https://virgool.io/feed/@makian.dataanalyst دانشجو دکترای گردشگری که تصمیم دارد تحلیل گر داده شود... در این مسیر با من همراه باشید. fa 2026-06-10 12:53:36 https://files.virgool.io/upload/users/914715/avatar/avatar.png?height=120&width=120 https://virgool.io/@makian.dataanalyst https://virgool.io/@makian.dataanalyst/%D9%81%D9%88%D8%A7%DB%8C%D8%AF-%D8%AF%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-%D8%B3%D8%B1%D8%A7%DB%8C%DB%8C-%D8%AF%D8%B1-%DA%AF%D8%B1%D8%AF%D8%B4%DA%AF%D8%B1%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA-esktqirqh1xp داستان سرایی موفقیت آمیز نه تنها باعث می شود که هر مهمان با داستانی که چرا کسب و کار شما بسیار خاص است، شما را ترک کند، بلکه چرا داستان ارزش به اشتراک گذاری دارد. این در مورد ایجاد یک تأثیر ماندگار و الهام بخشیدن به آنها برای بازگشت بیشتر است.بازاریابی دیگر به چیزهایی که می سازید نیست، بلکه درباره داستان هایی است که می گوییدمزایای کسب و کار شما بی پایان است و ممکن است شامل موارد زیر باشد:• تجارت دهان به دهان را افزایش می یابد• تکرار بازدید• تبلیغات و پوشش رسانه ای بیشتر• فرصتی برای نوآوری بدون هزینه زیاد• به ارگان های گردشگری منطقه ای، ایالتی و ملی خود دلیلی برای صحبت در مورد محصول خود بدهیدمهمانان شما بهترین سفیران شما خواهند بود و داستان برند و مقصد شما را به اشتراک می گذارند.داستان های خوب مردم را وادار به تغییر می کند: آن گونه که ما احساس می کنیم (داستان ها نیاز به سرمایه گذاری احساسی دارند) آن گونه که ما فکر می کنیم (داستان ها باعث برانگیختن و حفظ علاقه می شوند) آن گونه که ما عمل می کنیم (داستان ها انرژی و اشتیاق را به پیام می آورند) آن گونه که ما رفتار می کنیم (داستان‌ها باعث می‌شوند که ما دست به اقدام بزنیم ) Sara MC Sara MC Sat, 22 Jan 2022 20:38:18 +0330 https://virgool.io/@makian.dataanalyst/%D8%A8%D9%87-%D8%A7%D8%B4%D8%AA%D8%B1%D8%A7%DA%A9-%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C-%DB%8C%D8%A7%D9%81%D8%AA%D9%87-%D9%87%D8%A7%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-%D8%AE%D9%88%D8%AF-%D8%AF%D8%B1-%D8%A7%D8%B1%D8%A7%D8%A6%D9%87-%D9%87%D8%A7-%D9%86%DA%A9%D8%AA%D9%87-1-jz3lfokblrla از این راهنما برای کمک به برجسته کردن ارائه خود در حین بیان داستان داده خود استفاده کنید.نکته 1: جریان خود را بشناسیددرست مانند هر داستان خوب، یک داستان داده باید یک طرح خوب (مضمون و جریان)، دیالوگ خوب (نقاط گفتگو) و یک پایان عالی یا افشای بزرگ (نتایج و نتیجه گیری) داشته باشد. یک جریان می‌تواند مروری بر آنچه مورد تجزیه و تحلیل قرار گرفته و به دنبال آن روندهای حاصل و مناطق بالقوه برای اکتشاف بیشتر باشد.به منظور ایجاد جریان مناسب برای ارائه خود، مخاطبان خود را در ذهن داشته باشید. این دو سوال را از خود بپرسید تا به شما کمک کند جریان کلی را تعریف کنید و ارائه خود را بسازید. 1. مخاطب من کیست؟اگر مخاطبان مورد نظر شما مدیران اجرایی، اعضای هیئت مدیره، مدیران یا سایر مدیران اجرایی هستند، داستان سرایی شما باید در سطح بالایی نگه داشته شود. این مخاطب می خواهد در مورد داستان شما بشنوند اما ممکن است زمانی برای شنیدن کل داستان نداشته باشد. مدیران تمایل دارند روی پایان هایی تمرکز کنند که باعث بهبود، اصلاح یا اختراع چیزها می شود. ارائه خود را مختصر نگه دارید و بیشتر وقت خود را صرف نتایج و توصیه های خود کنید.