هوش تجاری

آموزش توابع زبان DAX در هوش تجاری با پاور بی آی (Power BI)

‏DAX در Power BI مخفف عبارت Data Analysis Expression یا تحلیل داده در هوش تجاری است؛ مانند عبارات یا فرمول هایی که برای تجزیه و تحلیل داده ها و محاسبات استفاده می شوند. این عبارات مجموعه و ترکیبی از توابع، اپراتورها هستند که به عنوان یک فرمول برای به دست آوردن نتایج (ارزش یا مقادیر) ارزیابی می‌شوند. فرمول DAX در ابزارهای BI مانند Power BI بسیار مفید است زیرا به تحلیلگران داده کمک می کند تا از مجموعه داده های خود در حد توان استفاده کنند. با کمک زبان DAX، تحلیلگران می توانند روش های جدیدی را برای محاسبه مقادیر داده ای که در اختیار دارند کشف کنند و به بینش تازه ای دست یابند. به نکات کلیدی در مورد DAX نگاهی بیندازید که به شما در درک بهتر این مفهوم کمک می کند.

قبل از ادامه مطلب پیشنهاد می‌کنیم ابتدا مطلب زیر را بخوانید:

آموزش توابع زبان DAX

  • ‏ DAX یک زبان کاربردی است یعنی کد کامل آن همیشه کاربردی است. یک عبارت DAX قابل اجرا ممکن است حاوی عبارات مشروط، توابع تو در تو، منابع مقداری و موارد دیگر باشد.
  •  فرمول DAX دو نوع داده اصلی اعم از عددی و غیر عددی یا موارد دیگر دارد. نوع داده عددی شامل اعداد صحیح، اعشار، ارز و غیره است در حالی که نوع غیر عددی شامل رشته ها و اعداد باینری است.
  •  عبارات DAX از عملکرد درونی که در آخر به بیرونی ترین حالت منجر می شود، ارزیابی می شود. این امر باعث می شود فرمول DAX اهمیت یابد.
    می توانید از مقادیر انواع داده مختلط به عنوان ورودی در فرمول DAX استفاده کنید که به طور خودکار در حین اجرای فرمول تبدیل می شوند. مقادیر خروجی به نوع داده ای که برای فرمول DAX آموزش داده اید تبدیل می شوند.

تعریف DAX در هوش تجاری با پاور بی آی (Power BI)

طبیعی است که فکر کنید چرا DAX برای یادگیری کارآمد در Power BI بسیار مهم است. خوب، همانطور که در آموزش های قبلی مشاهده کردیم، تهیه گزارش با استفاده از ویژگی های ورود داده ها، تبدیل و تجسم در Power BI یک تجربه روان است. یک کاربر برای ایجاد یک گزارش مناسب با تمام داده های موجود، باید دانش پایه ای در مورد Power BI نسخه دسکتاپ داشته باشد. اما، اگر می خواهید در گزارشات Power BI خود از محاسبات پیشرفته استفاده کنید، به DAX احتیاج دارید. برای مثال شما می خواهید برای تجزیه و تحلیل درصد رشد در ایالات مختلف یک کشور نموداری بسازید یا نیاز به مقایسه رشد/ فروش سالانه دارید. قسمت های داده ای که شما در یک جدول داده وارد می کنید معمولاً برای استفاده در چنین مواردی کافی نیستند. برای این کار، شما باید با استفاده از زبان DAX اقدامات جدیدی انجام دهید. در این روش می توانید اقدامات جدیدی انجام دهید، از آنها برای ایجاد نمودار های منحصر به فرد استفاده کنید و بینش بی نظیری از داده ها به دست آورید. با چنین بینش منحصر به فردی از داده ها، می توانید به راه حل های مناسبی برای مشکلات تجاری که ممکن است با روش معمول تجزیه و تحلیل از دست بدهید، مجهز شوید. بنابراین، DAX تجزیه و تحلیل داده ها را با استفاده از Power BI، به یک رویکرد هوشمندانه  تبدیل می کند.

همچنین بخوانید:


فرمول‌های DAX

اولین و اساسی ترین گام برای یادگیری هر زبانی، تجزیه آن به عناصر قطعی و درک عناصر آن است. به همین دلیل است که سینتکس یک زبان را مطالعه می کنیم. در ادامه مثالی از فرمول DAX آورده شده است. 

