هوش تجاری

راهنمای انتخاب ابزار مناسب بین پاور بی آی و اکسل

اکسل از بین نمی‌رود، اما از جمع آوری ابزارهای اضافی جلوگیری می‌کند. در عوض هوش تجاری نسخه دسکتاپ به مرکز تجزیه و تحلیل سلف سرویس تبدیل خواهد شد.

در سال‌های اخیر، برخی از مهمترین پیشرفت‌های اکسل مایکروسافت، فقط بخشی از نرم افزار آشنا به صفحه گسترده نبوده است. در عوض، ابزارهای تجزیه و تحلیل و تجسم بصری که اکسل را به یک پلتفرم فوقالعاده هوش تجاری (BI) تبدیل می‌کند به عنوان افزونه وارد بازار می‌شوند، که فقط در صورت نصب مجوز Office ProPlus (یا Office 365 E3) در دسترس هستند، و که در تب‌های در نوار اکسل وجود دارند، اما برنامه‌های جداگانه را راه‌اندازی می‌کنند. فرمول‌های اکسل و جداول محوری ممکن است محبوب‌ترین زبان برنامه‌نویسی در جهان باشد و این ابزارهای جدید – Power Query ، Power Pivot ، Power Map و Power View – حتی از قدرت بیشتری برخوردار هستند و می‌توانید به آنها متصل شوید و هر داده‌ای را پاک و یا تکثیر کنید و تغییر شکل دهید. میلیون‌ها ردیف داده را کاوش و فیلتر کنید. شاخص کلیدی عملکرد (KPI‌) مختلف بسازید و تجسم بصری ایجاد کنید.

حتی اگر از اکسل برای ساختن مدل داده‌ای که می‌خواهید تجزیه و تحلیل کنید استفاده می‌کنید، ابزاری که با آن تحلیل می‌کنید بخشی از رابط  اکسل نیست. حتی بدتر، همه آنها رابط‌های خاص خود را در پنجره‌های جداگانه دارند، که تقریباً شبیه هستند، اما کاملاً شبیه اکسل نیستند. در پایان می‌توانید به داده‌ها متصل شوید و آنها را در Power Query پاک کنید، آنها را در Power Pivot تجزیه و تحلیل کنید و سپس آنها را در Power Map و Power View بصورت سه یا چهار مرحله جدا تجسم کنید. این ابزارها قدرتمند همچنین به معنی پیچیده، بسیار پیچیده در مقایسه با راه حل‌های تجزیه و تحلیل سلف سرویس مانند Tableau است. برخی از موارد نسبتاً ساده (مانند ترسیم خطوط روی نقشه) با ابزارهای اکسل پیچیده می‌شوند. و هنگامی‌که از حداکثر چهار ابزار مختلف اکسل استفاده کردید، برای به اشتراک گذاشتن آنچه به دست می‌آید با سایر کاربران به ترکیبی پیچیده از SharePoint ، Silverlight ، Excel و HTML5 نیاز دارد.

آن را با سرویس  پاور بی آی (Power BI) مایکروسافت مقایسه کنید، که هم قدرتمند است و هم استفاده از آن آسان است، با ویژگی‌های جدیدی که هر هفته به آن اضافه می‌شود، و به این صورت ابزارهای پیچیده اکسل کاربرد کمتری خواهند داشت. به همین دلیل Power BI، سرویس ابری، دارای یک برنامه همراه دسکتاپ است، Power BI نسخه دسکتاپ (اخیرا به Power BI Designer تغییر نام داده است)، که از ابزارهای اضافی پیچیده اکسل استفاده نمی‌کند.

برای آشنایی بیشتر با ابزار پاور بی آی پیشنهاد می‌کنیم مقاله “راهنمای کامل پاور بی آی” را مطالعه کنید.

