احتراف Power BI: من البيانات إلى قرارات ذكية

من يحتاج إلى دورة احتراف Power BI؟

صُممت هذه الدورة للفئات التالية:

• محللو البيانات ومتخصصو التقارير وذكاء الأعمال الذين يستخدمون Power BI بالفعل ويريدون قدرة مترابطة من البداية إلى النهاية بدل معرفة متفرقة بالخصائص.
• محللو الأعمال الذين يحتاجون إلى تحويل طلبات أصحاب المصلحة العامة إلى متطلبات تحليلية قابلة للقياس قبل بدء التطوير.
• المتخصصون في المالية والمبيعات والعمليات والموارد البشرية وسلاسل الإمداد الذين يبنون تقاريرهم بأنفسهم ويحتاجون إلى أرقام يمكنهم تفسير مصدرها عند مناقشتها.
• مطورو التقارير الذين ينتقلون من جداول البيانات ولوحات المعلومات المنفصلة إلى نماذج دلالية قابلة لإعادة الاستخدام وتقارير تُدار ضمن حوكمة واضحة.
• المديرون وأصحاب القرار الذين يعتمدون على التحليلات ويحتاجون إلى تقييم موثوقية النموذج والأمان والتحديث والأرقام قبل اتخاذ القرار.
• المهنيون المستعدون لشهادة Microsoft PL-300 Power BI Data Analyst ويريدون ممارسة مترابطة على قدرات Power BI التي تغطيها الدورة.

قبل التسجيل، يكفي أن تكون مرتاحًا في التعامل مع جداول البيانات والمفاهيم الأساسية للبيانات. لا تحتاج أي خلفية برمجية.

ما هي المهارات المكتسبة من دورة احتراف Power BI؟

عند إتمام هذه الدورة، سيتمكن المتدرب من:

• تحويل طلبات التقارير إلى أسئلة تحليلية ومؤشرات أداء ومستهدفات وحدود ومسؤولين ومعايير قرار قبل بدء التطوير.
• تشخيص مشكلات جودة البيانات، وإعادة تشكيل المصادر ودمجها، وتحديد منطق الإعداد الذي ينبغي إعادة استخدامه أو مركزيته.
• تقييم مستوى التفصيل والعلاقات ومنطق التاريخ وطبقات التخزين والحساب قبل أن تنتج مجاميع لا يستطيع أحد تفسيرها.
• تحليل سياق الصف وسياق التصفية وانتقال السياق لاختبار نتائج DAX ومعرفة سبب تغيرها قبل أن يعتمد عليها أحد.
• اختيار العناصر المرئية التي تجيب عن سؤال العمل، واكتشاف الرسوم التي تضلل، والحفاظ على وضوح التقرير على سطح المكتب والجوال.
• تقييم التحليلات المتقدمة والمخرجات المدعومة بالذكاء الاصطناعي، ومراجعة DAX والسرد والرؤى من حيث الدقة والخصوصية والتحيز واحتمالات الهلوسة.
• عزل مشكلات الأداء حسب الطبقة، وقياسها بالأدوات المناسبة، ثم إعادة الاختبار بعد التعديل بدل التحسين بالتخمين.
• تحديد من يمكنه الوصول إلى ماذا، وكيفية توزيع المحتوى، ونموذج التراخيص والسعة المناسب للجمهور مع شرح أثره على التكلفة.