ما این فرمول و عناصر سینتکس آن را با کمک این مثال متوجه می شویم. و هر عنصر سینتکس که در تصویر در نقاط زیر نشان داده شده است را توضیح داده ایم:
‏A: این نام مقادیر(measure) جدید (فروش پیش بینی شده ۲۰۱۹) است.
‏B: این علامت برابر (=) است که عملیاتی است که شروع فرمول DAX را نشان می دهد و دو طرف را برابر می کند.
‏C: این تابع DAX است که برای افزودن مقادیر یک قسمت معین (کل فروش ۲۰۱۸) از یک جدول (فروش) استفاده می شود. عملکرد مورد استفاده در اینجا SUM است.
‏D: پرانتز () برای محصور کردن و تعریف استدلال ها در یک عبارت استفاده می شود. هر عملکرد باید حداقل یک استدلال داشته باشد.
‏E: این نام جدولی است که از آن یک فیلد یا ستون در فرمول (فروش) گرفته می شود.
‏F: این نام فیلدی است که فرمول از مقادیر آن استفاده خواهد کرد. به عنوان مثال، عملکرد SUM خود را روی مقادیر ستون یا قسمت [فروش کل ۲۰۱۸] جدول فروش اعمال می کند.
‏G: این مورد دیگری است که برای ضرب مورد استفاده قرار می گیرد. اگرچه، عناصر سینتکس از A تا F ترکیب اصلی DAX را تشکیل می دهند.
بنابراین، به عبارت ساده تر، این فرمول DAX به سیستم دستور می دهد محصول حاصل از مقادیر را در کل فروش ۲۰۱۸ و ۱.۰۸ (۸٪ افزایش) محاسبه کرده و مقدار آن را در یک فیلد یا ستون جدید که به عنوان پیش بینی فروش ۲۰۱۹ محاسبه می شود، ذخیره کند.

انواع محاسبه در فرمول‌های DAX

بنابراین، ظاهرا فرمول های DAX را می توان به عنوان محاسباتی نیز نام برد که یک مقدار ورودی را محاسبه می کنند و یک مقدار نتیجه را برمی گردانند. با استفاده از DAX در Power BI می توانید دو نوع عبارت یا محاسبه ایجاد کنید. ستون های محاسبه شده و مقادیر محاسبه شده.
ستون های محاسبه شده: ستون های محاسبه شده، یک ستون جدید در جدول موجود شما ایجاد می کنند. تنها تفاوت بین یک ستون معمولی و یک ستون محاسبه شده در این است که لازم است حداقل یک عملکرد در ستون محاسبه شده باشد. اینها زمانی استفاده می شوند که می خواهید ستونی با اطلاعات فیلتر شده یا مرتب شده ایجاد کنید.
برای ایجاد یک ستون محاسبه شده:
۱. به تب Modeling در Power BI Desktop بروید.
۲. سپس گزینه New Column را انتخاب کنید. یک نوار فرمول “Column =” را نشان می دهد. می توانید کلمه “Column” را با نام ستونی که می خواهید جایگزین کنید.
۳. پس از این عبارت را برای ستون محاسبه شده در سمت راست علامت مساوی وارد کنید.
مقادیر محاسبه شده: یک مقدار (measure) محاسبه شده زمینه ای را ایجاد می کند که دارای مقادیر کل مانند جمع، نسبت، درصد، میانگین و غیره باشد.
برای ایجاد یک مقدار محاسبه شده:
۱. به تب Modeling در Power BI Desktop بروید.
۲. سپس گزینه New Measure را انتخاب کنید. نوار فرمول “Measure =” را نشان می دهد. می توانید کلمه “Measure ” را با نام مقادیر مورد نظر جایگزین کنید.
۳. پس از این عبارت را برای مقادیر محاسبه شده در سمت راست علامت مساوی وارد کنید.
۴. پس از ایجاد مقدار محاسبه شده، می توانید نام مقادیر خود را با یک نماد ماشین حساب در کنار آن، تحت عنوان جدولی که مقدار را در آن ایجاد کردید، درج کنید.
توابع DAX
تابع DAX یک فرمول از پیش تعریف شده است که محاسبات را در مقادیر ارائه شده در استدلال ها انجام می دهد. استدلال های یک تابع باید به ترتیب خاصی باشند و می توانند یک مرجع ستون، اعداد، متن، فرمول یا عملکرد دیگر یا یک ارزش منطقی مانند درست یا غلط باشند. هر تابع یک عملیات خاص را روی مقادیر محصور شده در یک استدلال انجام می دهد. می توانید بیش از یک استدلال را در فرمول DAX استفاده کنید.

