وبلاگ vdash

اخبار و مقالات مربوط به vdash، نرم افزار آنالیز اطلاعات و ساخت داشبورد مدیریتی

تعریف و ایجاد دادگان

موجودیت های اصلی و یا fact هایی که در آنالیز یا مونیترینگ بخشی از کسب و کار ما استفاده می شوند ، Data Set یا دادگان نامیده می شوند. برای مثال در بخش تولیدی Data Set هایی از قبیل مشتریان،سفارشات، محصولات و ... می توانیم داشته باشیم.

هر کدام از این دادگان می توانند فیلدهای متفاوتی داشته باشند که معنیشان را نشان دهند. فیلدها تقریبا همان Attribute بعدها هستند که می توانید به مقاله تعریف بعد رجوع کنید.

هر Data set شامل موضوعات فرعی برای محاسبه و ارزیابی فیلدهاست که Measures و KPI نامیده می شوند.

Measures معیارهای سنجش متغیر که برای محاسبه و مدیریت کسب و کارمان استفاده می کنیم.مثل میزان فروش،تعداد مشتری ، تعداد سفارش و ...

KPI یا شاخص کلیدی عملکرد مجموعه ای از معیارهای سنجش متغیر است که می تواند اهداف کسب وکار را با کارایی کسب و کار مقایسه کند.

در مقاله مربوط به طراحی مدل اطلاعاتی به نحوه ایجاد Measures و KPI به طور کامل پرداخته می شود.

زمانی که با مفهوم Data Set آشنا شدیم ، با هم به ایجاد یک دادگان می پردازیم.

در این مقاله به موارد زیر می پردازیم:

  • نام گذاری Data Sets
  • Query
  • فیلدها Fields
  • بعد ها Dimensions

نام گذاری Data Sets

در مقالات مدلسازی و اتصال به پایگاه داده با ایجاد مدل و متصل کردن vdash به پایگاه داده آشنا شدیم و مدلی را ایجاد کردیم .حال برای این مدل که پایگاه داده نیز وصل شده است دادگانی را می خواهیم ایجاد نماییم.

بعد از اینکه +New از Data Sets را انتخاب کردیم در پنجره General :

نام سیستمی که باید انگلیسی و بدون فاصله باشد Data Set Name
نام نمایشی که باید فارسی باشد Display Name

را می نویسیم (شکل 1).

دادگان فروش فصلی پرسنل

شکل1

برای هر Data Set باید مشخص گردد که متعلق به کدام پایگاه داده است (شکل 2) .

پایگاه داده دادگان

شکل2

سپس دستورات لازم جهت فراخوانی فیلدهای مورد نیاز در قسمت (Command Text) شود(شکل 3).

SELECT employeeKey, DateKey, SalesAmountQuota FROM FactSalesQuota

کوئری دادگان

شکل3

با استفاده از Show Preview می توانیم فیلدها و مقادیر آن ها را مشاهده کنیم بعلاوه اینکه فیلدها به بخش Fields اضافه می شوند(شکل 4).

پیش نمایش اطلاعات

شکل4

در ادامه فیلدهایی که در Query شده اند در پنجره Fields همراه

نامی که در سیستم ذخیره می شود Name
نامی که برای Attribute نظر نمایش داده میشود Display Name
مقداری که کاربر مشاهده میکند Display Column
مقداری که سیستم در نظر میگیرد Value Column
نوع فیلد Type

تعریف می کنیم(شکل5 و 6).

فیلدهای دادگان 1

شکل5

فیلدهای دادگان 2

شکل6

Display Column و Value Column در مقاله تعریف بعد توضیح داده شده و در اینجا فقط به توضیح Type می پردازیم.

Type در واقع نوع و جنس فیلد را مشخص می کندومقادیر متفاوتی را میگیرد که عبارتند از:

برای کاراکترهای متنی Text or String
برای اعداد صحیح Integer Number
برای اعداد اعشاری Decimal number
برای زمان Date/tim/Date & Time
برای واحدهای پولی Money or Currency
برای درصد Percentage

در پنجره Dimension بعد را اضافه می کنیم که در مقاله "بعد" می توانید طریقه ایجاد بعد را مطالعه نمایید(شکل 7). در این مرحله ایجاد Data Set به پایان می رسد.

دادگان

شکل7

آنچه در مقاله بعد می خوانید » طراحی مدل اطلاعاتی

تعریف و ایجاد بعد در vdash

فیلدهای محاسباتی و KPI ها تقریبا بدون اینکه با چیزی مقایسه شوند، بی معنی می شوند.

در واقع "بعد" (Dimension) می تواند اطلاعاتمان را به قسمت های معنی دار تقسیم کند و دید بهتری از کسب و کارمان را به ما بدهد تا بتوانیم تصمیمات بهتری بگیریم.به عبارت خیلی (Data set) استفاده می شود.هر دادگانی می تواند بعد های مختلف داشته باشد.برای نمونه دادگان مربوط به فروش اینترنتی را در نظر می گیریم که می تواند به ابعاد مختلفی نظیر مشتری،منطقه جغرافیایی،موقعیت جغرافیایی،محصول،تاریخ و یا چیز های دیگر تقسیم شود(شکل 1).

بعد فروش اینترنتی

شکل1

علاوه بر اینکه هر دادگانی می تواند چند " بعد" داشته باشد، هر "بعد" نیز می تواند متعلق به چندین دادگان باشد.فرض کنید مدل ما دادگانی نظیر فروش فصلی پرسنل(شکل 2-الف) و واحد پشتیبانی (شکل 2-ب)را شامل میشود، هر دوی این دادگان می توانند به بعد تاریخ متصل گردند.

بعد واحد پشتیبانی

شکل 2-الف

بعد فروش فصلی پرسنل

شکل 2-ب

حال که با مفهوم بعد آشنا شدیم با هم یک بعد ایجاد می کنیم.البته قبلا با توجه به مقاله مدلسازی و اتصال به پایگاه داده، مدل مورد نظر را ساخته و به پایگاه داده مربوطه وصل کرده ایم.