الوحدة الأولى: من أسئلة العمل إلى حلول Power BI

1. فهم ذكاء الأعمال والتحليلات ذاتية الخدمة ودور Power BI في المؤسسات المعتمدة على البيانات.
2. استكشاف منظومة Power BI الحديثة، بما يشمل Power BI Desktop، وPower BI Service والنماذج الدلالية والتقارير ولوحات المعلومات والتطبيقات، مع التعرف على Microsoft Fabric.
3. تحويل طلبات الأعمال العامة إلى أسئلة تحليلية قابلة للقياس مرتبطة بقرار وخط أساس ومسؤول واضح.
4. تحديد مؤشرات الأداء (KPIs)، والأبعاد، والمقاييس، والمستهدفات، والحدود، ومعايير القرار.
5. المقارنة بين Import، وDirectQuery، وcomposite models، وDirect Lake وتحديد متى يناسب كل خيار.
6. اختيار نموذج التراخيص والسعة المناسب وشرح أثر التراخيص على تصميم توزيع التقارير.
7. التخطيط لمشروع Power BI قابل للصيانة باستخدام مخطط تحليلي وتصور هيكلي للتقرير قبل بدء التطوير.
8. المخرج العملي: موجز تحليلات الأعمال، وخريطة مؤشرات الأداء، والتصور الهيكلي للتقرير.

الوحدة الثانية: الاتصال بالبيانات وإعدادها باستخدام Power Query

1. الاتصال بمصادر Excel، وCSV والمجلدات وقواعد البيانات ومصادر الويب وSharePoint والنماذج الدلالية الموجودة، مع إدارة بيانات الاعتماد ومستويات الخصوصية.
2. تحليل جودة الأعمدة وتوزيعها وخصائصها وإحصاءاتها لكشف القيم الفارغة والأخطاء والتكرارات والقيم غير المتسقة.
3. تنظيف وتوحيد صيغ التواريخ المختلفة، والأرقام المخزنة كنصوص، والمسميات غير المتسقة، والمفاتيح الفارغة أو غير المرتبطة.
4. تقسيم القيم ودمجها واستخراجها واستبدالها وتنسيقها، وإنشاء أعمدة شرطية ومخصصة.
5. إعادة تشكيل البيانات من خلال التجميع وPivot، وUnpivot، وTranspose لتصبح جاهزة للتحليل.
6. دمج البيانات باستخدام Merge queries بنوع الربط المناسب، وAppend queries، وfolder queries القادرة على التعامل مع تغير بنية البيانات.
7. استخدام parameters وquery references ومنطق قابل لإعادة الاستخدام، وفهم query folding وأثره على أداء التحديث.
8. تحديد ما إذا كان منطق إعداد البيانات ينبغي أن يبقى داخل التقرير أو يُنقل إلى dataflow مركزي.
9. المخرج العملي: مجموعة بيانات متعددة المصادر منظفة وموحدة، مع سير عمل قابل لإعادة الاستخدام في Power Query.

الوحدة الثالثة: النمذجة الدلالية لتحليلات موثوقة

1. فهم أثر النمذجة الدلالية على دقة النتائج وسهولة الاستخدام وقابلية التوسع وأداء التقارير.
2. تحديد مستوى تفصيل كل جدول وإعادة هيكلة البيانات المسطحة إلى نموذج تحليلي.
3. تصميم star schema باستخدام جداول الوقائع والأبعاد والعلاقات المناسبة للتحليل.
4. إدارة cardinality واتجاه التصفية ومسارات التصفية الملتبسة والعلاقات النشطة وغير النشطة.
5. إنشاء جدول تاريخ مخصص وتعريفه بشكل صحيح، وبناء تسلسلات هرمية بترتيب سليم.
6. اختيار طبقة الحساب المناسبة بين المقاييس والأعمدة المحسوبة والجداول المحسوبة.
7. تطبيق معايير للنموذج تشمل التسمية والوصف والتنسيق ومجلدات العرض وإخفاء الحقول التقنية وتقليل الحجم.
8. استخدام Tabular Editor، وBest Practice Analyzer، وDAX Studio لمراجعة النموذج وتحسينه.
9. المخرج العملي: نموذج دلالي جاهز للأعمال بمخطط نجمي وتحليل زمني ومعايير واضحة للنموذج.

