واژه نامه هوش تجاری

Agile: چابک
روشی برگرفته از توسعه نرم افزار که اکنون در بسیاری از زمینه های کسب و کار کاربرد دارد.در یک تعریف ساده می‌توان گفت که چابکی سازمان، ویژگی‌ای است که به سازمان‌ها این قدرت را می‌دهد که بتوانند با انعطاف‌پذیری و با سرعت، خود را با تغییرات بیرونی و داخلی تطبیق دهند.
Analysis Services : خدمات تجزیه و تحلیل
این سرویس در Microsoft SQL Server Analysis Services شناخته شده است و به اختصار به آن SASS نیز می‌گوییم.
Analysis Services یک موتور داده تحلیلی آنلاین است که در پشتیبانی تصمیم گیری و تجزیه و تحلیل تجاری استفاده می شود.
Analytics : تجزیه و تحلیل
کشف، تفسیر و ارتباط الگوهای معنی دار در داده ها. آنها اساساً ستون فقرات هر تصمیم گیری مبتنی بر داده هستند.
Business Analytics (BA) : تجزیه و تحلیل کسب و کار
به مهارت‌ها، فن‌آوری‌ها و شیوه‌های بررسی عملکرد کسب‌وکار در گذشته برای کسب بینش و هدایت برنامه‌ریزی تجاری اشاره دارد و بر توسعه بینش های جدید و درک عملکرد تجاری بر اساس داده ها و روش های آماری تمرکز دارد.
تجزیه و تحلیل کسب و کار می تواند به سوالاتی مانند:
- چرا این اتفاق می افتد؟
- اگر این روندها ادامه پیدا کند چه؟
- بعد از این چه خواهد شد؟
- چگونه می توانیم بهینه سازی کنیم؟
Back-End :هسته نرم افزار یا سایت
در یک نرم‌افزار یا یک سایت ، برنامه‌هایی به طور مستقیم با منابع یا پایگاه‌های داده بدون ارتباط مستقیم با کاربر نهایی تعامل دارند.که به آن back-end سایت یا نرم افزار می‌گوییم.
BI application designer : طراح اپلیکیشن هوش تجاری
شخصی که مسئول طراحی قالب ها و داشبوردهای گزارش در برنامه های سمت مشتری در هوش تجاری است. آنها معمولاً به یک اشتیاق برای تصویر سازی داده ها، طراحی تجربه کاربر و گزارش برنامه ها نیاز دارند.
BI Project Sponsor : حامی پروژه های هوش تجاری
در حالت ایده آل، حامی پروژه فردی در سطح اجرایی است که اهمیت پروژه های هوش تجاری را درک می کند، انگیزه تجاری قانع کننده ای دارد و می تواند به کسب نتایج کمک کند.
Big Data : کلان داده
در محاوره به مقداری از داده اشاره دارد که بسیار غیرممکن است که با تکنیک های سنتی قابل تجزیه باشند . به گفته شرکت تحقیقاتی گارتنر، «داده‌های بزرگ» دارایی‌های اطلاعاتی با حجم بالا، سرعت بالا و/یا با تنوع بالا است که به شکل‌های مقرون‌به‌صرفه و خلاقانه‌ای از پردازش اطلاعات استفاده میکند که بینش، تصمیم‌گیری و فرآیندکاوی را سرعت ‌دهند.
Business Driver : محرک کسب و کار
این اصطلاح می تواند به یک منبع، فرآیند یا شرایطی اشاره کند که برای رشد و موفقیت مستمر یک تجارت ضروری است
Business Intelligence (BI) : هوش تجاری (BI)
اصطلاحی فراگیر که شامل انواع ابزارها، برنامه‌ها و متدولوژی‌ها می‌شود که سازمان‌ها را قادر می‌سازد تا داده‌ها را از سیستم‌های داخلی و منابع خارجی جمع‌آوری کنند. BI می تواند برای آماده سازی داده ها برای تجزیه و تحلیل، توسعه و اجرای پرس و جوها، و ایجاد گزارش ها، داشبوردها و تجسم ها با هدف نهایی ارائه نتایج به تصمیم گیرندگان و کاربران نهایی استفاده شود.
Business Lead : رهبری کسب و کار
شخصی از سطح متوسط تا ارشد که هم جنبه تجاری و هم جنبه فنی یک شرکت را به خوبی درک می کند تا بتواند بین این دو ارتباط برقرار کند.
