اکسپرس 24
کتاب کاوش و فیلتر کردن داده با LookML برای تحلیل‌های پیشرفته

کتاب کاوش و فیلتر کردن داده با LookML برای تحلیل‌های پیشرفته

تگ‌ها: BI LookML ابزار هوش تجاری تحلیل پیشرفته تحلیل داده داده‌کاوی زبان پرس‌وجو فیلتر داده مدل‌سازی داده هوش تجاری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش و فیلتر کردن داده با LookML برای تحلیل‌های پیشرفته

موضوع کلی: هوش تجاری و تحلیل داده

موضوع میانی: مدل‌سازی داده و زبان‌های پرس‌وجو

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش تجاری و تحلیل داده
  • 2. مبانی مدل‌سازی داده در هوش تجاری
  • 3. معرفی Looker و معماری آن
  • 4. ساختار مدل LookML
  • 5. مفهوم View در LookML
  • 6. مفهوم Explore در LookML
  • 7. ارتباط بین Views و Explores
  • 8. تعریف ابعاد (Dimensions)
  • 9. انواع داده‌های ابعاد
  • 10. تعریف معیارها (Measures)
  • 11. انواع توابع تجمعی (Aggregate Functions)
  • 12. فیلتر کردن داده‌ها در Explores
  • 13. استفاده از فیلترهای پیشرفته
  • 14. مرتب‌سازی نتایج در Explores
  • 15. محدود کردن تعداد نتایج
  • 16. ایجاد پیوندهای بین جداول (Joins)
  • 17. انواع Join در LookML
  • 18. نقش اصلی Join در مدل‌سازی
  • 19. تعریف کلیدهای اصلی و خارجی
  • 20. مدل‌سازی داده‌های رابطه‌ای
  • 21. مدل‌سازی داده‌های ستاره‌ای (Star Schema)
  • 22. مدل‌سازی داده‌های دانه‌برفی (Snowflake Schema)
  • 23. استفاده از View Files
  • 24. ساختار View File
  • 25. تعریف فیلدهای View
  • 26. تنظیمات پیشرفته View
  • 27. استفاده از Explore Files
  • 28. ساختار Explore File
  • 29. تعریف Explores
  • 30. تنظیمات پیشرفته Explore
  • 31. استفاده از مدل‌های ترکیبی (Model Sets)
  • 32. ایجاد مدل‌های سفارشی
  • 33. مدیریت دسترسی به داده‌ها
  • 34. نقش‌ها و مجوزها در Looker
  • 35. قوانین فیلترینگ در سطح مدل
  • 36. قوانین فیلترینگ در سطح Explore
  • 37. قوانین فیلترینگ در سطح View
  • 38. قوانین فیلترینگ در سطح فیلد
  • 39. فیلدهای محاسباتی (Derived Fields)
  • 40. استفاده از توابع SQL در فیلدهای محاسباتی
  • 41. مدل‌سازی داده‌های زمانی (Date & Time)
  • 42. ابعاد زمانی پیش‌فرض
  • 43. ایجاد ابعاد زمانی سفارشی
  • 44. استفاده از فیلترهای زمانی
  • 45. معیارهای زمانی
  • 46. مدل‌سازی داده‌های مکانی (Geo)
  • 47. ابعاد مکانی
  • 48. معیارهای مکانی
  • 49. استفاده از نقشه‌های حرارتی (Heatmaps)
  • 50. استفاده از نقشه‌های نقطه‌ای (Point Maps)
  • 51. مدل‌سازی داده‌های متنی (Text)
  • 52. ابعاد متنی
  • 53. معیارهای متنی
  • 54. استفاده از جستجوی متنی
  • 55. مدل‌سازی داده‌های مقایسه‌ای
  • 56. ایجاد فیلدهای مقایسه‌ای
  • 57. استفاده از فیلترهای مقایسه‌ای
  • 58. مدل‌سازی داده‌های دسته‌ای (Categorical)
  • 59. ابعاد دسته‌ای
  • 60. معیارهای دسته‌ای
  • 61. استفاده از فیلترهای دسته‌ای
  • 62. مدل‌سازی داده‌های ترتیبی (Ordinal)
  • 63. ابعاد ترتیبی
  • 64. معیارهای ترتیبی
  • 65. استفاده از فیلترهای ترتیبی
  • 66. مدل‌سازی داده‌های باینری (Binary)
  • 67. ابعاد باینری
  • 68. معیارهای باینری
  • 69. استفاده از فیلترهای باینری
  • 70. مدل‌سازی داده‌های رتبه‌بندی (Rank)
  • 71. ابعاد رتبه‌بندی
  • 72. معیارهای رتبه‌بندی
  • 73. استفاده از فیلترهای رتبه‌بندی
  • 74. مدل‌سازی داده‌های سری زمانی (Time Series)
  • 75. تحلیل روندها در سری زمانی
  • 76. شناسایی الگوهای فصلی
  • 77. پیش‌بینی سری زمانی (مقدماتی)
  • 78. مدل‌سازی داده‌های مشتریان
  • 79. تحلیل رفتار مشتری
  • 80. بخش‌بندی مشتریان
  • 81. مدل‌سازی داده‌های فروش
  • 82. تحلیل عملکرد فروش
  • 83. پیش‌بینی فروش
  • 84. مدل‌سازی داده‌های مالی
  • 85. تحلیل صورت‌های مالی
  • 86. بودجه‌بندی و پیش‌بینی مالی
  • 87. مدل‌سازی داده‌های عملیاتی
  • 88. تحلیل کارایی عملیات
  • 89. بهینه‌سازی فرآیندها
  • 90. مدل‌سازی داده‌های بازاریابی
  • 91. تحلیل کمپین‌های بازاریابی
  • 92. بازگشت سرمایه بازاریابی
  • 93. مدل‌سازی داده‌های منابع انسانی
  • 94. تحلیل عملکرد کارکنان
  • 95. مدیریت استعداد
  • 96. مدل‌سازی داده‌های زنجیره تأمین
  • 97. تحلیل موجودی کالا
  • 98. بهینه‌سازی لجستیک
  • 99. مدل‌سازی داده‌های تولید
  • 100. تحلیل بهره‌وری تولید

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.