👨‍🎓 آشنایی با Google Sheet در تحلیل داده‌

گوگل شیت امکان ایجاد، مدیریت و تحلیل داده‌ها رو به صورت آنلاین فراهم می‌کنه. این ابزار منعطف، به کاربران اجازه می‌ده تا با استفاده از صفحات گسترده (spreadsheet)، داده‌های رو سازمان‌دهی کرده و تحلیل‌ کنن.

از اونجایی که Google Sheets آنلاینه، به راحتی می‌تونین به اسناد از هر دستگاهی دسترسی داشته باشین و با دیگران به صورت همزمان روی یک سند کار کنین. همچنین فرمول‌ها و توابعی، اکسل اینجا هم در دسترسن.

🔵 بصری‌سازی داده‌ها

در گوگل شیت هم امکان مصورسازی داده‌ها و ایجاد انواع مختلف نمودارها (Charts) مثل نمودارهای خطی، میله‌ای، دایره‌ای و پراکنده فراهمه. این نمودارها کمک می‌کنن تا الگوها و روندهای موجود در داده‌ها بهتر درک شن و تحلیل‌های دقیق‌تری انجام شه.

🔵 افزونه‌ها و سفارشی‌سازی

گوگل شیت از افزونه‌های مختلفی (Add-ons) پشتیبانی می‌کنه که می‌تونن قابلیت‌های اضافی رو به این ابزار اضافه کنن. این افزونه‌ها شامل ابزارهای پیشرفته تحلیل داده، ابزارهای بصری‌سازی و حتی اتصال به منابع داده خارجی هستن. با استفاده از افزونه‌ها، می‌توانید Google Sheets رو بر اساس نیازهای خاص سفارشی‌سازی کنین و بهره‌وری رو افزایش بدین.

🔵 مدیریت و تمیز کردن داده‌ها

برای تحلیل داده‌ها، اول باید داده‌ها رو تمیز و مرتب کرد. مثلا حذف داده‌های تکراری و فاصله‌ها با استفاده از توابعی مثل CLEAN و TRIM فراهمه. همچنین میشه با استفاده از افزونه‌های مختلف، داده‌ها رو از منابع خارجی وارد و به طور موثر مدیریت کرد.

🔵 استفاده از توابع و فرمول‌های پیشرفته

گوگل شیت شامل توابعیه که به شما امکان تحلیل‌های پیچیده‌تر رو می‌ده. توابعی مثل SUMIF و SUMIFS برای جمع کردن داده‌ها بر اساس شرایط خاص، VLOOKUP برای جستجو و تطبیق داده‌ها و QUERY برای انجام کوئری‌های پیشرفته روی داده‌ها بسیار مفیده.

🔵 تحلیل‌های آماری

گوگل شیت دارای افزونه‌های بسیاری برای انجام تحلیل‌های آماری پیشرفته‌ است. افزونه Statistical Analysis Tools شامل ابزارهایی برای انجام تحلیل‌هایی مثل همبستگی، نمونه‌برداری، هموارسازی نمایی، میانگین متحرک و تحلیل‌های واریانسه.

🔵 خودکارسازی وظایف

گوگل شیت با استفاده از Google Apps Script به کاربران امکان می‌ده وظایف تکراری رو خودکار کنن. با استفاده از این زبان اسکریپت‌نویسی مبتنی بر جاوااسکریپت، میشه توابع سفارشی ایجاد کرد، افزونه‌ ساخت و پردازش داده‌ها رو خودکار و در مصرف زمان صرفه جویی کرد.

🔵 ایجاد داشبوردهای تعاملی

یکی از کاربردهای جذاب Google Sheets، امکان ایجاد داشبوردهای تعاملی برای نمایش داده‌ها و گزارش‌هاست. با استفاده از افزونه‌هایی مانند Awesome Table، میشه داده‌ها رو به قالب‌های وب پویا و تعاملی تبدیل و به راحتی با دیگران به اشتراک گذاشت.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡تابع GOOGLETRANSLATE در Google Sheets

تابع GOOGLETRANSLATE امکان ترجمه از یک زبان به زبان دیگه رو فراهم می‌کنه.