اگر مخاطبان مورد نظر شما ذینفعان و مدیران هستند، ممکن است زمان بیشتری برای یادگیری نحوه انجام تحلیل خود داشته باشند و ممکن است سوالات بیشتری درباره داده بپرسند. برای صحبت در مورد جنبه هایی از تجزیه و تحلیل خود که شما را به نتایج و نتیجه گیری نهایی خود هدایت می کند، آماده باشید.اگر مخاطبان مورد نظر شما سایر تحلیلگران و مشارکت کنندگان فردی باشند، بیشترین آزادی و شاید بیشترین زمان را برای عمیق تر شدن به داده ها، فرآیندها و نتایج خواهید داشت.2. هدف من از ارائه چیست؟اگر هدف ارائه شما تمرکز بر نتایج تجزیه و تحلیل شما است، هر اسلاید می تواند مسیر رسیدن به نتایج را مشخص کند. برای نشان دادن مسیری که با داده ها طی کرده اید، حتماً نماهایی از مراحل تجزیه و تحلیل داده ها را وارد کنید. اگر هدف ارائه شما ارائه گزارشی از تجزیه و تحلیل داده ها است، اسلایدهای شما باید به وضوح داده ها و یافته های کلیدی شما را خلاصه کنند. در این مورد، خوب است که اجازه دهیم داده ها خودشان صحبت کنند.منبع : دوره های دلتا آنالیز گوگل Sara MC Sara MC Sat, 15 Jan 2022 21:52:41 +0330 https://virgool.io/@makian.dataanalyst/%D9%81%D8%B1%D8%A7%DB%8C%D9%86%D8%AF-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AF%DB%8C%D8%AA%D8%A7-%D8%A8%D8%B1-%D8%A7%D8%B3%D8%A7%D8%B3-%D8%AF%D9%88%D8%B1%D9%87-%DB%8C-%D8%AD%D8%B1%D9%81%D9%87-%D8%A7%DB%8C-%D8%A2%D9%86%D8%A7%D9%84%DB%8C%D8%B2%D8%AF%DB%8C%D8%AA%D8%A7-%DA%AF%D9%88%DA%AF%D9%84-imblp8ibwmog Google Data Analytics - Professional Certificateاز اونجایی که من مدتی هست کورس های دوره ی دیتاآنایز گوگل را در کورسرا میگذرونم (۵ تا کورس رو تموم کردم) تصمیم گرفتم تا فرایند تحلیل دیتا رو بر اساس این دوره معرفی کنم در واقع تمامی کورس های گوگل بر اساس مراحلی که در ادامه میگم طراحی شده است.1- بپرسیدنسوالات موثر بپرسیدمشکل را تعریف کنیداز تفکر ساختار یافته استفاده کنیدبا دیگران ارتباط برقرار کنید۲- آماده کردن نحوه تولید و جمع آوری داده ها را درک کنیدفرمت ها ، انواع و ساختارهای مختلف داده را شناسایی و استفاده کنیداطمینان حاصل کنید که داده ها بی طرف و معتبر هستند داده ها را سازماندهی کرده و از آنها محافظ کنید ۳-پردازش کردن داده ها را مرتب و در صورت نیاز تبدیل کنیدحفظ یکپارچگی داده ها مهم استداده ها را تست کنیدداده ها را تمیز کنید نتایج تمیز کردن را تأیید و گزارش دهید۴- تحلیل کردناز ابزارهای مناسب برای تبدیل و انتقال داده ها استفاده کنیدداده ها را طبقه بندی و فیلتر کنیدالگوها را شناسایی کرده و نتیجه گیری کنیدپیش بینی کرده و پیشنهادات را ارايه دهید تصمیمات را بر پایه داده ها بگیرید ۵-به نمایش گذاشتن تصویرسازی داده را یاد بگیریدتصویرهای کارآمد را طراحی کنیدبه داده ها جان تازه ای بدهیداز داستان سرایی برای داده ها استفاده کنیدبا برقراری ارتباط اطمینان حاصل کنید که دیگران نیز نتایج را درک کرده اند۶-اجرا کردنبینش خود را از داده ها در این مرحله به کار بگیریدمشکلات را حل کنیدتصمیم گیری کنیدخلق کنیدGoogle Data Analytics - Professional Certificate Sara MC Sara MC Tue, 24 Aug 2021 19:57:35 +0430 