا من به سادگی می دانم چه کار کنم. حالا من وضوح کامل دارم. برای شما هم همین آرزو را دارم!

برای اینکه بتوانید ترکیب همه برنامه های PowerBI را بهتر درک کنید، چرا هر یک از این برنامه ها مورد نیاز است و چگونه برای شما مفید خواهد بود. با استفاده از هر یک از این برنامه ها چه نتایجی به دست خواهید آورد، جایی که ما به معرفی ابزار شگفت انگیز Power BI که برای هر کسب و کاری ضروری است ادامه خواهیم داد. یعنی، ما معماری MS Power BI را تجزیه و تحلیل خواهیم کرد (یعنی ترکیب برنامه ها، حرکت همه فرآیندها و آنچه را که در طرح کلی کار به دنبال دارد، و همچنین مزایایی که این امر برای آن به همراه خواهد داشت را به صورت گرافیکی تجزیه و تحلیل خواهیم کرد. شما و کسب و کارتان).

آیا مقاله را دوست داشتید؟
این مقاله را به نشانک های مرورگر خود اضافه کنید تا دوباره به آن بازگردید. برای انجام این کار، هم اکنون کلیدهای ترکیبی Ctrl + D را روی صفحه کلید خود فشار دهید

24.04.2003 والری آرتمیف

اصطلاح «هوش تجاری» برای مدت نسبتاً طولانی وجود داشته است، اگرچه در کشور ما به دلیل عدم ترجمه کافی و درک واضح، که البته برای غرب نیز معمول است، کم استفاده می شود. بیایید سعی کنیم ماهیت آن را درک کنیم.

در زبان روسی، کلمه "هوش" به وضوح به عنوان توانایی تفکر یک فرد درک می شود. در نگاه اول، ترجمه خوبی برای این اصطلاح است هوش تجاریدر "داده کاوی" پیشنهاد شده است، اما بلافاصله این سوال مطرح می شود که آیا "غیر داده کاوی" وجود دارد یا خیر.

مبهم بودن اصطلاح مورد بحث تحت تأثیر چندمعنایی کلمه انگلیسی "هوشمندی" بود:

• توانایی تشخیص و درک؛ آمادگی برای درک؛
• دانش منتقل شده یا به دست آمده از طریق آموزش، تحقیق یا تجربه؛
• عمل یا حالت در فرآیند شناخت؛
• هوش، داده های هوش

در زبان روسی، کلمه "هوش" به وضوح به عنوان توانایی تفکر یک فرد درک می شود. در نگاه اول، ترجمه خوبی برای اصطلاح هوش تجاری در «داده کاوی» پیشنهاد شده است، اما بلافاصله این سوال مطرح می شود که آیا «تحلیل داده های غیرکاوی» وجود دارد یا خیر. روش‌های زبان غیرقابل وصف هستند، بنابراین ما هم از نسخه اصلی به زبان انگلیسی و هم از مقاله ردیابی «هوش تجاری» استفاده می‌کنیم.

تعاریف مختلف

اصطلاح "هوش تجاری" اولین بار توسط تحلیلگران گارتنر در اواخر دهه 1980 به عنوان "فرایند کاربر محوری که شامل دسترسی و کاوش اطلاعات، تجزیه و تحلیل آنها، توسعه شهود و درک است که منجر به تصمیم گیری بهتر و غیررسمی می شود" ابداع شد. بعداً در سال 1996، مشخص شد که «ابزارهای تجزیه و تحلیل داده، گزارش‌دهی و پرس و جو می‌توانند به کاربران تجاری کمک کنند تا در دریای داده‌ها برای ترکیب اطلاعات معنی‌دار از آن‌ها حرکت کنند - امروزه این ابزارها در مجموع در دسته‌ای به نام هوش تجاری (هوش تجاری) قرار می‌گیرند. )".

BI به عنوان روش ها، فن آوری ها، ابزار استخراج و ارائه دانش

طبق تعاریف اولیه، BI فرآیند تجزیه و تحلیل اطلاعات، توسعه شهود و بینش برای تصمیم‌گیری بهبودیافته و غیررسمی توسط کاربران تجاری و ابزارهایی برای استخراج اطلاعات مربوط به کسب‌وکار از داده‌ها است. لازم به ذکر است که بیشتر تعاریف «هوش تجاری» را به فرآیند، فناوری‌ها، روش‌ها و ابزار استخراج و ارائه دانش تعبیر می‌کنند.

BI، EIS، DSS، تجارت الکترونیک و تجارت

در 10 سال گذشته، نام و محتوای سیستم های اطلاعاتی و تحلیلی از سیستم های اطلاعات اجرایی (EIS) به سیستم های پشتیبانی تصمیم گیری (DSS) و اکنون به سیستم های هوش تجاری تغییر کرده است.

در روزگار رایانه‌های مرکزی و مینی رایانه‌ها، زمانی که اکثر کاربران دسترسی مستقیم به رایانه‌ها نداشتند، سازمان‌ها برای ارائه گزارش‌های استاندارد و پارامتریک به بخش‌های فناوری اطلاعات خود وابسته بودند. اما برای دریافت گزارش هایی غیر از موارد استاندارد، کاربران مجبور بودند توسعه خود را سفارش دهند و چندین روز یا هفته منتظر بمانند.