=GOOGLETRANSLATE(text, [source_language], [target_language])

🔵 text: متنی که می‌خواین ترجمه شه (می‌تونه مستقیماً در فرمول وارد شه یا به یک سلول اشاره کنه).
🔵 source_language: کد زبانی که متن مبدأ نوشته شده
🔵 target_language: کد زبانی که متن باید بهش ترجمه شه

🔵 کد زبان‌ها: کد زبان‌ها باید به صورت دو حرفی و مطابق با استاندارد ISO 639-1 وارد شن. مثلا "en" برای انگلیسی، "fa" برای فارسی، "es" برای اسپانیایی و "fr" برای فرانسوی.

🔵 پشتیبانی از زبان‌ها: تابع GOOGLETRANSLATE از بسیاری از زبان‌های دنیا پشتیبانی می‌کنه، اما ممکنه بعضی زبان‌ها به طور کامل پشتیبانی نشن.

🔵 دقت ترجمه: دقت ترجمه بستگی به پیچیدگی متن و جفت زبانی داره که استفاده می‌شه. برای متن‌های پیچیده، ممکنه ترجمه‌ها نیاز به ویرایش دستی داشته باشن.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 طراحی داشبورد تعاملی در Google Sheets

🔵 برنامه‌ریزی و طراحی داشبورد

قبل از شروع به ساخت داشبورد، باید اهداف و نیازهای پروژه رو مشخص کنین.

🔵 جمع‌آوری و آماده‌سازی داده‌ها

بعد از وارد کردن داده‌ها از منابع مختلف مثل فایل‌های CSV، Excel یا دیتابیس‌ها، باید اونها رو تمیز و مرتب کرد. این کار شامل حذف داده‌های تکراری، تصحیح اشتباهات و فرمت‌بندی مناسب داده‌هاست.

🔵 استفاده از افزونه‌ها (Add-ons)

افزونه‌ها ابزارهای جانبی هستن که قابلیت‌های Google Sheets رو افزایش می‌دن. مثلا Awesome Table برای تبدیل داده‌ها به جداول و نمودارهای تعاملی، ChartExpo برای ایجاد نمودارها و گراف‌های پیچیده و Power Tools برای انجام وظایف تکراری و پیچیده.

🔵 طراحی داشبورد

طراحی داشبورد به معنی سازمان‌دهی و چیدمان نمودارها، جداول و سایر عناصر بصریه. برای طراحی یک داشبورد موثر:

🔵از رنگ‌ها و قالب‌های مناسب استفاده کنین تا داشبورد خوانا و جذاب باشه.
🔵نمودارها و جداول رو به شکلی قرار بدین که به راحتی قابل دسترس و فهم باشن.
🔵از عناوین و توضیحات مناسب برای هر بخش استفاده کنین تا کاربران بدونن هر قسمت به چه چیزی اشاره داره.

🔵 یکپارچه‌سازی داده‌ها از منابع مختلف

برای ایجاد داشبوردهای جامع و کامل، ممکنه نیاز به یکپارچه کردن داده‌ها از منابع مختلف باشه. با استفاده از توابعی مثل IMPORTRANGE و IMPORTDATA، میشه داده‌ها رو از شیت‌های دیگه یا منابع خارجی وارد و تحلیل کرد.

🔵 استفاده از Google Data Studio

اگه نیاز به ابزارهای پیشرفته‌تر برای بصری‌سازی داده‌ها و ایجاد داشبوردهای تعاملی باشه، میشه از Google Data Studio استفاده کرد چون به سادگی با Google Sheets یکپارچه میشه.

🔵 ایجاد گزارش‌های پویا با Google Sheets

با استفاده از توابعی مثل QUERY و IMPORTRANGE میشه داده‌ها رو بر اساس معیارهای خاصی فیلتر و داشبوردهایی ایجاد کرد که همیشه با آخرین داده‌ها به‌روز باشن.