مراحل ایجاد بعد عبارتست از:

  • 1. نام گذاری
  • 2. نوشتن دستورات فراخوانی اطلاعات از پایگاه داده
  • 3. مشخص کردن Attributes
  • 4. سلسله مراتب

نام گذاری

با ذکر یک مثال درک ملموس تری از مطالب را ارائه می دهیم:

فرض کنید می خواهیم برای دادگان مربوط به فروش فصلی که در مقاله دادگان توضیخ داده شده است "بعد" تاریخ را ایجاد نماییم.در قسمت New+ Dimensions در پنجره General برای بعد مورد نظر داریم : (شکل 3)

نام سیستمی که باید انگلیسی و بدون فاصله باشد :Dimension Name

نام نمایشی که باید فارسی باشد : Display Name

ایجاد بعد تاریخ

شکل3

نوشتن دستورات فراخوانی اطلاعات از پایگاه داده

سپس برای بعدی که تعریف کرده ایم باید بگوییم که متعلق به کدام پایگاه داده است (شکل 4) که در این مثال پایگاه داده ما AdventureWorksDWPersian و همچنین برای فیلدهایی که از پایگاه داده نیاز داریم باید Query مربوط به فراخوانی آن ها را بنویسیم:

" SELECT DateKey, AlternateDate, PersianDate, DayOfWeekNumber, DayOfWeekName, DayOfMonthNumber, MonthOfYear, MonthOfYearName, MonthKey, MonthName, QuarterOfyearNumber, QuarterOfYearName, QuarterKey, QuarterName, Year FROM DimDatePersian "

و در نهایت با اجرای Show Preview Data فیلدهای نوشته شده هم نمایش داده می شوند و هم در قسمت Attributes اضافه می گردند.(شکل 5).

تعیین پایگاه داده بعد

شکل4

پیش نمایش کوئری بعد

شکل5

مشخص کردن Attributes

در ادامه Attributes را مشخص میکنیم. Attributes در واقع اجزای تشکیل دهنده بعد هستند، در واقع مجوعه موارد و خصوصیاتی که به شرح بیشتر و دقیق تر یک بعد می پردازند. برای مثال بعد تاریخ از سال،فصل،ماه، روز تشکیل شده است.پس سال،فصل،ماه و روز Attribute های بعد تاریخ هستند که از پایگاه داده نیز فراخوانی شده اند. برای هر Attributes باید موارد زیر را مشخص کنیم:) شکل 6)

نامی که در سیستم ذخیره می شود : Name

نامی که برای Attribute مورد نظر نمایش داده میشود : Display Name

مقداری که کاربر مشاهده میکند : Display Column

مقداری که سیستم در نظر میگیرد : Value Column

فیلدهایی که می توان مرتب کرد : Sort by value

کوئری بعد

شکل6

Sort by value : این قسمت مشخص می کنیم که نمودار های ما بر اساس چه فیلد یا فیلدهایی بتوانند عمل مرتب سازی را انجام دهند.

برای درک بهتر از مفاهیم Display Columnو Value Column مثالی بیان می کنیم: در Attribute ماه، Display Name ماهها (فروردین،اردیبهشت،خردادو...) هست و Value Column 1،2،3،....12 می باشد. اعمالی مانند فیلتر کردن و مرتب کردن و ... بر اساس Column انجام می گیرد.

همانطور که گفتیم یکی از دلایل ایجاد بعد مرتب کردن فیلدهاست، در قسمت Sort by value می توانیم مخص کنیم که کدام Attributes مرتب سازی شرکت کنند.(شکل 7)

سلسله مراتب Hierarchy

بعضی از بعد ها داری Attribute های سلسله مراتبی هستند یعنی یکی از مجموع دیگری یا دیگری ها ایجاد میگرد و ترتیب قرار گیری Attribute ها اهمیت دارد.مثلا بعد تاریخ که شامل Attribute های سال، فصل، ماه و روز می باشد در سر برگ Advance می توانیم به این صورت عمل میکنیم:

روز Key Attribute:

از بالا به پایین  سال / فصل / ماه / روز Hierarchy:

با دابل کلیک می توانیم موردی را اضافه یا حذف کنیم(شکل 7).

از سلسله مراتب برای Drill Down و Drill Up استفاده میکنیم که در مقاله مربوط به خود توضیح داده خواهد شد.

لازم به ذکر است که هر بعدی الزاما سلسله مراتب ندارد، بعدهایی نظیر زمان، مکان ، ساختار سازمان ها از نوع سلسله مراتبی هستند.

سلسله مراتب

شکل7

برای درک بهتر روند کار بعد محصول را نیز با هم بررسی می نماییم.

هر محصول دارای نام و گروه و زیر مجموعه هایی و مشخصات ظاهری اعم از استایل و رنگ و سایز و مدل می باشد.تمامی این موارد به عنوان Attribute بعد محصول شناخته می شوند.

برای این بعد نیز ابتدا نام سیستمی و سپس نام نمایشی انتخاب می نماییم(شکل 8).

تعریف بعد محصول

شکل8

مرحله بعد نوشتن Query می باشد، و تمام فیلدهای مورد نیاز از پایگاه داده فراخوانی می گردد و پایگاه داده که AdventureWorksDWPersian است تعیین می شود(شکل 9).

" SELECT DimProductCategory.ProductCategoryKey, DimProductCategory.EnglishProductCategoryName, DimProductCategory.PersianProductCategoryName, DimProductSubcategory.ProductSubcategoryKey, DimProductSubcategory.EnglishProductSubcategoryName, DimProductSubcategory.PersianProductSubcategoryName, DimProduct.ProductKey ProductId, DimProduct.EnglishProductName, DimProduct.PersianProductName, DimProduct.Color, DimProduct.ColorPersian, DimProduct.Size, DimProduct.Class, DimProduct.ClassPersian, DimProduct.Style, DimProduct.ModelName, DimProduct.ModelNamePersian FROM DimProductCategory RIGHT OUTER JOIN DimProductSubcategory ON DimProductCategory.ProductCategoryKey = DimProductSubcategory.ProductCategoryKey RIGHT OUTER JOIN DimProduct ON DimProductSubcategory.ProductSubcategoryKey = DimProduct.ProductSubcategoryKey "

کوئری بعد محصول

شکل9

با کلیک بر روی Show Preview Data علاوه بر نمایش فیلدها مقادیر آن ها ، به بخش Attribute اضافه می گردند.