https://virgool.io/@makian.dataanalyst/%D8%A2%DB%8C%D8%AA%D9%85-%D9%87%D8%A7%DB%8C-%D9%85%D9%87%D9%85-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%86%D9%85%D8%A7%DB%8C%D8%B4-%D9%86%D8%AA%D8%A7%DB%8C%D8%AC-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-%D8%AE%D9%88%D8%AF-data-visualization-bpbprx8uap2o این گرافیک چهار عنصر را که برای تجسم "خوب" داده ها ضروری است ، تجسم می کند که توسط David McCandless مطرح شده است. برای اطلاعات بیشتر میتوانید به وب سایت او مراجعه کنید : اینجا چهار عنصر برای تجسم موفق داده وجود دارد ( با در نظر گرفتن این چهار عنصر شما می توانید با مخاطبان خود ارتباط بر قرار کنید): اطلاعات - نتیجه ای که از داده ها گرفته اید و قصد دارید آنها را به نمایش بگذاریدداستان - به داده ها معنی می دهد و آنها را جالب می کنداهداف - داده ها را قابل استفاده و مفید می کندفرم بصری - هم زیبایی و هم ساختار را ایجاد می کندبه خاطر داشته باشید:تصاویر باید واضح و راحت دنبال شوند.مخاطبان شما باید در مدت پنج ثانیه از زمان نمایش ، آنچه را که مشاهده می کنند درک کنند حتی اگر آنها با تحقیقاتی که انجام داده اید آشنا نیستند.به عنوان یک قاعده کلی ، تا زمانی که گمراه کننده نباشد ، شما باید بصری فقط داده های مورد نیاز مخاطبان خود را برای درک یافته ها ارائه دهید. Sara MC Sara MC Fri, 30 Jul 2021 15:48:58 +0430 https://virgool.io/@makian.dataanalyst/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-visualizations-%D9%85%D9%86%D8%A7%D8%B3%D8%A8-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-%D8%AE%D9%88%D8%AF-%D8%AA%D8%BA%DB%8C%DB%8C%D8%B1-%D8%AF%D8%B1-%D8%B7%D9%88%D9%84-%D8%B2%D9%85%D8%A7%D9%86-pandqodddyve هنر قصه گویی با داده (5) - Data Storytellingاگر بخواهیم تغییرات را طول زمان نشان دهیم و روند های زمانی را برجسته کنیم از دو نمودار زیر استفاده کنید: Line and Area Chart نمودار خطی و سطحBar Chart نمودار میله ای https://pixabay.comنمودار Line داده ها را در یک بازه زمانی نشان می دهد. نمودارهای خطی برای نشان دادن روندها و روابط بین آنها مرتباً استفاده می شوند. Y-Axis همیشه یک مقدار اندازه گیری و X-Axis یک بعد زمانی مانند ماه ، سه ماهه یا سال را نشان می دهد.مناسب برای• روندها• داده ها جمع آوری شده در طی زمان• الگوهای زمانی و همبستگیمثال نمودار خطی: درآمد در طی سال های ۲۰۱۲-۲۰۱۴ نمودار میله ای و خطی: ترکیبی از نمودار خطی و نمودار ستونی است. این نوع نمودار یک واحد اندازه گیری را به عنوان ستون و یک واحد اندازه گیری ثانویه را به عنوان یک خط نمایش می دهد. این دو واحد اندازه گیری (داده های مورد نظر) در یک بعد زمانی نمایش داده می شوند که ممکن است شامل سالها یا ماه ها باشد. این نمودار برای نشان دادن رابطه بین دو معیار در یک دوره زمانی مانند درآمد فروش یا درآمد خالص و غیره بسیار مناسب است.مثال : نمودار میله ای و خطی : میزان ماندگاری فروش در افزایش فروش منبع : The Data StorytellingHandbook Sara MC Sara MC Sun, 04 Jul 2021 16:25:58 +0430 https://virgool.io/@makian.dataanalyst/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D8%AA%D8%AC%D8%B3%D9%85-%D8%B3%D8%A7%D8%B2%DB%8C-visualizations-%D9%85%D9%86%D8%A7%D8%B3%D8%A8-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-%D8%AE%D9%88%D8%AF-mwoylniph2nq هنر قصه گویی با داده (4) - Data Storytellingفراموش نکنید هیچ کس دیگری دنیا را به روشی که شما می بینید نمی بیند ، بنابراین هیچ کس دیگری نمی تواند داستان هایی را که باید بگویید تعریف کند. برای آنکه داستان داده های خود را به عنوان تحلیلگر داده به خوبی بیان کنید باید از ابزارهای مناسب برای تجسم سازی تحلیل های خود استفاده کنید.https://www.pexels.com/برای انتخاب مناسب ترین نوع چارت برای تجسم سازی نتایج تحلیل خود باید به موارد زیر دقت کنید:۱- آیا میخواهید تغییراتی را در طول زمان نشان دهید؟ ۲-آیا می خواهید داده هایی را باهم مقایسه کنید؟ ۳- آیا می خواهید رتبه بندی خاصی را برای داده های خود به نمایش بگذارید؟۴- آیا میخواهید نشان دهید که بخشی از داده های نسبت به کل داده ها چه چیز خاصی را نشان می دهند؟۵- آیا میخواهید توزيع داده ها را نشان دهید؟ ۶- آیا میخواهید نشان دهید که داده های دارای همبستگی هستند یا خیر؟ ۷- آیا میخواهید یک شمای کلی از نتایح تحلیل خود را به نمایش بگذارید؟۸- آیا میخواهید اطلاعات جغرافیایی به نمایش بگذارید؟ با توجه به اینکه چه هدفی دارید و میخواهید چه تحلیلی از داده های خود به نمایش بگذارید از ابزار خاصی باید استفاده کنید که در پست های بعدی در مورد هر کدام صحبت خواهم کرد. منبع : The Data StorytellingHandbook Sara MC Sara MC Thu, 24 Jun 2021 01:14:03 +0430 https://virgool.io/@makian.dataanalyst/%D8%AF%D9%88%D8%B1%D9%87-%D8%A2%D9%86%D9%84%D8%A7%DB%8C%D9%86-%D8%AA%D8%AD%D9%84%DB%8C%D9%84%DA%AF%D8%B1-%D8%AF%D8%A7%D8%AF%D9%87-%D9%84%DB%8C%D9%86%DA%A9%D8%AF%DB%8C%D9%86-become-a-data-analyst-runtqhz8m9wr تحلیل گران داده با استفاده از ابزارهای تجزیه و تحلیل داده ها اطلاعات را بررسی می کنند و به تیم هایشان در ایجاد بینش و استراتژی های تجاری کمک می کنند. شما در ریاضیات ، آمار ، ارتباطات و کار با ابزارهای طراحی شده برای انجام تجزیه و تحلیل داده ها و تجسم داده ها به مهارت هایی نیاز خواهید داشت. در دوره تحلیلگر داده لینکدین ۷ کورس مختلف را خواهید گذروند که حدودا ۲۴ ساعت طول خواهد کشید. عناوین کورس ها به شرح زیر هستند:یادگیری تجزیه و تحلیل داده هاتسلط بر داده ها: کاوش و توصیف داده هاآموزش ضروری آمار اکسل: ۱یادگیری اکسل: تجزیه و تحلیل داده هاآموزش تجسم دادهآموزش ضروری Power BIآموزش ضروری Tableau با گذراندن هر کورس میتوانید مدرک آن را به پروفایل لینکدین خود اضافه کنید. برای شروع بر روی اولین کورس کلیک کنید: (البته باید ابتدا پروفایل لینکدین داشته باشید)کورس ۱ Sara MC Sara MC Thu, 10 Jun 2021 23:54:40 +0430 https://virgool.io/@makian.dataanalyst/%D9%85%D8%AE%D8%A7%D8%B7%D8%A8%D8%A7%D9%86-%D8%AE%D9%88%D8%AF-%D8%B1%D8%A7-%D8%A8%D9%87-%D9%85%D9%86%D8%B8%D9%88%D8%B1-%D9%82%D8%B5%D9%87-%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C%D8%AA%D8%A7%D9%86-%D8%A8%D8%B4%D9%86%D8%A7%D8%B3%DB%8C%D8%AF-q9re7u43eby5 هنر قصه گویی با داده (3) - Data Storytellingابتدا مخاطبان خود را بشناشید و سپس با استفاده از ویژگی های پیش-شناختی تصویرسازی مناسب با آنها را انجام دهید. ویژگی های پیششناختی به معنای پردازش تصویر بدون هیچ گونه تلاش آگاهانه است. برقراری ارتباط از این طریق به این معنی است که در کنار تصویرسازی داده های شما نیازی به توضیح بیشتری نیست. هر قطعه باید کنار هم جمع شود تا داستانی منسجم با آغاز ، میانه و پایان ایجاد شود.دانستن پیشینه مخاطبان و دامنه داده های شما مهم است.