Excel Bank | اکسل بانک
قسمت سی و ششم آموزش ترفندهای اکسل ایجاد نمودار کمبو #اکسل #آموزش_اکسل #فیلم
راضی هستید دیگه؟
فیلمای کوتاه، دسته بندی شده، فرمت موبایل، کاربردی و سریالی
فیلمای کوتاه، دسته بندی شده، فرمت موبایل، کاربردی و سریالی
🤝22❤8👍5👎2
Gantt Chart Visual - @ExcelBank.pbix
538.3 KB
دانلود کاستوم ویژوال بسیار کاربردی
Gantt Chart
مخصوص پروژه ها در 3 حالت مختلف در نرم افزار Power BI به صورت رایگان
#Bi
#هوشمندی_کسبوکار
#powerbi
Gantt Chart
مخصوص پروژه ها در 3 حالت مختلف در نرم افزار Power BI به صورت رایگان
#Bi
#هوشمندی_کسبوکار
#powerbi
❤7💯2
Excel Bank | اکسل بانک
قسمت چهل و دوم آموزش ترفندهای اکسل ایجاد اسلایسر جهت فیلتر کردن داینامیک #اکسل #آموزش_اکسل #فیلم
۱۰ قسمت دیگه مونده ✌️
یه نفسی بکشیم، ادامش رو از شنبه میزاریم✅
یه نفسی بکشیم، ادامش رو از شنبه میزاریم✅
🔥7👍3🙏2❤1
سلام رفقا
اول هفته و اول ماهتون بخیر
یه حرف دلی داشتم
ما توی کانالمون، اشتراک دانش انجام میدیم. بدون هیچ چشم داشت یا نفع مالی، بدون هیچ نیاز به دیده شدن و به اشتراک گذاشته شدن کانال یا درخواست کامنت و لایک اجباری
خیلی دوستان هستن که اینجا، لینکدین و اینستاگرام، بخاطر 4 تا فالوئر و 4 تا ایمپرشن، یه جماعتو سرکار میزارن
ما اینجور نبودیم از روزی که کانال ساخته شد، نیستیم و هرگز نخواهیم بود
12 هزار نفری که اینجان، همشون با کامنت ها و پیام ها و ری اکشن هاشون، به ما قوت قلب میدن برای ادامه فعالیت
مرسی از بودنت
ارادتمند : اشکان احمدی - 1 شهریور 1404
اول هفته و اول ماهتون بخیر
یه حرف دلی داشتم
ما توی کانالمون، اشتراک دانش انجام میدیم. بدون هیچ چشم داشت یا نفع مالی، بدون هیچ نیاز به دیده شدن و به اشتراک گذاشته شدن کانال یا درخواست کامنت و لایک اجباری
خیلی دوستان هستن که اینجا، لینکدین و اینستاگرام، بخاطر 4 تا فالوئر و 4 تا ایمپرشن، یه جماعتو سرکار میزارن
ما اینجور نبودیم از روزی که کانال ساخته شد، نیستیم و هرگز نخواهیم بود
12 هزار نفری که اینجان، همشون با کامنت ها و پیام ها و ری اکشن هاشون، به ما قوت قلب میدن برای ادامه فعالیت
مرسی از بودنت
ارادتمند : اشکان احمدی - 1 شهریور 1404
❤42🔥3
Excel Bank | اکسل بانک
۱۰ قسمت دیگه مونده ✌️ یه نفسی بکشیم، ادامش رو از شنبه میزاریم✅
همونجور که قول داده بودیم، از امروز ادامش رو خواهیم داشت .
میدونید توی این سری قراره چیا یاد بگیریم؟ استفاده از هوش مصنوعی Copilot در اکسل
پس
Stay Tuned :)
میدونید توی این سری قراره چیا یاد بگیریم؟ استفاده از هوش مصنوعی Copilot در اکسل
پس
Stay Tuned :)
❤19👍4👏1
میدانید Engine در Power BI دقیقاً چیست و چه نقشی دارد؟
در نگاه اول شاید تصور کنیم Power BI یک موتور ساده برای پردازش داده دارد، اما وقتی عمیق‌تر به معماری آن نگاه کنیم، می‌بینیم که این ابزار ترکیبی از چندین موتور قدرتمند است که هر کدام وظیفه‌ای خاص و حیاتی بر عهده دارند. درست مانند یک تیم حرفه‌ای که هر عضو با تخصص خودش کار می‌کند، این موتور‌ها در کنار هم یک سیستم سریع، بهینه و انعطاف‌پذیر برای تحلیل داده‌ها می‌سازند.
🔹 این موتور‌ها شامل موارد زیر هستند:
⸻
1️⃣ Mashup Engine (M Engine)
این موتور در Power Query فعال است و مسئول تمام فرآیندهای آماده‌سازی و تغییر داده‌ها (ETL) می‌باشد.
• کارهایی مثل پاکسازی داده، تغییر فرمت‌ها، ادغام جداول (Merge/Append) و محاسبات اولیه روی داده‌ها قبل از ورود به مدل، در همین بخش انجام می‌شود.
• زبان اصلی آن M Language است.
• در واقع، هرچه داده تمیزتر و درست‌تر وارد شود، موتورهای بعدی عملکرد سریع‌تر و بهینه‌تری خواهند داشت.
⸻
2️⃣ VertiPaq Engine (Tabular Engine)
قلب تپنده Power BI!
• زمانی که داده‌ها را Import می‌کنیم، همه در حافظه (In-Memory) ذخیره می‌شوند.
• بنابراین VertiPaq داده‌ها را به صورت ستونی (Columnar) ذخیره و به شدت فشرده‌سازی می‌کند.