الوحدة الرابعة: إتقان DAX لمقاييس الأعمال والتحليل الزمني

1. بناء مقاييس التجميع الأساسية واستخدام أنماط حساب أكثر أمانًا عبر DIVIDE والمتغيرات.
2. فهم سياق الصف وسياق التصفية وانتقال السياق وأثرها على نتائج الحساب.
3. استخدام CALCULATE، وFILTER، ودوال تعديل التصفية ALL، وALLEXCEPT، وREMOVEFILTERS، وKEEPFILTERS.
4. استخدام دوال التكرار مثل SUMX، وAVERAGEX عندما يتطلب الحساب تقييمًا صفًا بصف.
5. بناء حسابات المستهدف مقابل الفعلي، والانحراف، والنسبة من الإجمالي، والمساهمة، والترتيب، وTop N.
6. إنشاء مقاييس التحليل الزمني لـ MTD، وQTD، وYTD والفترة السابقة والسنة السابقة والنمو والفترات المتحركة والمتوسطات المتحركة.
7. تطبيق أنماط شبه تجميعية للأرصدة وبيانات اللقطات، واستخدام calculation groups لتقليل تكرار المقاييس.
8. اختبار الحسابات واستكشاف أخطائها في DAX Query View، مع توثيق تعريفات المقاييس لتسهيل صيانتها.
9. المخرج العملي: طبقة قابلة لإعادة الاستخدام لمؤشرات الأداء ومقاييس DAX لتحليل الأداء التنفيذي.

الوحدة الخامسة: التحليل البصري وتجربة المستخدم وسرد البيانات

1. تحويل الأسئلة التحليلية إلى قرارات بصرية واختيار العنصر المرئي المناسب للمقارنة والاتجاه والتركيب والتوزيع والعلاقات والجغرافيا.
2. بناء تسلسل بصري واضح باستخدام التخطيط والمساحات البيضاء والمحاذاة والسمات الموحدة لتوجيه الانتباه إلى رسالة العمل.
3. استخدام التنسيق الشرطي لإظهار الاستثناءات والمخاطر والأداء.
4. تصميم التصفية بشكل مقصود باستخدام slicers، وsynced slicers، وFilter pane مع التحكم في تفاعل العناصر المرئية.
5. بناء تحليل متعدد المستويات باستخدام drill-down وdrillthrough وreport tooltips وbookmarks وbuttons والتنقل بين الصفحات.
6. استخدام field parameters وvisual calculations لبناء تجربة تقرير مرنة يوجّهها المستخدم.
7. التصميم مع مراعاة إمكانية الوصول والاستخدام الشامل وتخطيطات الجوال عبر أحجام الشاشات المختلفة.
8. تجنب الرسوم المضللة والمبالغة في التصميم والأخطاء الشائعة في لوحات المعلومات.
9. المخرج العملي: لوحة تنفيذية تفاعلية معاد تصميمها مع تنقل واضح وسرد للبيانات.

الوحدة السادسة: التحليلات المتقدمة والذكاء الاصطناعي وCopilot في Power BI

1. استخدام التجميع والتقسيم إلى فئات والتجزئة في التحليل الاستكشافي.
2. تطبيق trend lines وreference lines وerror bars والتنبؤ لدراسة الأنماط والاتجاهات.
3. اكتشاف الحالات الشاذة والأنماط غير المعتادة في بيانات الأعمال.
4. تحليل المساهمين والمحركات باستخدام Decomposition Tree، وKey Influencers.
5. فهم دور Copilot في سير عمل المحلل، بما في ذلك متطلبات السعة والـtenant.
6. إعداد أسماء النموذج وأوصافه وسياق العمل بما يحسن دقة المخرجات المدعومة بالذكاء الاصطناعي.
7. كتابة prompts تتضمن سياق العمل والمخرج المتوقع والقيود التحليلية.
8. مراجعة DAX والسرد والرؤى الناتجة بالذكاء الاصطناعي، وتطبيق ممارسات مسؤولة تغطي الخصوصية والتحيز واحتمالات الهلوسة والمراجعة البشرية.
9. المخرج العملي: موجز رؤى مدعوم بالذكاء الاصطناعي يتضمن محركات واتجاهات موثقة وسردًا إداريًا مُراجعًا.