به داستانی که می خواهید با داده هایتان بگویید فکر کنید. می خواهید چه بینش هایی را به نمایش بگذارید؟ مخاطبان خود را در ذهن داشته باشید ،شما نمی خواهید هیچ سر و صدای غیر ضروری برای مبهم کردن معنای پیام خود وارد کنید. به راحتی می توان با انتخاب نوع تصویرسازی اشتباه ، داده ها را نادرست معرفی کرد. هر جزئیات کوچکی در بیان داستان شما و ارتباط با مخاطب شما اهمیت دارد.https://pixabay.com/The Data StorytellingHandbookمنبع Sara MC Sara MC Thu, 03 Jun 2021 12:33:31 +0430 https://virgool.io/@makian.dataanalyst/%D9%BE%DB%8C%D8%A7%D9%85-%D8%AE%D9%88%D8%AF-%D8%B1%D8%A7-%D8%A8%D8%B1%D8%A7%DB%8C-visualizations-%D8%A2%D9%85%D8%A7%D8%AF%D9%87-%DA%A9%D9%86%DB%8C%D8%AF-rz7zldvv9cev هنر قصه گویی با داده (۲) - Data Storytellingبا کاوش داده های خود درک بهتری از اینکه چه داستانی را برای مخاطبان خود بگویید پیدا می کنید. سپس باید پیام مورد نظر را بسازید و انتخاب کنید کدام نوع تصویر سازی یا visualizations میتواند به بهترین نحو اطلاعات را بیان کند.https://pixabay.comاین سوالات را همیشه در ذهن خود داشته باشید: ۱- هدف کلی شما از تجزیه و تحلیل داده ها چیست؟ ۲- این پیام برای چه کسی در نظر گرفته شده است؟ از مخاطبان خود چه می دانید؟سپس از خود سوال کنید :۱- میخواهید با داده های خود به چه سوالاتی پاسخ دهید؟۲- چه نوع روابطی در داده های شما وجود دارد؟ بهترین تکنیک ها برای نمایش اینها چیست؟ آیا برای انتقال پیام خود به یک نمودار (نمای کلی) ، یک جدول (جزئیات) یا شاید هر دو نیاز دارید؟۳- . آیا می توانید نقاط خاصی را در داده های خود برجسته کنید تا پیام خود را بهتر انتقال دهید؟۴- چگونه می توانید خلاصه ای از پیام خود را در عناوین نمودار خود بگنجانید تا بر پیام کلی خود تأکید کنید؟منبع : The Data StorytellingHandbook Sara MC Sara MC Tue, 01 Jun 2021 17:58:57 +0430 https://virgool.io/@makian.dataanalyst/%D8%A8%D9%87-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%DA%A9%D8%B4%DB%8C%D8%AF%D9%86-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7-tafozmavi2fr هنر قصه گویی با داده (۱) - Data Storytellingامروز ما 5 برابر اطلاعاتی که در سال 1986 دریافت کرده ایم دریافت می کنیم. این بدان معناست که چگونگی به اشتراک گذاشتن اطلاعات، میزان مخاطبان شما را به شدت تعیین می کند. محققان دریافته اند که تصاویر بصری رنگی تمایل به مطالعه را تا 80٪ افزایش می دهد. تجسم داده ها به راحتی می تواند الگوها را شناسایی کند. در هنگام تفسیر داده ها می توانید با سرعت بیشتری موارد استثنایی را پیدا کنید. این امکان دسترسی به مجموعه داده های چالش برانگیز را فراهم می کند، می تواند سرگرم کننده باشد و اطلاعات مفید را به روشی کارآمد در اختیار شما( به عنوان تحلیلگر داده) و ذی نفعان قرار دهد. اکثر مردم نمی دانند چگونه تحلیل و تفسیر داده ها را ارائه دهند. این فرصت تبدیل شدن به قصه گویان بصری بهتر و استفاده از داده ها برای روشن کردن پیام را برای تحلیلگران داده فراهم می کند. https://pixabay.com منبعادراک بصری : افراد تمایل بیشتری به درک نشانه های بصری خاص (متغیرها) دارند تا نشانه های غیر بصری.The Data Storytelling Handbookمنبعبیشترین تجزیه و تحلیل کمی را می توان با نمودارهایی که فقط از چهار نوع نشانه بصری استفاده می کنند، ارائه داد زیرا