نکات کلیدی در مورد آموزش توابع DAX

در اینجا چندین واقعیت منحصر به فرد در مورد توابع DAX مطرح شده است که برای درک بهتر آنها،  باید در موردشان بدانید:
_ هر عملکرد DAX همیشه به یک ستون/ فیلد کامل یا یک جدول اشاره دارد. هرگز به ارزش های فردی اشاره نمی کند. اگر می خواهید از توابع روی مقادیر جداگانه در یک ستون استفاده کنید، باید با فرمول DAX فیلتر ها را اعمال کنید.
_ توابع DAX باعث ایجاد انعطاف پذیری برای ایجاد فرمول می شود که به صورت ردیف به ردیف اعمال می شود. محاسبات یا فرمول ها طبق متن مقادیر هر سطر اعمال می شوند.
_ در بعضی موارد، توابع DAX یک جدول کامل را برمی گرداند که می تواند در فرمول های دیگر DAX که به مجموعه کاملی از مقادیر نیاز دارند، استفاده شود. با این حال، شما نمی توانید محتوای این جدول را نمایش دهید.
_ توابع DAX دسته ای دارند که به عنوان توابع اطلاعات زمان شناخته می شوند. چنین توابعی برای محاسبه محدوده زمان و تاریخ و دوره استفاده می شود.
متن DAX
مفهوم متن DAX در به دست آوردن درک کاملی از زبان DAX و نحوه عملکرد آن در Power BI ضروری است. دو نوع محتوا در DAX وجود دارد. محتوا ردیف و محتوا فیلتر.
_ محتوا ردیف: محتوا ردیف به معنی در نظر گرفتن یک ردیف خاص است که در یک عبارت DAX اعمال شده است. محتوا ردیف بر عملکرد فرمول در ردیف فعلی تمرکز دارد. این نوع محتوا اغلب در ردیف های اندازه گیری اعمال می شود.
_ محتوا فیلتر: محتوا فیلتر در سطح بیشتری روی مقادیر تمرکز می کند. در محتوا ردیف، ما در حال فیلتر کردن بودیم و عملیات را در سطرهای خاص اعمال می کردیم. اما در محتوا فیلتر، این عبارت از فیلتر برای تمرکز روی مقادیر خاص در یک ردیف استفاده می کند.
بنابراین، از محتوا فیلتر علاوه بر محتوا ردیف برای محدود کردن دامنه محاسبه به مقادیر خاص استفاده می شود. وقتی از توابعی محاسبه، فیلتر، همه، و موارد مرتبط، و غیره استفاده می کنیم، از محتوا فیلتر استفاده می شود.

ایجاد یک فرمول مقیاس اندازه گیری با استفاده از DAX

مرحله ۱: برای ایجاد یک مقدار با استفاده از فرمول DAX، برنامه Power BI نسخه دسکتاپ خود را باز کنید. در Power BI نسخه دسکتاپ می توانید از دو طریق یک مقدار جدید ایجاد کنید. یک: با کلیک راست بر روی نام جدولی که می خواهید قسمت اندازه گیری را اضافه کنید و New measure را انتخاب کنید. 

دو: می توانید به تب Modeling رفته و بر روی گزینه New measure کلیک کنید.  

مرحله ۲: در تولبار فرمول، با وارد کردن نام مقدار جدید خود کار را شروع کنید. در سناریوی فرض شده، ما از نام پروژه فروش ۲۰۱۹ استفاده می کنیم. 

مرحله ۳: در مرحله بعد، نام تابعی را که می خواهید استفاده کنید وارد کنید. شروع به تایپ نام تابع کنید و بعد پیشنهاداتی در لیست ظاهر می شوند. بخش کوچکی توضیحی از تابعی را که انتخاب کردید نشان می دهد. به تصویر زیر توجه کنید که تابع SUM را انتخاب کرده ایم.

مرحله ۴: سپس پرانتز “()” قرار داده و نام جدول یا ستون مورد نظر خود را بنویسید. 

مرحله ۵: همچنین می توانید ستونی را در آن جدول مشخص کنید. این تابع روی مقادیر داخل ستون انتخاب شده اعمال می شود. پرانتز را ببندید.

مرحله ۶: علاوه بر این، می توانید برای افزایش پیچیدگی فرمول، عملگر های بیشتر و توابع دیگری اضافه کنید. 

فرمول DAX که ما ایجاد کردیم، یک معیار جدید به نام “ProjectedSales2019” ایجاد می کند.