برنامه های کاربردی EIS برای پاسخگویی به نیازهای مدیران و مدیران و ارائه اطلاعات کلیدی جمع آوری شده در مورد سلامت کسب و کار آنها در قالب جداول یا نمودار سفارشی شده است. به طور معمول آنها شامل پرس و جوهای معمولی با مجموعه ای از پارامترها می شدند. چنین بسته هایی معمولاً توسط دپارتمان های فناوری اطلاعات خودشان توسعه می یافتند. برای به دست آوردن اطلاعات بیشتر و انجام تجزیه و تحلیل بیشتر، از برنامه های کاربردی دیگر استفاده شد یا پرس و جوها یا گزارش های سفارشی SQL ایجاد شد.

اولین نسل از برنامه های DSS بسته های نرم افزار کاربردی بودند که به صورت پویا اسکریپت های SQL را بر اساس نوع اطلاعات درخواستی کاربر تولید می کردند. آنها به تحلیلگران اجازه دادند تا بدون نیاز به دانش SQL اطلاعاتی را از پایگاه های داده رابطه ای به دست آورند. برخلاف EIS، برنامه های DSS می توانند به طیف وسیعی از سوالات تجاری پاسخ دهند، گزینه های گزارش دهی متعدد و قابلیت های قالب بندی خاص داشته باشند. با این حال، انعطاف پذیری چنین بسته هایی به دلیل تمرکز آنها بر مجموعه خاصی از وظایف، همچنان محدود بود.

با ظهور رایانه های شخصی و شبکه های محلی، نسل بعدی برنامه های کاربردی DSS بر اساس BI ساخته شده است و به کاربر غیر برنامه نویس اجازه می دهد تا به راحتی و به سرعت اطلاعات را از منابع مختلف بازیابی کند، گزارش های سفارشی یا نماهای گرافیکی خود را تولید کند و انجام دهد. تجزیه و تحلیل داده های چند بعدی توسعه سیستم‌های هوش تجاری از مشتریان «ضخیم» به برنامه‌های کاربردی وب تبدیل شده است که در آن کاربر با استفاده از مرورگر تحقیق می‌کند و می‌تواند از راه دور کار کند. شما همچنین می توانید سناریوهای what-if ایجاد کنید و اطلاعات را به طور جمعی بررسی و به روز کنید.

اگرچه کاربران اطلاعات BI سازمانی به طور سنتی در داخل سازمان قرار دارند، با ظهور وب برای تجارت الکترونیک، B2B، CRM و SCM، کاربران BI نیز می توانند خارج از سازمان باشند و در B2C، C2B و بازارها، کاربران BI کاربران اینترنت هستند.

BI و انبارهای داده

مفهوم، روش‌ها و ابزار انبار داده (Data Warehouse) رویکردها را تعریف می‌کند و یکپارچه‌سازی، تمیز کردن، ذخیره‌سازی گذشته‌نگر اطلاعات در نظر گرفته شده برای تجزیه و تحلیل را فراهم می‌کند، به سؤال «چگونه اطلاعات را برای تجزیه و تحلیل آماده کنیم؟» پاسخ می‌دهد. فناوری هوش تجاری روش ها و ابزارهای دسترسی و تحلیل عملیاتی اطلاعات را بر حسب حوزه موضوعی تعریف می کند. ابزارهای BI لزوماً نباید در زیرساخت انبار داده کار کنند، اما در این حالت مشکل پاکسازی و تطبیق داده ها به آنها اختصاص داده می شود و این عملیات باید به صورت مستقیم یا از قبل انجام شود، اما برای یک جداگانه. منبع اطلاعاتی علاوه بر این، بر عملکرد و قابلیت اطمینان سیستم پردازش تراکنش آنلاین تأثیر دارد. به همین دلیل است که جداسازی اجزای تراکنشی و تحلیلی و استفاده از راه‌حل‌های مختلف ذخیره‌سازی داده‌ها برای دومی، عمل خوبی است. ارتباطات اصلی نه تنها در سطح اطلاعات، بلکه در سطح ابرداده نیز رخ می دهد. در مورد انبار داده، امکان مدیریت متمرکز ابرداده وجود دارد.

لازم به ذکر است که اصطلاح انبار داده اغلب به یک سیستم پشتیبانی تصمیم DSS یا یک سیستم اطلاعاتی و تحلیلی مبتنی بر انبار داده و فناوری‌های هوش تجاری اشاره دارد.

طبقه بندی محصولات هوش تجاری

امروزه دسته بندی محصولات BI عبارتند از: ابزارهای BI و برنامه های کاربردی BI. اولی به نوبه خود به موارد زیر تقسیم می شود: مولدهای پرس و جو و گزارش. ابزارهای BI را توسعه داده است، در درجه اول ابزارهایی برای پردازش تحلیلی آنلاین (OLAP). مجموعه های BI شرکتی (سوئیت های BI سازمانی، EBIS)؛ پلتفرم های BI بخش اصلی ابزارهای BI به مجموعه های BI شرکتی و پلتفرم های BI تقسیم می شود. ابزارهای پرس و جو و گزارش تا حد زیادی جذب شده و با مجموعه های BI سازمانی جایگزین شده اند. موتورها یا سرورهای OLAP چند بعدی و همچنین موتورهای OLAP رابطه‌ای، ابزارها و زیرساخت‌های BI برای پلتفرم‌های BI هستند. بیشتر ابزارهای BI توسط کاربران نهایی برای دسترسی، تجزیه و تحلیل و تولید گزارش‌هایی در مورد داده‌هایی استفاده می‌شوند که اغلب در یک انبار، داده‌ها یا انبارهای داده عملیاتی قرار دارند. توسعه دهندگان برنامه از پلتفرم های BI برای ایجاد و پیاده سازی برنامه های BI استفاده می کنند که ابزار BI محسوب نمی شوند. نمونه ای از یک برنامه BI، سیستم اطلاعات مدیریت EIS است.