نوبت به تعریف و تنظیم Attributes رسیده ، که همانطور که پیش تر گفتیم تمامی جزییاتی که محصول را ایجاد می کنند به عنوان Attribute تعریف می شوند(شکل 10و11).

پیش نمایش کوئری محصول

شکل10

اتریبیوت محصول

شکل11

مراحل قبل را با هم مرور می کنیم که Name همان نامی است که در سیستم برای فیلد ثبت می شود. و Display Name نامی است که Attribute با این نمایش داده میشود یعنی زمانی که بخواهیم اطلاعاتمان را به صورت گراف مشاهده کنیم ، گروه محصول و زیر گرئه محصول برای ما نمایش داده می شود. Display Column که آن چیزی است که کاربر از جزییات محصول مشاهده میکند و کدهای این جزییات در Value Column میگیرد. برای نمونه اسم گروه محصول را کاربر میبیند (PersianProductCategoryName) کد گروه محصول (ProductCategoryKey) را کاربر نمیبیند و در سیستم نگه داشته می شود.

اگر می خواهیم که زمانی که نمودار رسم می شود بتوانیم بر اساس گروه محصول عمل مرتب سازی را انجام دهیم در قسمت Sort by Value محصول را علامت میزنیم.

از آنجایی که هر گروه محصول، دارای زیر گروه هایی هست ، پس باید برای آن سلسله مراتب تعریف کنیم (شکل12) .

سلسله مراتب محصول

شکل12

برای اتمام کار ایجاد بعد Save Model را کلیک می کنیم تا تمام تغییرات ذخیره گردند.

ذخیره کردن مدل

شکل13

آنچه مقاله بعد می خوانید >> تعریف و ایجاد دادگان

نحوه اتصال vdash به پایگاه داده

در مقاله گذشته("نحوه مدلسازی vdash") با ایجاد مدل به طور کامل آشنا شدیم و در اینجا نحوه اتصال vdash پایگاه داده را با هم بررسی می کنیم.

هر مدل را می توانیم به یک یا چندین پایگاه داده متصل کنیم. برای این کار+New Data Source را انتخاب می کنیم (شکل 1).

ایجاد پایگاه داده

شکل 1

نام پایگاه داده را در قسمت Data Source Name وارد کرده(شکل 2)در اینجا برای مثال نام پایگاه داده را AdventureWorksDWPersian گذاشتیم که مربوط به اطلاعات یک واحد تولیدی می باشد.

پایگاه داده

شکل 2

سپس نوع پایگاه داده را مشخص میکنیم یعنی اطلاعات ما در چه قالبی قرار دارند یا با کدام پایگاه داده طراحی شده اند، که می تواند

پایگاه داده ای است که به My SQL متصل می گردد My SQL Data Provider :
پپایگاه داده ای که به OLAP متصل می گردد. Microsoft SSAS(OLAP):
پایگاه داده ای که به فایل هایی با فرمت اکسل و یا اکسس وصل می شود. OLDBE(Excel,Access):
پپایگاه داده ای که به Oracle طراحی شده و به vdash متصل می گردد. Oracle Data Provider:
: برای اتصال به پایگاه داده های PostgreSQL PostgreSQL:
پایگاه داده ای که به SQL Server متصل می گردد. Microsoft SQL Server:

باشند(شکل 3).

انتخاب دیتاسورس

شکل 3

در مقالات آتی تک تک این موارد بررسی میگردد. در مثال واحد تولیدی نوع Data Source ، Microsoft SQL Serverمی باشد.

حال باید در کادر مربوط به Connection Stringدستور اتصال AdventureWorksDWPersianبه vdashرا بنویسیم.

data source = localhost ; initial catalog = AdventureWorksDWPersian ; integrated security = true ;

(شکل 4) .کوچکترین اشتباهی در نوستن دستور اتصال شما را با خطا مواجه میکند.برای اطمینان و تست اینکه آیا پایگاه داده ما به vdash متصل شده است یا نه از Test Connection استفاده می کنیم و هنگامی که عملیات با موفقیت انجام شده با شد با پیغام "برقراری ارتباط با موفقیت انجام شد" مواجه می شویم. اگر در قسمت connection string اطلاعات بیشتری نیاز دارید به http://connectionstrings.com/ مراجعه فرمایید.

چک کردن اتصال

شکل 4

 آنچه در مقاله بعد می خوانید » تعریف و ایجاد بعد در vdash

نحوه مدل سازی اطلاعات در vdash

برای اینکه بتوانیم داده هایمان را در vdash به تصویر بکشیم و آنها را آنالیز نماییم، ابتدا می بایست آنها را مدل سازی نماییم. مدل سازی یعنی اینکه ساختار خشن و غیر قابل درک پایگاه داده را به شکل مدلی ساده و قابل فهم برای مدیران اجرایی و غیر فنی تبدیل کنیم. در واقع مدل سازی ترجمه ساختار پایگاه داده است به زبان آنالیز. این مدل از اجزای زیر تشکیل شده است که ما همه آنها را به تفکیک شرح خواهیم داد:

  • دادگان یا data set
  • بعد یا dimension
  • مدل اطلاعاتی

در واقع یک مدل اطلاعاتی مجموعه ای از چند بعد و دادگان مرتبط تشکیل شده است. برای ایجاد یک مدل، مراحل زیر را طی می کنیم:

  1. ساخت یک مدل خالی جدید
  2. اتصال مدل به پایگاه های داده مورد نظر
  3. ایجاد دادگان ها
  4. ایجاد بعد های مورد نظر
  5. اتصال بعدها به دادگان ها
  6. تعریف متریک ها یا فیلدهای محاسباتی و شاخص های کلیدی عملکرد

برای دسترسی به ساخت مدل، از منوی تنظیمات به کنترل پنل می رویم(شکل 1) و روی آیکن مدل ها کلیک می کنیم (شکل 2).