ProjectedSales2019 = SUM(Sales[TotalSales2018])* 1.08

در اینجا، ما مجموع فروش های سال گذشته (۲۰۱۸) را ۱.۰۸ ضرب کرده ایم زیرا انتظار می رود افزایش فروش در سال ۲۰۱۹، ۸٪  باشد. این فرمول فروش پیش بینی شده برای سال ۲۰۱۹ را به دست می دهد.
مرحله ۷: این  فرمول  را ذخیره کنید و مقدار تازه ایجاد شده شما در ستون Fields در زیر جدول فروش ظاهر می شود. هر فیلد مقداری ایجاد شده مانند این، یک آیکون ماشین حساب در کنار آن دارد.

همچنین ببینید: دوره زبان DAX در Power BI


مجموعه

هوش تجاری

این پست بخشی از مجموعه هوش تجاری در کار و کسب است. ترتیب زیر را در این حوزه پیشنهاد می‌کنیم.

  1. به روز رسانی حاکمیت داده در سازمان: از کجا شروع کنیم
  2. کارشناس پایگاه داده کیست و چه وظایفی دارد؟
  3. بررسی تفاوت‌های میان داده، اطلاعات و دانش در یک نگاه
  4. وقتی از هوش تجاری صحبت می‌کنیم، از چه حرف می‌زنیم؟
  5. تبدیل داده به اطلاعات با هوش تجاری
  6. تجزیه و تحلیل داده (Data Analytics) چیست و چگونه انجام می‌شود؟
  7. کلان داده (Big Data) چیست؟
  8. تجزیه و تحلیل کلان داده (Big Data) چیست و چگونه انجام می‌شود؟
  9. مقایسه مفاهیم تحلیل داده، علوم داده و کلان داده (Big Data)
  10. طراحی پایگاه داده چیست و چگونه انجام می‌شود؟
  11. حاکمیت داده (Data Governance) چیست و چه اهمیتی دارد؟
  12. هوش تجاری (BI) چیست و چه تفاوتی با آنالیز تجاری (BA) دارد؟
  13. آنچه باید درباره‌ هوش تجاری بدانیم
  14. هوش تجاری (BI) چطور می‌تواند به کسب و کار شما کمک کند؟
  15. معرفی ۵ کتاب برتر درباره هوش تجاری
  16. ۷ کلید برای یک استراتژی موفقیت آمیز در زمینه هوش تجاری
  17. ۹ راه عدم موفقیت هوش تجاری
  18. تجسم داده (Data Visualization) چیست و چرا اهمیت دارد؟
  19. تمیزسازی داده (Data cleaning) به چه معناست و چه اهمیتی دارد؟
  20. ۱۰ تکنیک اساسی تجسم داده در ایجاد گزارش‌های هوش تجاری
  21. معرفی ۱۳ روش متداول تجسم داده‌ها
  22. تفاوت داشبورد و گزارش چیست؟
  23. ۱۰ اصل طراحی داشبورد هوش تجاری
  24. ۱۳ مثال عملی از تحلیل داده با هوش تجاری
  25. کاربرد هوش تجاری در صنایع مختلف
  26. معرفی نرم افزارهای مختلف هوش تجاری
  27. چگونه نرم‌افزار مناسب هوش تجاری را انتخاب کنیم؟
  28. پاور بی آی (Power BI) چیست و در هوش تجاری چه کاربردی دارد؟
  29. راهنمای کامل پاور بی آی (Power BI)
  30. ویژگی‌های نرم افزار Power BI
  31. تفاوت پاور بی آی و اکسل
  32. معرفی انواع نمودارها در نرم افزار پاور بی آی (Power BI)
  33. راهنمای کامل معماری نرم افزار پاور بی آی (Power BI)
  34. راهنمای انتخاب ابزار مناسب بین پاور بی آی و اکسل
  35. آموزش توابع زبان DAX در هوش تجاری با پاور بی آی (Power BI)
  36. معرفی نرم‌افزار Tableau، کاربردها و محصولات آن
  37. هر آنچه که لازم است درباره نرم‌افزار QlikView بدانید
  38. تفاوت زبان M و DAX در نرم افزار Power BI
  39. مقایسه ابزار Power BI و Tableau در هوش تجاری
  40. آموزش Power BI Report Server
  41. آموزش نصب و راه اندازی Power BI Report Server
  42. AIOps چیست و چه ساختاری دارد؟
  43. مسیر شغلی در هوش تجاری
