دوره آموزشی راهنمای جامع یادگیری تحلیل داده
4 ساعت 27 دقیقهمبتدی2026-08-04
مدرسین

Robin Hunt
Developer and Educator
جزئیات دوره
تحلیل داده فقط به نوشتن چند Query یا ساختن نمودار محدود نمیشود. یک تحلیلگر داده باید بتواند دادههای خام را دریافت و پاکسازی کند، ساختار مناسبی برای آن ایجاد کند، اطلاعات موردنیاز را با SQL استخراج کند و در نهایت نتایج را به شکلی واضح و قابل استفاده در اختیار تصمیمگیرندگان قرار دهد.
این دوره یک مسیر جامع برای آشنایی با مهارتها و ابزارهای موردنیاز در تحلیل داده ارائه میدهد. ابتدا با انواع داده، نقش تحلیلگر داده و مراحل مختلف فرایند تحلیل آشنا میشوید و سپس به سراغ Import و Cleaning داده میروید. یاد میگیرید چگونه دادههای نامنظم و خام را برای تحلیل آماده کنید و تفاوت میان دادههای تکراری و Reference Data Setها را تشخیص دهید.
در ادامه، SQL را بهصورت کاربردی بررسی میکنید و با Syntax صحیح، Queryنویسی، Wildcardها و انواع Join آشنا میشوید. این بخش به شما کمک میکند بتوانید دادهها را از جداول مختلف استخراج و ترکیب کرده و اطلاعات موردنیاز برای تحلیل را به دست آورید.
بخش مهم دیگری از دوره به Power BI و Power Query اختصاص دارد. یاد میگیرید چگونه دادهها را وارد، Transform و Model کنید و سپس با استفاده از ابزارهای Visualization، گزارشها و داشبوردهای قابل فهم ایجاد کنید. همچنین با مفاهیمی مانند Slicer و انواع مختلف Data Visualization آشنا میشوید.
در کنار مهارتهای فنی، مفاهیم مهمی مانند Data Modeling، Data Governance و Business Rules نیز بررسی میشوند؛ موضوعاتی که نقش مهمی در کیفیت تحلیل و تصمیمگیری دارند. همچنین با مسائل مربوط به Licensing و Permissions آشنا میشوید تا بتوانید دادهها و ابزارهای تحلیلی را با در نظر گرفتن الزامات سازمانی و دسترسی کاربران مدیریت کنید.
در طول دوره، مثالها و تمرینهای عملی به شما کمک میکنند مفاهیم را در سناریوهای واقعی به کار بگیرید و با خطاها و چالشهای رایج در پروژههای تحلیل داده آشنا شوید. همچنین نقش AI و ابزارهای هوش مصنوعی در تفسیر دادهها و بهبود فرایند تصمیمگیری بررسی میشود.
این دوره برای دانشجویان، متخصصان و افرادی مناسب است که قصد ورود به حوزه Data Analytics یا تغییر مسیر شغلی به سمت تحلیل داده را دارند و میخواهند با ابزارها، استانداردها و Best Practiceهای رایج این حوزه آشنا شوند.
اهداف یادگیری
مهارتها و مسئولیتهای اصلی یک Data Analyst را شناسایی کنید.
انواع مختلف داده را تشخیص داده و ویژگیهای آنها را درک کنید.
دادههای موجود را تفسیر و برای تحلیل آماده کنید.
مراحل و اهمیت Data Cleaning را توضیح دهید.
دستورات SQL را با Syntax صحیح بنویسید و اجرا کنید.
از Joinها برای ترکیب دادههای موجود در جداول مختلف استفاده کنید.
Wildcard Characterها را در ساخت Queryهای SQL به کار بگیرید.
اصول اولیه Data Modeling را توضیح دهید.
با مفاهیم Data Governance و Business Rules در تحلیل داده آشنا شوید.
دادههای خام را با استفاده از Power Query وارد و Transform کنید.
از Power BI برای ساخت گزارشها و Visualizationهای داده استفاده کنید.
انواع مختلف Data Visualization را بررسی و برای هر سناریو گزینه مناسب را انتخاب کنید.
کاربرد Slicerها را در گزارشها و داشبوردهای Power BI توضیح دهید.
تفاوت Duplicate Data Set و Reference Data Set را تشخیص دهید.
ابزارهای AI را برای بهبود تفسیر دادهها و فرایند تصمیمگیری به کار بگیرید.
