Mister Ali

مشروع تحليل بيانات بإستخدام Microsoft Fabric ومفاهيم Medallion Architecture

noreply@blogger.com (Ali) — Thu, 24 Apr 2025 21:26:00 +0300

مشروع كامل لتحليل بيانات - بإستخدم فابرك بتطبيق مفاهيم Medallion Architecture

الهدف من التحليل

يهدف تحليل بيانات المعاملات إلى الحصول على تحليلات مهمة حول سلوك العملاء، وشعبية المنتجات، وأنماط المبيعات، وكفاءة العمليات. كما يهدف إلى تحسين إدارة المخزون، وتحسين عمليات اتخاذ القرار، وإيجاد فرص البيع.

المتطلبات:

جمع البيانات، وتنقيتها، وإعدادها

تحليل أنماط المبيعات الشهرية واليومية .

تحديد الأيام والأوقات ذات الأداء العالي.

تطوير تقارير عروض جذابة.

إنشاء لوحة معلومات تفاعلية.

مصدر البيانات

مستودع مافن انلتكس للبيانات

عدد السجلات المستخدمة هي 149,116 سجل

تم جلب البيانات من GitHub repository بواسطة Microsoft Fabric Data Factory لنقل البيانات الي الفابرك

تهيئة البيانات بإستخدام Notebook

جلب جدول Shop Sales و معالجة نوع بيانات الحقول و حفظ الجدول في Silver Lakehouse

إضافة حقل جديد لتصنف العمليات حسب قيمة الطلبية Grade Class و من ثم حفظ البيانات في Silver Lakehouse

جلب جدول Product Type من Bronze Lakehouse الي Silver Lakehouse

جلب جدول Products من Bronze Lakehouse الي Silver Lakehouse

جلب جدول Stores من Bronze Lakehouse الي Silver Lakehouse

تصميم Gold Layer في Data Warehouse و إنشاء الجداول

تصميم Semantic Model في شكل Star Schema

تصميم التقرير براسطة Microsoft Power BI

رابط اكود على GitHub

تقارير الاستكشاف في غوغل انليتكس Exploration Reports

noreply@blogger.com (Ali) — Thu, 27 Feb 2025 09:37:00 +0300

تقارير الاستكشاف

تقارير في الزمن الحقيقي Real Time

الشكل يوضح عدد المستخدمين حسب الموقع الجغرافي.

الشكل يوضح عدد ومصدر المستخدمين.

الشكل يوضح عدد المستخدمين حسب الصفحات.

الشكل يوضح عدد المستخدمين حسب الدولة و نوع الجهاز المستخدم في التصفح.

الشكل يوضح عدد المستخدمين حسب مسار التصفح في الموقع.

الشكل يوضح عدد المستخدمين حسب مسار رحلة محددة.

تقارير غوغل انلتكس لحركة الزوار Traffic Acquisition

noreply@blogger.com (Ali) — Thu, 27 Feb 2025 08:25:00 +0300

تقرير حركة الزوار إلى الموقع ومصادر الحركة

مصادر حركة الزوار إلي الموقع من مجموعة القنوات Traffic acquisition

الشكل يوضح حركة الزوار حسب المصدر.

حركة الزوار حسب مصدر الجلسة و حسب الوسط Traffic acquisition - Session source Medium

الشكل يوضح حركة الزوار حسب مصدر و وسط الجلسة.

الزيارات حسب الصفحات

كيفية إنشاء حساب غوغل انلتيكس GA4 خطوة بخطوة

noreply@blogger.com (Ali) — Wed, 26 Feb 2025 11:39:00 +0300

نحتاج لانشاء حساب حتي نتمكن من إستخدام قوغل انلتيكس الاصدار الرابع

إنشاء الحساب يتكون من مرحلتين:

الاولى هي إنشاء الحساب Account

الثانية: هي إنشاء الخاصية Property

الصورة توضح خيارات إنشاء حساب على غوغل انلتيكس.

تتكون هذه المرحلة من ثلاثة خطوات ، مرحلة إعداد الحساب و إختيار الحاصية و اسم الخاصية و المنطقة الزمنية و العملة وغيرها من الإعدادات ، المرحلة الاخيرة هي إكمال عملية التسجيل والتاكد من صحة البيانات والربط.

الصورة التالية توضح خطوات إنشاء حساب.

الصورة توضخ الخطوات التي تبدأ من أنشاء الحساب ثم إنشاء الخاصية ثم إدخال تفاصيل الخاصية ثم إدخال تفاصيل العمل وطبيعة العمل و حجم المؤسسة ثم مرحلة تعريف أهداف العمل حتي يتم وضع التفضيلات التي تخدم المؤسسة بصورة أفضل.

الصورة توضح خيارات مواصفات المؤسسة.

الصورة توضح خيارات أهداف العمل للمؤسسة.

الصورة توضح مصدر جمع البيانات.

الصورة توضح إضافة الدومين إلي حساب غوغل.

مشروع تصميم تقرير لتحليل بيانات عملاء بنك بإستخدام SQL و Power BI

noreply@blogger.com (Ali) — Wed, 6 Nov 2024 22:11:00 +0300

تحليل

DAX For Business 01

noreply@blogger.com (Ali) — Tue, 29 Oct 2024 22:42:00 +0300

الفرق بين الدوال التالية ALL , ALLSELECTED , ALLEXCEPT

تنتشر دوال الـ DAX في الوقت الحاضر، حيث أصبحت واحدة من أكثر اللغات شيوعًا وتعلمًا في مجال ذكاء الأعمال. تحتوي على تعبيرات تساعد في التحليل للحصول على معلومات مفيدة.

ALL – تسترجع كافة الصفوف في جدول أو جميع القيم في عمود، مع تجاهل أي عوامل فلترة من الفجوال او الاسلايسر قد تم تطبيقها.

ALLSELECTED - تسترجع جميع الصفوف في جدول أو جميع القيم في عمود، مع تجاهل أي عوامل فلترة قد يتم تطبيقها على الأعمدة أو الصفوف مع الاحتفاظ بجميع عوامل التصفية الصريحة الأخرى.

ALLEXCEPT - تسترجع جميع الصفوف في جدول أو جميع القيم في عمود، مع تجاهل جميع فللاتر السياق المطبقة ولكن مع مراعاة الأعمدة المحدد في الفلتر.

مشروع تحليل بيانات التجارة الإلكترونية في البرازيل بإستخدام Power BI

noreply@blogger.com (Ali) — Tue, 29 Oct 2024 17:01:00 +0300

مصدر البيانات

التقرير

مخطط العلاقات

استخدام الخريطة Shape File

إستخدام Bookmark

حسب تاريخ الشراء او الوصول

خطوة بخطوة بناء مشروع لتحليل البيانات بإستخدامPower BI

noreply@blogger.com (Ali) — Mon, 28 Oct 2024 12:08:00 +0300

مصدر البيانات

مصدر البيانات من موقع

مافن علي الرابط التاليhttps://mavenanalytics.io/data-playground?order=date_added%2Cdesc&search=pizza

إستكشاف البيانات و تنفيذ استعلامات عليها

تحتوي البيانات على 48,620 سجل

التقرير

عددالطلبات في الساعة وهل توجد ساعات زروة

متوسط عدد أصناف البيتزا في الطلب

قيمة المبيعات

الأصناف الأقل مبيعاً

عدد الجداو ل بعد النمذجة 6

إستخدام ToolTip

النمط الثالث النموذج المركب Composite Model

noreply@blogger.com (Ali) — Tue, 13 Aug 2024 22:41:00 +0300

في Power BI، يستلزم النموذج المركب توصيل بعض أجزاء النموذج عبر Direct Query بمصدر بيانات مثل قاعدة بيانات SQL Server، بينما يتم ربط الأجزاء الأخرى عبر استيراد البيانات مثل ملف Excel.