Business Owners : صاحبان کسب‌وکار
هر مجموعه ای از کاربران تجاری از درون سازمان که از ابزار BI استفاده خواهند کرد (مالی، عملیات، منابع انسانی و غیره) باید یک مالک کسب و کار منصوب کنند. مشارکت کاربران تجاری بسیار مهم است و باید مراقب بود که آنها از همان ابتدای پروژه درگیر شوند. بدون صاحبان کسب و کار و کاربران، یک پروژه BI صرفا یک تمرین فنی آکادمیک است.
Business User : کاربر تجاری
کاربر یک سرویس یا محصول، که ممکن است لزوماً با تأمین‌کننده/ارائه‌دهنده تماس نداشته باشد - بنابراین در انتهای «زنجیره تأمین» داده وجود دارد. به عنوان مثال یک کاربر نهایی سیستم مدیریت محتوا (CMS)، یا یک حسابدار که سفارشات خرید را در یک سیستم برنامه ریزی منابع سازمانی (ERP) وارد می کند.
Collaborative Business Intelligence, or Collaborative BI : هوش تجاری مشارکتی
ترکیب تاکتیک‌های هوش تجاری سنتی با ابزارهایی مانند شبکه‌های اجتماعی، ویکی‌ها یا وبلاگ‌ها برای تقویت ماهیت حل مشکل مشارکت در مباحث هوش تجاری است. مایکروسافت شیرپوینت نمونه ای از یک محصول مشترک BI است.
Cube : مکعب
بخش های چند بعدی داده که از جداول و فیلدهای پایگاه داده شما ساخته شده است. مکعب‌ها حاوی محاسبات و فرمول‌ها هستند و اغلب حول توابع تجاری خاص مانند فروش، امور مالی، خرید، موجودی، و غیره گروه‌بندی می‌شوند.
Dashboard : داشبورد
تجزیه و تحلیل آماری و روندهای تاریخی شاخص های کلیدی عملکرد یک سازمان (KPI) را که در نمایش های گرافیکی به راحتی و قابل هضم ارائه می دهد. به عنوان مثال، داشبورد منابع انسانی ممکن است اعداد مربوط به استخدام، حفظ و ترکیب کارکنان را نشان دهد. در حالی که داشبورد بازاریابی ممکن است اعداد مربوط به ترافیک وب ورودی، حجم جستجو و سرعت تبدیل سرنخ را نشان دهد.
Data Architect : معمار داده
رشته فناوری اطلاعات که با طراحی، ایجاد، استقرار و مدیریت معماری داده یک سازمان مرتبط است. این شخص معمولاً مسئول طراحی فرآیند استخراج، تبدیل و بارگذاری داده ها (ETL) و ساخت ساختار (مدل ابعادی) است که داده ها پس از طی فرآیند ETL در آن قرار می گیرند. مهارت های چندگانه مورد نیاز است: تخصص در مدل سازی ابعادی و همچنین حساسیت عمیق به الزامات کسب و کار مورد نیاز است.
Data Architecture : معماری داده‌ها
مجموعه‌ای از قوانین، خط‌مشی‌ها، استانداردها و مدل‌هایی که نوع داده‌های جمع‌آوری‌شده و نحوه استفاده، ذخیره‌سازی، مدیریت و یکپارچه‌سازی آن‌ها را در سازمان و سیستم‌های پایگاه‌داده‌ را تعریف می‌کنند.
Database : پایگاه داده
در عام ترین معنای آن، پایگاه داده مجموعه ای از اطلاعات است که به گونه ای سازماندهی شده است که بتوان به آن دسترسی داشت، آن ها را مدیریت و به روز کرد. معمولاً در رایانه شخصی یا سرور ذخیره می شود، داده ها می توانند تصاویر، اعداد، اسکریپت ها، متن و غیره باشند
Database Management System (DBMS) : سیستم مدیریت پایگاه داده
یک نرم افزاری کامپیوتری که با کاربر، سایر برنامه ها و خود پایگاه داده برای جمع آوری و تجزیه و تحلیل داده ها تعامل دارد. یک DBMS همه منظوره طراحی شده است تا امکان تعریف، ایجاد، پرس و جو، به روز رسانی و مدیریت پایگاه های داده را فراهم کند.
