توسط zahra riyahi zahra riyahi بدون دیدگاه

ویژگی های نسخه نوامبر Power BI

به روز رسانی ماه اکتبر نرم افزار  Power BI  شامل تغییرات زیادی در کل محصول می باشد. در قسمت آماده سازی دیتا, Query Diagnostics معرفی شده است که به شما این امکان را می دهد که, Query هایی که در پشت صحنه اجرا می شوند را ببینید. در قسمت Report, از طریق ویژگی جدید Automatic Page Refresh قدم های بزرگی در جهت تهیه گزارشات در زمان واقعی (Real Time)برداشته شده است, این ویژگی این امکان را فراهم می کند که در گزارشات مستقر در Direct Query در فواصل زمانی منظم, دیتا را به روز رسانی کنید. Q&A نیز به صورت کامل با المان جدید Q&A و ابزارهای جدید در این ماه کاملا بازسازی شده است.

Reporting

Automatic Page refresh for DirectQuery

وقتی وقایع حیاتی سازمان را بوسیله Power BI دنبال می کنید, بسیار اهمیت دارد که همزمان با به روز رسانی دیتا در Data Source دیتا در Power BI نیز به روز رسانی شود. برای مثال, در صنعت تولید, بسیار اهمییت دارد که بدانید چه زمانی یک ماشین بد عمل می کند. به این منظور ویژگی Automatic page refresh منتشر شده است, که این امکان را برای شما فراهم می کند, که هنگام استفاده از یک منبع DirectQuery , فاصله زمانی به روز رسانی المان ها را در گزارش خود تنظیم کنید.

برای منابع داده ای که با سرعت به روز رسانی می شوند, این تجربه نزدیک بودن گزارش به زمان واقعی به کاربران این امکان را می دهد, تا گزارشات حساس به زمان را رصد کرده و از این اطمینان را داشته باشند که آخرین تغییرات را مشاهده می کنند.

برای استفاده از Automatic page refresh  ابتدا باید آن را در Options فعال کنید.

بعد از فعال کردن این گزینه هنگامی که به یک منبع DirectQuery متصل می شوید در  Formatting Pane گزینه Page refresh را می توانید مشاهده کنید, که امکان تعیین زمان برای به روز رسانی را در قسمت Duration برای شما فراهم می کند.

در Power Bi Desktop, شما می توانید این برنامه زمان بندی را یکبار در هر ثانیه تعیین کنید, با این فرض که منبع داده DQ شما می تواند این کار را انجام بدهد. در Power BI Service , حداقل زمان به روز رسانی برای یک فضای کاری معمولی ۳۰ دقیقه می باشد, بنابراین پس از انتشار گزارش, در صورتی که زمان باقی مانده کمتر از ۳۰ دقیقه باشد, برنامه زمانبندی دوباره نوشته خواهد شد.

در صورتی که فضای کاری شما نسخه Premium باشد, برنامه زمان بندی می تواند به حداقل تعیین شده توسط مدیر برسد و فقط در صورتی کار میکند که مدیر (APR)Automatic page refresh را فعال کند.

برای فعال کردن این ویژگی لازم است که از مسیر زیر ابتدا APR را فعال کنید:

File>Options and settings>Options>Preview features>Automatic page refresh

Automatic page refresh تنها برای منابع DirectQuery در دسترس می باشد.

برای استفاده از Automatic page refresh, Report page را برای Page که می خواهیم به روز رسانی را در آن فعال کنیم را انتخاب می کنیم. در Visualization pane, بر روی Formatting icon کلیک کرده و گزینه Page refresh را در قسمت پایین نوار باز شده پیدا کنید.

تصویر زیر مربوط به کادر Page refresh  باز شده می باشد. توضیحات مربوط به شماره ها را در زیر عکس می توانید مشاهده کنید:

 

  • Automatic Page Refresh slider – روشن یا خاموش کردن page refresh
  • Page refresh interval value – عدد مربوط به فاصله زمانی به روز رسانی
  • Page refresh interval unit – واحد زمانی مربوط به به روز رسانی

اکنون شما می توانید Page refresh را روشن کرده و Refresh duration را تعیین کنید. مقدار پیش فرض ۳۰ دقیقه می باشد, حداقل زمان برای Refresh interval یک ثانیه می باشد. گزارش شما در زمانی (Interval ) که شما تعیین کرده اید شروع به به روز رسانی میکند.

تعیین Page refresh interval

هنگامی که Automatic page refresh فعال است, power BI Desktop دائما Query هایی را به منبع DirectQuery شما ارسال می کند. بین زمان ارسال Query  و بازگشت دیتا تاخیری وجود دارد, بنابراین برای به روز رسانی در فواصل زمانی کوتاه, باید تایید کنید که Query  با موفقیت دیتا ها را براساس زمانبندی تعیین شده باز گردانده است. در صورتی که دیتا در فاصله زمانی تعیین شده باز نگردد,  موقعیتی را به وجود می آورید که المان ها به طور مرتب خیلی کند تر از برنامه زمان بندی شده به روز شوند.

به عنوان بهترین روش, فاصله به روز رسانی باید حداقل با نرخ ورود دیتای جدید مورد انتظار شما مطابقت داشته باشد:

  • در صورتی که دیتا هر ۲۰ دقیقه وارد Source می شود, در این صورت Refresh Interval (فاصله به روز رسانی) نمی تواند کمتر از ۲۰ دقیقه باشد.
  • در صورتی که دیتا هر ثانیه وارد شود, در این صورت interval باید برای هر یک ثانیه تعیین شود.

برای فواصل به روز رسانی کوتاه مانند یک ثانیه, همچنین لازم است که نوع  Direct query data source , بارگذاری Query ها بر رروی آن و فاصله بینندگان گزارش از مرکز دیتا و غیره را در نظر بگیرید.

می توانید این مورد را با استفاده از عملکرد Performance Analyzer in Power BI Desktop  که به شما این امکان را می دهد که تعیین کنید که هر کوئری زمان کافی برای بازگشت نتیجه از منبع را دارد, و اینکه زمان کجا صرف شده است, ارزیابی کنید. براساس نتیجه Performance Analyzer in Power BI Desktopا می توانید منبع داده را  تنظیم کنید و تغییر دهید, و یا میتوانید بوسیله المان های دیگر و مقادیر گزارشتان ارزیابی کنید.

تصویر زیر نتایج DirectQuery را در Performance Analyzer نشان می دهد:

توسط zahra riyahi zahra riyahi بدون دیدگاه

تفاوت OLAP و OLTP چیست؟

OLTP چیست؟

پردازش تراکنش های آنلاین با عنوان OLTP شناخته می شود از برنامه های معامله گرا در معماری ۳ لایه پشتیبانی می کند. OLTP تراکنش روزانه یک سازمان را انجام می دهد.هدف اصلی پردازش داده ها است و نه تجزیه و تحلیل داده ها

سیستم پردازش تراکنش آنلاین(OLTP) 

توسط تعداد زیادی از تراکنش های کوتاه آنلاین (افزودن، بروز رسانی، حذف) مشخص شده است. تاکید اصلی برای سیستم های OLTP بر روی اعمال فرآیند های پرس و جوی سریع، حفظ کامل داده ها در محیط های دارای دسترسی های متفاوت و میزان موفقیت که بر طبق تعداد تراکنش ها در ثانیه اندازه گیری می شود، می باشد. داده ها در پایگاه داده OLTP بصورت جامع و به روز می باشند، و طرح مورد استفاده برای ذخیره پایگاه داده تراکنشی ، مدل ورود داده (معمولا از فرم سوم نرمال سازی(۳NF) استفاده می شود) می باشد.