🔵 تصویر: داشبورد طراحی شده با گوگل شیت در دوره آنلاین هوش تجاری و تحلیل داده با Tableau و Power BI

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡ارسال خودکار ایمیل با داده‌های Google Sheets

گوگل Apps Script یک زبان برنامه‌نویسی مبتنی بر جاوااسکریپته که به شما امکان می‌ده تا تعامل با Google Sheets و سایر سرویس‌های گوگل رو خودکار کنین.

فرض کنین یک شیت شامل لیستی از افراد و آدرس‌های ایمیل دارین و می‌خواهید به طور خودکار یک ایمیل به هر یک از این افراد ارسال کنین.

۱. ایجاد یک Google Sheet: یک شیت جدید ایجاد و ستون‌های Name،Email و Message رو اضافه کنین.

۲. نوشتن اسکریپت: از منوی Extensions گزینه Apps Script رو انتخاب و کد زیر رو در ویرایشگر اسکریپت وارد کنین:

    function sendEmails() {
      var sheet = SpreadsheetApp.getActiveSpreadsheet().getActiveSheet();
      var data = sheet.getDataRange().getValues();
      
      for (var i = 1; i < data.length; i++) { // Skip header row
        var name = data[i][0];
        var emailAddress = data[i][1];
        var message = data[i][2];
        
        var subject = 'Hello ' + name;
        var body = message;
        
        MailApp.sendEmail(emailAddress, subject, body);
      }
    }

۳. اجرای اسکریپت: از منوی Run گزینه sendEmails رو انتخاب کنین تا اسکریپت اجرا شه و به طور خودکار به هر یک از افراد در لیست ایمیل ارسال می‌کنه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡متاداده (Metadata)، بیگ کوئری (BigQuery) و ترافور (Teradata) و ارتباط‌شون با Looker

🔵 متاداده (Metadata) به اطلاعاتی برای توصیف و تشریح داده‌های دیگه گفته میشه. این اطلاعات شامل توضیحات، ساختار و مشخصات داده‌هاست و به کاربران کمک می‌کنه تا داده‌ها رو بهتر درک کنن. در زمینه تجزیه و تحلیل داده‌ها، متاداده نقش بسیار مهمی در سازمان‌دهی و مدیریت داده‌ها داره.

🔵ارتباط متاداده با Looker: متاداده در Looker امکان تعریف ساختار داده‌ها، مستندسازی و تحلیل‌ داده رو میده. با استفاده از متاداده، میشه داده‌ها رو به صورت دقیق‌تر و بهتر مستندسازی کرد.

🔵 گوگل BigQuery یک سرویس تجزیه و تحلیل داده‌های بزرگ در بستر ابره که توسط Google Cloud ارائه شده. این سرویس به کاربران امکان می‌ده تا با حجم‌های بسیار بزرگ داده‌ها به سرعت و به صورت تعاملی کار کنن. BigQuery از تکنولوژی MPP (Massively Parallel Processing) برای پردازش سریع داده‌ها استفاده و امکان اجرای کوئری‌های پیچیده‌ رو فراهم می‌کنه.

🔵ارتباط BigQuery با Looker: ابزار Looker به طور کامل با BigQuery یکپارچه شده. در نتیجه کاربران می‌تونن از توانمندی‌های پردازشی BigQuery مثل MPP برای اجرای کوئری‌های پیچیده روی داده‌های بزرگ استفاده کنن و نتایج رو به صورت بصری در Looker به تصویر بکشن.

🔵 ترافور (Teradata) یک سیستم مدیریت پایگاه داده موازیه (MPP) که به طور خاص برای تجزیه و تحلیل داده‌های بزرگ طراحی شده.

🔵ابزار Looker می‌تونه به Teradata متصل شه و از داده‌های ذخیره شده در این سیستم برای تحلیل‌ استفاده کنه. در نتیجه میشه از توانمندی‌های پردازشی Teradata بهره‌برداری و داده‌های بزرگ رو تحلیل کرد.