Composite Model

النموذج المركب ، الذي تم تقديمه في الإصدارات الأحدث من Power BI، بدمج وضع Import وضع DirectQuery داخل نفس النموذج. يمكن في هذا الوضع استيراد جداول أصغر لتحسين للأداء وتوصيل مصادر بيانات أكبر أو في الوقت الفعلي باستخدام DirectQuery. يعد هذا الوضع مفيدا للحالات التي تحتاج فيها إلى تحقيق التوازن بين الأداء والوصول إلى البيانات في الوقت الفعلي.

الايجابيات

- النموذج الهجين يتيح الجمع بين أوضاع الاستيراد Import والاستعلام المباشر Direct Query Connection في نموذج واحد، مما يوفر المرونة.

- قابلية التوسع وتحسين الأداء مثالي للحالات التي يمكن فيها استيراد بعض البيانات لأسباب تتعلق بالأداء مع الحفاظ على الوصول في الوقت الفعلي إلى البيانات الأخرى.

- مرونة في التعامل مع البيانات تمكن من الاستفادة من مزايا أوضاع الاتصال المختلفة لمصادر البيانات المختلفة داخل نفس التقرير.

السلبيات

التعقيد يمكن أن تكون إدارة النموذج المركب أمرا معقدا ، مما يتطلب دراسة متأنية لعلاقات البيانات وجداول التحديث وتحسين الأداء.
استخدام الموارد قد يتطلب المزيد من الموارد مقارنة بأوضاع الاتصال الأبسط، خاصة عند التعامل مع البيانات الكبيرة أو مصادر البيانات المتعددة.
تحديات حوكمة البيانات تتطلب فهم واضح لمصادر البيانات وجداول التحديث الخاصة بها للحفاظ على سلامة البيانات وتوافقها.

النمط الثاني Direct Query في Power BI

noreply@blogger.com (Ali) — Sat, 13 Jul 2024 16:20:00 +0300

باستخدام وضع Direct Query، يرسل Power BI الاستعلامات مباشرة إلى مصدر البيانات في كل مرة يتم فيها تحديث التقرير أو التفاعل معه. يعد هذا الوضع مناسب مع البيانات الكبيرة أو الحالات التي تحتاج فيها إلى الوصول إلى البيانات في الوقت الفعلي . ومع ذلك، قد يكون الأداء أبطأ مقارنة بوضع الاستيراد Import ، خاصة بالنسبة للاستعلامات المعقدة أو البيانات الكبيرة.

Direct Query Mode

DirectQuery، كنوع اتصال في Power BI، لا يتم تحميل البيانات في نموذج Power BI. يتم حفظ الميتا داتا metadata عن الجداول المستخدمة في نمط الـ DirectQuery يقوم Power BI بإنشاء اتصال مباشر بمصدر البيانات. عندما يتم عرض التقرير، يتم الحصول على البيانات مباشرة من استعلام الذي تم إرساله إلى مصدر البيانات.

ملاحظة: يمكن التحويل من Direct Query mode الى Import لكن العكس غير صحيح.

الإستخدامات

الحالات التي تتطلب تحديثات البيانات في الوقت الفعلي مثلا (تحليل حركة المرور المباشرة على موقع الويب).
الحالات التي تريد فيها توفير مساحة التخزين أثناء العمل مع البيانات الكبيرة.
تحتاج إلى التعامل مع البيانات الكبيرة دون الحاجة إلى التجميع المسبق.
وجود قيود على نشر البيانات.

على سبيل المثال، دعونا ننظر في تحليل البيانات لأحد البنوك. يريد البنك تخزين جميع بيانات العملاء والتأكد من أن هذه البيانات تظل محدثة قدر الإمكان. في هذه الحالة، قد يكون استخدام وضع Direct Query هو الخيار الأنسب. للحفاظ على تحديث البيانات، وبهذه الطريقة، يمكن للبنك مراقبة وتحليل جميع معاملات العملاء في الوقت الحقيقي.

يمكن استرجاع عدد واحد مليون سجل بيانات من استعلام واحد كحد أقصى. و عدد عشرة اتصال متزامن في نفس الوقت.

الايجابيات

الوصول إلى البيانات في الوقت الفعلي يسمح DirectQuery بالاستعلام عن البيانات مباشرة من مصدر البيانات في الوقت الفعلي، مما يعني أن البيانات محدثة.

قابلية التوسع مناسبة مع البيانات الكبيرة لأنها لا تتطلب استيراد البيانات إلى Power BI.

إدارة البيانات حيث يتم تنفيذ الاستعلامات مباشرة على مصدر البيانات.

السلبيات

يأخذ زمن أطول خاصة بالنسبة للاستعلامات المعقدة أو البيانات الكبيرة.

يوجد تقيد في نمذجة البيانات في Power BI مقارنة بنمط الاستيراد.

الأداء يعتمد على إمكانيات مصدر البيانات ، مما قد يؤثر على سرعة استجابة التقرير.

لمحللي البيانات - الاستعلام من حقول بنوع بيانات JSON لقواعد بيانات MySQL

noreply@blogger.com (Ali) — Wed, 26 Jun 2024 23:02:00 +0300

التعامل مع بيانات JSON لقواعد بيانات MySQL

من خلال الواقع العملي يحتاج محلل البيانات احيانا إلى التعامل مع اعمدة من نوع بيانات JSON في مخلتف قواعد البيانات لذلك من خلال هذا المقال احاول توفير طرق استرجاع البيانات لتكون في متناول يد محللي البيانات ودعم المحتوي العربي.

MySQL

انشاء جدول بنوع بيانات JSON في MySQL

MySQL with JSON field

إدخال سجل JSON في SQL Server

MySQL Inserted JSON Field

الاستعلام عن JSON في SQL Server

MySQL Selected JSON Field

الإتصال بإستخدام Import Mode من Power BI

noreply@blogger.com (Ali) — Thu, 20 Jun 2024 06:54:00 +0300

أنماط إتصال برنامج Power BI بمصادر البيانات

يعتبر نمط الاستيراد Import هو الأكثر إستخداما من بين كل الأنواع و يدعم Power BI مجموعة متنوعة من مصادر البيانات.
يحدد نوع الاتصال كيفية إنشاء الاتصال بمصدر البيانات.

Power BI import Mode

يمكن لمصدر بيانات واحد أن يدعم أنواع اتصال متعددة. على سبيل المثال، يمكن الاتصال بقاعدة بيانات SQL Server من خلال طريقة Import أو Direct Query. على الرغم من أنه نفس مصدر البيانات، إلا أنه يدعم أنواع مختلفة للاتصال. أي تقرير أو لوحة بيانات في الباور بي أي تعتمد على الإتصال بمصدر بيانات بإستخدام واحد من أنماط الاتصال الثلاثة.

النمط الأول Import Mode

في هذا النوع يتم استيراد البيانات من المصدر إلى Power BI Desktop أو Power BI Service. هذا النوع مناسب للبيانات الصغيرة
والمتوسطة في الحجم التي لا تتغير بشكل متكرر. يتم فيه استرجاع البيانات بسرعة حيث يتم تخزين البيانات داخل ملف Power BI أو Dataset.

يقوم هذا النوع من الاتصال باستيراد كل البيانات إلى الذاكرة. و هي ذاكرة الجهاز الذي يستضيف البيانات في Power BI. عندما تقوم
بنشر ملف Power BI على خدمة Power BI Service ، فسيكون ذاكرة هذا الجهاز في خدمة السحابة.
عند حفظ ملف Power BI وإغلاقه، ستظل هذه البيانات موجودة في ملف *.pbix. في المرة التالية التي تفتح فيها الملف، سيتم تحميل
البيانات مرة أخرى إلى مشغل الذاكرة في Analysis Services.