Data Cleansing : پاکسازی داده ها
فرآیند شناسایی و تصحیح داده های معیوب و نادرست ، که منجر به تصمیم گیری های بسیار دقیق مبتنی بر BI می شود، زیرا پایگاه های داده عظیم و جمع آوری سریع داده ها می تواند منجر به داده های نادرست یا معیوب شود که بر BI و تجزیه و تحلیل حاصله تأثیر می گذارد. تصحیح خطاهای تایپی، حذف سوابق تکراری، و استانداردسازی همگی نمونه هایی از پاکسازی داده ها هستند.
Data Feed : خوراک دهی داده
مکانیزمی برای کاربران برای دریافت داده های به روز شده از منابع داده.
Data Intelligence : هوش داده
بر داده های سازمان که برای برنامه ریزی آینده استفاده می شود تمرکز می کند و گاهی اوقات به اشتباه به عنوان هوش تجاری برچسب گذاری می شود. در حالی که هوش تجاری به دنبال جمع‌آوری داده‌ها به منظور مفید و کاربردی کردن آن برای فعالیت‌های کسب‌وکار و سازمان‌دهی است، هوش داده‌ها بر مدل سازی داده‌ها برای ارزیابی خدمات یا سرمایه‌گذاری‌های آتی تمرکز دارد.
Data Manager : مدیر داده
هر تیمی نیاز به مدیریت دارد و تیم علم داده نیز تفاوتی ندارد. در یک تیم علم داده یا تجزیه و تحلیل، مدیر داده به عنوان واسطه بین اعضای تیم فنی و مدیریت استراتژیک عمل می کند. به همین دلیل، ایده آل است که مدیر داده دارای پیشینه فنی فناوری اطلاعات با تجربه استراتژیک باشد.
Data management : مدیریت داده ها
فرآیندی که از طریق آن داده ها به دست می آیند، تایید می شوند، ذخیره می شوند، محافظت می شوند و پردازش می شوند. به نوبه خود، دسترسی، قابلیت اطمینان و به موقع بودن آن برای برآوردن نیازهای کاربران داده تضمین می شود. مدیریت داده به درستی بر نیازهای چرخه حیات داده یک سازمان نظارت دارد.
Data Mining : داده کاوی
به فرآیند تجزیه و تحلیل دسته های بزرگ داده ها برای یافتن الگوها و نمونه هایی با اهمیت آماری اشاره دارد. با استفاده از نرم‌افزار برای جستجوی الگوها در دسته‌های بزرگ داده، کسب‌وکارها می‌توانند اطلاعات بیشتری در مورد مشتریان خود بیاموزند و استراتژی‌های مؤثرتری برای جذب توسعه دهند و همچنین فروش را افزایش دهند و هزینه‌های کلی را کاهش دهند.
Data Model : مدل داده
چگونگی ساختار، مرتبط و استانداردسازی داده ها را به منظور استخراج بینش معنادار تعریف می کند. کسب‌وکارها می‌توانند از چندین مدل استفاده کنند داده (با Power BI مایکروسافت) تا اطمینان حاصل کنند که همه داده‌های مرتبط گنجانده شده است.
Data Modeling : مدل سازی داده ها
به فرآیند تعریف، تجزیه و تحلیل و ساختار داده ها در مدل های داده اشاره دارد.
Data Source : منبع داده
منبع داده ها. این می تواند یک فایل، یک پایگاه داده خاص در یک DBMS یا حتی خوراک داده باشد. هدف یک منبع داده جمع آوری تمام اطلاعات فنی مورد نیاز برای دسترسی به داده ها - نام درایور، آدرس شبکه، نرم افزارتحت شبکه و غیره - در یک مکان واحد و پنهان کردن آن از کاربر تجاری است. کاربر باید بتواند به لیستی که شامل حقوق و دستمزد، موجودی و پرسنل است دسترسی پیدا کند ، حقوق و دستمزد را از لیست انتخاب کند و برنامه BI را به داده های حقوق و دستمزد متصل کند. این بدون اینکه کاربر تجاری بداند داده های حقوق و دستمزد در کجا قرار دارد یا برنامه چگونه به آن رسیده است تکمیل می شود.
Data Visualization : بصری سازی داده ها
ساختاردهی و مرتب کردن داده ها و بصری سازی آن برای کمک به کاربران در جهت درک آن. الگوها و روندهایی که ممکن است برای افراد عادی در داده های مبتنی بر متن غیرقابل تشخیص باشد، می توانند به راحتی توسط کاربران نهایی با کمک نرم افزارهای بصری سازی داده ها مشاهده و هضم شوند.