ابزارهای تولید پرس و جو و گزارش

مولدهای پرس و جو و گزارش معمولاً ابزارهای دسکتاپ هستند که دسترسی کاربران به پایگاه های داده، انجام برخی تحلیل ها و تولید گزارش ها را فراهم می کنند. درخواست‌ها می‌توانند بدون برنامه‌ریزی (تعدادی) یا ماهیت معمولی باشند. سیستم های تولید گزارش (معمولاً مبتنی بر سرور) وجود دارند که از پرس و جوها و گزارش های معمول پشتیبانی می کنند. پرس و جو دسکتاپ و تولید کننده های گزارش نیز با برخی از قابلیت های سبک OLAP بهبود یافته اند. ابزارهای پیشرفته در این دسته، قابلیت‌های تولید دسته‌ای گزارش‌های روتین و تولیدکنندگان پرس و جو دسکتاپ، توزیع گزارش‌ها و به‌روزرسانی سریع آن‌ها را ترکیب می‌کنند و به اصطلاح گزارش‌های شرکتی را تشکیل می‌دهند. زرادخانه آن شامل سرور گزارش، ابزارهای توزیع، انتشار گزارش ها در وب و مکانیزمی برای اطلاع رسانی رویدادها یا انحرافات (هشدارها) است. نمایندگان معمولی Crystal Reports، Cognos Impromptu و Actuate e.Reporting Suite هستند.

OLAP یا ابزارهای تحلیلی پیشرفته

ابزارهای OLAP ابزارهای تحلیلی هستند که در ابتدا بر پایه پایگاه های داده چند بعدی (MDB) بودند.

MDB ها پایگاه های داده ای هستند که به طور خاص برای پشتیبانی از تجزیه و تحلیل داده های کمی با ابعاد چندگانه طراحی شده اند که حاوی داده ها به شکل "صرفا" چند بعدی هستند. اکثر برنامه ها شامل یک بعد زمانی هستند، ابعاد دیگر ممکن است به جغرافیا، واحدهای سازمانی، مشتریان، محصولات و غیره مربوط باشند. OLAP به شما امکان می دهد ابعاد را در یک سلسله مراتب سازماندهی کنید. داده ها در قالب هایپرمکعب (مکعب) ارائه می شوند - مدل های منطقی و فیزیکی شاخص هایی که به طور جمعی از ابعاد و همچنین سلسله مراتب در این ابعاد استفاده می کنند. برخی از داده ها از قبل در پایگاه داده جمع آوری می شوند، برخی دیگر در پرواز محاسبه می شوند.

ابزارهای OLAP به شما امکان می دهند داده ها را در ابعاد مختلف کاوش کنید. کاربران می‌توانند معیارهایی را برای تجزیه و تحلیل، کدام ابعاد و نحوه نمایش آن‌ها را در یک برگه متقاطع انتخاب کنند، ردیف‌ها و ستون‌ها را به «محور» تغییر دهند، سپس برش و تاس بزنند تا روی ترکیب خاصی از ابعاد تمرکز کنند. می‌توانید با حرکت در سطوح با استفاده از دریل پایین/رول کردن دریل پایین و دریل پایین، و همچنین با مته کردن متقاطع در ابعاد دیگر، دانه‌بندی داده‌ها را تغییر دهید.

برای پشتیبانی از MDB، از سرورهای OLAP استفاده می شود که برای تجزیه و تحلیل چند بعدی بهینه شده و دارای قابلیت های تحلیلی هستند. آنها عملکرد خوبی ارائه می دهند، اما معمولاً برای بارگذاری و گسترش MDB به زمان زیادی نیاز دارند. آنها با قابلیت‌های «دسترسی از طریق» ارائه می‌شوند که به شما امکان می‌دهند از مجموعه‌ها به جزئیات در پایگاه‌های داده رابطه‌ای حرکت کنید. سرور کلاسیک OLAP - سرور Hyperion Essbase.

امروزه از DBMS های رابطه ای برای شبیه سازی MDB و پشتیبانی از تحلیل های چند بعدی استفاده می شود. OLAP برای پایگاه‌های داده رابطه‌ای (ROLAP) از مزیت مقیاس‌پذیری و انعطاف‌پذیری برخوردار است، اما نسبت به OLAP چند بعدی (MOLAP) عملکرد خود را از دست می‌دهد، اگرچه روش‌هایی برای بهبود عملکرد مانند طرح‌واره ستاره‌ای وجود دارد. اگرچه MDB ها هنوز مناسب ترین ها برای پردازش تحلیلی آنلاین هستند، این قابلیت اکنون در DBMS های رابطه ای ساخته شده یا توسط آن ها گسترش می یابد (به عنوان مثال، خدمات تحلیل MS یا خدمات OLAP ORACLE با ROLAP یکسان نیستند). همچنین پردازش تحلیلی آنلاین هیبریدی (HOLAP) برای محصولات هیبریدی وجود دارد که می تواند داده های چند بعدی را به صورت بومی و همچنین در یک نمایش رابطه ای ذخیره کند. MDB ها با استفاده از API ها برای تولید پرس و جوهای چند بعدی قابل دسترسی هستند، در حالی که پایگاه داده های رابطه ای از طریق پرس و جوهای SQL قابل دسترسی هستند. نمونه ای از سرور ROLAP سرور Microstrategy7i است.