يتم ضغط البيانات في هذا النمط بمعدل 10 أضعاف أصغر من الحجم الأصلي للبيانات مما يعني اذا كان حجم الملف 10GB فإنه يتم
ضغطه إلي 1GB فقط . حجم الملف لايجب ان يتعدي 1GB في الترخيص pro واذا اردنا أكثر من ذلك لابد من رفع الترخيص
إلي premium الذي يسمح حتى 50GB.
يمكن التعامل مع عدد 1,999,999,997 قيم فريدة في نفس العمود و بالنسبة لعدد الأعمدة حتى 16,000 عمود ، يمكن للمستخدم الواحد إستخدام أقصى عدد 1,000 مصدر بيانات يطبق هذا التقيد في Power BI Service.

التحديث في نمط الاستيراد Import Mode

التحديث في نمط الاستيراد بترخيص برو Pro يكون بعدد أقصى ثمانية مرات باليوم و نسخة Premium Per User بعدد 48 مرة
في اليوم.

المحاسن

سرعة في الأداء يتم استيراد البيانات مباشرة إلى Power BI، مما يسمح بالتحليل و عرض البيانات بسرعة.
الوصول للبيانات بمجرد استيراد البيانات، يمكن عرض التقارير دون الاتصال بالإنترنت و دون الحاجة إلى اتصال مباشر بمصدر البيانات.
يتيح تحويل البيانات ونمذجتها على نطاق واسع داخل Power BI، مما يسمح بمرونة كبيرة في التعامل مع البيانات.
يدعم Q&A, Quick Insights

المساوئ

مشكلة تحديث البيانات قد تصبح البيانات المستوردة قديمة إذا لم يتم تحديثها بانتظام.
قيود حجم البيانات: قد يتجاوز حجم البيانات سعة ذاكرة Power BI أو إمكانيات وحدة المعالجة.
أمان البيانات توجد البيانات المستوردة ضمن Power BI، مما قد يثير مخاوف بشأن إدارة البيانات والامتثال لقواعد أمن البيانات في المؤسسة.

ما هو Data Profiling و ما أهميته فى جودة تحليل البيانات

noreply@blogger.com (Ali) — Sat, 25 May 2024 22:42:00 +0300

ما هو Data Profiling

هي عملية فحص وتحليل وإنشاء ملخصات مفيدة للبيانات.

متى نقوم بـعملية الـData Profiling

يفضل أن نقوم بمسح البيانات لمرة واحدة على الأقل قبل بناء النموذج Data Modeling حتى نفهم البيانات بصورة صحيحة و نبني نموذج جيد خالي من المشاكل.

Data Profiling

ماذا تستخدم في عملية البروفايل

يفضل إستخدام أداة حتى نسرع من العملية

تعتمد صحة البيانات تعتمد مدى جودة البيانات. وفقا لموقع تالند Talend كشفت تقييمات جودة البيانات أن حوالي 3% فقط من البيانات تلبي معايير الجودة. وهذا يعني أن البيانات التي تتم إدارتها بشكل سيئ تكلف الشركات ملايين الدولارات من الوقت الضائع والمال والإمكانات غير المستغلة.

ما هي المعلومات التي نقوم بجمعها

على مستوى العمود

أعلى قيمة MAX
أقل قيمة MIN
المتوسط
المنوال
الانحراف المعياري
التكرار
التباين
المجموع

معلومات Metadata

نوع البيانات
الطول
القيم الخالية

على مستوى الجدول

تحليل المفتاح الأساسي
تحليل المفتاح الأجنبي
تحليل تكامل المرجعية

نستخدم ملفات تعريف البيانات في الحالات التالية

دمج البيانات Data Integration
بناء مستودع البيانات Data warehousing
نقل البيانات Data Migration

يمكن اكتشاف البيانات السليمة وفهمها بسهولة، كما أنها ذات قيمة للأشخاص الذين يحتاجون إلى استخدامها؛ وهذا شيء يجب على كل منظمة أن تسعى جاهدة لتحقيقه. تساعد ملفات تعريف البيانات فريق عمل البيانات على تنظيمها وتحليلها حتى يتمكن من تحقيق أقصى قيمة لها ويمنح المنظمة ميزة تنافسية واضحة في السوق. في هذا المقال ، نستكشف عملية تصنيف البيانات وننظر في الطرق التي يمكن أن تساعدك بها في تحويل البيانات الأولية إلى معلومات ورؤى قابلة للتنفيذ.

يمكن أن تكلف البيانات السيئة الشركات 30% أو أكثر من إيراداتها. بالنسبة للعديد من الشركات، يعني ذلك إهدار ملايين الدولارات، واستراتيجيات يجب إعادة حسابها. فكيف تنشأ مشاكل جودة البيانات؟

في كثير من الأحيان يتم إعمال الرقابة. يمكن أن تصبح الشركات مشغولة جدًا بجمع البيانات وإدارة العمليات مما يؤدي إلى تعريض فعالية البيانات وجودتها للخطر. قد يعني ذلك فقدان الإنتاجية، وفرص المبيعات الضائعة، وفرصًا ضائعة لتحسين النتيجة النهائية. وهنا يأتي دور أداة تحديد مواصفات وجودة البيانات.

بمجرد تشغيل تطبيق ملفات تعريف البيانات، فإنه يقوم باستمرار بتحليل البيانات وتنظيفها وتحديثها من أجل توفير رؤى مهمة متاحة مباشرة. يوفر ملف تعريف البيانات ما يلي.

تحسين جودة البيانات ومصداقيتها

بمجرد تحليل البيانات، يمكن أن يساعد التطبيق في القضاء على البيانات الشاذة. ويمكنه تحديد المعلومات المفيدة التي يمكن أن تؤثر على اختيارات العمل، وتحديد مشكلات الجودة الموجودة داخل نظام المؤسسة، واستخدامها لاستخلاص استنتاجات معينة.

اتخاذ القرار

يمكن استخدام المعلومات الموجزة لتجنب الأخطاء الصغيرة من أن تصبح مشاكل كبيرة. ويمكنه أيضًا الكشف عن النتائج المحتملة لسيناريوهات جديدة. تساعد ملفات تعريف البيانات في إنشاء لمحة دقيقة عن صحة الشركة لإرشاد عملية صنع القرار بشكل أفضل.

الإدارة الاستباقية للأزمات

يمكن أن يساعد تصنيف البيانات في تحديد المشكلات ومعالجتها بسرعة، قبل ظهورها.

مع الكم الهائل من البيانات المتاحة والتي يتم جمعها ، أحيانًا ما تنغمر الشركات بجمع المعلومات. ونتيجة لذلك، فإنهم يواجهون صعوبة في الاستفادة الكاملة من بياناتهم، وتتضاءل قيمتها وفائدتها. يقوم تحديد ملفات تعريف البيانات بتنظيم وإدارة البيانات الضخمة لإطلاق العنان لإمكاناتها الكاملة.

سيل بيانات الدومينوز (Domino’s data avalanche)

مع ما يقرب من 14000 موقع، كانت دومينوز بالفعل أكبر شركة بيتزا في العالم بحلول عام 2015. ولكن عندما أطلقت الشركة نظام الطلبات AnyWare، واجهت فجأة سيلًا من البيانات. ويمكن للمستخدمين الآن تقديم الطلبات من خلال أي نوع من الأجهزة أو التطبيقات تقريبًا، بما في ذلك الساعات الذكية وأجهزة التلفزيون وأنظمة الترفيه في السيارات ومنصات التواصل الاجتماعي.

وهذا يعني أن دومينوز كانت لديها بيانات تأتي من جميع الجهات. من خلال تشغيل ملفات تعريف البيانات ، تقوم Domino's الآن بجمع البيانات وتحليلها من جميع أنظمة نقاط البيع الخاصة بالشركة من أجل تبسيط التحليل وتحسين جودة البيانات. ونتيجة لذلك، اكتسبت Domino's رؤى أعمق حول قاعدة عملائها، وعززت عمليات الكشف عن الاحتيال، وعززت الكفاءة التشغيلية، وزيادة المبيعات.

