آموزش پاور بی ای ( مقدماتی )

آشنایی با Power BI و DAX

هوش تجاری (BI) یک فرآیند مبتنی بر فناوری برای تجزیه‌وتحلیل داده‌ها و ارائه اطلاعات عملی است که به مدیران اجرایی، مدیران عملیاتی و کارکنان کمک می‌کند تا تصمیمات تجاری آگاهانه‌ای اتخاذ کنند. 
به عنوان بخشی از فرآیند BI، سازمان‌ها داده‌ها را از سیستم‌های داخلی فناوری اطلاعات و منابع خارجی جمع‌آوری می‌کنند، آن‌ها را برای تجزیه‌وتحلیل آماده می‌کنند، کوئری‌هایی را برای داده‌ها اجرا می‌کنند و در نهایت تصویرسازی داده‌ها و گزارش‌ها را انجام داده و نتایج نهایی را برای تصمیم‌گیری عملیاتی در دسترس کاربران تجاری قرار می‌دهند. 
هدف نهایی هوش تجاری، هدایت تصمیمات تجاری است که سازمان‌ها را قادر می‌سازد درآمد را افزایش دهند، کارایی عملیاتی را بهبود بخشند و نسبت به رقبای تجاری جایگاه بهتری را در بازار رقابتی به دست آورند. برای دستیابی به این هدف، هوش تجاری ترکیبی از استراتژی‌های تجزیه‌وتحلیل، مدیریت داده‌ها و ابزارهای گزارش را به علاوه روش‌های مختلف برای مدیریت و تجزیه‌وتحلیل داده‌ها با هم پیاده‌سازی می‌کند.
مراحل فرآیند پیاده‌سازی هوش تجاری شامل موارد زیر است:
•    آماده‌سازی داده‌ها که در آن مجموعه داده‌ها برای تجزیه‌وتحلیل، سازمان‌دهی و مدل‌سازی می‌شوند؛
•    ایجاد کوئری‌های تحلیلی بر اساس داده‌های آماده شده؛
•    ارائه شاخص‌های کلیدی عملکرد (KPI) و سایر نتایج برای کاربران تجاری؛ 
•    استفاده از اطلاعات برای کمک به تأثیرگذاری و هدایت تصمیمات تجاری.

هوش تجاری و نرم‌افزار Microsoft Power BI

    در ابتدا، ابزارهای هوش تجاری عمدتاً توسط متخصصان BI و IT استفاده می‌شد به گونه‌ای که از کوئری‌ها برای ارائه گزارش به کاربران تجاری استفاده می‌کردند. با این حال، به لطف توسعه هوش تجاری خودسازمانده و ابزارهای کشف داده، تحلیلگران، مدیران و پرسنل تجاری به طور فزاینده‌ای از پلتفرم‌های هوش تجاری استفاده می‌کنند. 
امکانات هوش تجاری خودسازمانده، کاربران تجاری را قادر می‌سازد تا داده‌های مورد نظر را به کمک کوئری ها مدل‌سازی کنند، داده‌ها را به صورت الگوهای تجسمی درآورده و در نهایت از مدل‌های حاصل برای طراحی الگوهای تجاری خود بهره ببرند.
برنامه‌های هوش تجاری اغلب اشکال مختلف تجزیه‌وتحلیل پیشرفته، مانند داده‌کاوی، پیش‌بینی، متن‌کاوی، تجزیه‌وتحلیل آماری و تجزیه‌وتحلیل داده‌های بزرگ را پوشش می‌دهد. 
یک مثال متداول، مدل‌سازی یک ساختار پیش‌بینی کننده است که امکان تجزیه‌وتحلیل سناریوهای مختلف کسب‌وکار را فراهم می‌کند. با این حال، در بیشتر موارد، پروژه‌های تجزیه‌وتحلیل پیشرفته توسط تیم‌های جداگانه‌ای متشکل از متخصصین داده، مدل‌سازان و دیگر متخصصان تحلیلی انجام می‌شوند، در حالی که تیم‌های هوش تجاری اغلب بر تولید کوئری ها و تحلیل داده‌های تجاری نظارت می‌کنند.
به طور خلاصه می‌توان مزایای کسب‌وکارهای مبتنی بر هوش تجاری را به صورت زیر بیان کرد:

•    سرعت بخشیدن و بهبود تصمیم‌گیری؛
•    بهینه‌سازی فرآیندهای کسب‌وکار داخلی؛
•    افزایش بهره‌وری و بازدهی عملیاتی؛
•    شناسایی مشکلات کسب‌وکار که نیاز به رسیدگی دارند؛
•    شناسایی روندهای تجاری و بازار در حال ظهور؛
•    توسعه استراتژی‌های تجاری قوی‌تر؛
•    فروش بالاتر و شناسایی درآمدهای جدید؛
•    کسب برتری نسبت به شرکت‌های رقیب.