تجسم آینده تجزیه و تحلیل

“تحلیلگران کسب و کار خواستار قابلیت هوش تجاری سلف سرویس هستند که به آنها امکان می‌دهد دیگر مجبور به ایستادن برای انجام کار خود در صف نباشند و به شخص دیگری را برای انجام اقدامات در Cognos یا Analysis Services نیاز نداشته باشند. جیمز فیلیپس، مدیر کل تجارب داده در مایکروسافت می‌گوید، “من چیزی می‌خواهم که اجازه دهد کارم را بدون اینکه متخصص هوش تجاری باشم، انجام دهم.”

فیلیپس بر انتقال “پاور بی آی” از شیرپوینت به سرویسی که انتظار دارد یک میلیارد کاربر داشته باشد نظارت کرده است. این سرویس فقط در جولای ۲۰۱۵ از پیش نمایش خارج شد و قبل از آن توسط ۵۰۰۰۰۰ کاربر در ۴۵۰۰۰ سازمان در ۱۸۵ کشور مورد استفاده قرار می‌گرفت (البته اکنون فقط در ۱۴۵ کشور به طور رسمی‌ در دسترس است).

اکسل برای مدت طولانی یک سرویس اطلاعاتی کسب ‌و کار بوده است و کاربران را مستقیماً در رقابت با ابزارهایی مانند Tableau از دست نداده است، زیرا فیلیپس ادعا می‌کند، همه کاربران Tableau هنوز هم از اکسل استفاده می‌کنند. “آنها جایگزین یکدیگر نیستند. من هرگز با یک تحلیلگر کسب و کار آشنا نشده‌ام که از اکسل استفاده نکند.” اما آنها به ابزارهای دیگر نیز روی آورده‌اند، زیرا آنها می‌خواهند از داده‌های خود ارزش متفاوتی را نسبت به آنچه در اکسل دارند، بدست آورند.

مایکروسافت به جای تلاش برای قرار دادن این گزینه‌ها در اکسل، یا ترکیب آنها در کنار آن، اکنون از مجموعه گسترده‌تری از ابزارهای تجزیه و تحلیل، از سرویس “پاور بی آی”، تا خرید شرکت Revolution Analytics و سرمایه‌گذاری در زبان R، پشتیبانی می‌کند و به روشی ابزارهای اکسل به خود برنامه تبدیل شده‌اند.

فیلیپس می‌گوید: شما به چیز دیگری احتیاج ندارید، ما عملکرد خوب اکسل را حفظ می‌کنیم. اکسل تجزیه و تحلیل موقت قدرتمندی ارائه می‌دهد. برای تجزیه و تحلیل هر نوع داده عالی است. یک محیط برنامه‌نویسی موثر برای داده است. واقعاً زیباست! اما طراح تعاملی، جایی که می‌توانید ببرید و برای گزارشات خود تجسم کنید، “پاور بی آی” دسکتاپ است. ” مانند سایر بخش‌های “پاور بی آی”، این یک برنامه سریع است. فیلیپس می‌گوید: “ما هر ماه در حال انتقال هستیم.” من انتظار دارم سرعت نوآوری شتاب بگیرد. ما برای رسیدن به هدف خود در یک مسیر سریع هستیم.

در ماه آگوست، به عنوان مثال “پاور بی آی” دسکتاپ گزینه‌ای برای وارد کردن پرسش‌های Power Query، مدل‌های Power Pivot و صفحات Power View ارائه داد و گزینه‌های بیشتری برای ورود و حذف از اکسل در آینده وجود خواهد داشت (شما می‌توانید داده‌ها را از طیف گسترده‌ی پایگاه داده، قالب فایل و خدمات Azure، دریافت کنید که اکنون شامل پایگاه داده HDInsight Spark و Azure SQL  است). این موارد علاوه بر تمام روش‌هایی است که می‌توانید داده‌ها را به خود سرویس “پاور بی آی” انتقال دهید، که می‌تواند هم به سرویس‌های ابری و هم به داده‌های داخلی متصل شود (در نتیجه برای تجزیه و تحلیل مجبور نیستید به فضای ابری مراجعه کنید). نسخه رایگان “پاور بی آی” با سرویس‌های ابری کار می‌کند و فضای ذخیره محدودی را برای شما فراهم می‌کند. نسخه اشتراکی آن اتصال به داده‌های خود و همچنین فضای ذخیره‌سازی بیشتری را فراهم می‌کند.