الوحدة السابعة: تحسين الأداء واستكشاف الأخطاء

1. تحديد طبقات الأداء عبر مصدر البيانات وPower Query، والنموذج الدلالي، وDAX والعناصر المرئية وبيئة الخدمة.
2. تقليل حجم البيانات والأعمدة ذات cardinality المرتفعة ومستوى التفصيل الزائد لتحسين كفاءة النموذج.
3. التعرف على أنماط العلاقات التي تضعف الأداء أو تنتج نتائج غير صحيحة.
4. تحسين أداء Power Query من خلال التصفية المبكرة وفهم query folding والتحويلات القابلة لإعادة الاستخدام.
5. كتابة DAX بكفاءة وتجنب أنماط الحساب المكلفة دون حاجة.
6. استخدام Performance Analyzer لعزل العناصر المرئية البطيئة وDAX Studio server timings للفصل بين تكلفة Formula Engine، وStorage Engine.
7. المقارنة بين Import، وDirectQuery واختبار سرعة الاستجابة من منظور المستخدم النهائي.
8. تطبيق تسلسل منظم لاستكشاف المشكلة: العزل، والقياس، والتصحيح، ثم إعادة الاختبار.
9. المخرج العملي: تشخيص أداء Power BI وخطة عمل للتحسين.

الوحدة الثامنة: Power BI Service والتعاون والأمان والحوكمة

1. نشر التقارير والنماذج الدلالية، وتنظيم workspaces، وتحديد أدوار الإنشاء والمساهمة والاستهلاك.
2. اختيار طريقة التوزيع المناسبة بين التقارير ولوحات المعلومات والتطبيقات والمشاركة والاشتراكات والتنبيهات.
3. دعم إعادة الاستخدام من خلال النماذج الدلالية المشتركة وBuild permissions، وAnalyze in Excel ضمن استخدام ذاتي محكوم.
4. تقديم التقارير عبر Microsoft Teams، وPowerPoint add-in، وتحديد متى يكون paginated report هو المخرج الأنسب.
5. ضبط التحديث المجدول وبيانات الاعتماد، ومعالجة فشل التحديث، وتحديد متى يلزم on-premises data gateway.
6. تطبيق واختبار أمان مستوى الصفوف (RLS)، واستخدام object-level security، وحماية المحتوى الحساس باستخدام sensitivity labels.
7. تطبيق انضباط دورة الحياة عبر التحكم في الإصدارات بصيغة المشروع، وworkspaces مرحلية، وdeployment pipelines.
8. تطبيق حوكمة توازن بين التحليلات ذاتية الخدمة والتحكم والثقة والتبني ووضوح الملكية.
9. المخرج العملي: حل Power BI منشور ومؤمّن مع Workspace، وتحديث، وRLS وإعداد للتوزيع.

الوحدة التاسعة: مشروع Power BI الختامي: من البيانات الخام إلى القرارات

1. تحديد أسئلة العمل ومؤشرات الأداء ومعايير النجاح انطلاقًا من موجز واقعي من صاحب المصلحة.
2. الاتصال بمصادر بيانات متعددة وبناء سير عمل قابل للتكرار لإعداد البيانات.
3. تنظيف البيانات ودمجها وتحويلها مع توثيق كل قرار متعلق بجودة البيانات.
4. بناء نموذج دلالي موثوق بمخطط نجمي وعلاقات مناسبة وذكاء زمني.
5. بناء طبقة مقاييس DAX قابلة لإعادة الاستخدام لأداء الأعمال والتحليل الزمني.
6. إنشاء تقرير تفاعلي موجّه للقرار وتطبيق التحليلات المتقدمة عندما تضيف قيمة حقيقية للأعمال.
7. اختبار الأداء وسهولة الاستخدام وجودة البيانات ودقة الحسابات.
8. نشر الحل وتأمينه، ثم عرض الرؤى والتوصيات وقرارات التصميم والخطوات التالية على أصحاب القرار.
9. المخرج العملي: حل Power BI متكامل وعرض تنفيذي للرؤى.