ابزارهای مختلفی برای پیاده‌سازی هوش تجاری وجود دارد از جمله ابزارهای SaaS BI یا هوش تجاری مبتنی بر نرم‌افزار به عنوان سرویس، اپلیکیشن‌های موبایل BI، نرم‌افزارهای متن باز BI یا OSBI و غیره. یکی از سرویس‌های نرم‌افزاری به منظور پیاده‌سازی هوش تجاری، Power BI نام دارد که در واقع مجموعه‌ای متشکل از اپلیکیشن‌ها، کانکتورها و نرم‌افزارها است که برای تجزیه‌وتحلیل داده‌ها، الگوسازی بصری و ایجاد ارتباط منطقی بین داده‌ها استفاده می‌شود. 
مجموعه داده‌های اولیه برای پیاده‌سازی BI ممکن است در یک فایل اکسل خلاصه شده باشد یا به اندازه یک مجموعه داده فضای ابری گسترده باشد. در هر حالت Power BI قادر است این داده‌های اولیه را دریافت کرده، منابع داده را شناسایی کرده و آن‌ها را با هم ارتباط دهد، داده‌ها را به صورت الگوهای بصری مدل‌سازی کرده و در نهایت آن‌ها را با هر شخصی به اشتراک بگذارد.
یکی از نرم‌افزارهای نسخه دسکتاپ که توسط سرویس Power BI ارائه شده است، Microsoft Power BI نام دارد. Power BI Desktop امکان تجزیه‌وتحلیل بصری داده‌ها را برای شما فراهم می‌کند. با استفاده از این ابزار قدرتمند، می‌توانید داده‌های بصری را به صورت ویژوال‌ها و گزارش‌های تعاملی ایجاد کنید. همچنین می‌توانید نتایج تجزیه و تجحلیل خود را با انتشار در سرویس وب Power BI با دیگران به اشتراک بگذارید. 
Power BI Desktop بخشی از مجموعه محصولات Power BI است که برای نظارت بر داده‌های کلیدی و اشتراک‌گذاری داشبوردها و گزارش‌ها، از سرویس وب Power BI استفاده می‌کند. برای مشاهده داده‌های خود در هر گوشی تلفن همراه می‌توانید برنامه Power BI Mobile را در AppStore، Google Play یا Microsoft Store دریافت کنید. برخی از مزایا و معایب نرم‌افزار Microsoft Power BI Desktop  را می‌توان به صورت زیر خلاصه کرد:

مزایا

1. قابلیت‌های تولید ویژوال‌ها در این نرم‌افزار بسیار زیاد است. در مقایسه با نرم‌افزارهای قدیمی‌تر، مثلاً نرم‌افزار اکسل که تنها امکان ترسیم برخی نمودارها را فراهم می‌کند، Power BI بیش از 30 قابلیت ترسیم دارد و نکته جالب این است که توسعه‌دهنده می‌تواند ویژوال‌های سفارشی خود را نیز به کتابخانه نرم‌افزار اضافه کند.

2. این نرم‌افزار برای استفاده تک کاربری کاملاً رایگان است. برای کار و ذخیره نتایج، نیازی به خرید لایسنس نیست. گزینه ورود به سیستم اختیاری است. با این حال، برای کاربردهای سازمانی لایسنس ها بسیار ارزان هستند (10 دلار در هر ماه به ازای هر کاربر). 

3. ویژگی مدل‌سازی داده‌ها برای تحلیل‌گرانی که عمدتاً با داده‌های بدون ساختار سروکار دارند، یک قابلیت فوق‌العاده است. در ابزارهای سنتی تجزیه‌وتحلیل داده‌ها مانند اکسل، باید از کوئری ها برای ایجاد یک جدول استفاده کنیم. در حالی که در Microsoft Power BI، از مدل‌های ارتباطی داده استفاده می‌کنیم که الگوسازی را آسان‌تر می‌کند.