Data Warehouse : انبار داده
ذخیره بخش بزرگی از داده‌ها که از طیف گسترده‌ای از منابع داده استخراج می‌شود و می‌توان آن‌ها را پردازش، تقسیم و تجزیه و تحلیل کرد تا بینش‌هایی استخراج شود که تصمیمات مدیریت را هدایت می‌کند. انبارهای داده معمولاً پایگاه داده ای رابطه ای هستند که حاوی داده های تاریخی هستند و برای پرس و جو و تجزیه و تحلیل طراحی شده اند.
Data Warehousing : ذخیره‌سازی داده‌ها
فرآیند جمع‌آوری داده‌ها از منابع متفاوت به منظور ایجاد یک انبار داده .
Data Warehouse Automation (DWA) : اتوماسیون انبار داده

اتوماسیون انبار داده به فرآیند خودکارسازی هر بخش از چرخه حیات انبار داده با به حداقل رساندن کدنویسی دستی و خودکار کردن کارهای تکراری، وقت‌گیر و زمان‌بر که معمولاً با یک انبار داده مرتبط است، اشاره دارد. این وظایف شامل تجزیه و تحلیل، طراحی و مدل سازی اولیه می باشد. اساساً، اتوماسیون انبار داده به کسب و کارها اجازه می دهد تا به سرعت داده ها را جمع آوری، تمیز کنند و برای تجزیه و تحلیل بدون نیاز به مهندسین برای نوشتن کدی
Data Warehouse Developer : توسعه دهنده انبار داده
نقش استقرار و توسعه انبارهای داده را بر عهده دارند و کد نویسی و توسعه ETL را انجام می‌دهند.
Database Administrator (DBA) : مدیر پایگاه داده
این نقش شامل برنامه ریزی ظرفیت، نصب، پیکربندی، طراحی پایگاه داده، مهاجرت، نظارت بر عملکرد، امنیت، عیب یابی و همچنین پشتیبان گیری و بازیابی اطلاعات است. آن‌ها از نرم‌افزار تخصصی برای ذخیره و سازمان‌دهی داده‌ها استفاده می‌کنند و اغلب برای ارائه پشتیبانی عمومی پایگاه داده با تیم BI، در حال تماس هستند.
: Data Analysis Expressions (DAX) عبارات تجزیه و تحلیل داده ها
یک سری قواعد دستوری تخصصی برای پرس و جو در خدمات تجزیه و تحلیل ارائه می دهد. DAX شامل برخی از توابع مورد استفاده در فرمول های اکسل و همچنین توابع اضافی است که برای کار با داده های رابطه ای طراحی شده اند. DAX می تواند مقادیر هفت نوع داده مختلف را محاسبه کند: عدد صحیح، واقعی، ارز، تاریخ، بولی، رشته و BLOB (شئی بزرگ باینری).
Dimension : بعد
مقوله‌ای است که می‌تواند برای مرتب کردن داده‌ها بر اساس واقعیت‌ها و معیارها برای اهداف تقسیم‌بندی (گروه‌بندی) و برش (فیلتر کردن) داده‌ها استفاده شود. ابعاد معمولاً شامل افراد، محصولات، مکان ها و زمان هستند.
Dimension Table : جدول ابعاد
در یک انبار داده، یک جدول ابعادی همراه با یک جدول واقعیت است. جداول ابعاد حاوی فیلدهای توصیفی هستند که به طور معمول متنی هستند. جداول ابعاد از طریق استفاده از کلیدها (مانند کلیدهای جانشین) به جداول واقعیت (که حاوی معیارها هستند) مربوط می شود.
Drillthrough/Drill down : حرکت در عمق داده ها
به حرکت از سطح بالا به پایین در داده با تمرکز روی چیزی (به عنوان مثال یک عدد خاص در یک گزارش) اشاره دارد. در یک محیط ساخته شده بصری (مانند گزارش های هوش تجاری)، " Drill down " ممکن است شامل کلیک کردن بر روی برخی از نمودارها به منظور آشکار کردن جزئیات بیشتر باشد.
Executive BI : هوش تجاری اجرایی
جمع آوری، تجزیه و تحلیل و بصری سازی داده ها برای ارائه بینش های کلیدی به مدیران سطح اجرایی که به ایجاد تغییر در کسب و کار کمک می کند.