کنترل پنل

شکل 1

شکل 2

مرحله اول » ایجاد مدل خالی جدید

در صفحه مدل های اطلاعاتی روی گزینه ایجاد مدل جدید کلیک کنید تا یک مدل خالی جدید برای شما ایجاد شود. (شکل 3) مدل ها

شکل 3

در صفحه اصلی فیلدهای مربوطه را به این صورت پر کنید(شکل4):

Template Name: نام سیستمی مدل باید حتما انگلیسی و بدون فاصله باشد

Display Name: نام نمایشی که کاربر آن را می بیند

Description (Optional): توضیحات مربوطه به صورت اختیاری

انتخاب مدل

شکل 4

مرحله دوم » اتصال مدل به پایگاه های داده

در اینجا برای سادگی کار، ما مدل را به یک پایگاه داده فرضی با نام AdventureWorks مربوط به یک واحد تولیدی دوچرخه و لوازم جانبی آن متصل می کنیم. برای آشنایی بیشتر با این پایگاه داده به آدرس زیر مراجعه کنید:

http://msftdbprodsamples.codeplex.com/

روی لینک + New کنار پنل Data Sources کلیک کنید تا یک منبع اطلاعاتی جدید به مدل اضافه شود. مشخصات منبع اطلاعاتی را به این شکل تکمیل نمایید:

Data Source Name: نام سیستمی منبع داده به انگلیسی “AdventureWorks”

Data Source Type: نوع پایگاه داده ای که می خواهیم به آن وصل شویم “SQL Server”

Connection String: دستور اتصال به پایگاه داده

“Data Source = localhost ; Initial Catalog = AdventureWorksDWPersian; Integrated Security = true“

برای اطمینان از برقراری ارتباط Test Connection استفاده می کنیم(شکل 5).

ایجاد مدل جدید

شکل 5

مرحله سوم » ایجاد دادگان ها

دادگان یا موجودیت اطلاعاتی مجموعه ای از فیلدهای مورد نیاز از پایگاه داده است.

برای مثال در اینجا دادگان مربوط به فروش اینترنتی را ایجاد می کنیم. در این دادگان موارد محصول، تاریخ سفارش، منطقه جغرافیایی، قیمت واحد و تعداد مد نظر ما است، دستور ایجاد آن به شکل زیر خواهد بود:

“SELECT ProductKey, OrderDateKey, SalesTerritoryKey, OrderQuantity, UnitPrice FROM dbo.FactInternetSales”

برای ایجاد دادگان مورد نظر، روی لینک + New کنار پنل Data Sets کلیک کرده و نام سیستمی و نام نمایشی دادگان را وارد نمایید. (شکل 6)

اتثال به پایگاه داده

شکل 6

سپس روی سربرگ Query کلیک کنید تا بتوانید دستور مورد نظر را وارد کنید. قبل از اجرای دستور، نوع منبع اطلاعاتی یا Source Name که در مرحله قبل ساخته اید را انتخاب نمایید. (شکل 7)

ایجاد دادگان

شکل 7

روی دکمه Execute Query کلیک کنید تا دستور شما اجرا و فیلدهای دادگان اضافه شوند. در سربرگ فیلدها، عنوان فارسی هر فیلد را در ستون Display Name وارد نمایید. (شکل 8)

کوئری

شکل 8

مرحله چهارم » ایجاد بعدها

بعدها یا Dimensions آیتم هایی هستند که برای مقایسه کردن یا فیلتر کردن اطلاعات به کار می روند. برای مثال وقتی میزان فروش را در ماه های مختلف سال مقایسه می کنیم، در واقع بعد زمان برای ما کاربرد دارد. یا وقتی فروش محصولات مختلف را در سال گذشته بررسی می کنیم، بعد زمان و محصول هر دو تاثیر گذارند. با توجه به دادگان هایی که در مدل تعریف می شوند، بعدهای مختلفی مورد نیاز خواهد بود.

برای تعریف بعد روی لینک + New کنار پنل Dimensions کلیک کرده، نام سیستمی و نام نمایشی بعد را وارد نمایید. (شکل 9)

فیلدها

شکل 9

در سربرگ Query مانند کاری که در دادگان انجام دادید، عمل کرده و دستور فراخوانی بعد مورد نظر را بنویسید. در اینجا برای مثال ما بعد زمان را از جدول dimdatepersian فراخوانی می کنیم:

“SELECT datekey, alternatedate, persiandate, dayofweeknumber, dayofweekname, dayofmonthnumber, monthofyear, monthofyearname, monthkey, monthname, quarterofyearnumber, quarterofyearname, quartername, quarterkey,year FROM dbo.DimDatePersian”

ایجاد بعد

شکل 10

با کلیک کردن روی دکمه Execute Query و پیش نمایش داده های بعد، خصوصیات یا Attribute های بعد اضافه خواهند شد. خصوصیات بعد، تقریبا متناظر با فیلدهای دادگان بوده و توضیحات بیشتر در مقاله های تخصصی آنها داده خواهد شد.

کوئری بعد

شکل 11

در سربرگ Advanced لطفا مراحل زیر را انجام دهید. توضیحات مربوطه در مقاله مربوط به تعریف بعدها ارائه خواهد شد.

Key Attribute: روز

Hierarchy: از بالا به پایین  سال / فصل / ماه / روز

مرحله پنجم » اتصال بعدها به دادگان ها

مجددا به دادگان فروش اینترنتی رفته و در سربرگ مربوط به Dimensions، بعدی را که ایجاد کردیم، می افزاییم (شکل 12).

انتخاب بعد

شکل 12

مرحله ششم » تعریف متریک ها و شاخص ها

بعد از تکمیل مرحله مدلسازی مدل را ذخیره کرده و روی گزینه Business Design در نوار ابزار بالای صفحه کلیک کنید. شما به فضای جدید منتقل می شوید که در آنجا به طراحی غیر فنی مدل اطلاعاتی می پردازیم. در این قسمت معیارها و خواسته های سازمان پیاده سازی می شود. در واقع در این قسمت فیلدهایی که قرار به محاسبه آنها هست و همچنین تعریف شاخص ها صورت می گیرد. برای مثال اگر بخواهیم برای فروش اینترنتی میزان فروش و یا درصد سود را محاسبه کنیم باید در قسمت مربوط به فیلدهای محاسباتی این دو را با ذکر فرمول و نحوه محاسبه تعریف نماییم(شکل 13).