لمحللي البيانات - الاستعلام من حقول بنوع بيانات JSON في SQL Server

noreply@blogger.com (Ali) — Sat, 25 May 2024 21:24:00 +0300

التعامل مع بيانات JSON لقواعد بيانات SQL Server

SQL Server

انشاء جدول بنوع بيانات JSON في سكول سيرفر

لايوجد نوع بيانات صريح لـJSON في السكول سيرفر يتم إستخدام نةع بيانات نص ووضع شرط للتأكد من أن البيانات المدخلة في من نوع JSON و طول الحقل MAX .

هيكل الجدول

إدخال سجل JSON في SQL Server

البيانات المدخلة

الاستعلام عن JSON في SQL Server

البيانات المسترجعة

التعامل مع Nested JSON

انشاء جدول بنوع بيانات JSON في SQL Server

إدخال بيانات Nested JSON في SQL Server

البيانات المدخلة في Nested JSON.

إستعلام Nested JSON في SQL Server

الاسعتلام عن بيانات Nested JSON

لمحللي البيانات - الاستعلام من حقول بنوع بيانات JSON في Postgres

noreply@blogger.com (Ali) — Sat, 25 May 2024 05:38:00 +0300

التعامل مع بيانات JSON لقواعد بيانات Postgres

Postgres

انشاء جدول بنوع بيانات JSON قي Postgres

هيكل الجدول.

إدخال سجل JSON قي Postgres

الاستعلام عن JSON قي Postgres

استعلام أعمدة بها JSON

انشاء جدول بنوع بيانات JSON قي Postgres

إدخال بيانات Nested JSON في Postgres

البيانات المدخلة في Nested JSON.

إستعلام Nested JSON قي Postgres

الاسعتلام عن بيانات Nested JSON

إستخدام الانحدار الخطي المتعدد للتنبؤ بالأرباح بإستخدام البايثون و Power BI

noreply@blogger.com (Ali) — Tue, 14 May 2024 07:15:00 +0300

الانحدارالخطي

يستخدم الانحدار الخطي العلاقة بين نقاط البيانات لرسم خط مستقيم. يمكن استخدام هذا الخط للتنبؤ بالقيم المستقبلية. تم استخدام هذا الانحدار الخطي المتعدد للتنبؤ بالارباح بناءاً علي متغيرات المصاريف الادرية و البحث والتطوير والتسويق والولاية.

عادة، تحتاج إلى الانحدار للإجابة على ما إذا كانت بعض الظواهر تؤثر على الأخرى أو كيفية ارتباط العديد من المتغيرات. على سبيل المثال، يمكنك استخدامه لتحديد ما إذا كانت الخبرة أو النوع يؤثران على الرواتب وإلى أي مدى. كما يمكن التنبؤ باستهلاك الكهرباء للأسرة خلال الساعة التالية بالنظر إلى درجة الحرارة الخارجية والوقت من اليوم وعدد المقيمين في تلك الأسرة.

تحميل المكتبات للتعامل مع البيانات

تحميل البيانات

عرض أول خمسة سجلات من البيانات

عرض إحصاءات عامة عن البيانات

عرض احصاءات.

ترميز أسماء المدن إلى أرقام

تحميل مكتبات تعلم الألة

نعريف المتغيرات

تعريف وتقسيم بيانات التدريب وبيانات التعلم

تدريب النموذج

إدخال حقل قيمة التنبؤ كحقل في البينات في Power BI

الكود المستخدم داخل الـ Power BI

إضافة كود البايثون داخل الباور بي أي.

تحليل عوامل مغادرة الزبائن - Telecom Root Cause Analysis

noreply@blogger.com (Ali) — Fri, 10 May 2024 21:39:00 +0300

لماذا يغادر الزبائن شركة الاتصالات

المنافسة في سوق الاتصالات عالية، والاحتفاظ بالعملاء مهم جدًا لاستقرار الشركة واستمرار نموها. مع الأخذ في الاعتبار أن السوق مفتوح ويتشارك فيه عدة منافسين.

لماذا يغادر الزبائن شركة الاتصالات.

وفقًا لموقع Forbes، وجدوا أن تكلفة اكتساب عميل جديد تزيد بمعدل يتراوح ما بين اربعة إلي خمسة أضعاف مقارنة بالاحتفاظ بالعملاء بسبب الحملات التسويقية اللازمة لجذب عميل جديد.

جمع البيانات

تم جمع البيانات من موقع مافين انلتيكس ، حيث تحتو البيانات على 7043 سجل و بعد تطبيق مفاهيم النمذجة تم تقسيم البيانات الي ستة جداول.

كمحللين بيانات، مهمتنا هي مساعدة صناع القرار وفرق العمل على فهم سلوك العملاء وذلك من خلال الإجابة على الأسئلة التالية والتي تعرف بالـــ 5Ws.

- كم تلغ تكلفة مغادرة الزبائن (How)

- من هم الزبائن الذين يغادرون الشركة و ما طبيعتهم (Who)

- لماذا يغادرون الشركة (Why)

- متي يغادر الزبائن الشركة (When)

- أين يوجد الزبائن الذين يغادرون (Where)

.Root Cause Analysis Process

الاجابة على هذه الاسئلة اعلاه من خلال البيانات المعطاه باستخدام SQL مما يساعد في فهم سلوك الزبون و مساعد الشركة في اتخاذ القرارات.

عرض عدد الزبائن

عرض عدد الزبائن

عرض انواع العقود

عرض انواع باقات الانترنت

عرض طرق الدفع

متوسط اعمار الزبائن

عدد الزبائن حسب الحالة الإجتماعية

الايرادات حسب الحالة الإجتماعية

الايرادات حسب الحالة الإجتماعيةو نوع العقد

عدد الزبائن حسب حالة الزبون و فئة سبب المغادرة (لماذا يغادرون)

عدد الزبائن حسب حالة الزبون و فئة سبب المغادرة

عدد الزبائن حسب حالة الزبون و سبب المغادرة

خسائر الشركة بالنسبة و العدد و عدد الزبائن حسب فئة سبب المغادرة (كم تكلفة المغادرون)

خسائر الشركة بالنسبة و العدد و عدد الزبائن حسب فئة سبب المغادرة

نسبة مغادرة الزبائن حسب الفترة المغادرة (متي يغادرون)

نسبة مغادرة الزبائن حسب الفترة المغادرة

عدد المغادرين حسب المدن و فئة سبب المغادرة (أين يتواجد الذين يغادرون)

عدد المغادرين حسب المدن و فئة سبب المغادرة

من هم مواصفات الذبائن الذين يغادرون (من هم)

من هم وما هي صفاتهم.

النتائج

- أكثر فئة تساهم في الإيرادات هم المتزوجون

- أكثر انواع العقود التي تساهم في الايرادات هي عقود العامين و خصوصاً فئة المتزوجين

- أكثر سبب للمغادرة هو وجود منافس

- حوالي 41 % من الزبائن يغادرون في أول ستة أشهر من الاشترك في خدمات الشركة

الاولويات

- الاهتمام بالزبائن الجدد في اول ستة شهور

- التركيز على فئة المتزوجين

- ايجاد ألية او استراتيجية للحد من المنافسين مثلا عمل عروض مخفضة للخدمات وخصوصا المشتركين الجدد

- الاهتمام بمشتركين مدينة Sandiago

تحليل مبيعات متجر قهوة في مدينة نيويورك بإستخدام SQL

noreply@blogger.com (Ali) — Fri, 3 May 2024 11:23:00 +0300

Coffee Shop Sales Analysis Project with SQL

Coffee is one of the most popular beverages in the world. This project aims to analyze café sales data in New York City, from 2023 to understand patterns and provide valuable information that will be used to support business decision making.

Coffee Sales Analysis with SQL.

Data Source

Data was collected from Maven Analytics Website. The data contains 65536 records from three branches in the city.

Analysis Tools

SQL Server Database was used to store and query the dataset

Questions

In data analysis, there must be questions that must be answered by performing queries on the data.