OLAP چیست؟

پردازش تحلیلی آنلاین ، دسته ای از ابزارهای نرم افزاری که تجزیه و تحلیل داده ها را برای تصمیمات تجاری ارائه می دهند. سیستم های OLAP به کاربران این امکان را می دهد تا اطلاعات پایگاه داده را از چندین سیستم پایگاه داده به طور همزمان تجزیه و تحلیل کنند.هدف اصلی تجزیه و تحلیل داده ها است و نه پردازش داده ها.

سیستم های پردازش تحلیلی آنلاین (OLAP)

توسط حجم تقریبا کمی از تراکنش ها مشخص می شود. کوئری ها اغلب بسیار پیچیده و انبوه می باشند. باید توجه داشت که برای سیستم های OLAP، زمان پاسخ، معیار مناسبی است. اپلیکیشن های OLAP بطور گسترده توسط تکنیک های داده کاوی استفاده می شوند. در پایگاه داده ها OLAP داده های قبلی جمع آوری شده و در طرح های چند بعدی ذخیره می شوند (معمولا طرح ستاره می باشد).

OLAP OLTP
Integrated

Subject-oriented

Data  Driven:Data mining

Model  Driven: OLAP

Application-oriented

Event driven

Transaction -driven

مدلسازی
داده های سیستم عملیاتی در فواصل معین زمانی به شکل انبوه به سیستم وارد می شوندتعداد رکورد ها مرتبا افزوده می شود. اطلاعات توسط اپراتور ها ،به صورت روزانه رکورد به رکورد وارد سیستم می شود. منابع داده ،نحوه ورود داده ها
داده های تجزیه ناپذیر و مقداری وارد سیستم می شوند. داده ها به صورت کامل و با تمام جزئیات وارد سیستم می شوند. دقت داده
علاوه برمحتوای جاری داده ها ،تکرر و تغیییرات آن است که ارزشمند است.در چنین سیستمی هرچه تعداد و قدمت نسخ داده بیشتر باشد ارزش و اعتبار سیستم افزایش می یابدو گزارشات تحلیلی و آماری دقت بیشتری پیدا می کند. محتوای جاری داده ارزش  واقعی آن را تعیین می کند. ارزش داده

توسط zahra riyahi zahra riyahi بدون دیدگاه

گروه بندی کردن در Power Bi Desktop

به وسیله Grouping در Power BI Desktop , می توانید المان ها, از قبیل Buttons, Textboxes, Shape images و هر المان دیگری که ایجاد کرده اید را در گزارش خود با یکدیگر گروه بندی کنید, درست همانند زمانی که Item ها را در Power Point با هم گروه بندی می کنید.  گروه بندی المان ها در Power BI این امکان را برای شما فراهم می کند که با گروه همانند یک المان واحد رفتار کنید, حرکت, تغییر اندازه, و کار با لایه های گزارش خود را آسان تر , سریعتر و شهودی تر کنید.

ایجاد گروه

برای ایجاد گروهی از المان ها در Power BI Desktop , ابتدا اولین المان را انتخاب کرده, سپس با نگه داشتن کلید CTRL یک یا چند المان را که قصد دارید در یک گروه قرار دهید را نیز انتخاب کنید, سپس بر روی کل این مجموعه راست کلیک کرده و گزینه Group را از منوی باز شده انتخاب کنید.

گروه ها بر روی نوار Selection نمایش داده می شوند. شما می توانید به همان تعداد گزارش های خود, گروه های المان ها را داشته باشید.

در تصویر زیر, گروه استرالیا در زیر گروه Cards قرار دارد. شما می توانید با انتخاب فلش کنار نام گروه, یک گروه را باز کرده و با انتخاب مجدد آن را ببندید.

بدون نوار Selection , می توانید با Drag & Drop کردن یک المان خاص را به گروه اضافه و یا حذف کنید.

به سادگی المانی را که می خواهید تنظیم کنید Drag کنید, و در جایی که می خواهید قرار دهید. لایه بندی المان ها در صورت وجود همپوشانی, با ترتیب آنها در لیست سفارش در Layer Order List مشخص می شود.

برای خارج کردن از گروه, کافیست بر روی گروه راست کلیک کرده و از منوی باز شده گزینه Ungroup را انتخاب کنید.

پنهان کردن و نشان دادن المان ها و گروه ها

به راحتیت می توانید با استفاده از Selection Pane گروه ها را پنهان و یا آشکار کنید. برای پنهان کردن گروه, دکمه چشم کنار نام گروه را کلیک کنید (یا هر المان خاصی). در عکس زیر, گروه  Australia پنهان است, و بقیه گروه های مستقر در Cards Group نمایش داده می شوند.

وقتی گروهی را پنهان می کنید, تمام المان های داخل آن گروه پنهان می شوند, و دکمه چشم کنار آنها خاکستری می شود (امکان خاموش و روشن شدن وجود ندارد, زیرا کل این گروه پنهان است). برای پنهان کردن تنها یک المان داخل یک گروه, به سادگی دکمه چشم کنار المان را خاموش کنید, و به این ترتیب تنها آن المان خاص در گروه پنهان می شود.

انتخاب المان ها در یک گروه

برای انتخاب Item ها در داخل یک گروه از المان ها, راه های کمی وجود دارد:

  • انتخاب یک فضای خالی در یک گروه (برای مثال فضای سفید بین المان ها) بدون انتخاب هیچ چیز دیگری
  • با انتخاب یک المان در داخل یک گروه, کل گروه را انتخاب می کنید, انتخاب دوم یک المان خاص را انتخاب می کند.
  • انتخاب یک گروه, و سپس یک شی دیگر در گزارش, و سپس انتخاب گروه از منوی راست کلیک, یک گروه تو در تو ایجاد می کند.
  • انتخاب دو گروه, و سپس زاست کلیک گزینه ای را برای Merge دو گروه انتخاب شده نمایش داده می شود.

 

اضافه کردن رنگ Background

همچنین می توانید رنگی را برای Background با استفاده از Formatting در Visualization Pane  انتخاب کنید.

  پس از اعمال رنگ پس زمینه, با کلیک روی فضای بین تصاویر در گروه, گروه را انتخاب می کنید(این کار را با کلیک کردن روی فضای سفید بین تصاویر در یک گروه, که گروه را انتخاب نمی کنید مقایسه کنید).

توسط zahra riyahi zahra riyahi بدون دیدگاه

اصول اولیه DAX در Power BI Desktop

این آموزش مخصوص کاربران جدید Power BI Desktop می باشد. این به این معنی است که یک معرفی ساده و کوتاه از اینکه چطور می توانید از Data Analysis Expressions (DAX)  برای انجام تعدادی از محاسبات پایه ای و تجزیه و تحلیل دیتا استفاده کنید. در این مقاله ما برخی مفاهیم, یک سری از کارهایی که می توانید انجام دهید, و تعدادی آزمون کوچک برای آزمایش آنچه آموخته اید را مرور خواهیم کرد. پس از کامل شدن این مقاله, شما باید درک خوبی از مهمترین مفاهیم اساسی در DAX داشته باشید.

DAX چیست؟

DAX مجموعه ای است از توابع و اپراتور های ثابتی که می تواند در یک فرمول یا Expression, جهت محاسبه و بازگرداندن یک یا چند مقدار مورد استفاده قرار گیرد. به بیان ساده تر, DAX  به شما کمک می کند که اطلاعات جدیدی را از داده های موجود در مدل خود به دست آورید.

