Power Query & M Language

کامپیوتر

معرفی دورهPower Query & M Language

مقدمه:


در بسیاری از سازمان‌ها، بخش قابل‌توجهی از زمان کارشناسان صرف دریافت، مرتب‌سازی، پاک‌سازی و آماده‌سازی داده‌ها در فایل‌های Excel می‌شود؛ به‌خصوص زمانی که اطلاعات از چند فایل، چند واحد سازمانی یا منابع مختلف دریافت شده باشد.

 

Power Query یکی از ابزارهای قدرتمند Excel برای دریافت، پاک‌سازی، تبدیل و ترکیب داده‌هاست که امکان طراحی فرآیندهای قابل تکرار و قابل به‌روزرسانی را فراهم می‌کند. در کنار آن، زبان M به فراگیر کمک می‌کند منطق Transformهای انجام‌شده را درک کرده و در موارد موردنیاز، کدهای تولیدشده توسط Power Query را ویرایش یا تکمیل کند.

 

این دوره با رویکرد کاملاً کاربردی طراحی شده است تا فراگیر بتواند از داده‌های خام و نامنظم، داده‌ای استاندارد و آماده گزارش‌گیری ایجاد کند و فرآیند آماده‌سازی داده را تا حد زیادی خودکار و قابل Refresh نماید.

 

 

هدف دوره:


هدف این دوره، توانمندسازی فراگیر برای کار حرفه‌ای‌تر با داده‌های Excel و آماده‌سازی داده برای گزارش‌گیری و تحلیل است.

 

در پایان دوره، فراگیر می‌تواند:

 

• داده‌ها را از فایل‌های Excel، CSV، Text و Folder دریافت کند.

• اطلاعات چند فایل و چند منبع را با یکدیگر ترکیب کند.

• داده‌های نامنظم و خام را پاک‌سازی و استانداردسازی کند.

• داده‌های تکراری، Null و خطاها را مدیریت کند.

• انواع Transformهای کاربردی روی داده‌ها انجام دهد.

• ستون‌ها و ردیف‌ها را ایجاد، حذف، تقسیم، ترکیب و تبدیل کند.

• داده‌ها را Pivot و Unpivot کند.

• با Group By و Aggregate اطلاعات را خلاصه‌سازی کند.

• با Merge و Append داده‌های چند جدول یا چند فایل را ترکیب کند.

• انواع Joinهای موردنیاز در سناریوهای واقعی را به‌کار ببرد.

• فرآیندهای آماده‌سازی داده را به‌صورت قابل Refresh طراحی کند.

• ساختار و منطق زبان M را درک کند.

• کد M تولیدشده توسط Power Query را بخواند و درک کند.

• کدهای M را در موارد موردنیاز اصلاح یا تکمیل کند.

• از Expression، Variable، let/in، if/then/else، Function و each در سطح کاربردی استفاده کند.

• با List، Record و Table در زبان M کار کند.

• خطاهای رایج در Power Query و زبان M را مدیریت کند.

• خروجی آماده گزارش‌گیری را به Excel منتقل و به‌روزرسانی کند.

 

پیش‌نیاز دوره:


• آشنایی با کار با رایانه و محیط Windows

• آشنایی با Excel مقدماتی و Excel پیشرفته

• توانایی کار با فرمول‌ها، توابع، Table و PivotTable در Excel

• آشنایی اولیه با مفاهیم داده و گزارش‌گیری

 

برای استفاده مؤثر از بخش زبان M، داشتن دانش برنامه‌نویسی الزامی نیست؛ مباحث موردنیاز زبان M در طول دوره به‌صورت کاربردی آموزش داده می‌شوند.