فیلد مخاسباتی

شکل 13

اکنون مدل ما آماده رسم انواع گراف ها و چارت های متنوع است. مدل را ذخیره کرده و به صفحه اصلی برگردید. داشبورد جدید را کلیک کنید و از منوی نمودار، گزینه نمودار میله ای عمودی را انتخاب نمایید. با انتخاب دادگان فروش اینترنتی، نمودار برای شما رسم خواهد شد. (شکل 14)

رسم نمودار

شکل 14

در مقاله بعدی با نحوه اتصال vdashبه پایگاه داده آشنا خواهید شد.

vdash، سرمایه گذاری با نرخ بازگشت 1300 درصد

در اقتصاد پر از فراز و نشیب امروز، یکی از بزرگترین دغدغه های مدیران، سرمایه گذاری روی پروژه هایی است که نرخ بازگشت قابل توجهی دارند. یک مدیر موفق برای هر کار و هزینه ای، صرفه اقتصادی، سوآوری، اثربخشی و ... را به طور مداوم می سنجد و فرصت های طلایی را جذب می کند.

از طرفی از میان انبوه اطلاعاتی که هر روز مدیران را احاطه کرده اند، صرف نظر از راستی آزمایی داده های رسیده، آنالیز اطلاعات و رسیدن به یک تصمیم نهایی، دقیق و علی الخصوص به موقع، کاری بس دشوار و پیچیده است.

به عبارتی در حال حاضر، چالش اساسی مدیران، جمع آوری اطلاعات و داده ها نیست. بلکه بهره برداری از این گنجینه های ارزشمند است. اما متاسفانه مدیران اغلب یا به اطلاعات درستی دسترسی ندارند و یا کیفیت اطلاعات و خروجی ها در حد مطلوبی نیست. در نتیجه کیفیت تصمیمات مدیریتی نیز در حد مطلوبی نیست و نتایج پیش بینی شده را به دنبال نخواهد داشت. واضح است که کیفیت بینش و اطلاعات است که کیفیت تصمیم را تعیین می کند. یک تصمیم نادرست بر اساس اطلاعات ناقص و یا اشتباه و بدون دقت، می تواند کل سازمان را دچار اختلال کند و پیامدهای جبران ناپذیری به وجود آورد.

برای بهره برداری از این اطلاعات، ابزارهای مدرن به کمک مدیران آمده اند و به گزارش مرکز تحقیقات نوکلوس ( بزرگترین و معتبرترین مرکز تحقیقات تخصصی بازگشت سرمایه در جهان ) در سال 2014، شرکت هایی که کسب و کار خود را به این نوع ابزارها مجهز نمودند تا 1300% بازگشت سرمایه داشته اند.

این ابزارها، اهداف، رویکردها و اتواع متفاوتی دارند و برای انواع مصرف کنندگان از جمله آنهایی که نیاز به آنالیز اطلاعات دارند و یا آن هایی که صرفا جنبه گزارش گیری مد نظرشان است تولید می شود. ولی شاید آنچه امروزه نیاز یک مدیر و به طور کلی یک سازمان است، ابزاری یکپارچه است که قابلیت ها و توانایی های بیشتری نسبت به یک نرم افزار یک بعدی دارد.

برای موفقیت در فضای رقابتی و پیچیدگی های موجود بازار امروز، تجربه برای یک مدیر کافی نخواهد بود. اخیرا نوآوران توسعه وندا ، به عنوان یک گروه پیشرو و فعال در حوزه مدیریت اطلاعات ، آخرین محصول خود، vdash نرم افزار آنالیز اطلاعات و داشبورد مدیریتی ، با تجربه کاربری نو و متفاوت را به بازار ارائه کرده است . vdash ، با هدف ارائه خدمات در زمینه بینش اطلاعاتی، به کلیه منابع اطلاعاتی سازمان متصل شده و به مدیران کمک می کند تا در هر زمان و مکان که تمایل دارند به داده ها و اطلاعات کسب و کار خود دسترسی یکپارچه داشته باشند و آن ها را آنالیز کنند و گزارشی از عملکرد لحظه به لحظه خود داشته باشند. این محصول به وسیله اساس غنی آنالیزی ، امکان تعامل با کاربر ، امکان مدل سازی داده ها و مصورسازی به استانداردترین حالت ممکن ، امکان خوانش بهینه ای از انبوه اطلاعات و ورای یک آگاهی سطحی را فراهم می آورد .

به گفته مدیران، آنچه vdash را از سایر نرم افزارها در این حوزه جدا می کند سادگی، دقت و سرعت این ابزار است. مدیران محصول vdash اظهار می کنند که تنها ابزار آنالیز اطلاعات بدون نیاز به آموزش کاربری در ایران را دارند، که تمام قابلیت هایش با سه کلیک قابل دسترس است. در فرآیند تولید وی دش علاوه بر دانش برنامه نویسی، به تفکر اطلاعاتی و مدیریتی داده محور پرداخته شده است. کارشناسان تولید با تخصص های متفاوت در حوزه مدیریت اطلاعات، آمار، داده پردازی، مصورسازی اطلاعات و برنامه نویسی به عنوان گروه تولید برای ایجاد بهترین تجربه کاربری ممکن فعالیت نموده اند.

شما نیز می توانید با مراجعه به www.vdash.ir و استفاده از دموی رایگان آن، لذت سادگی، دقت و سرعت را در تصمیم گیری و مدیریت تجربه نمایید.

از 0 تا 100 ساخت اولین داشبورد مدیریتی vdash

امروزه شناسایی و تحلیل عوامل موفقیت در کسب و کار سازمان ها بحثی است که در بسیاری از سازمان های بزرگ و کوچک مورد توجه ویژه ای قرار گرفته است.برای این منظور از ابزارهای مختلفی استفاده می شود که vdash نیز یکی از شاخص ترین آن هاست و به کمک آن می توان آنالیز اطلاعات به همراه نمایش گرافیکی اطلاعات انجام داد .