ابزارهای OLAP دسکتاپ (به عنوان مثال BusinessObjects Explorer، Cognos PowerPlay، MS Data Analyzer) که اکنون در EBIS تعبیه شده اند، مشاهده و دستکاری داده های چند بعدی را که می توانند از منابع داده ROLAP یا MOLAP به دست بیایند را برای کاربران نهایی آسان تر می کند. برخی از این محصولات قابلیت بارگذاری مکعب ها را دارند تا بتوانند به صورت مستقل عمل کنند. به عنوان بخشی از EBIS، این ابزارهای دسکتاپ دارای قابلیت‌های پردازش سرور هستند که فراتر از قابلیت‌های سنتی آنهاست، اما با ابزارهای MOLAP رقابت نمی‌کنند. ابزارهای رومیزی در مقایسه با ابزارهای MOLAP عملکرد و قدرت تحلیل کمی دارند. این رابط اغلب از طریق اکسل ارائه می شود، به عنوان مثال، MS Excel2000/OLAP PTS، BusinessQuery برای اکسل. تقریباً همه ابزارهای OLAP دارای پسوندهای وب هستند (مثلاً Business Objects WebIntelligence)، برای برخی از آنها اساسی هستند.

مجموعه های BI سازمانی

EBIS یک مسیر طبیعی برای ارائه ابزارهای BI است که قبلاً به عنوان محصولات متفاوت ارائه می شدند. این مجموعه ها در مجموعه ابزارهای پرس و جو، گزارش و OLAP ادغام می شوند. مجموعه‌های BI سازمانی باید مقیاس‌پذیر باشند و نه تنها به کاربران داخلی، بلکه به مشتریان کلیدی، تأمین‌کنندگان، و غیره نیز گسترش یابند. به دلیل رابطه نزدیک بین وب و مجموعه های BI سازمانی، برخی از فروشندگان مجموعه های BI خود را به عنوان پورتال های BI توصیف می کنند. این ارائه‌های پورتال زیرمجموعه‌ای از قابلیت‌های EBIS را از طریق مرورگر وب ارائه می‌کنند، اما فروشندگان به طور مداوم عملکرد خود را به ابزارهای کلاینت ضخیم نزدیک‌تر می‌کنند. EBIS های معمولی توسط Business Objects و Cognos عرضه می شوند.

پلتفرم های BI

پلتفرم های BI مجموعه ای از ابزارها را برای ایجاد، پیاده سازی، پشتیبانی و نگهداری برنامه های کاربردی BI ارائه می دهند. برنامه های کاربردی غنی از داده با رابط های کاربر نهایی سفارشی وجود دارد که حول مشکلات تجاری خاص، با تحلیل ها و مدل های هدفمند سازماندهی شده اند. پلتفرم های BI، اگرچه به سرعت رشد و استفاده گسترده ای مانند EBIS ندارند، به دلیل رشد مورد انتظار و مداوم برنامه های کاربردی BI، بخش مهمی هستند. با توجه به تلاش‌های تامین‌کنندگان DBMS رابطه‌ای که پسوندهای OLAP DBMS‌های خود را ایجاد کردند، بسیاری از تامین‌کنندگان پلتفرم که DBMS‌های چند بعدی را برای OLAP ارائه می‌کردند، مجبور شدند برای بقای خود به حوزه برنامه‌های BI مهاجرت کنند. خانواده‌های محصولات پایگاه داده که قابلیت‌های BI را ارائه می‌کنند، واقعاً رشد بازار پلتفرم BI را هدایت می‌کنند. این تا حدی به دلیل افزایش فعالیت تعدادی از فروشندگان پایگاه داده است. با نگاهی به ابزارهای مختلف، می بینیم که EBIS ابزارهای بسیار کاربردی هستند، اما به اندازه پلتفرم های BI یا برنامه های کاربردی BI سفارشی ارزش ندارند. اما پلتفرم‌های BI معمولاً به اندازه مجموعه‌های BI شرکتی کامل نیستند. هنگام انتخاب پلتفرم‌های BI، باید ویژگی‌های زیر را در نظر بگیرید: مدولار بودن، معماری توزیع‌شده، پشتیبانی از استانداردهای XML، OLE DB برای OLAP، LDAP، CORBA، COM/DCOM، و پشتیبانی از کار بر روی وب. آنها همچنین باید عملکردهای خاص برای هوش تجاری، یعنی دسترسی به پایگاه داده (SQL)، دستکاری داده های چند بعدی، توابع مدل سازی، تجزیه و تحلیل آماری و گرافیک تجاری را ارائه دهند. این دسته از محصولات توسط مایکروسافت، موسسه SAS، ORACLE، SAP و دیگران ارائه می شود.

برنامه های کاربردی BI

برنامه های کاربردی هوش تجاری اغلب دارای ابزارهای BI داخلی هستند (OLAP، پرس و جو و تولید کننده گزارش، ابزارهای مدل سازی، تجزیه و تحلیل آماری، تجسم و داده کاوی). بسیاری از برنامه های BI داده ها را از برنامه های ERP استخراج می کنند. برنامه‌های BI معمولاً بر روی یک عملکرد یا وظیفه سازمانی خاص مانند تجزیه و تحلیل و پیش‌بینی فروش، بودجه‌بندی مالی، پیش‌بینی، تجزیه و تحلیل ریسک، تجزیه و تحلیل روند، «تحلیل چرخش» در مخابرات و غیره متمرکز هستند. آنها را می توان به طور گسترده تری به کار برد، مانند مدیریت عملکرد سازمانی یا برنامه های کارت امتیازی متوازن.