• همین معماری باعث می‌شود کوئری‌ها و گزارش‌ها بسیار سریع اجرا شوند، حتی روی میلیون‌ها رکورد.
• اکثر محاسبات DAX مستقیماً روی این موتور اجرا می‌شود.
⸻
3️⃣ Formula Engine
این موتور وظیفه دارد تمام محاسبات و فرمول‌های DAX را پردازش کند.
• خودش داده ذخیره نمی‌کند، بلکه منطق محاسباتی را مدیریت می‌کند.
• هر جا لازم باشد داده، از VertiPaq یا DirectQuery درخواست می‌کند.
• اگر DAX درست نوشته نشده باشد (مثل استفاده از توابع غیر بهینه)، این موتور می‌تواند باعث افت کارایی شود. به همین دلیل درک نحوه تعامل آن با VertiPaq برای Performance Tuning خیلی مهم است.
⸻
4️⃣ DirectQuery / Composite Engine
وقتی داده‌ها را Import نمی‌کنیم و Power BI مستقیم به دیتابیس متصل است:
• کوئری‌ها مستقیم به دیتابیس مقصد (مثل SQL Server، Oracle، SAP HANA) ارسال می‌شوند.
• سرعت و کارایی وابسته به دیتابیس منبع است، نه Power BI.
• در حالت Composite Model، می‌توان ترکیبی از Import و DirectQuery داشت تا هم سرعت In-Memory داشته باشیم و هم داده‌های لحظه‌ای.
⸻
✅ نتیجه‌ای که گرفتم این بود که Power BI تنها یک Engine ندارد، بلکه مجموعه‌ای از موتورهای تخصصی دارد که در کنار هم قدرت واقعی این ابزار را شکل می‌دهند.
این نگاه عمیق‌تر به معماری Power BI باعث شد درک کنم چرا بهینه‌سازی مدل داده (Data Modeling)، انتخاب بین Import یا DirectQuery و حتی نحوه نوشتن DAX می‌تواند تأثیر مستقیم روی عملکرد نهایی داشبورد داشته باشد.
در نگاه اول شاید تصور کنیم Power BI یک موتور ساده برای پردازش داده دارد، اما وقتی عمیق‌تر به معماری آن نگاه کنیم، می‌بینیم که این ابزار ترکیبی از چندین موتور قدرتمند است که هر کدام وظیفه‌ای خاص و حیاتی بر عهده دارند. درست مانند یک تیم حرفه‌ای که هر عضو با تخصص خودش کار می‌کند، این موتور‌ها در کنار هم یک سیستم سریع، بهینه و انعطاف‌پذیر برای تحلیل داده‌ها می‌سازند.
🔹 این موتور‌ها شامل موارد زیر هستند:
⸻
1️⃣ Mashup Engine (M Engine)
این موتور در Power Query فعال است و مسئول تمام فرآیندهای آماده‌سازی و تغییر داده‌ها (ETL) می‌باشد.
• کارهایی مثل پاکسازی داده، تغییر فرمت‌ها، ادغام جداول (Merge/Append) و محاسبات اولیه روی داده‌ها قبل از ورود به مدل، در همین بخش انجام می‌شود.
• زبان اصلی آن M Language است.
• در واقع، هرچه داده تمیزتر و درست‌تر وارد شود، موتورهای بعدی عملکرد سریع‌تر و بهینه‌تری خواهند داشت.
⸻
2️⃣ VertiPaq Engine (Tabular Engine)
قلب تپنده Power BI!
• زمانی که داده‌ها را Import می‌کنیم، همه در حافظه (In-Memory) ذخیره می‌شوند.
• بنابراین VertiPaq داده‌ها را به صورت ستونی (Columnar) ذخیره و به شدت فشرده‌سازی می‌کند.
• همین معماری باعث می‌شود کوئری‌ها و گزارش‌ها بسیار سریع اجرا شوند، حتی روی میلیون‌ها رکورد.
• اکثر محاسبات DAX مستقیماً روی این موتور اجرا می‌شود.
⸻
3️⃣ Formula Engine
این موتور وظیفه دارد تمام محاسبات و فرمول‌های DAX را پردازش کند.
• خودش داده ذخیره نمی‌کند، بلکه منطق محاسباتی را مدیریت می‌کند.
• هر جا لازم باشد داده، از VertiPaq یا DirectQuery درخواست می‌کند.
• اگر DAX درست نوشته نشده باشد (مثل استفاده از توابع غیر بهینه)، این موتور می‌تواند باعث افت کارایی شود. به همین دلیل درک نحوه تعامل آن با VertiPaq برای Performance Tuning خیلی مهم است.
⸻
4️⃣ DirectQuery / Composite Engine
وقتی داده‌ها را Import نمی‌کنیم و Power BI مستقیم به دیتابیس متصل است:
• کوئری‌ها مستقیم به دیتابیس مقصد (مثل SQL Server، Oracle، SAP HANA) ارسال می‌شوند.
• سرعت و کارایی وابسته به دیتابیس منبع است، نه Power BI.
• در حالت Composite Model، می‌توان ترکیبی از Import و DirectQuery داشت تا هم سرعت In-Memory داشته باشیم و هم داده‌های لحظه‌ای.
⸻
✅ نتیجه‌ای که گرفتم این بود که Power BI تنها یک Engine ندارد، بلکه مجموعه‌ای از موتورهای تخصصی دارد که در کنار هم قدرت واقعی این ابزار را شکل می‌دهند.
این نگاه عمیق‌تر به معماری Power BI باعث شد درک کنم چرا بهینه‌سازی مدل داده (Data Modeling)، انتخاب بین Import یا DirectQuery و حتی نحوه نوشتن DAX می‌تواند تأثیر مستقیم روی عملکرد نهایی داشبورد داشته باشد.
❤4👍1🙏1