 

سرفصل های دوره:


 

بخش اول: مبانیPower Query 

1. Power Query چیست و چه مسئله‌ای را حل می‌کند؟

2. جایگاه Power Query در آماده‌سازی داده و ETL

3. تفاوت روش‌های سنتی Excel با Power Query

4. آشنایی با Power Query Editor

5. Query، Source و Applied Steps

6. مفهوم Transform

7. Load و Refresh

8. ارتباط Power Query با Excel

9. ساختار صحیح داده برای ورود به Power Query

بخش دوم: دریافت و اتصال به داده 

10. دریافت داده از Excel

11. دریافت داده از CSV

12. دریافت داده از Text

13. دریافت داده از Folder

14. دریافت داده از چند فایل

15. Combine Files

16. مدیریت Source و مسیر فایل‌ها

17. مدیریت Connection

18. Refresh و به‌روزرسانی منابع

19. طراحی فرآیند دریافت داده قابل تکرار

بخش سوم: پاک‌سازی و Transform داده 

20. Change Data Type

21. Remove Rows

22. Remove Columns

23. Remove Duplicates

24. Replace Values

25. Fill Down

26. Fill Up

27. مدیریت Null و Missing Values

28. مدیریت Errorها

29. Trim و Clean

30. Split Column

31. Merge Column

32. Extract

33. Format

34. تبدیل و استانداردسازی داده‌های متنی

35. تبدیل داده‌های عددی

36. تبدیل و استخراج داده‌های تاریخ و زمان

37. Conditional Column

38. Custom Column

39. Sort و Filter

40. Group By

41. Aggregate

42. Pivot Column

43. Unpivot Column

44. Transpose

45. Index Column

بخش چهارم: ترکیب داده‌ها و Join  

46. Append Queries

47. Merge Queries

48. مفهوم Join

49. Left Outer Join

50. Right Outer Join

51. Inner Join

52. Full Outer Join

53. Left Anti Join

54. Right Anti Join

55. انتخاب Join مناسب برای مسئله

56. ترکیب اطلاعات ماه‌ها و واحدهای مختلف

57. ترکیب چند فایل مشابه

58. سناریوهای عملی Merge و Append

بخش پنجم: مبانی زبانM  

59. زبان M و رابطه آن با Power Query

60. ساختار کد M

61. Query Step و Expression

62. Value و Expression

63. Variables و Constants

64. نام‌گذاری متغیرها

65. کاراکترهای خاص و Escape Characters

66. Comments

67. Evaluate

68. Function Call

69. ساختار let / in

70. if / then / else

71. Operators

72. Numeric، Text و Logical Operators

73. List، Record و Table Operators

74. Indexer و دسترسی به داده‌ها

بخش ششم: Data Types، List، Record، Table و Function 

75. Data Types در M

76. Number

77. Text

78. Logical

79. Date

80. DateTime

81. DateTimeZone

82. Duration

83. Null

84. تبدیل Data Typeها

85. List و ساختار آن

86. دسترسی به عناصر List

87. Record و ساختار آن

88. دسترسی به فیلدهای Record

89. Table و ساختار آن

90. ارتباط List، Record و Table

91. Function در M

92. Parameters و Return Value

93. Explicit و Implicit Parameters

94. each

95. Function Values

96. ساخت Custom Function ساده

97. استفاده مجدد از Function

بخش هفتم: توابع M و مدیریت خطا 

98. Text Functions

99. Number Functions

100. Date و DateTime Functions

101. Duration Functions

102. Conversion Functions

103. List Functions

104. Record Functions

105. Table Functions

106. Selection Functions

107. Transformation Functions

108. Replacer

109. Splitter

110. Combiner

111. Information Functions در حد کاربردی

112. Comparer در حد کاربردی

113. مدیریت Error در M

114. try / otherwise

115. Error Handling

بخش هشتم: M کاربردی، اتوماسیون و پروژه نهایی 

116. مشاهده و تحلیل کد تولیدشده توسط Power Query

117. خواندن و درک ساختار کد M

118. ویرایش کد M تولیدشده

119. ایجاد Stepهای جدید با M

120. استفاده از Variable و let / in در مسائل واقعی

121. استفاده کاربردی از each

122. ایجاد و استفاده از Custom Function

123. Parameters در Query

124. ساخت Queryهای قابل استفاده مجدد

125. Query Dependencies

126. بهینه‌سازی مراحل Transform

127. مدیریت فرآیندهای Refreshable

128. طراحی فرآیندهای تکرارشونده برای گزارش‌های دوره‌ای

129. استفاده از M برای Transformهای پیشرفته‌تر

130. مدیریت خطاهای رایج Power Query و M

131. Load به Excel Worksheet

132. Load به PivotTable

133. آشنایی با Load to Data Model

134. Refresh و Refresh All

135. پروژه جامع نهایی:

    - دریافت چند فایل خام و نامنظم سازمانی

    - استانداردسازی ساختار داده

    - پاک‌سازی داده‌ها

    - حذف خطا و Duplicate

    - Transform

    - Merge

    - Append

    - Unpivot

    - استفاده از توابع و Expressionهای M

    - ایجاد Query قابل Refresh

    - تولید خروجی نهایی برای گزارش‌گیری

    - اتصال خروجی به Excel و گزارش مدیریتی

 

فرصت‌های شغلی و مسیر ارتقای شغلی:


 

این دوره به‌تنهایی فرد را به یک Data Analyst تبدیل نمی‌کند، اما یک مهارت مهم برای ورود به مسیر حرفه‌ای تحلیل و گزارش‌گیری داده ایجاد می‌کند.

 

پس از تسلط بر Excel و Power Query، فراگیر می‌تواند برای موقعیت‌هایی مانند موارد زیر آماده‌تر شود:

 

• کارشناس گزارش‌گیری

• کارشناس MIS

• کارشناس گزارش و داشبورد

• کارشناس برنامه‌ریزی و گزارش‌گیری

• کارشناس کنترل و پایش عملکرد

• کارشناس امور اداری و گزارش‌های مدیریتی

• کارشناس عملیات و گزارش‌گیری

• کارشناس تهیه و آماده‌سازی داده

• کارشناس گزارش‌های منابع انسانی

• کارشناس گزارش‌های فروش و عملکرد

 

همچنین این مهارت‌ها می‌توانند زمینه ارتقای شغلی فرد در سازمان‌هایی را فراهم کنند که بخش قابل‌توجهی از فرآیند گزارش‌گیری و آماده‌سازی اطلاعات آن‌ها بر پایه Excel و داده‌های جدولی انجام می‌شود.

 

مسیر پیشنهادی برای تبدیل شدن به Data Analyst:


 

Power Query و زبان M پایان مسیر تحلیل داده نیست، بلکه یکی از مراحل مهم آماده‌سازی داده است. برای رسیدن به سطح حرفه‌ای Data Analyst، پیشنهاد می‌شود پس از این دوره مسیر آموزشی زیر دنبال شود:

 

1. SQL

   • مفاهیم پایگاه داده

   • SELECT و Filtering

   • JOIN

   • GROUP BY و Aggregation

   • Subquery و CTE

   • Window Functions

 

2. آمار و مفاهیم پایه تحلیل داده

   • آمار توصیفی

   • میانگین، میانه و پراکندگی

   • توزیع داده

   • همبستگی

   • مفاهیم احتمال و استنباط آماری در حد موردنیاز تحلیل داده

 

3. تحلیل داده با Python

   • Python مقدماتی

   • NumPy

   • Pandas

   • Data Cleaning

   • Exploratory Data Analysis

   • Visualization

 

4. Power BI

   • دریافت و آماده‌سازی داده

   • Data Modeling

   • ساخت Relationship

   • طراحی گزارش و Dashboard

   • Visualization

 

5. DAX

   • Measures

   • Calculated Columns

   • Context

   • توابع و محاسبات تحلیلی DAX

 

6. پروژه‌های واقعی تحلیل داده

   • دریافت داده خام

   • پاک‌سازی و آماده‌سازی

   • تحلیل

   • استخراج شاخص‌ها و KPI

• ساخت گزارش و Dashboard

   • ارائه و تفسیر نتایج

 

 

جمع‌بندی مسیر:

 

Excel مقدماتی

Excel پیشرفته

Power Query + زبان M

SQL

آمار و تحلیل داده

Python و Pandas

Power BI

DAX و Data Modeling

پروژه‌های واقعی

Data Analyst

 



کلیه حقوق متعلق به جهاد دانشگاهی است. نقل مطالب با ذکر منبع مجاز است. قدرت گرفته از نما (نرم افزار مدیریت آموزش)