در اینجا می خواهیم نحوه کار کردن vdash را بررسی کنیم.

با وارد کردن نام کاربری و رمز عبور وارد صفحه شروع به کار می شویم .

ورود

شکل 1

vdash نرم افزار آنالیز اطلاعات است ، این اطلاعات از کجا می آیند و چه بر سرشان می آید تا ما داشبورد شسته و رفته ای داشته باشیم همه آن چیزی هست که در این مقاله و مقالات آتی به آن می پردازیم.vdash نرم افزار آنالیز اطلاعات است ، این اطلاعات از کجا می آیند و چه بر سرشان می آید تا ما داشبورد شسته و رفته ای داشته باشیم همه آن چیزی هست که در این مقاله و مقالات آتی به آن می پردازیم.

قبل از هر چیز هدف از استفاده از را یاد آور می شویم ، به بیان خیلی ساده vdash قصد دارد اطلاعات خام را به شکلی قابل درک برای ما مدل سازی کند . این اطلاعات همان داده های خام موجود در سازمان است و منظور از مدل سازی اتصال منابع اطلاعاتی و همچنین انتقال ساختار آن ها به vdash می باشد.

پس قدم اول در استفاده از vdash آماده سازی داده های خام برای مدلسازی اطلاعات است که خود شامل اتصال به پایگاه داده (ها)،تعریف بعد(ها)، تعریف دادگان و در نهایت طراحی مدل کسب و کار می باشد.

برای این منظور از پنل تنظیمات وارد کنترل پنل می شویم (شکل 2)و مدل ها را انتخاب می کنیم(شکل 3).

کنترل پنل

شکل 2

مدل

شکل 3

اگر بخواهیم مدلی ایجاد کنیم و یا مدلی که قبلا ایجاد شده را آپلود کنیم و یا ویرایشی روی مدل ایجاد شده انجام دهیم " مدل ها " را انتخاب می کنیم. در آینده به هر یک از این موارد پرداخته خواهد شد.

مدل ها

شکل 4

هر مدلی که ایجاد شود به همراه اطلاعاتی اعم از نام مدل و سازنده مدل و تاریخ ایجاد مدل و نیز تاریخ ویرایش در این قسمت ثبت می شود و قابل مشاهده است.

بدیهی است برای ایجاد یک مدل داشتن یک پایگاه داده ضروریست در واقع باید اطلاعاتی وجود داشته باشد تا بخواهیم برای آن اطلاعات مدلی ایجاد نماییم .

لازم است که برای مدل اطلاعاتی نام مناسب انتخاب کنیم(شکل 5) و پس از آن باید مشخص کنیم که اطلاعات ما در کدام پایگاه داده قرار دارد (Data Sources) و از کجا فراخوانی می شود(شکل 6) .

مدل تولیدی

شکل 5

مدل تولیدی به پایگاه

شکل 6

در ادامه با دو مفهوم Dimensions (ابعاد)، Data Sets (دادگان) سر و کار داریم.

خوب است که در اینجا منظور از استفاده این دو مفهموم را با هم مرور کنیم.

منظور از data set (دادگان) در واقع همان fact ها یا موجودیت های اصلی در کسب و کار است . پایگاه داده یک واحد تولیدی را در نظر بگیرید مواردی مانند فروش، تولید، سفارشات و ... همان دادگان های ما هستند. و در ادامه این صحبت مفهوم بعد (Dimension) مطرح می گردد که منظور از آن زاویه دید به دادگان مورد نظر است .مثلا در همین واحد تولیدی می توانیم بعد زمان تعریف کنیم یعنی به فروش مان از زاویه زمان نگاه کنیم ، حال خود زمان میتواند شامل سال،فصل،ماه، هفته و حتی روز باشد و یا سفارش ها را در موقعیت های جغرافیایی از قبیل کشور ،استان، شهر و کد پستی مورد بررسی قرار دهیم.

بنابراین ابتدا به ایجاد Data Set مورد نظر می پردازیم . تمامی مراحل و از جمله ایجاد دادگان جدید نیاز به نام گذاری مناسب دارد(شکل 7) و پس از آن باید دستور خواندن اطلاعاتی که قرار است بعدا در مدلسازی و آنالیز قرار گیرند را از پایگاه داده دهیم که این دستورات بنا به ساختار و زبان پایگاه داده متفاوت است و در قسمت Query نوشته می شود. بعد از نوشتن Query فیلد هارا تعیین می کنیم.

دادگان نگاه کلی

شکل 7

سپس به قسمت Dimensions رفته و با انتخاب نام مناسب برای بعد مورد نظر (شکل 8)و نیزتعیین پایگاه داده و نوشتن کوئری برای آن، قسمت Attributes را نیز متناسب با Query نوشته شده تنظیم می کنیم.

مجدد به قسمت Data Set رفته و در بخش Dimension ، بعدی را که ایجاد کردیم اضافه میکنیم(شکل 9).

بعد نگاه کلی

شکل 8

هم اکنون باید به طراحی مدل اطلاعاتی (Business Design) بپردازیم(شکل 10).این مرحله بسته به نیاز های شما در سازمانتان متغیر است. در صفحه مربوط به طراحی مدل اطلاعاتی با انتخاب دادگان مورد نظر به تعریف فیلد های محاسباتی که درواقع فاکتورهایی که نیاز به اندازه گیری و یا مقایسه آن ها دارید هستندو همچنین پیش فرض سطر ها و ستون های نمودارهایی که قرار به رسم آن ها هست و بعد از آن به معرفی فیلدهای محاسباتی که در واقع فاکتورهای مهمی هستند که میخواهیم مورد آنالیز قرار دهیم و در نهایت به معرفی شاخص هایی که برای سازمان حائز اهمیت می باشد می پردازیم.

بعدهای نگاه کلی

شکل 9

پس از اتمام طراحی مدل اطلاعاتی نوبت به آنالیز اطلاعاتی که به vdash متصل کردیم ،و ساخت داشبورد مدیریتی میر سد. و در این مرحله می توانیم اطلاعات خام و غیر قابل تفسیر را به راحتی برای تحلیل به نمایش بگذاریم.