ما بلافاصله و با دقت بیشتری هم موقعیت و هم طول را درک می کنیم. نشانه های بصری مانند نقاط/ خطوط/ستون و جعبه ، که در تصویر زیر مثال هایی از نمودار موردنظر برای هر مورد گفته شده است.The Data Storytelling Handbookمنبعنکته: هر نشانه بصری برای نشان دادن مجموعه خاصی از داده ها استفاده میشود. منبع: ُThe Data Storytelling Handbook Sara MC Sara MC Mon, 31 May 2021 00:11:44 +0430 https://virgool.io/@makian.dataanalyst/%D8%B1%D9%88%D8%A7%DB%8C%D8%AA-%D9%88-%D8%AF%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-ouuxs8j39qin مقدمه ای بر تجسم و داستان سرایی داده (۲)داستان هابرای درک اینکه یک روایت چیست ، ابتدا باید بفهمیم داستان چیست. داستان روایتی از وقایع است. ما انسانها عاشق داستانها هستیم. تصور می شود که داستان پردازی شفاهی اولین روش برای به اشتراک گذاشتن روایت است. از منظر مردم شناسی ، در بیشتر دوران کودکی ، از روایت ها برای شکل دادن به رفتارها و ارزشهای مناسب به کودکان استفاده می شود. روایت هاروایت مجموعه ای از باورها ، ارزش ها یا جهان بینی است. بنابراین ، روایت انتخاب شده، داستان (و در نتیجه داده / واقعیت اساسی) را تفسیر می کند. یک نمونه از روایات رایج در فرهنگ اروپا این است که بچه ها ، به خصوص دختران جوان ، نباید به غریبه ها اعتماد کنند.از آنجایی که هدف از داستان ها متقاعد سازی است، داستان ها ، روایت ها و داده ها به اصل سه گانه متقاعدسازی ارسطو مرتبط می شوند: اتوس (ethos)، پاتوس (pathos) و لوگوس (logos). برای کسب اطلاعات بیشتر در مورد این اصل اینجا کلیک کنید. اما تصویر زیر به صورت خلاصه رابطه ی این سه اصل را نشان می دهد.https://boords.com/ethos-pathos-logos منبع عکس برای ترغیب دیگران به موارد زیر احتیاج دارید:1. "چرا "یا یک روایت (پیام)2. یک داستان (برای کمک به جذب پیام)3. داده ها برای دادن اعتبار به داستان4. راهی برای تجسم داستان ( به کمک استعاره ها )برای دیدن منبع اینجا کلیک کنید. Sara MC Sara MC Wed, 26 May 2021 22:19:43 +0430 https://virgool.io/@makian.dataanalyst/%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%D8%AF%D9%88%D8%B1%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-%D9%87%D9%88%D8%B4-%D8%AA%D8%AC%D8%A7%D8%B1%DB%8C-%D8%A7%D8%B5%D9%88%D9%84-%D8%AF%D8%A7%D8%AF%D9%87-%D9%88-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-pm019jodebhi معرفی دوره های آنلاین مرتبط با تحلیل داده (۲)این دوره آموزشی آنلاین در پلتفورم یودمی برگزار می شود و مناسب برای افرادی است که با این مفاهیم به صورت بسیار پایه ای آشنا بوده اند. پس هر فرد مبتدی از این دوره لذت خواهد بود. دوره به زبان انگلیسی است و بعد از پایان دوره (در صورت کامل گذراندن دوره) مدرک صادر میشود. در این دوره شما هوش تجاری ، نیازهای داده ، تجزیه و تحلیل داده ها ، داشبورد ، انبار داده و استخراج را یاد خواهید گرفت. هوش تجاری در هر مرحله از کار اعم از برنامه ریزی ، رشد ، مقیاس بندی و تصمیم گیری روزمره ضروری است.این دوره سه چیز اصلی را به شما می آموزد: ۱- معنای هوش تجاری و روند توسعه سیستم هوش تجاری/ ۲- معنی داده ها و مبانی مدیریت و طراحی پایگاه داده/ ۳- درک کنید که داده کاوی چیست و چگونه می توان از داده کاوی در تجارت استفاده کرد.