چرا DAX  اهمیت بسیاری دارد؟

بسیار کار ساده ایست که یک فایل Power BI Desktop جدید درست کنید و مقداری دیتا را به آن وارد کنید. به هیچ وجه نمی توانید بدون استفاده از فرمول های DAX گزارش هایی را ایجاد کنید که بینش ارزشمندی به شما بدهد. اما, در صورتی که نیاز به تحلیل نرخ در صدی رشد در دسته بندی محصولات و در بازه های زمانی متفاوت داشته باشید چطور؟ یا نیاز به محاسبه رشد سالانه و مقایسه آن نسبت به روند بازار داشته باشید؟  فرمول های DAX این توانایی و بسیاری توانایی های مهم دیگر را برای شما فراهم می کند. یادگیری نحوه ایجاد یک فرمول DAX  موثر به شما کمک می کند تا از دیتای خود نهایت استفاده را ببرید. وقتی اطلاعات مورد نیاز خود را بدست می آورید, می توانید شروع به حل مشکلات کسب و کارهای واقعی کنید که خط سیر اصلی شما را تحت تاثیر قرار داده اند. این قدرت Power BI است و DAX به شما کمک خواهد کرد که به آن دست پیدا کنید.

پیش نیازها

ممکن است شما در حال حاضر با فرمول نویسی در Microsoft Excel آشنایی داشته باشید. این دانش شما برای یادگیری DAX می تواند برای شما مفید باشد, اما حتی اگر شما هیچ تجربه ای از فرمول نویسی در Excel نداشته باشید نیز , مفاهیم توضیح داده شده در این مقاله به شما کمک خواهد کرد تا بلافاصله فرمول نویسی در DAX  را شروع کنید و به حل مشکلات BI در دنیای واقعی بپردازید.

ما قصد داریم بر روی یادگیری فرمول نویسی DAX در محاسبات, و به طور خاص در Measure  ها و ستون های محاسباتی تمرکز کنیم. شما باید در حال حاضر با Power BI Desktop, وارد کردن دیتا, اضافه کردن Field ها به یگ گزارش و نیز مفاهیم اساسی Measure و Calculated Column ( ستون های محاسباتی) آشنایی داشته باشید.

Measure

Power BI Desktop به شما کمک می کنه تا تنها با چند کلیک بینشی از دیتای خود بدست بیاورید. اما گاهی اوقات دیتای در دسترس شامل تمام مواردی که برای پاسخ دادن به برخی سئوالات مهمتان دارید نمی باشد, Measure ها به شما کمک می کنند تا به این موارد دسترسی پیدا کنید.

در Power BI Desktop, Measure ها در View Report یا Data View تعریف می شوند . Measure هایی که شما تعریف می کنید در قسمت Field ها با آیکن ماشین حساب نمایش داده می شوند. شما می توانید Measure هایتان را به هر اسمی که می خواهید نامگداری کنید, و آنها را به یک ویژوال جدید یا یک ویژوال موجود اضافه کنید.

Columns (ستون های محاسباتی)

به وسیله ستون های محاسباتی, می توانید دیتای جدیدی را به یک جدول موجود در مدل خود اضافه کنید. اما به جای نوشتن کوئری و Load  کردن دیتا به ستون جدید از یک منبع داده, یک فرمول DAX  می نویسید که دیتای ستون های مورد نظرتان را مشخص می کند. در Power BI Desktop ستون های محاسباتی از طریق گزینه New Column در Report View ایجاد می شوند.

بهترین روش برای یادگیری DAX   نوشتن یک سری فرمول های پایه ای و اولیه می باشد. این کار را می توانید با یک دیتای واقعی انجام داده و نتایج خود را مشاهده کنید.

برای شروع

یادگیری و فهم ما از DAX  به وسیله سه مفهوم اصلی احاطه شده است: Syntax( نحوه نگارش),  Functions(توابع) و Context( مفاد). البته مفاهیم مهم دیگری در DAX وجود دارد, اما درک این سه مفهوم بهترین پایه را برای ایجاد مهارت های DAX  شما فراهم می کند.

Syntax (نحوه نگارش)

قبل از اینکه فرمول را بنویسید, اجازه دهید نگاهی به Syntax فرمول در DAX بیندازیم. Syntax شامل عناصر متفاوتی است که یک فرمول را به وجود می آورند, یا به بیان ساده تر, نحوه نوشتن یک فرمول. برای مثال, اجازه دهید یک فرمول ساده DAX را برای یک Measure بررسی کنیم.

این فرمول شامل نکات Syntax زیر می باشد:

  1. نام Measure, Total Sales می باشد.
  2. اپراتور ( = ) نشان دهنده شروع فرمول می باشد. وقتی محاسبه ای انجام می شود, نتیجه ای را بر می گرداند.
  3. تابع SUM تمام ارقام موجود در ستون Sales[SalesAmount] را جمع می کند.
  4. پرانتز () یک Expression شامل یک یا چند آرگومان را احاطه می کند. تمامی توابع به حداقل یک آرگومان نیاز دارند. یک آرگومان یک مقدار را به تابع انتقال می دهد.
  5. جدول مورد نظر Sales
  6. ستون مورد نظر [SalesAmount] در جدول Sales . با این آرگومان, تابع SUM متوجه می شود در کدام ستون عملیات Sum را انجام بدهد.

زمانی که سعی می کنید فرمول های DAX را یاد بگیرید, برای شما بسیار مفید خواهد بود که تمام عناصر فرمول را به زبانی که هر روز فکر می کنید و صحبت می کنید بشکنید. برای مثال, فرمول بالا را به این صورت می توانید بخوانید:

برای Measure با نام Total Sales, محاسبه کن (=) مجموع تمام مقادیر ستون [SalesAmount] را در جدول Sales.

وقتی این Measure را به یک گزارش اضافه می کنید, این Measure مقدار فروش را برای هر یک از فیلد های دیگر مثلا شماره تلفن های موبایل در آمریکا محاسبه می کند و باز می گرداند.

ممکن است شما فکر کنید که, آیا این Measure همان کاری را انجام نمی دهد که انگار من می خواهم تنها ستون SalesAmount را به گزارش اضافه کنم؟ بله, ولی دلیل خوبی وجود دارد  برای اینکه Measure  را بنویسیم که مقادیر را از ستون SalesAmount جمع میکند: اینکه می توانیم از این Measure به عنوان یک آرگومان در دیگر فرمول ها استفاده کنیم. این ممکن است در حال حاضر کمی گیج کننده به نظر بیاید, اما با افزایش مهارت هایتان در فرمول نویسی DAX , دانستن این مطلب فرمول ها و مدل شما را کارآمد تر می کند. در حقیقت, Total Sales Measure را بعدها به عنوان یک آرگومان در فرمول های دیگر مشاهده خواهید کرد.

اجازه دهید مطالب بیشتری را درباره این فرمول بررسی کنیم. بطور خاص, تابع SUM را معرفی می کنیم. توابع,  فرمول هایی از پیش نوشته شده هستند که انجام محاسبات پیچیده و دستکاری اعداد , تاریخ, زمان, متن و موارد دیگر را آسان می کنند. بعدا درباره توابع اطلاعات بیشتری کسب خواهید کرد.