هوش داده

داده کاوی فرآیند کشف همبستگی ها، روندها، الگوها، روابط و مقوله ها است. از طریق بررسی دقیق داده ها با استفاده از فناوری های تشخیص الگو و همچنین روش های آماری و ریاضی انجام می شود. داده کاوی به طور مکرر عملیات و دگرگونی های مختلفی را بر روی داده های خام انجام می دهد (انتخاب ویژگی، طبقه بندی، خوشه بندی، تجسم و رگرسیون) که به این منظور طراحی شده اند: 1) بینش هایی را بیابند که برای افراد شهودی است، که به نوبه خود فرآیندهای تجاری زیربنای فعالیت های خود را بهتر درک می کنند. ; 2) برای یافتن مدل هایی که می توانند نتیجه یا معنای موقعیت های خاص را با استفاده از داده های تاریخی یا ذهنی پیش بینی کنند.

برخلاف استفاده از OLAP، هوش داده بسیار کمتر کاربر محور است و در عوض بر الگوریتم‌های تخصصی که اطلاعات را به هم مرتبط می‌کند و به تشخیص روندهای مهم (و قبلاً ناشناخته) کمک می‌کند، بدون تعصب و فرضیات کاربر تکیه می‌کند.

سایر روش ها و ابزارهای BI

علاوه بر ابزارهای فهرست شده، BI ممکن است شامل ابزارهای تجزیه و تحلیل زیر باشد: بسته های تجزیه و تحلیل آماری و تجزیه و تحلیل سری های زمانی و ارزیابی ریسک. ابزارهای مدل سازی؛ بسته های شبکه های عصبی؛ ابزارهای منطق فازی و سیستم های خبره

علاوه بر این، لازم است به ابزارهای ارائه گرافیکی نتایج توجه شود: ابزارهای تجاری و گرافیک علمی- فنی. "داشبورد"، نقشه برداری تحلیلی و نقشه های توپولوژیکی. ابزارهای تجسم داده های چند بعدی

معماری هوش تجاری

یک معماری BI سازمانی باید پس از تعیین نیازهای BI کاربران، اما قبل از انتخاب ابزارهای BI ایجاد شود. معماری هوش تجاری اجزای تحویل اطلاعات BI و اجزای فناوری BI را تعریف می کند (شکل 1). هنگامی که پروفایل های استفاده از اطلاعات BI شناسایی شد، می توان یک معماری تحویل اطلاعات بر اساس این پروفایل ها و نوع استقرار مورد نیاز طراحی کرد. این می تواند هر ترکیبی از کلاینت های دسکتاپ متصل به شبکه، سرویس گیرندگان دسکتاپ و سرور، تین کلاینت های مبتنی بر وب و سایر دستگاه های محاسباتی تلفن همراه باشد. معماری تحویل اطلاعات، رابط های کاربری را تعریف می کند، که اغلب پورتال های قابل تنظیم هستند.

عکس. 1. معماری هوش تجاری

معماری فناوری BI زیرساخت و اجزای مورد نیاز برای پشتیبانی از پیاده سازی، بهره برداری و مدیریت ابزارها و برنامه های کاربردی BI و همچنین ارتباطات بین این اجزا را تعریف می کند. یک معماری قوی فناوری BI از دو لایه مهم تشکیل شده است: زیرساخت و خدمات کاربردی (یا عملکرد). لایه زیرساخت شامل منابع اطلاعاتی، مدیریت و شبکه ها است. در این لایه داده ها جمع آوری، ادغام و در دسترس قرار می گیرند. ذخیره سازی داده ها یکی از اجزای احتمالی لایه زیرساخت است. استفاده از BI در سیستم های عملیاتی ممکن است به یک ذخیره داده عملیاتی (ODS) نیاز داشته باشد که احتمالاً به ساختارهای گردش کار سازمانی مرتبط است. خدمات برنامه شامل تمام خدمات BI، مانند موتورهای جستجو، تجزیه و تحلیل، گزارش و تجسم، و همچنین امنیت و ابرداده است.

محیط ذخیره سازی و دسترسی به اطلاعات BI

علاوه بر راه حل های سنتی انبار داده Oracle9i و MS SQL Server2000، تعداد فزاینده ای از برنامه های کاربردی انبارهای ERP وجود دارد، به عنوان مثال، SAP BW برای R/3، یا PeopleSoft Enterprise Warehouse با برنامه های کاربردی Enterprise Performance Management BI. با این حال، در هر دو مورد، عملکرد به سیستم های ERP خاص گره خورده است و بنابراین محدود است.

استفاده از ROLAP برای ذخیره اطلاعات BI به دلیل راحتی DBMS های رابطه ای برای برنامه های کاربردی با پایگاه داده های بسیار بزرگ و دقیق و گنجاندن قابلیت های OLAP در DBMS به سرعت در حال رشد است. استفاده از MDB و OLAP بدون تغییر و غالب باقی می ماند، زیرا آنها عملکرد و عملکرد بهتری را ارائه می دهند که در آن داده های جمع آوری شده و تجزیه و تحلیل پیچیده مهم هستند.