  44. مهندسی داده چیست؟
  45. تحلیلگر داده (Data Analyst) کیست و چه کاری انجام می‌دهد؟
  46. تحلیل‌گر هوش تجاری کیست و چگونه می‌توان به یک تحلیل‌گر هوش تجاری تبدیل شد؟
  47. ۸ مهارت‌ مهم که هر تحلیل‌گر داده برای موفقیت به آن‌ها نیاز دارد
  48. معرفی مهم‌ترین مدارک و گواهینامه‌های مورد نیاز تحلیل‌گر داده
  49. آیا داشتن مدرک SQL ضروری است؟ معرفی انواع و اهمیت مدرک SQL
  50. مهمترین تکنیک‌های هوش تجاری
  51. پیاده سازی هوش تجاری در سازمان‌ها
  52. نقشه راه پیاده سازی موفق استراتژی هوش تجاری در سازمان
  53. معرفی ۵ کاربرد ارزشمند هوش تجاری در سازمان‌ها
  54. داده کاوی چیست و چه تکنیک‌هایی دارد؟
  55. همه‌چیز درباره علم داده و نحوه استفاده از آن
  56. معرفی معتبرترین مدارک و گواهینامه‌های علم داده
  57. معرفی برترین ابزار برای داده‌کاوی
  58. دانشمند داده کیست و چه نقشی در کسب و کار دارد؟
  59. معرفی برترین زبان‌های برنامه‌نویسی علم داده
  60. آسان ترین زبان برنامه‌نویسی برای یادگیری کدام است؟
  61. تفاوت‌های اصلی در نقش‌های مهندس داده و دانشمند داده
  62. زبان برنامه‌نویسی پایتون چیست و چرا باید آن را یاد بگیرید؟
  63. یادگیری ماشین چیست؟
  64. SSRS چیست و چه کاربردی در مدیریت داده‌ها دارد؟
  65. SSAS چیست و چه کاربردهایی دارد؟
  66. بهترین زبان‌ها برای یادگیری ماشین (Machine Learning) کدام هستند؟
  67. نقش‌ها و مسئولیت‌های کلیدی در یک تیم هوش تجاری چیست؟
  68. تفاوت زبان پایتون (Python) و R در چیست؟
  69. کاربرد KPI در داشبوردهای هوش تجاری
  70. زبان برنامه نویسی R چیست؟
  71. بررسی تفاوت‌های میان داده‌کاوی و یادگیری ماشین در علم داده
  72. مروری بر نحوه یادگیری زبان R
  73. چگونه می‌توان یک داشبورد فروش ایجاد کرد؟
  74. معرفی برترین ابزارهای علم داده
  75. پایگاه داده چیست و چه اجزایی دارد؟
  76. انبار داده چیست؟
  77. مفاهیم، معماری و اجزای انبار داده
  78. دانشمند داده چه تفاوتی با تحلیل‌گر داده دارد؟
  79. فرایند ETL در ایجاد انبار داده چیست؟
  80. مدل‌سازی داده چیست؟
  81. دریاچه داده (Data Lake) چیست و چه ساختاری دارد؟
  82. بهترین شیوه‌های طراحی پایگاه داده (Database design)
  83. نرمال‌سازی داده چیست و چگونه انجام می‌شود؟
  84. سیستم‌های پشتیبانی تصمیم‌گیری چیست و چه کاربردهایی دارد؟
  85. بازار داده (Data Mart) چیست و چه تفاوتی با انبار داده دارد؟
  86. تحلیل‌های پیش‌بینی کننده چیست و چگونه انجام می‌شود؟
  87. علم تصمیم‌گیری چیست و چگونه می‌توانیم تصمیمات داده‌محور بگیریم؟
  88. تصمیم‌گیری مبتنی بر داده چیست و چه تاثیری در موفقیت کسب و کار دارد؟
  89. کاربرد تحلیل داده در بانکداری و شرکت‌های خدمات مالی
  90. معماری اطلاعات (IA) چیست و چطور می‌توان از آن استفاده کرد؟
  91. کلان داده (Big Data) و بررسی تأثیرات آن بر تجارت الکترونیک
  92. بانکداری باز (Open Banking) چیست و چه اصولی دارد؟

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دوره آموزشی «مدیریت محصول» با مدرسانی از دیجی‌کالا و اکالا ؛ با رویکرد کاربردی و اجراییاطلاعات بیشتر و ثبت‌نام
بستن