ملاحضه میکنید که اسم جدول Sales که ستون در آن قرار دارد بر نام ستون [SalesAmount] مقدم شده است. این به عنوان یک نام کامل شناخته می شود که شامل نام جدول و نام ستون می باشد, که نام جدول بر نام ستون تقدم دارد. برای ستون های دیگری که در این جدول وجود دارند نیازی به ذکر             نام جدول در فرمول نمی باشد. این می تواند فرمول های بزرگی را به وجود آورد که شامل ستون های بسیاری به صورت کوتاه تر و ساده تر باشند. با این حال, تمرین خوبی خواهد بود برای شما که اسم جدول را در فرمول Measure خود وارد کنید, حتی اگر در جدول یکسانی باشند.

نکته مهمی که باید به آن توجه شود این است که اگر نام جدول شامل Space, لغات کلیدی, یا کاراکترهای غیرمجاز باشد, لازم است که نام جدول را داخل Single quotation (‘ ‘)  قرار دهید. هنچنین اگر این نام شامل کاراکترهای خارج از محدوده حروف ANSI باشد, صرف نظر از اینکه سیستم شما از آنها پشتیبانی می کند یا خیر, لازم است نام جدول را نیز داخل quotation mark قرار بدهید.

بسیار اهمییت دارد که فرمول شما syntax درستی داشته باشید. در بسیاری موارد, در صورتی که Syntax درست نباشد, با Syntax Error مواجه می شویم. در موارد دیگر, ممکن است Syntax درست باشد ولی مقادیر آنچه را که شما نیاز دارید را باز نمی گرداند. DAX Editor در Power BI Desktop شامل ویژگی پیشنهاد دادن می باشد, که برای کمک به شما در انتخاب عناصر صحیح و فرمول های درست به لحاظ Syntax استفاده می شود.

اجازه بدهید یک فرمول ساده بنویسیم. این بخش به شما کمک خواهد کرد که Syntax فرمول را بهتر درک کنید و اینکه چطور ویژگی پیشنهاد دادن در نوار فرمول به شما کمک خواهد کرد.

Task: نوشتن یک فرمول Measure

در نمونه دیتای موجود

  • در Report View , در لیست Field ها, بر روی جدول Sales راست کلیک کرده, و سپس بر روی گزینه New Measure کلیک می کنیم.
  • در نوار فرمول باز شده, نام Measure را به Previous Quarter Sales تغییر می دهیم.
  • بعد از = حروف ابتدایی CAL را تایپ می کنیم, سپس بر روی نام Function مورد نظر که قصد استفاده از آن را داریم, دابل کلیک می کنیم. در این فرمول, شما می خواهید از تابع CALCULATE استفاده کنید.

از تابع CALCULATE برای فیلتر مقادیری که میخواهیم با آرگومانی که در تابع Calculate وارد کرده ایم جمع کنیم استفاده می کنیم, تابع Calculate باید حداقل دارای ۲ آرگومان باشد, اولین ستون ستونی است که می خواهیم محاسبه کنیم و دومین ستون ستونی است که قرار است بر روی آن فیلتر شود.

  • بعد از باز کردن پرانتز نیاز هست که آرگومان دیگری را به تابع SUM پاس بدهیم.
  • سپس حروف ابتدایی جدول مورد نظر را تایپ کرده و نام جدول و ستون مورد نظر را انتخاب می کنیم, و سپس پرانتز را می بندیم. این اولین آرگومان تابع Calculate ما می باشد.
  • سپس یک کاما و Space را برای مشخص کردن اولین فیلتر تایپ می کنیم, سپس PREVIOUSQUARTER را تایپ می کنیم این فیلتر ما می باشد.

از تابع PREVIOUSQUARTER برای فیلتر کردن نتایج تابع SUM در فصل اخیر استفاده می کنیم.

  • بعد از پرانتز باز در تابع PREVIOUSQUARTER ستونی را که شامل رنجی از دیتا می باشد را وارد می کنیم که در این مثال نام ستون Calendar[DateKey] می باشد. تابع PREVIOUSQUARTER نیازمند یک آرگومان می باشد.
  • اطمینان حاصل کنید که هر دو آرگومان را در تابع وارد کرده اید, و سپس با دو پرانتز تابع را ببندید.

در نهایت فرمول شما به این صورت خواهد بود:

Previous Quarter Sales = CALCULATE(SUM(Sales[SalesAmount]), PREVIOUSQUARTER(Calendar[DateKey]))

  • سپس در آخر گزینه و یا Enter را برای اعمال تغییرات کلیک میکنیم.

 

توسط zahra riyahi zahra riyahi بدون دیدگاه

ترکیب دیتا

در ادامه مقاله قبل مبنی بر تغییر شکل و ترکیب دیتا, اکنون می پردازیم به ترکیب و ادغام دیتای استخراج شده از دو Data Source متفاوت

تاکنون توانستیم دیتا را براساس نیاز تغییر دهیم, حال قصد داریم بهData source  دیگری وصل شده و دیتا را ترکیب کنیم.

ترکیب دیتا

دیتای در دسترس ما درباره نواحی مختلف جالب می باشد, و برای ایجاد آنالیز های بیشتر مفید می باشد. ولی یک مشکل وجود دارد : اکثر داده های موجود در آن از یک مخفف دو حرفی برای کدهای ناحیه استفاده کرده است و نه نام کامل, بنابراین ما به راهی نیاز داریم تا نامهای ایایالت ها را با نام های مختصرشان مرتبط کنیم.

برای این کار به دیتای دیگری نیاز داریم که حاوی اطلاعات مورد نیاز ما باشد.

http://en.wikipedia.org/wiki/List_of_U.S._state_abbreviations

سپس از نوار Home در Query Editor , New Source و سپس گزینه Web  را انتخاب می کنیم و آدرس سایت مورد نظر را که حاوی این اطلاعات می باشد را وارد کرده و سپس Connect را کلیک می کنیم, در این مرحله در قسمت Navigator آنچه در Page مورد نظر یافت می شود نشان داده می شود که از بین این موارد ما Codes and abbreviations  را انتخاب می کنیم که حاوی دیتای مورد نظر ما می باشد.

برای شکل دادن به این دیتا مراحل زیر را انجام می دهیم:

  • سطر اول را حذف می کنیم, این سطر نتیجه روشی است که جدول در Web ایجاد شده است, و به آن نیازی نداریم. از نوار Home گزینه Reduce Rows را کلیک کرده, سپس گزینه Remove Rows و در نهایت Remove Top Rows را کلیک می کنیم.
  • پنجره Remove Top Rows ظاهر می شود, به شما این امکان را می دهد ک تعداد سطرهایی که می خواهید حذف کنید را مشخص کنید.( در صورتی که Power BI اتفاقی سرستون جداول را به عنوان یک سطر وارد دیتای شما کرد, می توانید گزینه Use First Row As Headers را از Home Tab و یا Transform برای اصلاح جدول خود انتخاب کنید. )
    • خذف ۲۶ سطر از پایین جدول, این سطور درباره مناطق هستند, و ما نیازی به آنها نداریم. از نوار Home, Reduce Rows,Remove Rows ,  Remove Bottom Rows را انتخاب می کنیم.

    • از آنجایی که ستون Retirement Stats برای Washington DC اطلاعاتی ندارد, لازم است که آن را از لیست فیلتر کنیم. برای این منظور نوار کنار ستون Region Status را باز می کنیم, سپس علامت تیک کنار Federal district را بر میداریم.

