دوره محاسبات پیشرفته در Tableau برای تحلیل داده‌های کسب‌وکار همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره محاسبات پیشرفته در Tableau برای تحلیل داده‌های کسب‌وکار

موضوع کلی: تحلیل و بصری‌سازی داده‌ها

موضوع میانی: ابزارهای هوش تجاری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده در کسب‌وکار
• 2. مبانی بصری‌سازی داده‌ها
• 3. آشنایی با Tableau Desktop
• 4. اتصال به منابع داده متنوع
• 5. مقدمه‌ای بر محاسبات در Tableau
• 6. توابع محاسباتی پایه (SUM, AVG, MIN, MAX)
• 7. توابع رشته‌ای (LEFT, RIGHT, MID, CONCATENATE)
• 8. توابع تاریخ (YEAR, MONTH, DAY, DATEPART)
• 9. توابع منطقی (IF, CASE)
• 10. توابع عددی (ROUND, CEILING, FLOOR)
• 11. توابع آماری (STDEV, VARIANCE, MEDIAN)
• 12. مقدمه‌ای بر محاسبات جدول (Table Calculations)
• 13. محاسبات جدول: Running Total
• 14. محاسبات جدول: Percent of Total
• 15. محاسبات جدول: Difference From
• 16. محاسبات جدول: Rank
• 17. محاسبات جدول: Moving Average
• 18. محاسبات جدول: Lag و Lead
• 19. مقدمه‌ای بر توابع LOD (Level of Detail)
• 20. توابع FIXED LOD
• 21. توابع INCLUDE LOD
• 22. توابع EXCLUDE LOD
• 23. کاربرد توابع LOD در حل مسائل پیچیده
• 24. مقایسه توابع LOD با محاسبات جدول
• 25. مقدمه‌ای بر پارامترها در Tableau
• 26. ایجاد و مدیریت پارامترها
• 27. استفاده از پارامترها برای فیلترینگ پویا
• 28. استفاده از پارامترها برای محاسبات شرطی
• 29. پارامترهای عددی و رشته‌ای
• 30. پارامترهای تاریخ
• 31. پارامترهای لیست مقادیر
• 32. مقدمه‌ای بر مجموعه‌ها (Sets) در Tableau
• 33. ایجاد و مدیریت مجموعه‌ها
• 34. استفاده از مجموعه‌ها برای گروه‌بندی و تحلیل
• 35. مجموعه‌های پویا
• 36. مجموعه‌های ترکیبی
• 37. کاربرد مجموعه‌ها در محاسبات
• 38. مقدمه‌ای بر پارتیشن‌بندی (Partitioning) و مرتب‌سازی (Addressing) در محاسبات جدول
• 39. تنظیمات Addressing و Partitioning
• 40. تأثیر Addressing و Partitioning بر نتایج
• 41. کاربرد پیشرفته Addressing و Partitioning
• 42. مقدمه‌ای بر توابع سفارشی (Custom SQL)
• 43. نوشتن کوئری‌های سفارشی در Tableau
• 44. کاربرد کوئری‌های سفارشی برای آماده‌سازی داده
• 45. ملاحظات امنیتی در کوئری‌های سفارشی
• 46. مقدمه‌ای بر بهینه‌سازی عملکرد در Tableau
• 47. شناسایی گلوگاه‌های عملکرد
• 48. تکنیک‌های بهینه‌سازی اتصال به داده
• 49. تکنیک‌های بهینه‌سازی محاسبات
• 50. تکنیک‌های بهینه‌سازی بصری‌سازی
• 51. استفاده از شاخص‌های عملکرد (Performance Recorder)
• 52. مقدمه‌ای بر داشبوردهای تعاملی
• 53. ایجاد اکشن‌های فیلتر (Filter Actions)
• 54. ایجاد اکشن‌های هایلایت (Highlight Actions)
• 55. ایجاد اکشن‌های URL
• 56. ایجاد اکشن‌های Go to Sheet
• 57. اکشن‌های پارامتر
• 58. اکشن‌های مجموعه‌ها
• 59. مقدمه‌ای بر ابزارهای تحلیل پیشرفته
• 60. تحلیل روند (Trend Lines)
• 61. پیش‌بینی (Forecasting)
• 62. خوشه‌بندی (Clustering)
• 63. تحلیل ارقام (Distribution Analysis)
• 64. تحلیل پراکندگی (Scatter Plot Analysis)
• 65. مقدمه‌ای بر طراحی گزارش‌های کسب‌وکار
• 66. اصول طراحی داشبوردهای مؤثر
• 67. انتخاب نمودارهای مناسب برای سناریوهای مختلف
• 68. تکنیک‌های روایت‌گری با داده (Data Storytelling)
• 69. استانداردهای بصری‌سازی داده در سازمان
• 70. ملاحظات مربوط به امنیت داده‌ها در Tableau
• 71. مدیریت مجوزها و دسترسی‌ها
• 72. قوانین و مقررات مرتبط با داده‌ها در ایران
• 73. اخلاق حرفه‌ای در تحلیل داده
• 74. بصری‌سازی داده‌ها برای تصمیم‌گیری استراتژیک
• 75. کاربرد Tableau در تحلیل فروش و بازاریابی
• 76. کاربرد Tableau در تحلیل مالی
• 77. کاربرد Tableau در تحلیل عملیات
• 78. کاربرد Tableau در تحلیل منابع انسانی
• 79. کاربرد Tableau در تحلیل ریسک
• 80. مقدمه‌ای بر اکوسیستم Tableau (Tableau Server, Tableau Online)
• 81. استقرار و مدیریت Tableau Server
• 82. امنیت در Tableau Server
• 83. قابلیت‌های Tableau Online
• 84. مقدمه‌ای بر اتوماسیون گزارش‌دهی
• 85. برنامه‌ریزی انتشار گزارش‌ها
• 86. استفاده از APIهای Tableau
• 87. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین در تحلیل داده
• 88. ادغام مدل‌های ML با Tableau
• 89. تفسیر نتایج مدل‌های ML در Tableau
• 90. آینده تحلیل داده و هوش تجاری
• 91. نکات پایانی و جمع‌بندی