The sales of each branch
Sales by category and type
Find out the hours during which most sales take place
The best-selling items by type, hour, and category
The percentage contribution of each type to total sales

Exploratory Data Analysis

select distinct year(s.transaction_Date)

from dbo.CoffeeSales s

Min, Max and Average number of items per transaction

select max(s.transaction_qty) Max_Qty, min(s.transaction_qty) Min_Qty, avg(s.transaction_qty) Avg_Qty

from dbo.CoffeeSales s

Min, Max and average price

select max(s.unit_price) Max_Price, min(s.unit_price) Min_Price, avg(s.unit_price) Avg_Price

from dbo.CoffeeSales s

Sales by store location

select sto.store_location ,round(sum(s.unit_price),2) Sum_of_Sales

from dbo.CoffeeSales s

left join dbo.stores sto on sto.store_Id = s.store_Id

group by sto.store_location

order by 2 desc

Sales By Store Location.

Sales amount by items in the transaction

select s.transaction_qty ,round(sum(s.unit_price),2) Sum_of_Sales

from dbo.CoffeeSales s

group by s.transaction_qty

order by 2 desc

Sales by number of items in the transaction.

Number of the items per transaction quantity

select s.transaction_qty ,count(s.transaction_id) Count_of_Items

from dbo.CoffeeSales s

group by s.transaction_qty

order by 2 desc

Number of items per transaction quantity.

Top 5 number of items per category

select c.product_category ,count( s.transaction_id) Count_of_trans

from dbo.CoffeeSales s

left join dbo.Categories c on c.categoryId = s.categoryId

group by c.product_category

order by 2 desc

offset 0 rows FETCH next 5 ROWS ONLY;

Top 5 number of items per Category.

Number of transactions per hours

select c.product_category , cast( sum(s.unit_price) as decimal(10,2)) Sum_By_Category

from dbo.CoffeeSales s

left join dbo.Categories c on c.categoryId = s.categoryId

group by c.product_category

order by 2 desc

offset 0 rows FETCH next 5 ROWS ONLY;

Number of items per category per type

select v.product_category,v.product_type ,v.Count_of_trans

, rank( ) over ( partition by v.product_category order by Count_of_trans desc) Rnk from (

select c.product_category, pt.product_type

,count(s.transaction_id) Count_of_trans

from dbo.CoffeeSales s

left join dbo.Categories c on c.categoryId = s.categoryId

left join dbo.product_type pt on pt.product_type_Id = s.product_typeId

group by c.product_category, pt.product_type

)v order by 1

items per Category per product.

Number of items per type per hours

select* from(

select * , rank( ) over ( partition by v.product_category order by Count_of_trans desc) Rnk

from (

select c.product_category, pt.product_type , DATEPART(HOUR,s.transaction_time) hourNo

,count(s.transaction_id) Count_of_trans

from dbo.CoffeeSales s

left join dbo.Categories c on c.categoryId = s.categoryId

left join dbo.product_type pt on pt.product_type_Id = s.product_typeId

group by c.product_category, pt.product_type, DATEPART(HOUR,s.transaction_time)

)v )vv where vv.Rnk=1

Items per Category per Type per hours.

The percentage of sales per category

select* , cast((ss.sub_sum / ss.total) as decimal(10,2)) Percent_of_Sales

from (

select c.product_category

, sum( s.unit_price) sub_sum

,(select sum(s.unit_price) from dbo.CoffeeSales s ) total

from dbo.CoffeeSales s

left join dbo.Categories c on c.categoryId = s.categoryId

group by c.product_category

)ss

Sales percentage per Category.

التحضير لشهادة Oracle SQL Database 1z0-071 لمحترفي البيانات

noreply@blogger.com (Ali) — Thu, 25 Apr 2024 22:12:00 +0300

خطوات التحضير لإمتحان Oracle SQL Database 1z0-071

العالم اليوم يعتمد على البيانات بصورة أكثر من أي وقت مضى ، يعتبر محللون البيانات بمثابة عملة نادرة. ومع ذلك، ما هو السحر وراء التحليل؟ تكشف لغة SQL القوية عن الأسرار المخفية داخل قواعد البيانات ، مما يسمح للمحللين بتحويل البيانات إلى معلومات يمكن الاستفادة منها. إذا كنت تطمح إلى أن تصبح محلل بيانات، فإن إتقان SQL هو مفتاح لفتح عالم من الفرص.

SQL for Data Analyst.

تتناول هذه المقالة الحصرية أساسيات SQL لمحللي البيانات، وتزود المحترف بالمهارات اللازمة للتعامل مع أي بيانات.

ملاحظة - في البداية دعونا نتفق بأن العصر الحالي هو عصر المهارات كأولوية قبل الشهادات ، لذلك الهدف الأساسي من التحضير لهذه الشهادة هو تطوير المهارة.

الوظائف التي تتطلب مهارة SQL

اليوم، تسبح الشركات في كافة الصناعات في المعلومات، وتحتاج إلى أفراد ماهرين للتنقل في هذا البحر الرقمي. لقد أصبح إتقان SQL بمثابة تذكرة ذهبية لعالم مليء بالفرص. مهارة الاستعلام عن البيانات مطلوبة في العديد من الأدوار مثل.

محلل البيانات
عالم البيانات
محلل البيانات الكبيرة
مهندس البيانات الكبيرة
مطور ذكاء الأعمال
مسؤول قاعدة البيانات
مهندس بيانات
مطور SQL
مطور قاعدة البيانات
مطور برامج.

إذا كنت تبحث عن مهنة ذات إمكانات تطور وفرصة لإحداث تأثير حقيقي، فإن صقل مهارات SQL لديك يعد استثمارا جيدا.

فوائد شهادة Oracle SQL 1z0-071

ارفع مستوى مهارات تحليل البيانات من خلال شهادة (Oracle Database SQL Certified Associate 1Z0-071). تثبت اعتماد الشهادة المعترف بها الكفاءة وفهم للمفاهيم الأساسية لـ SQL، وتحديدًا في بيئة Oracle Database. يؤدي الحصول على هذه الشهادة إلى فتح باب الفرص و لها عدة فوائد منها.

زيادة فرص العمل
تعزيز المصداقية
فهم أعمق لقواعد البيانات العلائقية
خطوة للحصول على الترقية
الحصول على راتب أعلى.

استثمر في مهارات البيانات من خلال شهادة Oracle SQL Associate. وتعتبر هذه الشهادة مكان اعتبار لكل محترفي البيانات بمختلف أدوارهم وتخصصاتهم.

ملاحظة - متوسط حجم البحث في محرك البحث قوقل عن كلمة SQL يتراوح ما بين مليون و عشرة مليون عملية بحث شهريا .

ما هي درجة النجاح في امتحان Oracle SQL Associate 1z0-071؟

التميز في عالم تحليل البيانات من خلال اختبار( Oracle Database SQL Certified Associate 1Z0-071). تثبت هذه الشهادة المتوافقة مع المعايير أن الحاصل عليها له معرفة الأساسية بـ SQL، والمصممة خصيصًا لمنصة Oracle Database. الاختبار نفسه عبارة عن اختبار مدته 120 دقيقة يتكون من 63 سؤال متعدد الاختيارات. توضح درجة النجاح البالغة 63% قدرتك على أداء المهام الأساسية مثل استرجاع البيانات ومعالجتها وإدارتها داخل بيئة قاعدة بيانات Oracle.

ما هي تكلفة الإمتحان؟

للتميز في اي مسار احترافي تحتاج إلى الاستثمار، يعد اختبار( Oracle Database SQL Certified Associate 1Z0-071) واحدة من الشهادات التي يوصي بها الخبراء. تبلغ تكلفة الامتحان 245 دولار ، وتديره شركة Oracle مباشرةً. في النهاية فإن الاستثمار في رسوم الامتحانات والمواد الدراسية يتضاءل مقارنة بالفوائد طويلة المدى. إن الحصول على هذه الشهادة يمكن أن يعزز بشكل كبير في الإمكانات و في المكاسب ويفتح الأبواب أمام فرص تحليل البيانات التنافسية.