  • حذف تعدادی از ستون هایی که نیازی به آنها نداریم, ما تنها به ارتباط بین نواحی و کلمه دو حرفی اختصاری آن نیاز داریم, بنابراین می توانیم تعدادی از ستون ها را حذف کنیم. ابتدا یکی از ستون ها را انتخاب کرده سپس با نگه داشتن دکمه CTRL باقی ستون ها را نیز انتخاب می کنیم و سپس از Home Tab , Remove Columns> Remove Columns را انتخاب می کنیم.
  • تغییر نام ستون ها و جداول, به طور معمول چند روش برای تغییر نام یک ستون وجود دارد, ابتدا ستون را انتخاب کرده و سپس گزینه rename را از Transform tab انتخاب می کنیم, و یا با راست کلیک کردن بر روی نام ستون گزینه Rename را از نوار باز شده انتخاب می کنیم.
    • برای تغییر نام جدول تنها کافی است که نام جدول را در قسمت Name مربوط به نام Query Settings وارد کنید.

    حالا میتوانیم جدول را به روشی که می خواهیم تغییر دهیم, ابتدا اجازه دهید این دو جدول را با یکدیگر ترکیب کرده و تبدیل به یک جدول کنیم, از آنجایی که جداول ما اکنون نتیجه ای هستند از کوئری هایی که بر روی داده ها استفاده کردیم, آنها را در قالب کوئری در نظر می گیریم.

    دوروش ابتدایی برای ترکیب کوئری ها وجود دارد, Merging و Appending

    وقتی شما یک یا چند ستون دارید که میخواهید به کوئری دیگری اضافه کنید, لازم است که کوئری ها را Merge کنید. و زمانی که سطرهایی دارید که میخواهید به کوئری اضافه کنید باید کوئری ها را Append کنید.

    در این مثال, ما می خواهیم کوئری ها را Merge کنیم. برای شروع, از سمت چپ Query Editor کوئری را انتخاب می کنیم که می خواهیم با کوئری دیگری Merge کنیم, که در این مثال Retirement Stats می باشد. سپس گزینه Combine>Merge Queries را از Home Tab انتخاب می کنیم.

    ممکن است نیاز باشد که سطوح حریم را مشخص کنید, تا اطمینان حاصل کنید که دیتا با دیتا هایی که نمیخواهید ترکیب نمی شود.

    سپس پنجره Merge باز می شود, به ما این امکان را می دهد که انتخاب کنیم که کدام جدول با جدول انتخاب شده ما ترکیب شود, و سپس ستون های ستون های هماهنگ با یکدیگر را برای Merge انتخاب می کنیم, در صورتی که ستون ها را درست انتخاب کرده باشیم گزینه OK فعال می شود.

    یک ستون جدید در انتهای جدول و یا کوئری ایجاد می شود, که شامل محتوای جدول و یا کوئری می باشد که با کوئری موجود ادغام شده است. تمام ستون های کوئری های Merge شده در ستون جدید جمع می شوند, اما می توانید با انتخاب گزینه  Expand, از جدول, ستونی را که می خواهید انتخاب کنید.

    برای Expand  کردن جدول Merge, و انتخاب ستون های مورد نظر, آیکن Expand () را کلیک کنید. پنجره Expand ظاهر می شود.

    در این مثال, فقط ستون State Code را می خواهیم, بنابراین تنها این ستون را انتخاب می کنیم و سپس OK می کنیم. و تیک گزینه Use original column name as prefix را بر می داریم چون به آن نیازی نداریم یا آن را نمی خواهیم, اگر این گزینه را در حالت انتخاب شده رها کنیم, ستون Merge شده New Column. State Code نامیده می شود (اسم ستون اصلی, یا New Column, سپس یک نقطه و سپس نام ستونی که داخل کوئری آورده شده است).

    اکنون یک کوئری (جدول) واحد داریم که از ادغام دو Data Source ایجاد شده است, که هر کدام براساس نیاز ما تغییر شکل داده شده اند.

    این کوئری می تواند به عنوان یک جدول پایه برای بدست آوردن آمار ها و اطلاعات جالب زیادی از قبیل آمار هزینه مسکن, آمار جمعیت و یا فرصت های شغلی در هر ایالت مورد استفاده قرار بگیرد.

    برای اعمال کردن تغییرات به وجود آورده و بستن Query Editor , گزینه Close & Apply را از نوار Home انتخاب می کنیم. Dataset تغییر یافته در Power BI Desktop ظاهر می شود, که برای ایجاد گزارش ها آماده می باشد.

توسط zahra riyahi zahra riyahi بدون دیدگاه

تغییر شکل و ترکیب دیتا در Power BI

در ادامه مقاله قبل مبنی بر تغییر شکل و ترکیب دیتا در Query Editor , اکنون نیاز داریم که دیتا را بر اساس ستون New Rank مرتب سازی کنیم. ابتدا آخرین مرحله را از Applied steps یعنی Changed type1 انتخاب می کنیم تا به جدیدترین داده ها برسید. سپس, آیکن Drop-Down که در Header ستون New rank  قرار دارد را انتخاب کرده و بر روی گزینه Sort Ascending را انتخاب می کنیم.

توجه داشته باشید که دیتا براساس ستون New Rank مرتب سازی شده است. اما اگر در ستون Rank نگاه کنید, در مواردی که مقادیر New Rank برابر هستند, مرتب سازی صورت نگرفته است. برای رفع این مشکل, ستون New Rank را انتخاب کرده و فرمول را در قسمت فرمول به شکل زیر تغییر دهید:

Table. Sort (#”Changed Type1”, {{“New Rank”, Order. Ascending}, {“Rank”, Order. Ascending}})=

سپس Enter را می زنیم, و مشاهده می کنیم که سطرها بر اساس هر دو ستون New Rank و Rank مرتب سازی شده اند.

بعلاوه شما می توانید هر یک از مراحل Applied Step را از لیست انتخاب کرده و به تغییر دادن دیتا در آن نقطه بپردازید. Query Editor به صورت خودکار یک مرحله جدید را مستقیما بعد از انتخاب جاری Applied Step اضافه میکند.

برای انجام دادن این مرحله ابتدا از Applied Step مرحله ای که جهت اضافه کردن ستون سفارشی ایجاد کرده بودیم را انتخاب می کنیم, این مرحله Removed Column Step می باشد. اکنون می خواهیم مقدار Weather Ranking را در Arizona جایگزین کنیم,  برای جایگزین کردن Rank آب و هوا در سطر مربوط به Arizona, بر روی سلول مربوط به  Arizona راست کلیک کرده و از منوی ظاهر شده, گزینه Replace Value را انتخاب می کنیم . توجه داشته باشید که در حال حاضر Applied Step انتخاب شده است (مرحله از پیش تعیین شده Added Custom).

از آنجایی که ما در حال  اضافه کردن یک مرحله هستیم Query Editor درباره خطر انجام این کار به ما هشدار می دهد – مراحل بعدی می تواند باعث شکسته شدن Query بشود. لازم هست که مراقب باشیم ولی از آنجایی که این یک مقاله آموزشی است تا نشان دهد چگونه می توانیم مراحل ایجاد, حذف, درج و تغییر را ایجاد کنید, ما گزینه Insert را زده و پیش می رویم.

تغییر مقدار به ۵۱ برای Arizona و جایگزینی دیتا انجام شد. وقتی که شما گام جدیدی را در Applied step ایجاد می کنید, Query Editor آن را براساس نوع عملی که انجام می دهد نامگذاری می کند, برای مثال در مورد قبل Replaced Value.

وقتی که بیش از یک مرحله با یک نام مشابه داشته باشیم, Query Editor شماره ای را به نام برای هر مرحله اضافه می کند (به ترتیب) تا بدین ترتیب بین مراحل تفاوت ایجاد کند.