تعجب آور نیست که با توجه به هزینه بالای ساختارهای مشتری-سرور دو لایه، دسترسی به BI به طور فزاینده ای از طریق وب انجام می شود. مرکز ثقل به سمت سرور تغییر می‌کند و این واقعیت را منعکس می‌کند که دسترسی به اطلاعات BI سازمانی یک عنصر مهم است، در حالی که رایانه‌های شخصی مستقل به وضوح به اندازه کافی کارایی ندارند. تحویل گزارش‌های BI از طریق ایمیل محبوب و رو به رشد است، اما روش‌های تحویل تلفن همراه و بی‌سیم همچنان کند هستند.

فراداده

اکثر ابزارهای BI در بازار از لایه یا مخزن ابرداده استفاده می کنند. فراداده کسب و کار شامل تعاریفی از داده های ذخیره شده در منابع داده در اصطلاح دامنه است. آنها همچنین ممکن است حاوی قوانین و محاسباتی باشند که باید برای آن کسب و کار تعریف شوند. علاوه بر این، ابرداده های فنی برای دسترسی به داده های فیزیکی وجود دارد. ابزارهای CASE، DBMS های رابطه ای، ابزارهای استخراج داده، تبدیل و بارگذاری از متادیتا استفاده می کنند. هنگام ایجاد انبارهای داده و داده‌های مارت، اغلب امکان استخراج خودکار ابرداده از منابع داده وجود دارد، اما گاهی اوقات کاربران مجبورند خود متادیتا را بازیابی کنند. بنابراین، یک موقعیت پیچیده با چندین مخزن موجود در یک سازمان امکان پذیر است. فقدان ابرداده مشترک برای ابزارها - به دلیل فقدان استانداردهای ابرداده - یک مشکل جدی برای بخش های فناوری اطلاعات است.

مزایا و معایب فناوری

توانایی کاربر برای انجام تجزیه و تحلیل عملیاتی چند جنبه ای اطلاعات در شرایط خاص دامنه برای حمایت از تصمیم گیری تجاری به سرعت در حال گسترش است. حرکت موازی از هرج و مرج اطلاعاتی یا دیکتاتوری به دموکراسی اطلاعاتی تعداد کاربران هوش تجاری را افزایش می دهد. نیاز به دسترسی انعطاف‌پذیر به داده‌های شرکت در درجه اول است و نه فقط نیاز به حل یک مشکل عملکردی خاص. وابستگی مستقیم به بخش‌های فناوری اطلاعات که گزارش‌ها یا درخواست‌های سفارشی تولید می‌کنند کاهش می‌یابد. انتقال از گزارش های تنظیمی استاتیک به یک "گزارش زنده" امکان پذیر است و پیشرفته ترین تحلیلگران این فرصت را دارند که تجزیه و تحلیل های متقابل موضوعی را انجام دهند و گزارش های خلاصه را از ابتدا ایجاد کنند و یک لایه معنایی دارند که همه شاخص ها و بخش های اطلاعات شرکت را توصیف می کند. برنامه نویسان می توانند از همین ابزارها برای ایجاد سریع گزارش های معمولی و پارامتریک استفاده کنند. دسترسی وب به BI (محتوای ایستا و پویا) فضای واقعی اطلاعات شرکتی و کار جمعی کارمندان را فراهم می کند.

خطر اصلی تغییرات بسیار سریع در فناوری BI و استفاده از راه حل ها و ابزارهای آزمایش نشده است. ردیابی تامین کنندگان، ارزیابی پایداری آنها، جهت گیری های توسعه، آزمایش منظم ابزارهای جدید و انجام انواع و یکسان سازی BI ضروری است. خطر دیگر مربوط به کیفیت داده است - اگر به درستی تبدیل، پاکسازی و ادغام نشود، هیچ ابزار یا برنامه کاربردی BI فانتزی نمی تواند قابلیت اطمینان داده ها را افزایش دهد. تعدادی از مشکلات ممکن است به دلیل ناهماهنگی ابرداده ها ایجاد شود. در یک شرکت بزرگ، این مسائل در سطح زیرساخت با ایجاد یک انبار داده شرکتی و مدیریت متمرکز ابرداده حل می شود. ایجاد یک مخزن به نظم در نامگذاری شاخص های جمع آوری شده، جمع آوری داده ها، توزیع و مجوز دسترسی کمک می کند. فناوری BI به خودی خود قادر به حل همه جانبه این مشکلات نیست و غفلت از آنها به هرج و مرج اطلاعات و "سیلوهای داده" باز می گردد.

بازیکنان اصلی در زمینه BI

با توجه به ضرب المثل مربع های جادویی گارتنر، رهبران فناوری در EBIS امروزه Business Objects و Cognos هستند، Information Builders در مرز بین رهبران و چالشگران قرار دارد و مایکروسافت و اوراکل از جمله چالشگران هستند. یکی مشتری OLAP مستقل ندارد، اما از عملکرد جدول محوری Excel200x استفاده می کند و تولید کننده گزارش ندارد؛ دیگری هنوز جایگزینی برای Oracle Express Analyzer ندارد. در گروه "روشنان"، تصمیمات کریستال در مرز با رهبران برجسته است. همچنین قابل ذکر است Actuate و MicroStrategy.