خطوات التحضير لشهادة Oracle SQL

هناك مجموعة من الخطوات تختلف من شخص لأخر حسب الإمكانيات المتاحة والمهارات المكتسبة لكن بصورة عامة سوف نقوم بعرض الخطوات العامة.

وضع الأساس 👈 قبل الغوص في تفاصيل Oracle، تأكد من فهم مفاهيم SQL الأساسية. استكشف الموارد المجانية عبر الإنترنت أو فكر في دورات تدريبية مناسبة لتعزيز المفرقة بأساسيات استرجاع البيانات ومعالجتها والاستعلام عنها.

الاستفادة من الموقع الرسمي لأوراكل 👈 توفر Oracle مواد تحضيرية ، بما في ذلك دليل الاختبار الشامل الذي يحدد الموضوعات التي تم اختبارها ونموذج اختبار. استخدم هذه الموارد للتعرف على شكل الاختبار ومحتواه.

الممارسة والتدريب العملي 👈 تعزيز المهارات من خلال التدريب العملي. قم بتثبيت قاعدة بيانات Oracle مجانية وجرب كتابة استعلامات SQL. تقدم العديد من المنصات عبر الإنترنت تمارين تفاعلية واختبارات تدريبية مصممة خصيصًا للامتحان.

اطلب التوجيه 👈 لا تذهب وحيدا فكر في التسجيل في دورة مخصصة عبر الإنترنت أو الانضمام إلى مجموعة دراسية. توفر هذه الخيارات إمكانية التعلم من زملائك الطامحين للامتحان والتعاون معهم.

اختبر نفسك - قم بتقييم التقدم بانتظام من خلال الاختبارات التي تحاكي تنسيق الاختبار الفعلي. يساعد ذلك في بناء الثقة أثناء إجراء الاختبار ومهارات إدارة الوقت الضرورية لنجاح الاختبار.

حجز و جدولة الامتحان

لشراء الامتحان الدخول الى الرابط التالي https://education.oracle.com/en/buy-exam

بعد ذلك اختيار التصنيف الأول بحيث يمكن اكمال عملية الشراء مباشرة أو عرض تفاصيل الامتحانات داخل التصنيف.

بعد اتمام عملية الدفع أوراكل ترسل رسالة في البريد الالكتروني تفيد بأن الطلب قيد المعالجة وسوف تحصل على رد في مدة يوم أو يومين عمل. بعد يوم أو يومين تحصل على تأكيد معالجة الطلب و يحتوي الايميل على رابط لإجراء عملية الحجز

عند تسجيل الدخول إلى https://mylearn.Oracle.com/ords/r/c/ecd/home، يمكن تعيين محاولة الاختبار عن طريق إدخال البريد الإلكتروني. لتحديد موعد الامتحان اتبع الخطوات التالية

قم بتسجيل الدخول إلى موقع https://mylearn.Oracle.com/ou/home

قم باختيار الامتحان الذي تريد التسجيل فيه وحدد موعد الامتحان.

ثم يمكنك إجراء فحص نظام وذلك بإجراء اختبار أولى تجريبي. بالإضافة إلى ذلك، اتصال مستقر بالإنترنت. نظام الجهاز بصلاحية المدير Admin.

الخاتمة

يعد الحصول على شهادة ( Oracle Database SQL Certified Associate 1Z0-071) استثمارا جيد من حيث المعرفة والمهارات والتعرف على المستجدات في المجال وزيادة الثقافة المهنية في مجال تحليل البيانات. ويميزك في المنافسة. اتخذ الخطوة الأولى نحو إتقان واحدة من أهم المهارات المطلوبة في مجال البيانات.

كيفية إضافة خط مخصص إلى Power BI

noreply@blogger.com (Ali) — Wed, 24 Apr 2024 23:26:00 +0300

إستخدام خط مخصص في الباور بي اي

يوفر Power BI، بشكل افتراضي، لوحة لاختيار الخطوط. على الرغم من أن هذه الخطوط المتوفرة واضحة واحترافية، إلا أنه في بعض الأحيان، هناك حاجة إلى الخروج من النمط الافتراضي - إما للتوافق مع تنسيق العلامة التجارية للمؤسسة أو لإضافة لمسة جمالية مميزة إلى التقارير والداشبورد.

ولكن كما هو الحال مع جميع واجهات المستخدم، يجب التعامل مع دمج الخطوط المخصصة بعناية. واجهة المستخدم الجديدة لا تقتصر فقط على المظهر الجيد؛ وإنما يتعلق الأمر بتعزيز تجربة المستخدم، وتسهيل الفهم، وضمان إمكانية الوصول.

الخطوات التالية توضح عملية دمج الخطوط المخصصة في Power BI.

فتح Power BI Desktop
ثم الذهاب إلي قائمة View , من التقسيم Theme نختار Customize current theme.

توضح تخصيص النمط الحالى.

الشكل أعلاه يوضح اختيار تخصيص النمط الحالى وذلك لادراج الخط الجديد وتتم هذه العملية في مجموعة من الخطوات كما هو موضح في الاشكال التالية.

اختيار العناصر المراد تخصيص خط لها.

إختيار الخط المناسب من Font Family في المثال Calibri

ثم إختيار الخط لكل من Title, Cards and KPIs , Tab Header

ثم الضغط على Apply.

إضافة الخط المخصص للتنسيق Theme , من قائمة View

حفظ النمط الحالي في ملف JSON.

عند الضغط على خيار Save Current Theme سوف تظهر نافذة يمكن إعادة تسمية الملف وحفظه وامتداد الملف JSON ، يمكن تحرير الملف باستخدام Notepad أو أي محرر أخر

يوضح الخط المراد تغييره.

ستلاحظ أن الخط التجريبي الذي قمت بتعيينه، في حالتنا "Calibri"، يظهر في أماكن متعددة. استبدل اسم الخط هذا بالخط المخصص الذي ترغب في استخدامه. يرجى ملاحظة أن هذا الخط الجديد يجب أن يكون مثبتًا بالفعل على جهاز الكمبيوتر الخاص.

يمكنك أيضًا تعيين خطوط مختلفة للترويسات والعناوين والعناصر الأخري. ولكن للحصول على تجربة مستخدم متسقة، قم بتحديد عدد معين للخطوط المخصصة.

ثم قم بتعديل اسم الخط الجديد المراد إستخدامه مكان الخط القديم في ملف JSON .

يوضح الخط الجديد بعد التعديل.

إستبدال Theme الحالي بالملف المحدث من الجهاز بالذهاب إلي قائمة View ثم Themes ثم Browse Themes

اختيار ملف JSON المحدث الجديد.

تاكيد ادراج الخط الجديد.

الآن يمكن تجربة الخط الجديد بإستخدام Visuals مختلفة.

تحديات الخطوط المخصصة

هناك بعض التحديات قد تواجهها عند تطبيق الخط المخصص وتعتمد علي عدة عوامل منها هل الخط مثبت على الأجهزة بعد نشر التقرير.

تثبيت الخط من جانب المستخدم - كي يتمكن المستخدمون من رؤية الخط المخصص على خدمة Power BI، يجب تثبيت الخط على أجهزتهم. وإلا لن يتم تطبيق الخط الجديد. هذه ليست مشكلة عادةً إذا كنت تستخدم السمة الافتراضية.

التوافق مع الهاتف المحمول - تحقق من التقرير في العرض على الهاتف المحمول إذا كان الوصول الي التقرير يتم بشكل دائم عبر الأجهزة المحمولة. قد لا يتم دائمًا عرض الخطوط المخصصة بشكل صحيح. قد يكون الحل البديل هو اختيار خط Power BI قياسي ذو مظهر مماثل لعرض الهاتف المحمول.