اکنون آخرین مرحله ( Sorted Rows) را انتخاب کرده, و توجه می کنیم که دیتا براساس مقدار جدید Arizona تغییر کرده است, این به این خاطر است که گام Replaced Value را در جای درستی قبل از گام  Added Custom قرار داده ایم.

موارد مطرح شده محدوده کوچکی از توانایی های Query Editor را شامل می شد, اما نمونه خوبی بود برای اینکه نشان دهد Query Editor چه مقدار می تواند قدرتمند و چند منظوره باشد.

در نهایت, قصد داریم نام جدول را به یک نام توصیفی تغییر دهیم. وقتی میخواهیم به ایجاد گزارش بپردازیم, داشتن نام توصیفی برای جدول, به ویژه هنگامی که به چندین منبع داده متصل می شویم, بسیار مفید است(تمامی این جداول در قسمت Field های Report View ذکر می شوند).

تغییر نام جدول کار ساده ای است: در Query Settings Pane در قسمت Properties , به سادگی اسم جدول را در قسمت Name تغییر می دهیم, و سپس کلید Enter را فشار می دهیم.

توسط zahra riyahi zahra riyahi بدون دیدگاه

ترکیب کردن و سامان بخشیدن به دیتا در Power BI Desktop

شما می توانید به وسیله Power BI Desktop, به انواع مختلفی از منابع داده متصل شوید, سپس براساس نیاز های خود دیتا را سامان ببخشید و گزارشاتی را ایجاد کرده و با دیگران به اشتراک بگذارید. سامان بخشیدن دیتا به معنی تغییر شکل دادن دیتا از قبیل تغییر نام ستون ها و جداول, تغییر Text به Number , حذف کردن سطرها, تعیین سطر اول به عنوان سرستون ( Header ), و موارد دیگر.

ترکیب دیتا به معنی اتصال به دو یا تعداد بیشتری از منابع, تغییر شکل آنها براساس نیاز, سپس یکی کردن آنها در یک کوئری می باشد.

بهتر است بدانید که Query Editor در Power BI Desktop از منوی راست کلیک و همچنین نوار Ribbon بیشترین استفاده را می کند. بیشتر گزینه های موجود در قسمت Transform نوار Ribbon با راست کلیک کردن بر روی یک Item برای مثال یک ستون نیز قابل دسترسی می باشد.

تغییر شکل (سامان دادن به دیتا)

وقتی دیتا را در Query Editor تغییرمی دهید, یک دستورالعمل گام به گام را به وجود می آورید (که Query Editor برای شما انجام می دهد) تا داده ها را تنظیم کرده و ارائه دهید. منبع داده اصلی در این صورت تحت تاثیر قرار نمی گیرد و تنها در این نمای خاص دیتا تغییر میکند.

مراحلی که شما مشخص کرده اید( از قبیل تغییر نام یک جدول, تغییر در یک Data Type  و یا پاک کردن ستون ها) بوسیله Query Editor ثبت شده و هر زمان که این کوئری به پایگاه داده وصل شود, این مراحل بر روی دیتا اعمال می شود تا دیتا همیشه بر اساس آنچه شما مشخص کرده اید تغییر کند.این مراحل در هر جایی که شما از این Feature استفاده کنید و نیز برای هر کسی که از کوئری Share شده شما استفاده می کند برای مثال در Power BI Service انجام می شود.

این مراحل به صورت متوالی, در صفحه Query Settings در قسمت Applied Steps ثبت می شوند.

برای مثال در دیتای نمونه قصد انجام مراحل زیر را داریم.

برای شروع اجازه دهید یک Custom Column (ستون سفارشی ) را برای محاسبه رتبه کلیه داده ها ی با هم برابر محاسبه کنیم و این ستون را با رتبه موجود مقایسه کنیم.

برای این منظور در قسمت Query Editor گزینه Add Column را از Ribbon Bar انتخاب کرده و سپس دکمه Custom Column را کلیک می کنیم.

سپس در پنجره باز شده در قسمت New Column Name نام ستون جدید را اضافه می کنیم که در اینجا New Rank می باشد, و در قسمت Custom Column Formula از قسمت Available Columns ستون ها ی مورد نظر را انتخاب می کنیم و با زدن دکمه Insert به پنجره Custom Column Formula منتقل می کنیم.

از وضعیت No syntax errors have been detected   مطمئن شده و OK را کلیک کنید.

برای یکسان نگه داشتن Data Type ها بر روی Header ستون راست کلیک کرده و گزینه Change Type  و سپس Whole Number را برای تغییر انتخاب کنید.

در صورتی که به بیش از یک ستون نیاز دارید, ابتدا یک ستون را انتخاب کرده ,Shift   را نگه داشته و سپس ستون های مجاور اضافی را انتخاب کنید و سپس بر روی Header  یک ستون راست کلیک کرده تا کلیه ستون های انتخاب شده را تغییر یابند. همچنین می توانید با استفاده ار دکمه CTRL نیز ستون ها ی مجاور اضافی  را انتخاب کنید.

 همچنین میتوانید Data Type  ستون را از طریق دکمه Transform و انتخاب گزینه Data Type Text تغییر دهید. که به شما این امکان را می دهد که Data Type  جاری را به Data Typa دیگری تغییر دهید.

توجه داشته باشید که کلیه مراحل انجام شده از ابتدا تا حالا در Applied Steps پنجره Query Settings منعکس شده است که نشان هر تعییر اعمال شده بر روی دیتا را نشان می دهد. در صورتی که بخواهید هر یک از مراحل را از فرایند تغییر در دیتا پاک کنید کافیست به سادگی علامت X سمت چپ هر یک از مراحل را کلیک کنید تا آن مرحله از فرایند تغییرات Remove  شود.

تصویر زیر Applied Steps مراحل را تا کنون منعکس می کند:

اتصال به Website  (Source), انتخاب جدول (Navigation), در حالی که جدول Load می شود, Query Editor به صورت خودکار ستون های عددی را از Data Type  , Text  به Whole Number  تغییر می دهد (Changed Type) , دو گام آخر اقدامات اخیر ما از قبیل Added Custom و Change Type 1 را نشان می دهد .

قبل از اینکه ما بتوانیم با این کوئری کار کنیم, نیاز داریم تغییرات کوچکی را در دیتا ایجاد کنیم:

  • تعیین رتبه با حذف کردن یک ستون, ما تصمیم گرفته ایم که ستون Cost Of Living عامل مهمی در نتایج ما نیست. بعد از حذف این ستون به این مسئله برخورد می کنیم که دیتا بدون تغییر باقی می ماند, هر چند که با استفاده از Power BI Desktop می توان آن را برطرف کرد, این یک ویژگی جالب از Applied Steps را در کوئری نشان می دهد.
  • برطرف کردن چند خطا- از آنجایی که یک ستون را حذف کرده ایم, لازم است که محاسباتمان را در ستون New Rank تنظیم کنیم.این مسئله شامل تغییر فرمول می باشد.
  • مرتب سازی دیتا-براساس ستون New Rank و ستون های Rank
  • جایگزین کردن دیتا
  • تغییر نام جدول

برای حذف کردن ستون Cost Of Living به سادگی ستون را انتخاب کرده و از Home Tab گزینه Remove Column را مطابق شکل زیر انتخاب می کنیم.

