مخاطبان این دوره

این دوره برای طیف وسیعی از علاقه‌مندان و متخصصان حوزه فناوری اطلاعات مناسب است، از جمله:

• توسعه‌دهندگان پایگاه داده (Database Developers): که به دنبال تسلط بر آخرین ابزارها و تکنیک‌های Microsoft SQL Server هستند.
• مهندسان داده (Data Engineers): که قصد دارند فرآیندهای پیچیده ETL را طراحی و پیاده‌سازی کنند.
• تحلیلگران کسب‌وکار (Business Analysts) و تحلیلگران داده (Data Analysts): که نیاز دارند گزارش‌های سفارشی و داشبوردهای تحلیلی قدرتمند بسازند.
• معماران داده (Data Architects): که به دنبال درک عمیق‌تر از طراحی انبار داده و مدل‌سازی ابعادی هستند.
• مدیران پایگاه داده (Database Administrators): که می‌خواهند دانش خود را در زمینه ابزارهای BI مایکروسافت گسترش دهند.
• دانشجویان و فارغ‌التحصیلان رشته‌های کامپیوتر و IT که به دنبال ورود به بازار کار تخصصی حوزه داده هستند.

پیش‌نیازهای دوره

برای بهره‌مندی کامل از این دوره، آشنایی با مفاهیم اولیه پایگاه‌های داده رابطه‌ای و زبان SQL ضروری است. درک مبانی برنامه‌نویسی و آشنایی با سیستم‌عامل ویندوز نیز به پیشرفت سریع‌تر شما کمک خواهد کرد. با این حال، دوره به گونه‌ای طراحی شده است که حتی برای افرادی با دانش پایه نیز قابل درک باشد و مفاهیم از ابتدا به تفصیل شرح داده می‌شوند.

ماژول اول: Microsoft SQL Server – مبانی و پیشرفته

در این بخش، به صورت جامع با MS-SQL Server آشنا خواهید شد:

• معماری و نصب SQL Server: آشنایی با نسخه‌ها، نصب و پیکربندی اولیه.
• مبانی T-SQL: دستورات DDL (CREATE, ALTER, DROP)، DML (SELECT, INSERT, UPDATE, DELETE) و DCL.
• پرس‌وجوهای پیشرفته: JOIN ها، Subqueries، CTEs (Common Table Expressions)، Window Functions، PIVOT و UNPIVOT.
• ایندکس‌گذاری و بهینه‌سازی عملکرد: درک انواع ایندکس‌ها، نحوه ایجاد و بهینه‌سازی کوئری‌ها.
• مدیریت پایگاه داده: بک‌آپ‌گیری، بازیابی، امنیت و مدیریت کاربران.
• مفاهیم استور پروسیجرها، توابع و تریگرها: نگارش کدهای Transact-SQL برای منطق‌های پیچیده.
• آشنایی با SQL Server Management Studio (SSMS): ابزار اصلی مدیریت و توسعه در SQL Server.

مثال عملی: طراحی یک پایگاه داده فروشگاهی، نوشتن کوئری‌هایی برای استخراج گزارش‌های فروش روزانه، ماهانه و بر اساس مناطق مختلف.

ماژول دوم: SQL Server Integration Services (SSIS) – قلب ETL

SSIS ابزاری قدرتمند برای طراحی و اجرای فرآیندهای ETL است:

• مبانی SSIS: آشنایی با محیط SQL Server Data Tools (SSDT) یا Visual Studio.
• ایجاد پکیج‌های SSIS: آشنایی با Data Flow Tasks، Control Flow Tasks.
• کانکشن منیجرها: اتصال به منابع داده مختلف (SQL Server, Flat Files, Excel, OData و…).
• کانورژن‌های داده: استفاده از Lookup, Derived Column, Merge, Union All و… برای تبدیل داده‌ها.
• وظایف کنترلی: For Loop, Foreach Loop, Sequence, Execute SQL Task, File System Task.
• مدیریت خطا و لاگینگ: پیاده‌سازی مکانیزم‌های گزارش‌گیری و مدیریت خطا در پکیج‌ها.
• استقرار و زمان‌بندی پکیج‌ها: نحوه Deploy کردن پکیج‌ها و زمان‌بندی اجرای آن‌ها با SQL Server Agent.

مثال عملی: طراحی یک فرآیند ETL برای استخراج داده از فایل‌های CSV، پاکسازی و تبدیل آن‌ها، و بارگذاری در یک انبار داده.

ماژول سوم: SQL Server Reporting Services (SSRS) – گزارش‌گیری حرفه‌ای

SSRS ابزار قدرتمندی برای ساخت گزارش‌های تعاملی و توزیع آن‌ها است:

• مبانی SSRS: آشنایی با SQL Server Data Tools (SSDT) یا Visual Studio برای طراحی گزارش.
• ایجاد Data Sources و Datasets: اتصال به پایگاه داده و تعریف منابع داده برای گزارش.
• طراحی Layout گزارش: استفاده از Tablix (Table, Matrix, List) برای نمایش داده‌ها.
• پارامترهای گزارش: ایجاد پارامترهای پویا برای فیلتر کردن داده‌ها توسط کاربر.
• انواع گزارش: گزارش‌های جدولی، ماتریسی، نموداری، و گزارش‌های جاسازی شده (Sub-reports).
• فرمت‌بندی و سفارشی‌سازی گزارش: اعمال سبک‌های مختلف، رنگ‌ها، آیکون‌ها و…
• استقرار و دسترسی به گزارش‌ها: انتشار گزارش‌ها بر روی Report Server و مدیریت دسترسی‌ها.
• اشتراک‌گذاری گزارش‌ها: ارسال گزارش‌ها از طریق ایمیل یا ذخیره در فایل‌های مختلف (PDF, Excel, Word).

مثال عملی: ساخت یک گزارش فروش ماهانه با قابلیت فیلتر بر اساس منطقه فروش و نوع محصول، همراه با نمودار میله‌ای.

ماژول چهارم: SQL Server Analysis Services (SSAS) – تحلیل و مدل‌سازی داده

SSAS برای ساخت مدل‌های داده تحلیلی (OLAP Cubes) و تحلیل عمیق داده‌ها به کار می‌رود:

• مبانی Data Warehousing و OLAP: آشنایی با مفاهیم Star Schema, Snowflake Schema, Dimensions, Facts.
• مدل‌سازی ابعادی (Dimensional Modeling): طراحی مدل‌های OLAP با استفاده از SSAS.
• ساخت Cube: تعریف ابعاد (Dimensions) و معیارهای (Measures) کلیدی.
• زبان MDX (Multidimensional Expressions): نوشتن کوئری‌های پیشرفته برای تحلیل داده‌ها از Cube.
• مدل‌سازی Tabular: رویکرد مدرن‌تر SSAS برای تحلیل داده با استفاده از ابزارهای حافظه (In-Memory).
• استقرار و پرس‌وجو از مدل‌های SSAS: اتصال ابزارهای BI مانند Power BI و Excel به مدل‌های SSAS.

مثال عملی: طراحی یک Cube تحلیلی برای تحلیل فروش بر اساس زمان، محصول، مشتری و مکان، و سپس استفاده از Excel برای تحلیل داده‌های Cube.