4. در Microsoft Power BI، داده‌ها از چندین منبع با فرمت‌ها و پسوندهای متعدد قابل‌تعریف هستند. همچنین این نرم‌افزار از تمام پایگاه‌های داده اصلی نظیر Oracle، Microsoft SQL Server، IBM DB2 و غیره پشتیبانی می‌کند. مدیریت چندین منبع داده در این نرم‌افزار بسیار آسان است.

معایب

1. Microsoft Power BI Desktop یک ابزار منبع فشرده است. کامپیوترهایی که حافظه RAM کمتر از 4 گیگابایت دارند، در اجرای این نرم‌افزار دچار مشکل می‌شوند.

2. یادگیری و استفاده از زبان DAX و M که زبان برنامه‌نویسی در این نرم‌افزار است، کمی دشوار است. افرادی که پیش‌زمینه کار با زبان SQL دارند می‌توانند به سرعت این زبان‌ها را یاد بگیرند.

اجزای مختلف نرم‌افزار Microsoft Power BI Desktop

    Power BI Desktop از یک سری اجزای اصلی تشکیل شده است که به صورت زیر تعریف می‌شوند: 

1. مجموعه داده‌ها یا DataSets
داده‌های منبع ورودی یا مجموعه داده‌هایی که وارد نرم‌افزار می‌شوند DataSets نام دارند. هر یک از این مجموعه داده‌ها به Power BI متصل شده تا در یک مکان واحد ذخیره شوند. این مرحله را اتصال داده می‌نامند. 

2. ساخت ویژوال
هنگامی که داده‌ها در قالب نمودار، گراف، دیاگرام و هر شکل دیگری از تصاویر نمایش داده شوند، در واقع ساخت ویژوال صورت گرفته است. درک ویژوال‌های به دست آمده از داده‌ها بسیار ساده‌تر است.

3. گزارش
نمایش ویژوال داده‌های جمع‌آوری شده گزارش نامیده می‌شود و شامل چارت‌ها، نقشه‌ها، گراف‌ها و نمودارهای درختی است. این گزارش‌ها را می‌توان در Power BI Desktop ایجاد کرد و از طریق داشبورد با افراد دیگر به اشتراک گذاشت. 

4. داشبورد
به یک شیت که از ویجت‌ها و tile های متعدد تشکیل شده است داشبورد می‌گویند. داشبوردها یا توسط خود کاربر ایجاد می‌شوند یا از داشبوردی که توسط فردی دیگر به اشتراک گذاشته شده است، دریافت می‌گردد. به صورت خلاصه، داشبورد مجموعه‌ای از داده‌ها و گزارش‌ها را در برمی‌گیرد.

5. Tile
به هر داده بصری ذخیره شده در داشبورد، tile می‌گویند. 

اتصال داده

   برای شروع کار با Power BI Desktop، اولین قدم اتصال داده است. منابع داده مختلفی وجود دارد که می‌توانید از Power BI Desktop به آن‌ها متصل شوید. برای این منظور:
•    از نوار صفحه Home، Get Data > More را انتخاب کنید. پنجره Get Data ظاهر می‌شود که شامل دسته‌بندی‌های مختلفی است و Power BI Desktop می‌تواند به آن‌ها متصل شود.
•    وقتی یک نوع داده را انتخاب کردید، از شما خواسته می‌شود اطلاعاتی مانند URL و مجوزهای Power BI Desktop را برای اتصال به منبع داده وارد نمایید.
پس از اتصال به یک یا چند منبع داده، نوبت به ساخت ویژوال می‌رسد.

ساخت ویژوال‌ها

   بعد از اتصال به داده، می‌توانید fields را روی صفحه گزارش بکشید تا ویژوال‌ها ایجاد شوند. ویژوال یک نمایش گرافیکی از داده‌های مدل شما است. در Power BI Desktop انواع مختلفی از ویژوال‌ها برای انتخاب وجود دارد، مثلاً چارت ستونی ساده، نمودار درختی و غیره. برای ایجاد یا تغییر یک ویژوال به صورت زیر عمل کنید:
•    از پنجره Visualizations، آیکون ویژوال را انتخاب کنید.
•    اگر از قبل یک ویژوال روی صفحه گزارش انتخاب کرده‌اید، ویژوال بر اساس نوع انتخابی شما تغییر می‌کند.
•    اگر هیچ ویژوالی از قبل انتخاب نکرده باشید، ویژوال جدید بر اساس نوع انتخابی شما ایجاد می‌شود.