ملاحظات مربوط به Licensing و Permissions را در محیطهای تحلیل داده درک کنید.
یافتههای تحلیلی را به شکلی واضح و مؤثر با دیگران ارتباط دهید.
این دوره یک مسیر جامع برای آشنایی با مهارتها و ابزارهای موردنیاز در تحلیل داده ارائه میدهد. ابتدا با انواع داده، نقش تحلیلگر داده و مراحل مختلف فرایند تحلیل آشنا میشوید و سپس به سراغ Import و Cleaning داده میروید. یاد میگیرید چگونه دادههای نامنظم و خام را برای تحلیل آماده کنید و تفاوت میان دادههای تکراری و Reference Data Setها را تشخیص دهید.
در ادامه، SQL را بهصورت کاربردی بررسی میکنید و با Syntax صحیح، Queryنویسی، Wildcardها و انواع Join آشنا میشوید. این بخش به شما کمک میکند بتوانید دادهها را از جداول مختلف استخراج و ترکیب کرده و اطلاعات موردنیاز برای تحلیل را به دست آورید.
بخش مهم دیگری از دوره به Power BI و Power Query اختصاص دارد. یاد میگیرید چگونه دادهها را وارد، Transform و Model کنید و سپس با استفاده از ابزارهای Visualization، گزارشها و داشبوردهای قابل فهم ایجاد کنید. همچنین با مفاهیمی مانند Slicer و انواع مختلف Data Visualization آشنا میشوید.
در کنار مهارتهای فنی، مفاهیم مهمی مانند Data Modeling، Data Governance و Business Rules نیز بررسی میشوند؛ موضوعاتی که نقش مهمی در کیفیت تحلیل و تصمیمگیری دارند. همچنین با مسائل مربوط به Licensing و Permissions آشنا میشوید تا بتوانید دادهها و ابزارهای تحلیلی را با در نظر گرفتن الزامات سازمانی و دسترسی کاربران مدیریت کنید.
در طول دوره، مثالها و تمرینهای عملی به شما کمک میکنند مفاهیم را در سناریوهای واقعی به کار بگیرید و با خطاها و چالشهای رایج در پروژههای تحلیل داده آشنا شوید. همچنین نقش AI و ابزارهای هوش مصنوعی در تفسیر دادهها و بهبود فرایند تصمیمگیری بررسی میشود.
این دوره برای دانشجویان، متخصصان و افرادی مناسب است که قصد ورود به حوزه Data Analytics یا تغییر مسیر شغلی به سمت تحلیل داده را دارند و میخواهند با ابزارها، استانداردها و Best Practiceهای رایج این حوزه آشنا شوند.
اهداف یادگیری
مهارتها و مسئولیتهای اصلی یک Data Analyst را شناسایی کنید.
انواع مختلف داده را تشخیص داده و ویژگیهای آنها را درک کنید.
دادههای موجود را تفسیر و برای تحلیل آماده کنید.
مراحل و اهمیت Data Cleaning را توضیح دهید.
دستورات SQL را با Syntax صحیح بنویسید و اجرا کنید.
از Joinها برای ترکیب دادههای موجود در جداول مختلف استفاده کنید.
Wildcard Characterها را در ساخت Queryهای SQL به کار بگیرید.
اصول اولیه Data Modeling را توضیح دهید.
با مفاهیم Data Governance و Business Rules در تحلیل داده آشنا شوید.
دادههای خام را با استفاده از Power Query وارد و Transform کنید.
از Power BI برای ساخت گزارشها و Visualizationهای داده استفاده کنید.
انواع مختلف Data Visualization را بررسی و برای هر سناریو گزینه مناسب را انتخاب کنید.
کاربرد Slicerها را در گزارشها و داشبوردهای Power BI توضیح دهید.
تفاوت Duplicate Data Set و Reference Data Set را تشخیص دهید.
ابزارهای AI را برای بهبود تفسیر دادهها و فرایند تصمیمگیری به کار بگیرید.
ملاحظات مربوط به Licensing و Permissions را در محیطهای تحلیل داده درک کنید.
یافتههای تحلیلی را به شکلی واضح و مؤثر با دیگران ارتباط دهید.