این ترکیب همان چیزی است که باعث جذابیت “پاور بی آی” می‌شود. در حال حاضر می‌تواند داده‌ها را از طیف گسترده‌ای از سرویس‌های ابری، از جمله MailChimp ، Zendesk ، Salesforce ، QuickBooks ، Twilio ، GitHub ، Uservoice و حتی Google Analytics دریافت کند. Sage و Adobe Analytics به زودی ارائه می‌شوند و لیست طولانی از سایر سرویس‌ها نیز در راه است. فیلیپس می‌گوید: “ما به نظمی ‌دست یافتیم که هر هفته حداقل یک بسته محتوا منتشر می‌کنیم. اگر هفته‌ای فقط یک محتوا منتشر کنیم، با تعهداتی که در حال حاضر داریم، می‌توانیم یک سال دیگر بسته محتوای هفتگی را حفظ کنیم. ” سازمان‌ها می‌توانند بسته‌های محتوایی خود را برای دریافت داده‌ها از سیستم‌های موجود و خدمات ابری مورد استفاده خود ایجاد کنند. آنچه بسته‌های محتوا انجام می‌دهند این است که به “پاور بی آی” مدل داده سرویس‌هایی را که از آنها داده می‌گیرند، ارائه می‌دهد و بنابراین می‌تواند به طور خودکار داشبورد و نمودار برای نمایش مفید داده ایجاد کنند و بنابراین می‌توانید از ویژگی سوال و پاسخ زبان طبیعی استفاده کنید. این به شما امکان می‌دهد سوالی مانند “بهترین محصولات فروش در هر منطقه در بهار کدام است” را تایپ کنید و بدون تایپ حتی یک خط کد، نقشه‌ای که داده مورد نظر را نشان می‌دهد، دریافت کنید.

پاور بی آی دسکتاپ زمانی به کار می‌رود که قصد داشته باشید از تجسم‌های داخلی فراتر بروید، و چشم‌انداز مایکروسافت این است که چیزی بیش از اکسل باشد.

جمع بندی

فیلیپس امیدوار است که به روزرسانی‌های منظم مایکروسافت در پاور بی آی دسکتاپ تنها راه دستیابی به ویژگی‌های بیشتر نباشد. مایکروسافت نرم افزار دسکتاپ و هم مجموعه تجسم را منتشر کرده است که به عنوان منبع باز در GitHub از آن پشتیبانی می‌کند. او می‌گوید: “این همه مجموعه تجسم “پاور بی آی” و تصاویر بومی ‌است. به زودی قصد داریم توانایی ایجاد تجسم سفارشی را ارائه دهیم. با تجسم دیوانه می‌شوید. مردم در مورد فروشندگانی که تجسم‌های فکری زیادی دارند صحبت می‌کنند. ما این ایده را که ارائه دهنده BI به شما بگوید چگونه از تجسم فکری استفاده کنید، کاملا از بین خواهیم برد.

مایکروسافت امیدوار است که سایر سرویس‌های تجزیه و تحلیل داده،  Power BI دسکتاپ را انتخاب کنند. فیلیپس تا حدی قابلیت همکاری بین سرویس‌های مختلف را به کاربران ارائه می‌دهد و همچنین این به معنای توسعه‌دهندگان بیشتری است که در زمینه بهبود نرم افزار کار می‌کنند. فیلیپس ادعا می‌کند: “مسلح کردن یک تحلیلگر کسب و کار با گزارش‌های تصویری نباید خیلی گران باشد. شروع مدل‌سازی داده‌ها و تجسم آنها باید رایگان باشد.”


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