ساخت گزارش‌ها

   مجموعه‌ای از ویژوال‌ها، در یک فایل Power BI Desktop، گزارش نامیده می‌شود. یک گزارش می‌تواند یک یا چند صفحه داشته باشد، درست مانند یک فایل اکسل که می‌تواند یک یا چند کاربرگ داشته باشد. با Power BI Desktop می‌توانید گزارش‌های پیچیده و غنی از نظر بصری را با استفاده از داده‌های چندین منبع مختلف ایجاد کرده و گزارش خود را با دیگران به اشتراک بگذارید.
اشتراک‌گذاری گزارش‌ها
پس از آماده شدن گزارش برای اشتراک‌گذاری با دیگران، می‌توانید گزارش را در سرویس Power BI منتشر کنید و آن را برای هر فردی که دارای مجوز Power BI است اشتراک‌گذاری نمایید. برای انتشار گزارش Power BI Desktop به صورت زیر عمل کنید:

•    از نوار Home، Publish را انتخاب کنید.
•    Power BI Desktop شما را به حساب اختصاصی خود در سرویس Power BI متصل می‌کند.
•    در ادامه نرم‌افزار از شما می‌خواهد جایی را در سرویس Power BI برای اشتراک‌گذاری گزارش انتخاب کنید مانند یک workspace.
•    برای اشتراک‌گذاری گزارش‌ها با سرویس Power BI، باید مجوز Power BI داشته باشید.

آشنایی با زبان M در power bi

   Microsoft Power BI از دو زبان مختلف،M  و Data Analysis Expression یا DAX پشتیبانی می‌کند که می‌توانند برای مدیریت، فیلتر کردن و ایجاد داده‌های بصری استفاده شوند. زبان M را می‌توان به عنوان یک زبان فرمولی کوئری در نظر گرفت و می‌توان از آن در Power BI Query Editor به منظور آماده‌سازی داده‌ها قبل از بارگذاری در مدل Power BI استفاده نمود. در این بخش خواهیم دید که زبان M چیست و چگونه در Power BI استفاده می‌شود. 
همان‌طور که قبلاً گفتم، زبان M برای مدیریت و فیلتر کردن داده‌ها در ویرایشگر Query استفاده می‌شود. برای یادگیری و تسلط بر زبان M، باید روند زبان را درک کنید. این مسئله به شما کمک می‌کند کدها را راحت‌تر بخوانید و بنویسید و مهارت‌های خود را بهبود بخشد. منابع آنلاین متعددی مانند Formula Language Specification وجود دارند که ساختار زبان M را توصیف کرده و همه توابع و مستندات آن را فهرست می‌کنند. Power Query همچنین حاوی یک کتابخانه استاندارد است که از طریق کلمه کلیدی #shared قابل‌دسترسی است.
زبان M دارای دو بلوک اصلی let و in است.
•    let برای تعریف متغیرها استفاده می‌شود.
•    in برای نمایش خروجی استفاده می‌شود.
هر خط در بلوک let به یک مرحله مستقل در تنظیمات کوئری در Power BI ترجمه می‌شود. زبان M نیز مانند هر زبان دیگری دارای کامنت، متغیر، تابع و غیره است.

آشنایی با زبان DAX

   DAX (Data Analysis Expressions) یک زبان نمایش فرمول است که در ابزارهای مختلف Power BI و ابزارهای ساخت ویژوال استفاده می‌شود. DAX همچنین به عنوان زبان تابع نیز شناخته می‌شود یعنی هر کد کامل در آن در داخل یک تابع نگهداری می‌شود. زبان برنامه‌نویسی DAX شامل دو نوع داده است: داده عددی و غیر عددی. داده عددی شامل اعداد صحیح، واحد پول و اعداد اعشار است، در حالی که داده غیر عددی شامل: رشته و آبجکت باینری است.
در Power BI می‌توانید از انواع مختلف تابع برای تجزیه‌وتحلیل داده‌ها و ایجاد ستون‌ها و معیارهای جدید استفاده کنید. این توابع عبارت‌اند از:

•    تابع تجمعی
•    تابع متنی
•    تابع زمانی
•    تابع منطقی
•    تابع شمارشی
•    توابع اطلاعاتی

Power BI یک راه آسان برای مشاهده لیست تمام توابع ارائه می‌دهد. هنگامی که شروع به تایپ تابع خود در نوار فرمول می‌کنید، می‌توانید لیستی از تمام توابع را به ترتیب حروف الفبا مشاهده کنید. انواع مختلف هر یک از این توابع در ادامه معرفی می‌شوند:

توابع تجمعی
•    MIN
•    MAX
•    Average
•    Sum
•    SUMX

توابع شمارشی
•    DISTINCTCOUNT
•    SOUNT
•    COUNTA
•    COUNTROWS
•    COUNTBLANK

توابع منطقی
•    AND
•    OR
•    NOT
•    IF
•    IFERROR

توابع متنی
•    REPLACE
•    SEARCH
•    UPPER
•    FIXED
•    CONCATENATE

توابع زمانی
•    DATE
•    HOUR
•    WEEKDAY
•    NOW
•    EOMONTH

توابع اطلاعاتی
•    ISBLANK
•    ISNUMBER
•    ISTEXT
•    ISNONTEXT
•    ISERROR

وقتی در Power BI به تب Modeling می‌روید، گزینه New Column در بالای صفحه قابل‌مشاهده است. این گزینه نوار فرمول را باز می‌کند که می‌توانید فرمول DAX را برای انجام محاسبات در آن وارد کنید. همچنین می‌توانید نام ستون را با تغییر متن ستون در نوار فرمول تغییر دهید. مثال زیر، یک ستون جدید را در Power Bi ایجاد می‌کند که متناسب با کد محصول (Product_C) بوده و از 3 کاراکتر آخر ستون Prod_Id مشتق شده است. فرمول این کد به زبان DAX به صورت زیر است:

Product_C = RIGHT( Sheet1[Prod_Id],3)

برای ایجاد یک معیار در Power BI، به تب New Measure در زیر تب Modeling مراجعه کنید. با این کار یک آبجکت جدید در زیر تب Fields با نام Measure اضافه می‌شود. در ادامه می‌توان فرمول DAX را برای محاسبه مقدار شاخص جدید در این آبجکت نوشت.
به طور خلاصه می‌توان زبان‌های M و DAX را در Power BI بر اساس ویژگی‌های زیر با هم مقایسه کرد:

•    زبان M یک زبان کوئری ترکیبی برای Power Query است.
•    زبان M مخفف Data Mashup یا Data Modeling است.
•    زبان M یک زبان کاربردی و حساس به حروف کوچک و بزرگ شبیه به F# است که می‌تواند با Power Query در Excel، Get & Transform در Excel 2016 و Power BI Desktop استفاده شود.
•    زبان M فقط در Power Query Editor در Power BI قابل‌استفاده است.
•    هر تغییری که در Power Query Editor در Power BI انجام می‌دهید به زبان M نوشته شده است.
•    زبان M را نمی‌توان در Data View یا Report View در Power BI استفاده کرد، بلکه باید از DAX برای نوشتن کد در این قسمت‌ها استفاده نمود.
•    ساختار نحوی زبان M برخلاف DAX با توابع کاربرگ اکسل بسیار متفاوت است.
•    زبان M در Power Query Editor برای پیش‌پردازش و تبدیل داده‌ها قبل از بارگذاری در مدل Power BI به روش فشرده‌تر و بهینه استفاده می‌شود.
•    DAX زبان تجزیه‌وتحلیل داده و نمایش آن است.
•    DAX یک زبان فرمولی است که توسط مایکروسافت برای نمایش و کار روی داده‌ها در پلتفرم‌های مختلف مانند Power BI، PowerPivot و مدل‌های جدولی SSAS ارائه شده است.
•    DAX شامل مجموعه‌ای بیش از 200 تابع، عملگر و ساختار است که می‌توانند در یک فرمول یا عبارت برای محاسبه و برگرداندن یک یا چند مقدار استفاده شوند.
•    DAX به شما کمک می‌کند اطلاعات جدیدی را از داده‌های موجود در مدل خود ایجاد کنید.
•    DAX نمی‌تواند برای ایجاد سطر استفاده شود.
•    DAX را نمی‌توان در Power Query Editor در Power BI استفاده کرد. بلکه باید از زبان M در این بخش استفاده نمود.
•    برخی از توابع DAX با توابع کاربرگ Excel یکسان هستند.
•    DAX برای تجزیه‌وتحلیل داده‌ها پس از بارگذاری داده‌ها در مدل استفاده می‌شود.
•    DAX نمی‌تواند مقادیر مستقل را در جداول تغییر دهد یا درج کند.
•    کاراکترهای زیر در فرمول DAX معتبر نیستند. 

.,;':/\*|?&%$!+=()[]{}<>