به صفحه Home برگشته و شروع یک داشبورد جدید را انتخاب می کنیم.

سپس با کمک هر یک از آیتم هایی که نیاز داریم می توانیم به آنالیز اطلاعاتمان بپردازیم ، برای مثال از منوی نمودار میله ای عمودی را انتخاب میکنیم(شکل 11)، و برای موجودیت اطلاعاتی مدنظر (مشتریان)(شکل 12) نمودار میله عمودی رسم می گردد(شکل 13).

فیل ها مخاسباتی

شکل 10

انتخاب موجودیت

شکل 11

نمودار اول

شکل 12

و همین روال را می توانیم با آیتم های مختلف ادامه دهیم تا داشبورد مورد نظرمان ایجاد گردد.

نمودار نهایی

شکل 13

آنچه بعد میخوانید » نحوه مدل سازی اطلاعات در vdash

»نحوه اتصال vdash به پایگاه داده

»تعریف و ایجاد بعد در vdash

»تعریف و ایجاد دادگان

»طراحی مدل اطلاعاتی

»تعریف و ایجاد فیلدهای محاسباتی در vdash

شما چقدر با تکنولوژی همگام هستید؟

تحقیقات نشان می دهد که 2015 یک نقطه عطف بوده است . 86 درصد از مدیران امروز بر این باورند که توجه به تکنولوژی و بهره بری از آن یک نیاز مهم است. میزان اهمیت مدیران به تکنولوژی در 3 سال گذشته افزایش یافته است به این صورت که در سال 2013 ، 57 درصد از آن ها از این مورد بهره می بردند ، در سال 2014، 71 درصد و امسال 73 درصد از مدیران در تصمیم های مدیریتی خود بهره گیری از تکنولوژی را جزء اولویت ها در نظر می گیرند .

تکنولوژی برای کسب و کار امروز

با وجود تب بازار ، شرکت ها برای گسترش صنعت خود و یا دیگران برای تکنولوژی سرمایه گذاری نمی کنند . آنها به صورت کامل بر به کارگیری تکنولوژی برای ارتقا مدل کسب و کاری خود و به دست آوردن بینشی دقیق تر تمرکز کرده اند. 

در حالی که سازمان ها به صورت گسترده بر تکنولوژی دیجیتال سرمایه گذاری می کنند و مصرف کنندگان ، کارمندان ، همکاران تجاری و سهام داران توقعات بیشتری نسبت به گذشته دارند ، مدیران مجبورند که تا جایی که امکان دارد تصمیم های درستی برای سرمایه گذاری اخذ کنند تا به طور ��طع نتیجه مطلوب حاصل شود . ما عقیده داریم که مدیران باید بینش دقیقی از وضعیت تکنولوژی در کسب و کارهای رقیب و به طور کلی در دنیای تجارت داشته باشند . 

در حالی که بیشتر افراد فکر می کنند تکنولوژی برای کسب و کار عملی مرتبط با ایجاد نوآوری و تغییر است ، دیگران بر این باورند که تکنولوژی کسب و کار در واقع همان IT  است . این نوع دیدگاه در خاورمیانه بیشتر از مناطق دیگر دنیا شایع است. امروزه با وجود مدیریت مختص به اطلاعات CIO  درسازمان ها این نگاه در حال تغییر است.

این مسئله که مدیران با هوش دیجیتال و تکنولوژی دو برابر دیگر مدیران درحوزه کسب و کار باعث موفقیت و سودآوری می شوند ،واقعیتی است که امروز باید پذیرفته شود.

آیا مصرف کننده به راحتی اطلاعات شخصی خود را در اختیار شما می گذارد ؟

مسئله مهم احساس مشتریان درباره جمع آوری  اطلاعات و داده هایشان توسط شرکت ها است . مدیران ارشد در یک تحقیق جهانی اظهار کردند که مشتریان 50 درصد بیشتر نسبت به گذشته برای به اشتراک گذاری داده های خود تمایل دارند . 

اما ایا این آمار درست است ؟ در یک نظرسنجی که فقط مصرف کنندگان را مورد پرسش قرار داده است ، فقط 21 درصد از افراد مورد مطالعه تمایل به اشتراک گذاری داده های شخصی خود را اظهار کردند . و 24 درصد از آنها به دلیل عدم اطمینان به توانایی شرکت برای نگه داری و محافظت از داده های آنلاین آنها و یا احتمال سوء استفاده تمایلی به در اختیار گذاشتن داده های خود ندارند . 

احتمال حملات سایبری به شرکت ها و دزدی داده ها وجود دارد . هرچه میزان اطلاعات شخصی شرکت از مصرف کنندگان جمع آوری می کند بیشتر باشد ، باید تلاش بیشتری در زمینه اعتماد سازی انجام دهد. 

هرچه داده ها توسط شرکت با ارزش تر تلقی شوند، برای مصرف کنندگان سوال مطرح می شود که چرا، دقیقا باید قسمتی از هویت دیجیتال خود را در اختیار دیگران بگذارند. 

در فضای داده محور امروزی سازمان ها برای کشف ترجیحات و علاقه مندی های شما تخفیف ها و پیشنهادهایی ارائه می دهند . برای استفاده از این تخفیف ها شما باید قسمتی از داده های شخصی مثل ترجیحات خود را در اختیار آنها بگذارید. گاهی این داده ها برای اهدافی استفاده می شود که مشتری هیچ کنترلی روی آن ندارد. و در نتیجه شاید شاید بخواهد تمام اطلاعات مربوط به خود را از منابع شرکت حذف کند. 