Executive Dashboard : داشبورد اجرایی
به تیم اجرایی این امکان را می دهد تا بینش فوری در مورد تصویر کلان یک سازمان از امور مالی و عملیات گرفته تا فروش و بازاریابی کسب کند. داشبوردهای اجرایی کاملاً قابل تنظیم هستند تا داده‌هایی را که برای تیم اجرایی شما مهم است نمایش دهند.
Extract, Transform, Load (ETL) : استخراج، تبدیل، بارگذاری
به فرآیندی اطلاق می شود که در آن داده ها:
- از منابع استخراج میشوند
- برای ذخیره سازی در قالب مناسب تبدیل یا استاندارد میشوند
- و در انبارداده بارگیری می شود. سیستم‌های ETL معمولاً داده‌ها را از چندین برنامه (سیستم) که توسط کارکنان مختلف مدیریت و اداره می‌شوند یکپارچه می‌کنند. به عنوان مثال، یک سیستم حسابداری هزینه ممکن است داده های مربوط به حقوق و دستمزد، فروش و خرید را ترکیب کند.
Fact Table : جدول واقعیت
شامل اندازه گیری ها، معیارها یا حقایق یک فرآیند تجاری است. جداول واقعیت (معمولاً) مقادیر افزودنی را ارائه می دهند که به عنوان متغیرهای مستقلی عمل می کنند که توسط آن ویژگی های ابعادی تجزیه و تحلیل می شوند. جداول واقعیت اغلب بر اساس ریز دانگی آنها تعریف می شود. ریز دانگی جدول حقایق نشان دهنده کوچک ترین سطحی است که می توان با آن حقایق را تعریف کرد. به عنوان مثال، ریز دانگی جدول واقعی فروش ممکن است به عنوان "حجم فروش به روز به محصول به فروشگاه" بیان شود.
Field Transformation : تبدیل مقدار
اینها مدیر را قادر می‌سازد تا ورودی مقادیر خام را به مقادیر استاندارد شده تبدیل کند که برای سازمان معنادارتر است. تبدیل ها توسط قوانین کنترل می شوند و می توانند برای استفاده در پرس و جوها پیکربندی شوند. به عنوان مثال، اگر یک متغیر اندازه‌گیری با توزیع نرمال مطابقت نداشته باشد یا دارای انحرافات استاندارد بسیار متفاوت در گروه‌های مختلف باشد، تبدیل مقدار ممکن است ضروری باشد - تبدیل داده ها ابزار مهمی برای تجزیه و تحلیل آماری می‌باشد.
Financial Reporting : گزارشگری مالی
فرآیند تهیه صورت‌هایی که وضعیت مالی یک سازمان را برای مدیریت، سرمایه‌گذاران و دولت افشا می‌کند.
Front-End : پوسته نرم افزار یا سایت
Front-End در نرم افزار، برخلاف back-end بخشی از یک برنامه یا دستگاه است که مستقیماً از طریق یک رابط کاربری (UI) با کاربر نهایی ارتباط برقرار می کند
Full Load : بارگیری کامل
وسیله ای برای خواندن و به روز رسانی تمام رکوردها در یک منبع داده در حین بارگذاری انبار داده. وقتی صحبت از بارگذاری داده ها در انبار داده می شود، دو تکنیک اصلی وجود دارد: بارگذاری کامل و بارگذاری افزایشی.
Governed Data : اطلاعات و فرآیندهای داده‌ای که توسط یک بخش حاکم، معمولاً فناوری اطلاعات، مدیریت، کنترل و ایمن می‌شوند تا قبل از اینکه کاربران بتوانند به آن‌ها دسترسی پیدا کنند، با قوانین و استانداردهای تجاری مطابقت داشته باشند. این به اطمینان از یکپارچگی داده ها کمک می کند. در واقع، کاربران فقط با داده های قابل اعتماد و قابل اتکا کار خواهند کرد.
Hierarchy : سلسله مراتب
به وسیله ای برای سازماندهی سطوح مختلف یک بعد اشاره دارد. معمولا از بزرگترین تا کوچکترین برای یک تاریخ، یک سلسله مراتب معمولی بر اساس سال، فصل، ماه و روز سازماندهی می شود. کشور، ایالت، شهر نمونه دیگری از سطوح سلسله مراتبی در یک مکعب است.