🔵 مقایسه Teradata و BigQuery: هر دو، سیستم‌های مدیریت پایگاه داده‌های بزرگ با هدف افزایش کارایی و سرعت پردازش داده‌ها هستن و از تکنولوژی پردازش موازی استفاده می‌کنن. همچنین مقیاس‌پذیری بالایی دارن و می‌توانن با افزایش حجم داده‌ها و تعداد کاربران سازگار شن.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 آشنایی با Google Analytics

گوگل Analytics یک ابزار تحلیل وب‌سایته که توسط گوگل ارائه شده و به شما امکان می‌ده تا رفتار کاربران رو در وب‌سایت‌تون پیگیری و تحلیل کنین. این ابزار اطلاعات زیادی در مورد ترافیک وب‌سایت، منابع ترافیک، رفتار کاربران و تبدیل‌ها (conversions) ارائه می‌ده.

🔵 مزایای استفاده از Google Analytics

🔵رایگان: یکی از مهم‌ترین مزایای Google Analytics اینکه استفاده ازش رایگانه.
🔵جامع: این ابزار اطلاعات جامع و کاملی ارائه می‌ده.
🔵گزارش‌دهی قوی: با استفاده از گزارش‌های متنوع و دقیق Google Analytics می‌تونین عملکرد وب‌سایت رو به طور کامل تحلیل کنین.
🔵انتقال داده‌ها به ابزارهای دیگه: امکان انتقال داده‌ها به سایر ابزارهای گوگل و نرم‌افزارهای تحلیل داده وجود داره. مثلا می‌تونین داده‌های Google Analytics رو با Google Ads ترکیب کنین تا به تحلیل دقیق‌تری از عملکرد کمپین‌های تبلیغاتی‌تون بپردازین.

🔵 اصطلاحات مهم در Google Analytics

🔵کاربر (User): شخصی که از وب‌سایت شما بازدید می‌کنه.
🔵نشست (Session): مجموعه‌ای از تعاملات کاربران با وب‌سایت شما که در یک بازه زمانی مشخص انجام می‌شه.
🔵نرخ پرش (Bounce Rate): درصد کاربرانی که بعد از مشاهده یک صفحه، بدون انجام هیچ تعاملی سایت رو ترک می‌کنن.
🔵صفحات در هر نشست (Pages per Session): تعداد صفحاتی که به طور متوسط توسط هر کاربر در هر نشست بازدید می‌شه.
🔵نرخ تبدیل (Conversion Rate): درصد کاربرانی که یک هدف خاص (مثلاً خرید محصول) رو انجام می‌دن.

🔵 گزارش‌های مهم در Google Analytics

🔵گزارش مخاطبان (Audience Reports): اطلاعاتی درباره کاربران وب‌سایت، مثل موقعیت جغرافیایی، زبان، دستگاه‌های مورد استفاده و غیره.
🔵گزارش اکتساب (Acquisition Reports): اطلاعاتی درباره منابع ترافیک، مثل موتورهای جستجو، شبکه‌های اجتماعی، تبلیغات و غیره.
🔵گزارش رفتار (Behavior Reports): اطلاعاتی درباره رفتار کاربران در وب‌سایت، مثل صفحات بازدید شده، زمان صرف شده در هر صفحه و غیره.
🔵گزارش تبدیل‌ها (Conversions Reports): اطلاعاتی درباره اهداف تعیین شده و نرخ تبدیل‌ها.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡استفاده از گزارش Cohort Analysis

گزارش Cohort Analysis در Google Analytics به شما امکان می‌ده تا گروه‌های خاصی از کاربران رو بر اساس ویژگی‌های مشترک یا رفتارهای مشابه تحلیل کنین.