الخاتمة

يمكن أن يؤدي دمج الخطوط المخصصة إلى تحسين المظهر المرئي لتقارير Power BI بشكل كبير. ومع ذلك، احرص دائمًا على تثبيت اختيارات التصميم الخاصة بك في أفضل ممارسات واجهة المستخدم. يجب أن تكون الخطوط واضحة ومتسقة ومكملة للبيانات المقدمة. تذكر أن الهدف الأساسي للتقرير هو نقل المعلومات بكفاءة؛ ويجب أن يدعم التصميم هذا الهدف، لا أن يطغى عليه.

ومن خلال اختيار الخطوط المخصصة ودمجها ، بذلك تضمن أن التقارير لا تعرض فحسب، بل تجذب اهتمام المستخدم، مما يسهل التفسير والفهم السلس للبيانات. في مجال تصور البيانات، حيث يكون الوضوح أمرًا في غاية الأهمية، فإن تحقيق التوازن الصحيح بين المظهر الجمالي والوظيفة هو مفتاح النجاح.

التحول من Multidimensional cubes الي Tabular

noreply@blogger.com (Ali) — Wed, 24 Apr 2024 19:52:00 +0300

التحول من Multidimensional cubes الي Tabular

أيهما ينبغي علينا تطبيقه النموذج الجدولي Tabular أو النموذج متعدد الأبعاد Multidimensional. مما لا شك فيه أن النموذج الجدولي أحدث وأفضل، ولكنه ليس بديلاً عن النموذج متعدد الأبعاد. لذلك، يصبح الأمر محيرًا دائمًا عندما يتعين علينا الاختيار بينهما.

الفرق بين النموذج الجدولي و متعدد الابعاد

هناك عدد من النقاط يمكن من خلالها مارنة النموذجين مثل الاداء و الذاكرة المطلوبة لتشغيل ومعالجة البيانات و كذلك طريقة اعداد النموذج والتعقيدات والمشاكل التي تواجه كل نوع.

النموذج متعدد الأبعاد Multidimensional Model

عندما تم تقديم SSAS لأول مرة، تم تقديم النموذج متعدد الأبعاد معه. يُعرف أيضًا باسم مكعب OLAP. فهو ينظم البيانات في هياكل متعددة الأبعاد، وفي تلك البنية، يتم تخزين البيانات في الخلايا. يستخدم النموذج متعدد الأبعاد التخزين المعتمد على طريقة السجلات. تعد التكنولوجيا المستخدمة في النموذج متعدد الأبعاد أكثر نضجًا، وتلبي الاحتياجات التقليدية لذكاء الأعمال في الشركات، ويتم تطبيقها من قبل العديد من بائعي برامج ذكاء الأعمال، ولكن تنفيذها يمكن أن نواجه بعض الصعوبات.

الايجابيات

التكنولوجيا المستخدمة في النموذج متعدد الأبعاد متقدمة.
التعامل مع كمية كبيرة من البيانات.
يدعم الاستعلام المعقدة.

السلبيات

لا يتوقع حدوث تطور كبير للنموذج متعدد الأبعاد.
أكثر تعقيدًا مقارنةً بالنموذج الجدولي.

النموذج الجدولي Tabular Model

تم تقديم النموذج الجدولي لأول مرة في عام 2012 ويعرف أيضًا باسم مكعب الذاكرة الداخلية (In-memory cube). يضمن هذا النموذج محرك ( x-velocity (Vertipaq. يستخدم النموذج الجدولي التخزين العمودي لضغط البيانات بشكل أفضل وهو أسرع بكثير للاستعلامات المعتمدة على الأعمدة. كما أن هذا النماذج أسهل في التطوير والإدارة. أثناء تشغيل هذا النموذج، هناك حاجة إلى قدر كبير من الذاكرة ووحدات المعالجة المركزية (CPUs) السريعة جدًا لأنه يتم تخزين جميع البيانات في الذاكرة.

الايجابيات

في معظم الحالات، يكون النموذج الجدولي أكثر كفاءة من النموذج متعدد الأبعاد.
تطويره أسهل.

سلبيات

بما انه منتج جديد من المتوقع إجراء المزيد من التحسينات.
يعتمد على الذاكرة.

مقارنات بين النموذجين

من حيث الأجهزة المستخدمة لقواعد بيانات النموذج متعددة الأبعاد في كثير من الظروف لا يمكن استخدامها في النموذج الجدولي. النموذج الجدولي يعتمد على الذاكرة. كلما زادت الذاكرة كان الأداء أفضل. إذا لم يكن لديك ذاكرة كافية، فلن يعمل بالصورة المطلوبة. تعد السرعة الأساسية لوحدة المعالجة المركزية أيضًا مهمة لقواعد البيانات الجدولية.
من حيث الذاكرة إذا كانت قاعدة البيانات الخاصة بك تتطلب مساحة كبيرة (أكثر من 5 تيرابايت)، فلا يمكن تنفيذ النموذج الجدولي والحل الوحيد هو الحل متعدد الأبعاد. في قواعد البيانات الجدولية، أقراص تخزين البيانات الثابتة ليست بنفس أهمية الذاكرة رام و المعالج. الميزة الرئيسية للنموذج الجدولي هو أنه أسرع لبعض الاستعلامات كما أنه يضغط البيانات بشكل أكبر من الحلول متعددة الأبعاد يمكن الضغط الى ثلث حجم قاعدة البيانات الأصلية ويمكن أن يصل الضغط الجدولي إلى عُشر حجم قاعدة البيانات الأصلية.
من حيث اللغة المستخدمة بالنسبة للنموذج الجدولي نستخدم لغة DAX هي لغة بسيطة للاستعلام عن قواعد البيانات متعددة الأبعاد وقواعد البيانات الجدولية Power Pivot و Power BI. فهي أسهل من لغة MDX الأقدم. في العلاقات من النوع متعدد لمتعدد تكون الداكس أسرع في النموذج الجدولي.

هناك بعض الخصائص غير متاحة في النموذج الجدولي منها Aggregations و Actions و Custom Assemblies و العلاقات متعدد لمتعدد و Writeback و Custom Rollups لذلك يجب وضعها في الاعتبار عند تطبيق إختيار النموذج.

الخاتمة

هناك بعض الاختلافات بين النموذجين ، مثل ميزاتها و تجربتها في النمذجة ، على الرغم من أن كلا النموذجين سيكونان كافيين للعديد من مشاريع ذكاء الأعمال. ولكن عند البدء في أي مشروع جديد، سيكون النموذج الجدولي Tabular خيارًا أفضل نظرًا لأدائه الأفضل وسهول التطوير.

تعرف على تحليل البيانات بإستخدام SSAS

noreply@blogger.com (Ali) — Fri, 19 Apr 2024 18:00:00 +0300

تحليلات البيانات مع خدمات تحليل SSAS
SSAS هي أداة ذكاء الأعمال (BI) التي طورتها Microsoft والتي تمكنك من إجراء تحليل متقدم للبيانات. فهي يتجاوز التقارير البسيطة من خلال تقديم نماذج بيانات متعددة الأبعاد، مما يتيح لك تحليل بياناتك من زوايا مختلفة والكشف عن الأنماط المخفية.
Data Analysis with SSAS

ما هي استخدامات SSAS؟

تخيل سيناريو تكون فيه بيانات عملك المهمة متناثرة عبر قواعد بيانات وجداول بيانات مختلفة وحتى ملفات نصية. تعمل SSAS كمحور مركزي، حيث تقوم بدمج المعلومات من هذه المصادر المتباينة.

وهذا يلغي حاجة المستخدمين إلى التوفيق بين نقاط بيانات متعددة، مما يبسط عملية التحليل بشكل كبير. تقوم SSAS بدمج البيانات بسلاسة، مما يوفر رؤية شاملة. التكامل السلس مع أدوات BI، تعمل معايير SSAS بشكل جيد مع مجموعة واسعة من أدوات ذكاء الأعمال (BI).