دنیایی را تصور کنید که داده های فروشنده در اصل به داده های مشتری تبدیل شود . به این معنا که مشتریان از داده های شخصی خود برای رسیدن به اهدافشان استفاده کنند . این مسئله می تواند در اقتصاد و ایجاد مدل های کسب و کاری جدید موثر باشد . بانک های داده ای قابل اعتماد که ارزش داده ها را مدیریت در آینده ای نزدیک کارکردی همچون مشاوران مالی خواهند داشت . مصرف کننده شاید برای پاسخگویی به نیازها و اهدافش چندین بانک اطلاعاتی در زمینه های مختلف از جمله : سلامتی ، پول ، خانه و ... داشته باشد . و در هر زمانی که بخواهد بتواند اطلاعات شخصی خود را از بانک بیرون بیاورد ( یا حذف کند ) . این سناریو با سناریو امروزی که داده های شخصی افراد به صورت متمرکز نیستند، به قدری متفاوت است . در این دنیای دیجیتال ، افراد دو حق اساسی دارند : 1. حق فراموش شدن ( توانایی حذف داده های شخصی خود ) 2.حق تجمیع ( هر فرد یک بانک قابل اعتماد از داده های شخصی خود دارد که فقط برای اهدافی مورد استفاده قرار می گیرند که مصرف کننده در جریان است و اجازه ی آن مورد را صادر کرده است . ) 

در نهایت، روشی که در آن شرکت ها  اطلاعات شخصی را مدیریت و از آن محافظت می کنند ،تبدیل به یک آزمون بزرگ شفافیت و صحت، و یک منبع اعتماد بسیار مورد نیاز و ضروری  است.

شرکت های هوشمند از داده های شخصی به روشی موثر برای به وجود آوردن ارزش برای مصرف کننده استفاده می کنند . این ارزش می تواند در یک حیطه مشخص مثل خدمات مشتریان ، یا طراحی خدمات جدید مثل خدمات پزشکی و پیشنهادهای سلامتی از طریق تکنولوژی های پوشیدنی ( مثل ساعت های هوشمند ) باشد . شرکت هایی که مشتریان و اطلاعات آن ها را نادیده می گیرند در دنیای آنلاین و اجتماعی امروز موفق نخواهند بود .ایجاد اعتماد توسط شرکت برای مصرف کننده ، در دنیایی مملوء از اطلاعات شخصی ، بسیار حائز اهمیت است.

اطلاعات مصرف کنندگان ، دارایی های استراتژیک کسب و کارهای موفق

یک چالش بزرگ برای CEO ها، به دست آوردن یک بینش یکپارچه از داده های شخصی مشتریانشان برای به کارگیری در کسب و کار است. در حال حاضر ، داده های شخصی بیشتر در موارد ارتباط نزدیک با مشتریان مثل ارائه خدمات (85 درصد از مدیران عامل همیشه یا اغلب با استفاده از داده های مشتری این مورد را بهبود می بخشند ) خرید و فروش (84٪) و بازاریابی (81٪) مورد استفاده قرار می گیرد. این موضوع تنها می تواند به سودهای کوتاه مدت یا صرفه جویی در هزینه ها و بهبود فروش، همچنین آگاهی از فرصت های  استراتژیک دیگر موثر باشد.



به دلیل آن است که بسیاری از سازمان ها هنوز اطلاعات و داده جمع آوری نمی کنند و یا اینکه مدیران ارشد اعتقادی به بررسی کسب و کار از طریق بررسی وضعیت مشتریان ندارند، داده مشتریان هنوز در قسمت های کلیدی کسب و کار مورد استفاده قرار نمی گیرد. مدیران اجرائی می گویند که اطلاعات شخصی برای منابع انسانی، تدارکات و منابع مورد استفاده قرار نمی گیرد.

چاش های داده ها و اطلاعات انبوه برای سازمان ها : 

حجم زیاد داده ها : 
داده های انبوه تقریبا غیر قابل درکی جمع آوری می شوند . سازمان ها چگونه در مورد زمان جمع آوری داده ها تصمیم گیری می کنند ؟ به یاد داشته باشیم که داده انبوه به معنی بینش زیاد و دقیق نیست. 

پارازیت و بینش شفاف :

استخراج ارزش از داده های انبوه مثل پیدا کردن سوزن در یک انبار کاه است . سازمان ها چگونه پارازیت را از بینش دقیق تشخیص می دهند ؟ 

داده های متفاوت ( ساختاریافته و بدون ساختار ) :

سازمان ها چگونه  داده های ساختار یافته ثبتی و بدون ساختار شبکه های اجتماعی مربوط به یک مشتری را معنی دار کرده و آنها را تبدیل به یک بینش یکپارچه می کنند  ؟ 

داده های ناقص : 

طبیعتا خطا و مشکلات کیفیتی داده غیر قابل اجتناب است . سازمان ها چگونه خطا ها را شناسایی می کنند ؟

مشکلات رو به افزایش در زمینه پیش بینی:

اطلاعاتی که امروز جمع آوری می شود ، لزوما جواب نیازها و خواسته ها و سوالات فردای مشتریان نیست . 


آنالیز اطلاعات منابع انسانی و استخدام

انتخاب های بهتر در هنگام استخدام، فارق از شاخص های متداول مثل نمره و یا رشته تحصیلی، با استفاده از فاکتورهای جدیدی که حقیقتا موفقیت را تضمین می کنند .




چالش امروز : 

استراتژی استخدام معمولا بسیار ذهنی است . به معنای آنکه این فرآیند بسیار به نظر شخصی فرد مصاحبه کننده بستگی دارد.  به همین دلیل هم معمولا نتیجه با آنچه انتظار می رفته است ، فاصله دارد . در حالی که واقع گرایی به ما کمک می کند که حقیقت را در شاخص های مرتبط بررسی کنیم بدون آنکه نظر شخصی و یا خوشایند خود را در آن دخیل نماییم. در هنگام تصمیم گیری های مهم ، ادراک یک جانبه یا اریبی باعث می شود که کل تصویر نادیده گرفته  شود ، که در نتیجه به اشتباهاتی هزینه و زمان  بر منجر خواهد شد. 

تاثیر آنالیز اطلاعات : 

مدیران استخدام باید اطلاعات جامعی از رفتار و شخصیت افرادی که برای شرکت سودمند خواهند بود ، داشته باشند . آن ها باید اطلاعات افراد مصاحبه شونده را با استانداردهای از پیش تعیین شده دقیق ، مقایسه نمایند و بهترین تصمیم را اخذ نمایند . 

نتیجه گیری : 

استخدام افراد درست باعث افزایش درآمد ، بهبود بهره وری ، و کاهش هزینه های آموزش و دیگر هزینه های جانبی خواهد شد.