برای مثال، میشه کاربرانی که در یک روز خاص ثبت‌نام کردن یا یک اقدام خاصی انجام دادن (مثل خرید اولین محصول) رو بررسی و رفتارهای بعدی‌شون رو در طول زمان پیگیری کرد. این تحلیل به شما کمک می‌کنه تا بفهمین کاربران جدید چقدر با سایت شما تعامل دارن و چطور رفتارشون با گذشت زمان تغییر می‌کنه.

استفاده از Cohort Analysis به شما در بهبود نگهداشت کاربران، افزایش نرخ تبدیل و بهینه‌سازی تجربه کاربری کمک می‌کنه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

⏰ پست‌های هفته‌ای که گذشت رو این‌جا پیدا کنین!

🔺 آموزشی

🔵نکات مقدماتی Excel برای تجزیه و تحلیل داده
📎https://t.me/data_ml/526

🔵نکات پیشرفته Excel برای تجزیه و تحلیل داده
📎https://t.me/data_ml/529

🔵آشنایی با Google Sheet در تحلیل داده‌
📎https://t.me/data_ml/532

🔵طراحی داشبورد تعاملی در Google Sheets
📎https://t.me/data_ml/535

🔵آشنایی با Google Looker
📎https://t.me/data_ml/538

🔵آشنایی با Google Analytics
📎https://t.me/data_ml/542

🔺 کوئیز

🔵کوییز شماره ۱۴۶: فرمول‌های اکسل
📎https://t.me/data_ml/527

🔵کوییز شماره ۱۴۷: ایجاد یک لیست کشویی در اکسل
📎https://t.me/data_ml/530

🔵کوییز شماره ۱۴۸: وارد کردن داده‌ها از یک صفحه گسترده دیگه
📎https://t.me/data_ml/533

🔵کوییز شماره ۱۴۹: تفاوت بین Control Widget و Filter در Data Studio
📎https://t.me/data_ml/536

🔵کوییز شماره ۱۵۰: جدول‌های مشتق شده در Looker
📎https://t.me/data_ml/540

🔵کوییز شماره ۱۵۱: Google Analytics و تحلیل مسیرهای کاربر در سایت
📎https://t.me/data_ml/543

🔺 نکته

🔵 روش‌های پاکسازی داده در اکسل
📎https://t.me/data_ml/528

🔵ساخت یک داشبورد تعاملی از صفر تا ۱۰۰ در اکسل
📎https://t.me/data_ml/531

🔵تابع GOOGLETRANSLATE در Google Sheets
📎https://t.me/data_ml/534

🔵ارسال خودکار ایمیل با داده‌های Google Sheets
📎https://t.me/data_ml/537

🔵متاداده، بیگ کوئری و ترافور و ارتباط‌شون با Looker
📎https://t.me/data_ml/541

🔵استفاده از گزارش Cohort Analysis
📎https://t.me/data_ml/544

#Weekend
#Data_Analysis

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👩‍🎓 برنامه آموزشی هفته: ابزارهای مصورسازی داده - پارت ۲

🟠شنبه: نکات و ترفندهای Tableau پارت اول

🔵یک‌شنبه: نکات و ترفندهای Tableau پارت دوم

🟢دوشنبه: نکات و ترفندهای Tableau پارت سوم

🔴سه‌شنبه: نکات و ترفندهای Power BI پارت اول

🟠چهارشنبه: نکات و ترفندهای Power BI پارت دوم

🔵پنج‌شنبه: نکات و ترفندهای Power BI پارت سوم

🟢جمعه: جمع بندی

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🟡 ۱ ساعت تا وبینار رایگان ماشین لرنینگ ۲۰۲۴

در این وبینار، با تمرکز روی جدیدترین پیشرفت‌ها و روندهای فناوری ماشین لرنینگ در امسال، برای شروع یادگیری ماشین لرنینگ و انجام پروژه‌های مرتبط برنامه‌ریزی می‌کنیم.

🗓 امشب
⏰ ساعت ۲۰:۳۰

❗️این وبینار ضبط نمیشه و فقط به صورت لایو در دسترس خواهند بود.