متى يجب علي استخدام SSAS؟

قد تبدو خدمات تحليل (SQL Server SSAS) بمثابة أداة كلاسيكية. لكن انتظر! لا يزال نظام SSAS يتمتع بقدرات هائلة، حيث يقدم إمكانات فريدة تجعله الاختيار الصحيح لسيناريوهات محددة.

في حالة بيانات كبيرة وأداء كبير. عندما تصبح مستودعات البيانات الخاصة بك هائلة، تتعامل SSAS مع مجموعات البيانات الضخمة بسهولة. ستتمكن من تقسيم التيرابايت دون أي مشاكل.
حصن الأمن. توفر SSAS تحكمًا دقيقًا في الوصول يعتمد على الأدوار. يمكنك تحديد البيانات التي يراها كل مستخدم بالضبط، وصولاً إلى الصفوف الفردية. وهذا يجعله مثاليًا للمؤسسات ذات الاحتياجات الصارمة لإدارة البيانات.
التحديث. توفر SSAS إمكانات فائقة لتحديث البيانات. قم بجدولة دورات تحديث معقدة، أو الاستفادة من التحديثات في الوقت الفعلي تقريبًا للحصول على رؤى متجددة دائمًا. يعد هذا أمرًا بالغ الأهمية في المواقف التي تتغير فيها البيانات بسرعة.
دقة العمليات الحسابية. يقوم ببناء حسابات معقدة داخل النموذج نفسه، مما يضمن الاتساق وتجنب الأخطاء الناتجة عن المعالجة اليدوية في التقارير. يعد هذا بمثابة تغيير في قواعد اللعبة بالنسبة للمؤسسات التي تعتمد على مقاييس معقدة.
التحكم المركزي. تعمل SSAS كمستودع مركزي للبيانات التحليلية. يمكن لأدوات إعداد التقارير المتعددة مثل Power BI وExcel الاتصال بنموذج SSAS واحد، مما يضمن أن الجميع يعملون من نفس المصدر.

يستعرض SSAS امكانياته. على عكس قيود حجم ملف Power BI. يعد هذا مثاليًا في التطوير للفرق الكبيرة التي لها احتياجات إعداد تقارير متنوعة.

كيف يمكن لـ SSAS تحويل قدرات تحليل البيانات لديك؟

تعد مكعبات OLAP (المعالجة التحليلية عبر الإنترنت) قلب SSAS. لا تتعلق SSAS فقط بالتقارير المحددة مسبقًا. إنه يعزز بيئة للتحليل المخصص، حيث يمكن للمستخدمين تقسيم البيانات وتصنيفها بسرعة.

بناء مكعبات OLAP قوية. تسمح لك هذه الهياكل متعددة الأبعاد بتنظيم وتلخيص كميات هائلة من البيانات بكفاءة. تخيل مكعب روبيك العملاق، حيث يمثل كل جانب بُعدًا مختلفًا (على سبيل المثال، فئة المنتج، المنطقة، الفترة الزمنية). باستخدام SSAS، يمكنك تدوير بياناتك وتحليلها بسهولة من أي منظور مرغوب.
استعلامات سريعة جدا من مجموعة البيانات الضخمة. تتميز SSAS بأداء استعلام استثنائي، حتى عند التعامل مع مجموعات البيانات الضخمة. وهذا يترجم إلى تحليل أسرع اتخاذ قرارات أسرع. لا مزيد من ساعات الانتظار حتى يتم إنشاء التقارير.
التحليل المخصص – تمكين الاستكشاف. تخيل أن محلل أعمال يريد مقارنة اتجاهات المبيعات عبر خطوط الإنتاج والمناطق المختلفة. باستخدام SSAS، يمكنهم القيام بذلك بشكل مستقل، دون الاعتماد على تكنولوجيا المعلومات لإعداد التقارير المخصصة. يؤدي ذلك إلى تمكين استكشاف البيانات وتعزيز الثقافة القائمة على البيانات داخل المؤسسة.
التحليلات التفاعلية المضمنة في التطبيقات. هل تريد دمج تحليل البيانات القوي مباشرةً في التطبيقات الحالية؟ SSAS يجعل ذلك الخيار ممكنا. يمكن تضمين لوحات المعلومات والتقارير التفاعلية داخل التطبيقات، مما يوفر للمستخدمين معلومات مفيدة في الوقت الفعلي وفي متناول أيديهم.
التنقيب المتقدم في البيانات والتحليلات التنبؤية. يتم ذلك من خلال الكشف عن العلاقات المخفية داخل البيانات، يمكن أن تساعد SSAS على التنبؤ بالمبيعات، وتحديد مخاطر تراجع العملاء، وتحسين الحملات التسويقية.

لا يقتصر SSAS على تحليل البيانات التاريخية فقط. كما أنه يوفر إمكانات قوية لاستخراج البيانات يمكنها المساعدة على التنبؤ بالاتجاهات المستقبلية.

مزايا SSAS

تقدم SSAS العديد من المزايا التي تجعلها خيارًا مقنعًا للشركات التي تسعى إلى إطلاق العنان لقوة بياناتها.

قابلية التوسع - يمكن لـ SSAS التعامل مع مجموعات البيانات الضخمة والقيام بالتحليل المعقدة، مما يجعلها مثالية للمؤسسات من جميع الأحجام.
الأمان - توفر SSAS ميزات أمان قوية لضمان حماية البيانات الحساسة.
التكامل - تتكامل SSAS بسلاسة مع أدوات Microsoft BI الأخرى مثل Power BI وExcel، مما يوفر نظامًا بيئيًا شاملاً لتحليل البيانات.
التكلفة المنافسة - بالمقارنة مع بعض حلول ذكاء الأعمال التابعة لجهات خارجية، يمكن أن تكون SSAS خيارًا فعالاً من حيث التكلفة، خاصة لمستخدمي Microsoft الحاليين.
الشروع في العمل مع SSAS. إذا كنت مستعدًا لتسخير قوة SSAS، فإليك بعض الخطوات الأولية. يمكن أن تساعدك على البدء في استخدام خدمات تحليل SQL Server.
تقييم الاحتياجات. حدد متطلبات تحليل البيانات المحددة لدى المؤسسة وكيف يمكن لنظام SSAS معالجتها.
ضع في اعتبارك البنية التحتية الحالية. تأكد من أن الأجهزة والبرامج تلبي الحد الأدنى من متطلبات تشغيل SSAS.
استكشاف خيارات التدريب. استثمر في تدريب فريق تكنولوجيا المعلومات لديك لمعرفة كيفية تصميم ونشر وإدارة SSAS بشكل فعال.

ومن خلال تسخير قوة SSAS، يمكن للشركات تحويل بياناتها إلى أصول استراتيجية، مما يؤدي إلى اتخاذ قرارات أفضل.

الخاتمة

تعد SSAS أداة قوية يمكنها تغيير الطريقة التي تحلل بها البيانات. من خلال اتاحة نظرة أعمق وتعزيز الثقافة القائمة على البيانات، تعمل SSAS على تمكين المؤسسات من اتخاذ قرارات مستنيرة وتحسين العمليات واكتساب ميزة تنافسية. لذلك، بادرفي عالم SSAS وأطلق العنان لإمكانات المؤسسة وفريق التطوير لاستكشاف الفرص المخفية داخل بيانات.

Tracing and monitoring the growing trends of the COVID-19 outbreak

noreply@blogger.com (Ali) — Sat, 23 Apr 2022 00:24:00 +0300

Tracing and monitoring the growing trends of the COVID-19 outbreak using Power BI

.Steps

Data Collection
Data preparation and transformation
Data Visualization

The objective of the monitoring is to detect cases early and to avoid secondary transmission whether among healthcare personnel or to the public.

We collected the data of the first 100 cases from White Nile state hospitals and we made descriptive statistical analysis to understand the behavior, the epidemiological and clinical characteristics of the first cases of COVID-19, and later health authorities could be able to take early and right decisions to contain the epidemic.

Tracing and monitoring the growing trends and changes in the progress of the COVID-19 outbreak is very vital to address this epidemic