سرفصل ها
مقدمه
- شروع سفر تحلیل داده شما - یک نمای کلی عملی
شروع کار با تحلیل داده
- تعریف تحلیل داده و تحلیلگر داده
- آیا شما هم در حال انجام کار تحلیلگر داده هستید؟
- مهارتهای ضروری که هر تحلیلگر داده به آن نیاز دارد
مبانی درک داده
- چگونه تحلیلگران داده یاد میگیرند دادههای پنهان را شناسایی کنند
- چگونه با دادههای از دست رفته یا در دسترس نبوده کار کنیم
- درک نحو در ابزارها و زبانهای داده
- مبانی SQL برای تحلیلگران داده - خواندن و نوشتن پرسوجوها
- استفاده از هوش مصنوعی برای خواندن و درک پرسوجوهای SQL
- راهحل - خواندن SQL
عناصر کلیدی که باید در شروع تحلیل داده درک کرد
- تفسیر دادههای موجود برای تحلیل
- چگونه دادههای موجود را در یک سازمان پیدا کنیم
- درک گردشکار داده و زمانبندی
- درک اتصال دادهها و اهمیت آن
- اعمال اتصالات و تأیید نتایج داده
- راهحل - محصولات دستهبندی نشدهاند
شروع یک پروژه داده
- شروع پروژههای تحلیل داده
- اشتباهات رایج مبتدیان در تحلیل داده که باید از آنها اجتناب کرد
- یادگیری مجموعه دادههای اکسل
- یادگیری مجموعه دادههای پایگاه داده
- درک واقعیتها
واردات، صادرات و اتصالات داده
- آشنایی با حاکمیت داده
- درک داده منبع
- کار با فایلهای مسطح
- کار با اتصالات
- ایجاد مجموعه داده برای دیگران
شروع کار با پاکسازی و مدلسازی داده
- درک ETL در داده
- پاکسازی داده در اکسل با استفاده از Power Query
- ساخت جدول تاریخ پایه
- ساخت پرسوجوهای SELECT پایه برای تحلیل داده
- ساخت پرسوجوهای DISTINCT برای حذف دادههای تکراری
- استفاده از هوش مصنوعی برای بررسی و درک مراحل پاکسازی داده
- راهحل - تغییر نام سرستونها در Power Query
بهکارگیری تکنیکهای رایج برای همه تحلیلگران داده
- تبدیل انواع داده در Power Query
- یافتن و حذف دادههای تکراری
- تغییر حالت حروف و جایگزینی مقادیر در Power Query
- ترکیب داده با استفاده از ادغام ستونها در Power Query
- ایجاد منطق شرطی در مدلهای داده
- ساخت مجموعه دادههای تجمیعی برای تحلیل
- راهحل - تعداد و مبالغ محصولات
کار با دادههای کسبوکار
- درک قوانین کسبوکار در تحلیل داده
- درک نویز در داده و تأثیر آن بر تحلیل
- تفکیک سؤالات کسبوکار به الزامات داده
- راهحل - شروع کار
جدول محوری داده در هر زمان و هر مکان
- ساخت جداول محوری پایه در اکسل
- بهبود خوانایی جدول محوری
- تجسم جداول محوری با نمودارها و برشدهندهها
- استفاده از جداول محوری برای فیلتر کردن و جزئینمایی در داده
- راهحل - بهترین سال مشتری
ساخت مجموعه داده با پرسوجوها
- ساخت پرسوجو با اتصالات برای ترکیب داده
- افزودن داده با استفاده از پرسوجوها و Power Query
- ساخت پرسوجوهای تجمیعی برای دادههای خلاصه
- راهحل - تعداد کل سفارشات بر اساس مشتری
نمودار داده در هر زمان و هر مکان
- گزارشدهی موردی برای سؤالات کسبوکار
- ساخت نمودارهای پایه برای تجسم داده
- استفاده از قالببندی شرطی برای بینشهای بصری
- راهحل - ارائه موردی
ساخت در Power BI Desktop
- مدلسازی داده با Power Query
- کار با ماتریس و تصاویر بصری با Copilot
- اصلاح کارتها برای اعداد و چیدمان موبایل
- فیلترها در Power BI
نکات و ترفندهای Power Query برای تحلیلگران داده
- استفاده از پروفایلسازی ستون برای درک داده
- افزودن داده با استفاده از واردات مبتنی بر پوشه
- کپی کردن در مقابل ارجاع دادن مجموعه دادهها
- واگردانی محوری داده برای گزارشدهی بهتر
- راهحل - مرتبسازی سفارشی بر اساس تحصیلات
نتیجهگیری
- منابع بیشتر برای سفر یادگیری تحلیل داده شما