عملا هیچ رهبر برای پلتفرم های BI وجود ندارد، که نشان دهنده عدم بلوغ فناوری و بازار است. تاکنون تنها مایکروسافت به دلیل راهکارهایی برای تعبیه سرویس های OLAP در MS SQL Server و تبدیل آنها به یک سرور تحلیلی در مرز این منطقه قرار گرفته است. سایر مدعیان عبارتند از موسسه SAS و پس از آن Oracle، PeopleSoft و SAP. Hyperion به معنای واقعی کلمه در یک دوراهی قرار دارد - SAS و Hyperion موقعیت های پیشرو خود را در سال 2000 از دست داده اند. نکته قابل توجه در میان رویاپردازان MicroStrategy است. متأسفانه، Crystal Decisions هنوز یک بازیکن خاص است.

روندها

در میان ابزارهای BI، EBIS بیشترین رشد را تجربه می‌کند که نشان‌دهنده افزایش رقابت در اقتصاد امروز است. استفاده از ابزارها برای تولید پرس و جوها، گزارش ها و تجزیه و تحلیل داده ها رو به کاهش است و سازمان ها آنها را ارتقا داده و مجموعه های BI سازمانی را جایگزین آنها می کنند. ابزارهای اصلی (پرسش‌های برنامه‌ریزی نشده، گزارش‌دهی و تجزیه و تحلیل اولیه OLAP) هنوز رایج‌ترین هستند و بیشتر نیازها را پوشش می‌دهند. استفاده از OLAP و سایر ابزارهای پیشرفته BI مشابه فناوری داده کاوی نیز در حال رشد است. با این حال، ابزارهای داده کاوی مستقل در حال ناپدید شدن هستند، این فناوری جذب شده و در سایر ابزارهای BI، به عنوان مثال، در پسوندهای DBMS گنجانده شده است.

پیش بینی می شود ظرف 5 سال، قابلیت هایی مانند XML برای تجزیه و تحلیل (XML/A)، خدمات وب BI، همکاری، ارتباطات بی سیم و سیار در قالب شبکه های هوش تجاری (شبکه های BI) ترکیب شوند که با تکمیل فعالیت های ابزار نظارت بر کسب و کار (نظارت بر فعالیت های تجاری، BAM).

XML برای تجزیه. XML/A در ابتدا به عنوان یک پروتکل ارتباطی بین لایه های مختلف BI (مشتری، سرور تحلیلی، سرور پایگاه داده) ظاهر شد. XML/A مشکلات عملکردی جدی دارد - سربار زیادی ایجاد می کند و در حال حاضر فقط برای یک کلاینت OLAP "سبک" قابل استفاده است. با این حال، اگر این مشکلات حل شوند، XML/A می‌تواند به یک زبان مشترک بین محیط‌های مختلف BI تبدیل شود، از چندین دامنه، فروشندگان و فناوری‌ها عبور می‌کند و در نتیجه از شبکه‌های BI پشتیبانی می‌کند.

خدمات وب BI.فروشندگان اغلب محصولات EBIS را به عنوان پورتال BI شناسایی می کنند، زیرا نسخه های وب این محصولات یک نقطه ورود به اطلاعات سازمانی را فراهم می کنند. در واقع، این پورتال های BI اغلب از پیوندهایی به اطلاعات بدون ساختار نیز پشتیبانی می کنند، اگرچه این معمولاً به نوعی سیستم یکپارچه سازی نیاز دارد. بیشتر و بیشتر، محصولات EBIS بر اجزای خارجی شرکت (هوش تجارت الکترونیک خارجی) تمرکز می کنند. معماری مؤلفه SOA سرویس گرا جدید تکامل سرورهای برنامه و پورتال های سازمانی است. این نوآوری همچنین با فناوری های J2EE و .NET همراه است. خدمات وب BI ابزارهای BI را با رابط های شناخته شده باز می کند و در انواع شبکه ها در دسترس است. تعداد فزاینده ای از تامین کنندگان محصولات BI وجود دارد که آنها را به عنوان خدمات وب می فروشند، اما اغلب تحت پوشش پورتال ها.

همکاری.افزودن حاشیه نویسی به گزارش ها و به اشتراک گذاری نتایج تجزیه و تحلیل بین چندین کاربر از زمان EIS امکان پذیر بوده است، اما اکنون این قابلیت محبوب است و بسیاری از برنامه های BI قابلیت های گردش کار را اضافه کرده اند. انتظار می رود که کاربران بتوانند به طور همزمان با یک مدل کار کنند یا برنامه های مختلف BI در زمان واقعی متصل شوند.

هوش تجاری بی سیم و موبایل.یکی دیگر از روندهای قوی در تحویل اطلاعات BI با فروشندگانی است که محصولات BI را قادر می‌سازند تا گزارش‌ها را از طریق فناوری تلفن همراه، از جمله PDA، تلفن‌های اینترنتی و پیجر ارائه کنند.

نظارت بر فعالیت های تجاریفناوری جدید BAM اساساً BI عملیاتی است و ادغام برنامه های کاربردی بلادرنگ را با قابلیت های هوش تجاری ترکیب می کند. ابزارهای BI با استفاده از داده های تراکنش استخراج شده از سیستم های پردازش تراکنش بلادرنگ، این داده ها را تجزیه و تحلیل می کنند و هشدارها و اطلاعات رویدادهای حیاتی را به تصمیم گیرندگان عملیاتی ارائه می دهند.

