About this course
Transform and load data, define semantic model relationships and calculations, create interactive visuals, and distribute reports using Power BI.
Course Outline
Module 1: Get data in Power BI.
• Get data from files.
• Get data from relational data sources.
• Create dynamic reports with parameters.
• Get data from a NoSQL database.
• Get data from online services.
• Select a storage mode.
• Get data from Azure Analysis Services.
• Fix performance issues.
• Resolve data import errors.
• Exercise – Prepare data in Power BI Desktop.
Module 2: Clean, transform, and load data in Power BI.
• Shape the initial data.
• Simplify the data structure.
• Evaluate and change column data types.
• Combine multiple tables into a single table.
• Profile data in Power BI.
• Use Advanced Editor to modify M code.
• Exercise – Load data in Power BI Desktop.
Module 3: Design a semantic model in Power BI.
• Work with tables.
• Create a date table.
• Work with dimensions.
• Define data granularity.
• Work with relationships and cardinality.
• Resolve modeling challenges.
• Exercise – Model data in Power BI Desktop.
Module 4: Add measures to Power BI Desktop models.
• Create simple measures.
• Create compound measures.
• Create quick measures.
• Compare calculated columns with measures.
• Check your knowledge.
• Exercise – Create DAX Calculations in Power BI Desktop.
Module 5: Add calculated tables and columns to Power BI Desktop models.
• Create calculated columns.
• Learn about row context.
• Choose a technique to add a column.
Module 6: Design Power BI reports.
• Design the analytical report layout.
• Design visually appealing reports.
• Report objects.
• Select report visuals.
• Select report visuals to suit the report layout.
• Format and configure visualizations.
• Work with key performance indicators.
• Exercise – Design a report in Power BI desktop.
Module 7: Configure Power BI report filters.
• Apply filters to the report structure.
• Apply filters with slicers.
• Design reports with advanced filtering techniques.
• Consumption-time filtering.
• Select report filter techniques.
• Case study – Configure report filters based on feedback.
Module 8: Create and manage workspaces in Power BI.
• Distribute a report or dashboard.
• Monitor usage and performance.
• Recommend a development life cycle strategy.
• Troubleshoot data by viewing its lineage.
• Configure data protection.
Module 9: Manage semantic models in Power BI.
• Use a Power BI gateway to connect to on-premises data sources.
• Configure a semantic model scheduled refresh.
• Configure incremental refresh settings.
• Manage and promote semantic models.
• Troubleshoot service connectivity.
• Boost performance with query caching (Premium)
Prerequisites
Completion of the Get started with Microsoft data analytics is recommended.
אנו חיים בעידן של מידע (DATA), ומי שיודע לאסוף את המידע ולנתח אותו יכול להפיק מכך ערך רב.
לכל חברה יש את הדאטה שלה, הנובע מתוך הפעילות שלה ו/או רלוונטי עבורה אך מגיע ממקורות חיצוניים. ולכן ישנו ביקוש רב לאנשי DATA היודעים לעבוד עם מערכות Data Platform.
היתרונות של Data Platform
ל-Data Platform יתרונות רבים הכוללים:
ניהול משופר של מידע – המערכת מאפשרת לנהל כמויות של מידע בצורה מרוכזת, ומעניקה שליטה על המידע, איכות ועקביות המאפשרים לארגון לעשות שימוש טוב יותר בנכסי המידע.
שיפור קבלת ההחלטות – שילוב הכלים האנליטיים והפקת דוחות מאפשר לארגון לקבל החלטות המבוססות על מידע. כך הארגון יכול להגיב מהר יותר לשינויים בשוק והצרכים של הלקוחות.
שיפור היעילות – ארגונים משקיעים משאבים רבים בהתמודדות עם המידע. Data Platform מאפשרת לייעל את התהליך ולהישען על אוטומציה. זה חוסך בזמן עבודה ואף מקטין טעויות.
מידע בזמן אמת – היכולת לעבד מידע ולנתח אותו בזמן אמת מעניקה לארגון יתרון עצום, ומאפשרת להגיב ולפעול לפני המתחרים.
גמישות – לכל ארגון צרכים אחרים ושונים. ואחד היתרונות של המערכת הוא הגמישות הגדולה. Data Platform מעניקה כלים רבים, היכולים להתאים למגוון של צרכים.
סוגי Data Platform
ניתן לסווג את פלטפורמות הדאטה לכמה סוגים :
מחסני נתונים (Data warehouses) – מערכות שעיקר יעודן הוא אחסון נתונים מובנים בפורמט מאורגן המאפשר שאילתות מהירות.
אגמי נתונים (Data lakes) – פלטפורמות המאפשרות לאחסן נתונים גולמיים, מובנים או לא מובנים. אלו מתאימים עבור למידת מכונה.
פלטפורמות ענן (Cloud-based data platforms) – פלטפורמות היושבות על ענן, וכך יכולות להעניק לארגון מדרגיות (scalability), גמישות, יעילות ועלות משתלמת. למשל שירותי Microsoft Azure הם דוגמה לפלטפורמת דאטה בענן.
מערכות היברידיות (Hybrid data platforms) – פלטפורמות דאטה המשלבות סביבה מקומית סביבת הענן. בדרך כלל מערכות שכאלו נדרשות כאשר ישנן דרישות רגולטוריות לגבי המידע.
מערכות בזמן אמת – מערכות המעבדות מידע בזמן אמת ומגיבות. למשל בנקים וחברות אשראי זקוקות למערכות שכאלו על מנת למנוע הונאות ולאפשר פעולות בנקאיות.
אחסון ועיבוד מידע ב-Data Platform
אחסון ועיבוד מידע הוא עולם ומלואו של כלים העונים על צרכים שונים של הארגון והם כוללים: שליטה וניהול המידע, איכות המידע, אבטחה ופרטיות, המחשה, שיתוף ואוטומציה.
למשל שליטה על מחזור החיים של המידע עד למחיקתו. כלים לזיהוי טעויות ואבטחת דיוק במידע, כלים המאפשרים להמחיש את התובנות של המידע ועוד.
שאלות על Data Platform
מה זה Data Platform?
Data Platform היא מערכת מאוחדת המאפשרת לטפל ולנתח בצורה יעילה כמויות נתונים גדולים. זוהי מערכת רב רכיבית המאפשרת לטיפל בנתונים מובנים ולא מובנים, ולהפוך את המידע לנגיש עבור אפליקציות שונות.
איך לבחור קורס Data Platform?
מומלץ לבחור קורס המותאם אישית לצרכים הארגונים, ומועבר על ידי מרצים בעלי ניסיון מעשי בתחום.