توجه داشته باشید که مقادیر ستون New Rank تغییری نکردند, این به خاطر توالی انجام گام ها می باشد, از آنجایی که Query Editor گام ها را به صورت متوالی و در عین حال مستقل از یکدیگر ثبت می کند, شما می توانید  ترتیب توالی را به سمت بالا یا پایین تغییر دهید. تنها با کلیک راست کردن بر روی هر مرحله Query Editor برای شما منوی را فراهم می کند که به شما این امکان را می دهد موارد زیر را انجام دهید:  Rename, Delete, Delete Until End (مرحله فعلی و تمام مراحل بعدی را حذف کنید), Move Up, Move Down, پیش بروید و آخرین مرحله یعنی Removed Columns را به مرحله بالاتر گام Added Custom منتقل کنید.

سپس مرحله Added Custom  را انتخاب کنید. توجه داشته باشید که دیتا در ستون New Rank به صورت Error نشان داده شده است که باید مورد بررسی قرار گیرد.

راه های کمی وجود دارد برای اینکه بتوانیم اطلاعات بیشتری در باره هر Error بدست آوریم. میتوانید یک سلول را انتخاب کنید ( بدون کلیک کردن بر روی کلمه Error ), یا کلیک مستقیم بر روی Error. در صورتی که سلول را بدون کلیک مستقیم بر روی کلمه Error کلیک کنیم, Query Editor اطلاعاتی را در خصوص Error در پنجره پایین صفحه به نمایش می گذارد.

در صورتی که مستقیا بر روی کلمه Error کلیک کنید Query , ,  Applied Step درQuery Settings Pane ایجاد می کند و اطلاعاتی را در خصوص Error نشان می دهد.

برای رفع Error ها , ستون New Rank را انتخاب کرده, سپس فرمول ستون را با کلیک کردن بر روی گزینه View و انتخاب Formula bar نشان دهید.

اکنون می توانید ستون Cost Of Living را خذف کرده و فرمول را به صورت زیر تغییر دهید:

Table.AddColumn(#”Removed Columns”, “New Rank”, each ([Weather] + [Health care quality] + [Crime] + [Tax] + [Culture] + [Senior] + [#”Well-being”]) / 7)

سپس با زدن دکمه Enter دیتا جایگزین می شود و Error از بین می رود.

همچنین شما می توانید با انتخاب گزینه Remove Error از نوار Ribbon و یا از منوی باز شده با کلیک راست Error ها را رفع کنید که در ایتصورت هر سطری که Error داشته باشد حذف می شود که در این مورد خاص در صورتی که به این روش عمل کنیم کل دیتا از ستون ما پاک می شود که ما نمی خواهیم این اتفاق بیفتد.

توسط zahra riyahi zahra riyahi بدون دیدگاه

چطور SSIS Package را به Web Service متصل کنیم؟

در SQL 2005, Web Service Task  در SQL Server Integration معرفی شد. این ابزار امکان اتصال به یک Web Service  و نیز امکان اجرا کردن هر یک از Web Method ها یی که ما بتوانیم به وسیله  Web Service به نمایش بگذاریم را فراهم میکند.

به عبارت دیگر ابزار Web Service به ما این امکان را می دهد که دیتای خاصی را از Web Service بخوانیم و یا دیتایی را به آن ارسال کنیم. ابزار Web Service به وسیله  فایل Web Service Definition  (WSDL) کار می کند. و سرویس, متد, و مجموعه پارامترهای هر متد را در صورت وجود به نمایش می گذارد.

نتایج خروجی در فرم XML ارائه می شود.

1

اکنون مراحل کار  با Web Service Task را مرحله به مرحله پیش می رویم.

  1. در مرحله اول یک Package جدید به نام Web_Service_Task  ایجاد می کنیم.
2

۲ . سپس از قسمت (Common) SSIS Toolbox ابزار Web Service را به قسمت Control Flow , Drag & Drop می کنیم.

3

۳ . Double-Clicking بر روی Web Service Task و در پنجره باز شده در مقابل HTTP Connection گزینه New Connection را انتخاب می کنیم.

4

 ۴ . پس از انتخاب گزینه New Connection به صورت خودکار پنجره HTTP Connection Manager Editor باز می شود , که لازم است در قسمت Server Setting , URL سرور مورد نظر را وارد کنیم.

5

گذشته از این ممکن است نیاز باشد که در این مرحله تنظیمات Time-Out و Chunk Size را نیز به تناسب نیاز  انجام بدهید و یا در حالت پیش فرض نگاه دارید.

همچنین در صورتی که نیاز به انجام تنظیمات Proxy Setting و مشخص کردن Proxy URL و Authentication برای اتصال به اینترنت از محیط کار خود دارید میتوانید از گزینه Use Credential استفاده کنید و یا به  Proxy رفته و تنظیمات مورد نیاز را انجام بدهید.

        ۵ . انتخاب دکمه Test Connection جهت تایید برقراری ارتباط.

6

   ۶ .  در این مرحله نیاز به انتخاب یک WSDL فایل می باشد, برای این منظور لازم است ابتدا یک فایل خالی با پسوند           WSDL ایجاد کنید.

7

        ۷ . سپس با کلیک بر روی گزینه OverWriteWSDLFile آن را بر روی گزینه True قرار می دهیم.

     ۸ . گزینه Download WSDL Button را انتخاب می کنیم که در این صورت فایل WSDL از HTTP Connection ,Download می شود.

       ۹ . در این مرحله در صورت چک کردن فایل WSDL که ایجاد کرده اید میتوانید فایل WSDL شامل چندین XML Code را مشاهده کنید که افزایش سایز آن نیز حاکی از وجود چندین کد در این فایل می باشد.

8
9
10

   ۱۰ . در قسمت Input در مقابل گزینه Service نام سرویس مربوط به WSDL را تعیین می کنیم, انتخاب Method بستگی به نیاز شما دارد, در قسمت Web Method Documentation نیز می توانید توضیحات کوتاهی را درباره متد مورد نظر مشاهده کنید.

11

     ۱۱ . سپس در قسمت Output  شما باید نوع خروجی را مشخص کنید: File Connection  و یا Variable

در مقابل گزینه Output ,New Connection را انتخاب می کنیم, سپس در پنجره File Connection Manager Editor Usage Type  و نام فایل مورد نظر را انتخاب می کنیم. من در این قسمت گزینه Create File را انتخاب کرده و در قسمت Browse مسیر فایل SWDL را تعیین می کنم و نام Output.XML را بر روی فایل قرار می دهم. در صورتی که از قبل میدانیم نتایج WSDLفایل در XML ذخیره می شود از ابتدا یک فایل XML ایجاد کرده و نام فایل را Out.XML قرار می دهیم.

12

     این تمام آن چیزیست که برای پیکره بندی Web Service Task نیاز دارید.

حال با اجرا کردن Package  ایجاد شده در مدت چند ثانیه دیتا از اینترنت انتقال پیدا خواهد کرد.(این سرعت پاسخگویی به سرعت اینترنت و قدرت پاسخگویی Website مربوطه بستگی فراوان دارد.)

13
توسط zahra riyahi zahra riyahi بدون دیدگاه

کاربرد هوش تجاری (BI) در تحلیل تکنیکال صنعت داروسازی

امروزه همانطور که می دانیم در صنعت دارو مدیران بازاریابی و فروش با حجم انبوهی از داده‏ های فروش ، به داروخانه‏ های مشتری خود روبه رو هستند. در زمینه داروسازی ، ارزش تجزیه و تحلیل داده های مدرن زیاد است و این هم برای تولید کنندگان قرارداد و هم برای تولید کنندگان محصولات صادق است. با این وجود ، هرچه درک شما از رقابت دقیق تر باشد و نسبت به تغییر مقررات انعطاف پذیر تر باشید ، فروش محصول شما سود بیشتری خواهد داشت.