Human Resources Dashboard (HR dashboard) : داشبورد منابع انسانی
داده‌های سازمانی را با هدف نمایش شاخص‌های کلیدی منابع انسانی تجزیه و تحلیل و ارائه می‌کند. شاخص رضایت کارکنان، درآمد به ازای هر کارمند(FTE) ، نرخ گردش مالی، استفاده از مزایای کارمند و هزینه هر کارمند نمونه‌هایی از نقاط داده‌ای هستند که می‌توانند از طریق داشبورد منابع انسانی بصری سازی شده و نمایش داده شوند.
In Memory : درون حافظه ای
یک سیستم مدیریت پایگاه داده که در درجه اول به حافظه کامپیوتر برای ذخیره سازی داده ها متکی است، برخلاف سیستم های مدیریت پایگاه داده که از مکانیزم ذخیره سازی دیسک استفاده می کنند.
Incremental Load : بار افزایشی
برخلاف بار کامل، بار افزایشی وسیله ای برای بارگذاری انبار داده است که فقط شامل بارگیری رکوردهای جدید یا به روز شده است. بارهای افزایشی مفید هستند زیرا در مقایسه با بارهای کامل بسیار کارآمد هستند و امکان به روز رسانی مکرر انبار داده و مکعب ها را به خصوص با مجموعه داده های بزرگ فراهم می کنند.
Index : فهرست
ساختار داده ای که مقادیر یک ستون خاص را در جدول ذخیره می کند.
In-Memory Analytics : تجزیه و تحلیل درون حافظه
به فرآیند جست و جوی داده ها زمانی که در حافظه کامپیوتر (مانند RAM) قرار دارد، به جای دستگاه ذخیره سازی فیزیکی، مانند هارد دیسک، اشاره دارد. پرس‌وجو در حافظه به طور فزاینده‌ای سریع‌تر از گزینه‌های جایگزین است، که منجر به تصمیم‌گیری‌های تجاری سریع می‌شود که توسط داده‌های برنامه‌های هوش تجاری هدایت می‌شوند. از آنجایی که هزینه RAM همچنان در حال کاهش است، تجزیه و تحلیل حافظه در مقیاس بزرگ در حال تبدیل شدن به یک گزینه عملی تر برای بسیاری از سازمان ها است.
Inmom Approach : روشی از بالا به پایین برای انبار داده ها.
Joins : ادغام کردن
وسیله ای برای ترکیب فیلدهای دو جدول با استفاده از مقادیر مشترک برای هر کدام. امکان ترکیب فیلدها با استفاده از انواع مختلف اتصالات وجود دارد، مانند:
– inner join: تمام سطرها را از چندین جدول که شرط اتصال برقرار است برمی‌گرداند.
– left join: همه سطرها را از جدول سمت چپ و سطرهای همسان را از جدول سمت راست برمی گرداند.
– right join: همه سطرها را از جدول سمت راست و سطرهای همسان را از جدول سمت چپ برمی گرداند.

Kimball Approach : رویکرد کیمبال روشی از پایین به بالا برای ذخیره سازی داده ها (برخلاف رویکرد Inmon که از بالا به پایین است). با استفاده از رویکرد کیمبال، داده‌های ابعادی ابتدا برای ارائه گزارش‌دهی و قابلیت‌های تحلیلی برای حوزه‌های تجاری خاص مانند «فروش» یا «تولید» ایجاد می‌شوند، سپس در یک انبار داده گسترده‌تر ترکیب می‌شوند. این متدولوژی پرکاربرد است، به خصوص اگر از برنامه Microsoft BI استفاده می کنید.
Key Performance Indicator (KPI) : شاخص کلیدی عملکرد
معیارهای تجاری برای ارزیابی عواملی که برای موفقیت سازمانی حیاتی هستند. KPI در هر سازمان متفاوت است. KPIهای بخشی از کسب و کار ممکن است درآمد خالص یا معیار وفاداری مشتری باشند، در حالی که KPIهای منابع انسانی ممکن است شامل نرخ جابجایی کارکنان، رضایت کارکنان و تعداد کارمندان باشد.
Level : سطح
گروه بندی در یک بعد. به عنوان مثال، مشتریان را می توان بر اساس شهر یا کشور گروه بندی کرد. هنگامی که به این ترتیب گروه بندی می شوند، مشتری، شهر و کشور به عنوان سطوح مختلف در یک مکعب طبقه بندی می شوند.