برای مطالعه سرفصل‌ها و دریافت جزئیات بیشتر، روی لینک زیر کلیک کنین.

🟢 رایگان ثبت‌نام کنین:‌

👉📎 https://ctdrs.ir/cr15594

@DSLanders | دی‌اس‌لندرز

▶️ لینک ورود به وبینار امشب

👉📎 https://class17.cafetadris.com/p15594/

@DSLanders | دی‌اس‌لندرز

👨‍🎓 قسمت اول: مفاهیم پایه‌ای تبلو

تبلو یکی از قدرتمندترین ابزارهای تجزیه و تحلیل داده و ایجاد مصورسازی‌های تعاملیه. این نرم‌افزار به شما امکان می‌ده که به راحتی داده‌ها رو مشاهده، تحلیل و ارائه کنین.

🔵 نوار ابزارها و منوها

در قسمت بالای صفحه، نوار ابزارها قرار دارن که شامل ابزارهای مختلفی برای مدیریت پروژه‌ها و داده‌هاست. این ابزارها شامل گزینه‌هایی برای باز کردن فایل، ذخیره‌سازی، برش، کپی و الصاقه. منوها هم شامل گزینه‌هایی برای مدیریت داده‌ها، ایجاد بصری‌سازی‌ها و سفارشی‌سازی نمودارها هستن.

🔵 پنل داده‌ها و شیت‌ها

پنل داده‌ها در سمت چپ صفحه قرار دارن و به شما امکان می‌دن تا منابع داده‌ی رو مدیریت کنین. در این پنل، میشه داده‌های جدید اضافه کرد، داده‌های موجود رو مشاهده و مدیریت کرد و فیلتر اعمال کرد. در پایین صفحه، بخش شیت‌ها قرار دارن که امکان ایجاد و مدیریت شیت‌های مختلف رو فراهم می‌کنن.

🔵 اتصال به منابع مختلف داده

تبلو امکان اتصال به انواع مختلفی از منابع داده از جمله فایل‌های Excel، CSV، پایگاه‌های داده SQL و منابع داده‌ی ابری رو فراهم می‌کنه. برای اتصال به یک منبع داده، از منوی Data در نوار ابزارها استفاده کرده و پس از اتصال به منبع داده، داده‌ها به صورت خودکار به پنل داده‌ها اضافه می‌شن.

🔵 با انواع داده‌ها و ساختارهای آن‌ها

در تبلو، داده‌ها به دو نوع اصلی تقسیم می‌شن: داده‌های عددی (مثل فروش و درآمد) و داده‌های گسسته (مثل نام محصولات و مناطق جغرافیایی). برای ایجاد مصورسازی‌های دقیق و مفید، باید با انواع مختلف داده‌ها و ساختارشون آشنا شین. این آشنایی به شما کمک می‌کنه تا بتونین داده‌ها رو به درستی تجزیه و تحلیل کرده و نتایج دقیقی به دست بیارین.

🔵 فیلترها و اسلایدرها

یکی از قابلیت‌های مهم تبلو، امکان اضافه کردن فیلترها و اسلایدرهاست. این ابزارها به شما کمک می‌کنن تا داده‌ها رو بر اساس معیارهای مختلف فیلتر کرده، نمایش‌های متفاوتی از داده‌ها رو مشاهده و تحلیل‌های تعاملی و پویا ایجاد کنین.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🟥 پیاده سازی یک داشبورد فروش با کمک Tableau

با استفاده از Tableau می‌تونین داده‌ها رو آنالیز، مورد بررسی و تحلیل گرافیکی قرار بدین و با ساخت یک داشبورد، تصمیم‌گیری بهتری داشته باشین. در این ویدئو، با انجام یک پروژه کاربردی مفاهیم مبتدی‌ تا پیشرفته Tableau بررسی شدن:

👉📎 https://youtu.be/pUE6OTDnY-k

👈📎 مشاهده پلی‌لیست داده در یوتیوب

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