یکی از روش‎هایی که به آنان در کنترل وضعیت بازار، رقابت با سایر رقبا، برنامه ‏ریزی هر چه بهتر برای افزایش فروش محصولات خود و در نتیجه هدفمند‌کردن فعالیت‎های بازاریابی کمک خواهد کرد ,آگاهی از بخش‏بندی‏ های مختلف مشتریان و سیاست‏ گذاری بازاریابی و فروش بر‌مبنای آن خواهد بود، همچنین شرکت های داروسازی باید بهترین ابزارهای موجود را برای افزایش درآمد ، کاهش هزینه ها ، کارآمدتر کار ، بهبود آگاهی از برند بازاریابی و وفاداری مصرف کننده در کنار سازگاری با تغییر مقررات و انطباق ها  شناسایی کنند، برای پیروزی در رقابت ها ، شرکت های داروسازی موظف هستند که داده های خود را که در چندین منبع داده ذخیره شده اند و با تجزیه و تحلیل درست  این اطلاعات تصمیم گیری دقیق را انجام دهند. این جایی است که هوش تجاری می تواند به شرکتهای داروسازی و بیوتکنولوژی کمک کند تا بینش غنی تری نسبت به تجارت خود داشته باشند .همچنین می تواند داروهای مقرون به صرفه و با دوام را شناسایی کند.

داروسازی

در زیر به چند مورد از تاثیرات  هوش تجاری بر عملکرد بازاریابی شرکت های داروسازی اشاره می شود:

  1. تعیین گرایش های تجاری سازمان که موجب می شود تا سازمان بدون اتلاف وقت ، هزینه و انرژی در سایر سیرها بر اهداف خود متمرکز شود.
  2. تحلیل عمیق بازار و پیش بینی آن که می تواند قبل از اینکه رقبا سهم بازار خود را توسعه دهند، منافع جدید بوجود آمده در بازار را به اکتساب خود درآورند.
  3. بالابردن سطح رضایتمندی مشتریان و شناسایی مشتریان دائمی که وفا دارند.
  4. تقسیم بندی مشتریان و ایجاد تنوع در روش برخورد با هرگروه از مشتریان.
  5. افزایش کارایی سازمان در امور داخلی .
  6. استانداردسازی و ایجاد سازگاری بین ساختارهای سازمان.
  7. تسهیل در تصمیم گیری که جزء اهداف اساسی هوش تجاری محسوب میشود.
توسط zahra riyahi zahra riyahi بدون دیدگاه

کاربرد هوش تجاری(BI) در تحلیل تکنیکال ارزهای دیجیتال

این روزها شاهد رشد علاقمندی افراد و شرکتها به سرمایه گذاری در زمینه ارزهای دیجیتال هستیم .حتما قبول دارید که برای سرمایه گذاری با کمترین میزان ریسک نیاز هست که در خصوص نحوه عملکرد و تحلیل سود زیان حوزه مربوطه بتوانیم به صورت تخصصی تحلیل نماییم.یقینا یکی از فناوریهای جدیدی که می تواند به تحلیل خیلی از حوزه های سرمایه گذاری کمک کند مانند سرمایه گذاری در خصوص ارزهای دیجتال می تواند کاربری هوش تجاری یا همان هوشمندی کسب و کار باشد.
شاید مجموع دلایل بیان شده در ادامه بتواند چرایی سرمایه گذاری در ارز دیجیتال و خصوصا استفاده از هوش تجاری یا Business intelligence را در خصوص تحلیل تکنیال آن توجیه نماید.
این مزایا عبارتند از :
   

  • مالیات ناچیز برای هر یک معامله
  • خطرسرقت این ارز کمتر نسبت به ارزهای فیزیکی
  • امنیت بالا
  • امکان سرمایه گذاری آسان بدون داشتن دانش فنی خاص (در صورتی که بتوانیم با بکارگیری ابزارهایی این کسب وکار را راحت تحلیل کنیم.)
  • فضای خصوصی استفاده از این ارزها
  • امکان معامله در سراسر دنیا بدون محدودیت کنونی

گهگاهی پر رنگ شدن بعضی از معایب ارزهای دیجیتال مثل نوسان قیمت ، پرداخت غیرقابل برگشت ، ایمن نبدن صد در صدی بعضی از الگوریتهای ارزهای دیجیتال و مشکلات حقوقی و مالی که ممکن است در این نوع از سرمایه گذاری ایجاد شد، بازار این ارزها را دچار نوسان شدید و تنزل قیمت میکند.
این نقطه همان محلی است که هوش تجاری می تواند به کمک سرمایه گذار بیاید و با تحلیل های پیشگویانه(Technical Forecasting ) سرمایه او را نجات داده و در نقطه مناسب دیگری کمک به خرید مناسب نماید.
سیستم (Intelligence Business (BIراه حلی است که به یک شرکت کمک می کند تا اطلاعات مربوط به حوزه سرمایه گذاری خود را نظیر ارزهای دیجیتال جمع آوری کرده و روی آن پردازش، تحلیل، درنهایت هم بصری سازی وپیشبینی انجام شود. مراحل BI به یک کاربر ، مالک یا کارگزار ارز دیجیتال نظیر بیت کویت یا اتریوم و هر نوع ارز دیگر کمک می کند بهترین تصمیم ممکن برای به حداکثر رساندن سود و امنیت مالی خود بگیرد.

ارز دیجیتال

حالا چه اقداماتی در زمینه بکارگیری هوش تجاری در خصوص ارزهای دیجیتال می بایست انجام داد؟

بعضی از این  کارها دراین تحلیل می تواند به شرح ذیل باشد:

بکارگیری معیارهای گزارش دهی مناسب، نمایش داده با ابزارهای بصری سازی مثل Power BI، تجزیه و تحلیل عملیاتی و نظارت، مطالعات کمی ، داده کاوی ، مدل سازی داده ها، تجزیه و تحلیل داده های بزرگ ، آزمایش چند متغیره و بسیاری دیگر.

مراحل عملیاتی استفاده از هوش تجاری در سرمایه گذاری در صنعت ارزهای دیجیتالی عبارت خواهد بود از :

  • جمع آوری الزامات گزارش دهی – این گامی است که طی آن با ذینفع صحبت می کنیم و مشخص کنید که نیازهای وی برای اطمینان از ساختار اطلاعات چیست.
  • تقسیم الزامات به حوزه های تجاری – این مرحله ای است که در آن تصمیم گرفته می شود که چگونه اطلاعات جمع آوری شوند و از چه منابعی و برای کدام تجارت مناطق.
  • الزامات اولویت ها – این بخش از مرحله محدودیت های اطلاعاتی را تعیین کرده و باعث می شود خط زمانی بهتری برای روند کار داشته باشد.
  • جمع آوری و اعتبارسنجی داده ها – در این مرحله داده ها را جمع آوری می کنیم و سپس تعیین می کنیم که آیا اطلاعات جمع آوری شده از کفایت کمی و کیفی برخوردار است. اگر اطلاعات به این صورت نباشد باید به مرحله اولویت بندی برگردند.
  • تجزیه و تحلیل – این مرحله ای است که در آن می توانیم اطلاعات را جمع کنیم و گزارش نهایی را تهیه کنیم که به مشتری تحویل داده می شود. این گزارش شامل کلیه اطلاعات مربوطه می باشد.