Many-to-Many Relationships : روابط چند به چند
به رابطه بین جداول در پایگاه داده اشاره می کند که یک ردیف والد در یک جدول حاوی چندین ردیف فرزند در جدول دوم باشد و بالعکس. بازنمایی روابط چند به چند اغلب دشوار است. با این حال، یک یا چند سطر در یک جدول می تواند با 0، 1 یا بسیاری از سطرها در جدول دیگر مرتبط باشد. در یک رابطه چند به چند بین جدول A و جدول B، هر ردیف در جدول A به 0، 1 یا بسیاری از سطرها در جدول B مرتبط می شود و بالعکس.
Marketing Dashboard : داشبورد بازاریابی
داده های سازمانی را به منظور نمایش شاخص های کلیدی عملکرد بازاریابی تجزیه و تحلیل و ارائه می کند. جذب سرنخ، نرخ تبدیل وب سایت، هزینه هر سرنخ، ترافیک وب و موارد دیگر نمونه هایی از نقاط داده ای هستند که می توانند از طریق داشبورد بازاریابی تجسم و نمایش داده شوند.
Multidimensional expressions ( MDX) : عبارات چند بعدی
یک زبان پرس و جو برای OLAP یا پایگاه های داده رابطه ای.
Measure : مقدار های عددی قابل اندازه گیری
مقدار های عددی قابل اندازه گیری می تواند یک جمع، یک شمارش، یک میانگین، یک درصد و غیره باشد. نمونه هایی از آن می تواند فروش ناخالص، سود، درصد سود باشد.
Member(s) : اعضا
کاربران با دسترسی از پیش پیکربندی شده به پایگاه داده بر اساس نقش ها.
Metadata : فراداده
مجموعه ای از داده ها که اطلاعاتی در مورد سایر داده ها می دهد. نمونه هایی از فراداده های پایگاه داده رابطه ای عبارتند از:
- جدول تمام جداول یک پایگاه داده شامل، نام، اندازه و تعداد ردیف آنها در هر جدول.
– جدول ستون ها در هر پایگاه داده شامل، نوع داده های ذخیره شده در هر ستون.
Metrics : معیارها ی کمی
معیارهای کمی که برای ردیابی، نظارت و سنجش نتایج و موفقیت شاخص های فرآیندهای مختلف تجاری استفاده می شود. معیارها برای اطلاع رسانی پیشرفت شرکت به سمت اهداف بلند مدت و کوتاه مدت مشخص هستند.
Microsoft BI Stack : مجموعه ای از ابزارهای هوش تجاری مایکروسافت که بسته به نیازهای سازمان به سطح فردی، تیمی و سازمانی پاسخ می دهد.
Mobile Analytics : تجزیه و تحلیل موبایل
به دسترسی به داده‌ها، داشبوردها و گزارش‌های معنی‌دار و مشخص برای کاربران نهایی در دستگاه‌های تلفن همراه، مانند تبلت‌ها و تلفن‌های هوشمند اشاره دارد.
Mobile Dashboards : داشبورد موبایل
داشبورد هوش تجاری است که از طریق دستگاه تلفن همراه قابل دسترسی است. با توجه به جاذبه کسب و کار به ذهنیت , همیشه و در هر مکانی، رهبران کسب و کار از داشبوردهای تلفن همراه و تجزیه و تحلیل تلفن همراه به عنوان ابزاری برای دسترسی مؤثر، استقبال می کنند.
Multidimensional Database (MDB) : پایگاه داده چند بعدی
نوعی پایگاه داده که برای انبارهای داده و پردازش تحلیلی آنلاین بهینه شده است.
Online Analytical Processing (OLAP) : پردازش تحلیلی آنلاین
یک فناوری قدرتمند برای کشف داده‌ها، از جمله قابلیت‌هایی برای مشاهده گزارش‌های بی حد و حصر، محاسبات تحلیلی پیچیده، و برنامه‌ریزی پیش‌بینی‌کننده «چه می‌شد اگر» (بودجه، پیش‌بینی). OLAP تجزیه و تحلیل چند بعدی داده های تجاری را انجام می دهد و قابلیت محاسبات پیچیده، تحلیل روند و مدل سازی داده های پیچیده را فراهم می کند. کاربردهای معمول OLAP شامل گزارش دهی تجاری برای فروش، بازاریابی، گزارش مدیریت، مدیریت فرآیند کسب و کار (BPM)، بودجه بندی و پیش بینی و همچنین گزارش مالی است.