ادبیات

1. Korneev V.V.، Gareev A.F.، Vasyutin S.V.، Raikh V.V. پایگاه داده. پردازش هوشمند اطلاعات // م.: دانش، 2001
2. تام سالیوان.
3. کیمبال آر. کیت ابزار انبار داده: تکنیک های عملی برای ساخت انبارهای داده های بعدی. جان ویلی و پسران، 1996
4. تامسن E. راه حل های OLAP: ساخت سیستم های اطلاعات چند بعدی. انتشارات کامپیوتر وایلی، 1997
5. Spearley E. انبارهای داده شرکتی. برنامه ریزی، توسعه، اجرا. جلد 1: ترجمه. از انگلیسی // M.: ویلیامز، 2001
6. Archipenkov S., Golubev D., Maksimenko O. STORAGE DATA. از مفهوم تا اجرا / ویرایش. اد. S.Ya. Arkhipenkova // M.: DIALOG-MEPhI، 2002
7. V., Samoilenko A. داده کاوی: دوره آموزشی. // سن پترزبورگ: پیتر، 2001
8. در داخل گروه گارتنر (روسی)، Dresner H.، Hostmann B. و F. Buytendijk. توجه: به روز شده Gartner Magic Squares for Business Intelligence Systems، 2003، فوریه
9. Liautaud B., Hammond M. هوش تجارت الکترونیک: تبدیل اطلاعات به دانش به سود. مک گراو هیل، 2001
10. کریستین کومافورد. .
11. تام سالیوان. .

والری آرتمیف(avi @cbr.ru) - مشاور مدیر مرکز اصلی اطلاعات بانک روسیه (مسکو).

آیا در مورد ابزار Power BI مایکروسافت چیزی شنیده اید؟ این داغ ترین موضوع در بین بازاریابان اینترنتی در حال حاضر است. همه می خواهند با این سرویس کار کنند، اما تعداد کمی از آنها می دانند چگونه. متخصص ما رستم گیزاتولین Power BI را به شما معرفی می کند، قابلیت ها و کاربردهای آن را برای حل مشکلات روزمره به شما نشان می دهد.

Power BI از مایکروسافت چیست؟

البته نمی توان تمام قابلیت های Power BI را در یک مقاله توصیف کرد. اما پس از مطالعه، متوجه خواهید شد که آیا این محصول برای شما جالب است یا خیر.

بنابراین، Power BI راه حلی از مایکروسافت است که از برنامه Power BI Desktop، برنامه موبایل Power BI Mobile و سرویس Web Power BI Service تشکیل شده است.

Power BI به شما اجازه می دهد:

• اتصال به انواع منابع داده،
• پردازش این داده ها،
• ارائه داده ها در قالب گزارش های تعاملی مناسب.

به عبارت ساده، با Power BI می توانید داده ها را از Excel، پایگاه داده SQL، Yandex بازیابی کنید. معیارها و به طور کلی هر جای دیگری. سپس این داده ها را خلاصه کنید، معیارهای جدید را محاسبه کنید و آنها را در قالب تجسم های مختلف ارائه دهید: جداول، ماتریس ها، نمودارها، نمودارها، هیستوگرام ها و غیره.

در اینجا نمونه ای از گزارش ایجاد شده با استفاده از Power BI آمده است:

Power BI چگونه کار می کند؟

به عنوان مثال، بیایید به ایجاد یک گزارش بر اساس داده های Google Analytics و Yandex نگاه کنیم. معیارهای.

برای اتصال به منابع داده، پردازش داده ها و ایجاد گزارش، به برنامه دسکتاپ Power BI نیاز داریم. می توانید آن را دانلود کنید

Power BI به طور پیش فرض می تواند به همه رایج ترین منابع داده متصل شود: فایل ها، پایگاه های داده، سرویس های تجزیه و تحلیل وب، شبکه های اجتماعی، سیستم های CRM و غیره.

در این حالت می توانید از کانکتورهای شخص ثالثی که برای Power BI نوشته شده اند استفاده کنید. به عنوان مثال، من از اتصال دهنده ها برای اتصال به Yandex استفاده خواهم کرد. Metrica و Google Analytics از Maxim Uvarov.

پس از جمع آوری داده ها، آنها را از قبل پردازش می کنم: نوع هر فیلد را مشخص می کنم، آن را فیلتر می کنم، ستون های غیر ضروری را حذف می کنم و غیره.

بنابراین، داده های اولیه را از سیستم های تحلیلی به دست آوردم و معیارهای گمشده را محاسبه کردم. اکنون بر اساس آنها می توانم تجسم های مختلفی ایجاد کنم.

3. و اکنون جالب ترین چیز، به خاطر آن همه اینها شروع شد - ایجاد تجسم برای تجزیه و تحلیل داده ها.

با استفاده از مجموعه ای داخلی از تجسم ها، می توانید گزارش های تعاملی مختلفی ایجاد کنید. در عین حال، می‌توانید هم داده‌های به‌دست‌آمده در حین واردات و هم معیارهای جدید محاسبه‌شده بر اساس داده‌های اصلی را نمایش دهید.

با آپلود سیستم BI ایجاد شده در سرویس WEB، به گزارش های ایجاد شده از مرورگر، برنامه تلفن همراه دسترسی خواهید داشت یا می توانید گزارش را در دامنه عمومی منتشر کنید.

نتیجه گیری و نظرات

1. اگر دائماً با داده ها کار می کنید، داده ها را از منابع مختلف ترکیب می کنید و این عملیات به هیچ وجه خودکار نیست، Power BI همان چیزی است که پزشک دستور داده است.

2. می توانید به تنهایی در Power BI کار کنید. لینک های زیر به شما کمک خواهند کرد:

• عالی