OLAP Cube : مکعب OLAP
روشی برای ذخیره سازی داده ها به شکل چند بعدی، به طور کلی برای اهداف گزارش. در مکعب های OLAP، اندازه گیری های داده بر اساس ابعاد دسته بندی می شوند.
One version of the truth : یک نسخه از حقیقت
یک مفهوم فنی توصیف کننده ایده‌آل تجزیه و تحلیل کسب‌وکار, داشتن یک پایگاه داده متمرکز واحد (انبار داده)، که همه موارد را ذخیره می‌کند. داده های یک سازمان به شکلی ثابت و غیر زائد ترکیبی از نرم افزار، کیفیت داده و رهبری قوی داده می تواند به شرکت ها و سازمان ها در دستیابی به SVOT کمک کند.
Operational Reporting : گزارش عملیاتی
گزارش تاکتیکی و در لحظه که منعکس کننده و پشتیبانی از فعالیت های روزانه در سطح سازمانی است.
Power BI : ابزار بصری سازی داده های تجزیه و تحلیل تجاری مایکروسافت. Power BI شامل داشبوردهای گرافیکی قوی و تجزیه و تحلیل پیشرفته در دستگاه های تلفن همراه و دسکتاپ است.
Project Manager : مدیر پروژه
فردی که مسئول برنامه ریزی، سازماندهی، مدیریت منابع و نظم و انضباط مربوط به تکمیل موفقیت آمیز یک پروژه یا هدف خاص است.
Relational Database : پایگاه داده رابطه ای
پایگاه داده ای است که برای تشخیص روابط بین اقلام ذخیره شده اطلاعات ساخته شده است. Microsoft Dynamics NAV، AX، GP و SQL همگی نمونه هایی از پایگاه داده های رابطه ای هستند. پایگاه داده های رابطه ای شامل جداول و فیلدهایی هستند که توسط کلیدها به یکدیگر متصل می شوند. آنها بهینه شده اند تا اطلاعات را به صورت منسجم در یک سیستم وارد کنند. با این حال، آنها برای دریافت اطلاعات بهینه نشده اند.
Report Distribution : توزیع گزارش
به روش مورد استفاده برای انتقال اطلاعات مربوط به ذینفعان از طریق ابزارهای دستی یا خودکار اشاره دارد.
Sales Dashboard : داشبورد فروش
یکی از پرکاربردترین نمونه‌های هوش تجاری، داشبوردهای فروش داده‌های مربوط به فروش از جمله فرصت‌ها، قیف‌های فروش، درآمد، عملکرد محصول، پیش‌بینی، سودآوری مشتری و موارد دیگر را گردآوری و ارائه می‌کنند. با نمایش مداوم داده‌های فروش سازمان‌یافته، کسب‌وکارها می‌توانند از بخش‌های فروش رقابتی خود برای جذب مشتری استفاده کنند.
Schema : طرحواره
به سازماندهی داده ها به عنوان طرحی از نحوه چیدمان و ساخت جداول واقعیت و ابعاد برای تشکیل یک پایگاه داده رابطه ای اشاره دارد. طرحواره پایگاه داده بر اساس دانش مدیر پایگاه داده از برنامه های کاربردی احتمالی، حقایقی را که می توانند وارد پایگاه داده شوند یا مواردی که مورد علاقه کاربران تجاری احتمالی هستند را مشخص می کند.
Scorecard : کارت امتیازی
یک نمایش گرافیکی از پیشرفت در طول زمان یک شرکت، کارمند یا واحد تجاری، به سمت برخی از اهداف یا اهداف مشخص که شاخص های کلیدی عملکرد مرتبط را برجسته می کند.
Services Delivery Manager (BI delivery team) : مدیر تحویل خدمات (تیم تحویل BI)
موفقیت کلی پروژه BI در یک تیم تحویل BI مسئولیت پذیر است. مدیر تحویل خدمات مسئول کارکنان است.
Slowly Changing Dimensions (SCD) : تغییرات آهسته ابعاد
به ابعاد داده اطلاق می شود که به آرامی و به طور غیرقابل پیش بینی تغییر می کنند، نه بر اساس یک برنامه ثابت
Snowflake Schema : طرحواره دانه های برف
چیدمان جداول در یک پایگاه داده چند بعدی به گونه ای که مدل فیزیکی شبیه به شکل دانه برف باشد. طرح واره دانه های برف از جداول واقعیت متمرکز تشکیل شده است که به چند بعد متصل هستند.