آنچه یاد خواهید گرفت: معنای هوش تجاریداده چیستتحلیل داده هاتوسعه هوش تجاریداشبورد عملکردمعنای داده کاوی و مبانیپایگاه داده تحلیلیساختارهای پایگاه دادهشاخص های عملکرد کلیدی و روند توسعه برای دسترسی به این دوره آموزشی بر روی لینک کلیک کنید. Sara MC Sara MC Mon, 24 May 2021 14:50:33 +0430 https://virgool.io/@makian.dataanalyst/%D8%AF%D9%88%D8%B1%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AA%D8%AC%D8%B2%DB%8C%D9%87-%D9%88-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7-%D9%88-%D8%A2%D9%85%D8%A7%D8%B1-%D8%AF%D9%88%D8%B1%D9%87-%D8%B9%D9%85%D9%84%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%85%D8%A8%D8%AA%D8%AF%DB%8C%D8%A7%D9%86-zvi8li1ij0b0 معرفی دوره های آنلاین مرتبط با تحلیل داده (۱) این دوره آموزشی آنلاین در پلتفرم یودمی ،به زبان انگلیسی و طی ۷ ساعت و ۳۰ دقيقه برگذار می شود. همه می توانند این دوره را بگذرانند ، هیچ تجربه ای لازم نیست. و بعد از پایان دوره (در صورت کامل گذراندن دوره) مدرک صادر میشود. این دوره از همان ابتدا قدم به قدم با شما پیش خواهد رفت. اگرهمیشه می خواستید تجزیه و تحلیل داده ها و آمار را بیاموزید ، اما فکر می کردید بسیار پیچیده یا وقت گیر است ، در جای مناسب قرار دارید. این دوره بسته کاملی را در تجزیه و تحلیل داده ها و استفاده از آماردر اختیار شما قرار می دهد. در طول دوره از مطالعه موردی خرید موبایل استفاده خواهد شد ، که یادگیری را در طول مسیر سرگرم کننده می کند.برنامه ریزی داده ها ، اکتشاف داده ها ، جمع آوری داده ها ، آماده سازی داده ها ، تجزیه و تحلیل داده ها و درآمدزایی از داده ها ، این دوره کامل به شش فصل اساسی تقسیم شده است که با شش قسمت از فرآیند تجزیه و تحلیل داده ها مطابقت دارد.آنچه یاد خواهید گرفت: نحوه تجزیه و تحلیل داده ها و نحوه استفاده از آمار در عملچگونه رفتارها و رویدادهای مختلف را پیش بینی یا تبیین کنیمنحوه تهیه داده ها برای تجزیه و تحلیلنحوه جمع آوری داده هانحوه ایجاد نظرسنجیچگونه می توان داده ها را تجسم کردچگونه ایده هایی برای تحقیقات داده پیدا کنیمچگونه داستان را از طریق داده ها بیان کنیمچگونه می توان نتیجه گرفت و از نتایج تجزیه و تحلیل داده های خود سود کسب کرد.برای دسترسی به این دوره بر روی لینک کلیک کنید. Sara MC Sara MC Thu, 20 May 2021 17:14:43 +0430 https://virgool.io/@makian.dataanalyst/%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%A7%DB%8C-%D8%A8%D8%B1-%D8%AA%D8%AC%D8%B3%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7-%D9%88-%D8%AF%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-%D8%B3%D8%B1%D8%A7%DB%8C%DB%8C-%DB%B1-sxwxexmpq0bz مقدمه ای بر تجسم و داستان سرایی داده (۱)داده برای شما چیست؟ داده تعاریف زیادی دارد. شکل زیر را ببینید: آیا می توانید چهار کلمه زیر (دانش- داده-خرد- اطلاعات) را به ترتیب در نظر بگیرید؟ بیشتر افراد با ترتیب زیر روبرو می شوند: داده > اطلاعات> دانش> خرد داده ها زیاد است در حالی که خرد معمولاً با تعداد کمی مشخص می شود. داده ها فراوان هستند ، خرد کمیاب است. جکی چان در یکی از فیلم های خود می گوید ، "اطلاعات دانش نیست ، و دانش خرد نیست".اما خرد چیست؟ آیا خرد فقط دانشی است که در یک حوزه مشخص وجود دارد؟ آیا خرد فرا دانش است؟ و مهمتر از آن ، دانستن اینکه در چه شرایطی باید دانش معینی را به کار گرفت؟ حتی اگر تعریف جهانی وجود نباشد ، آنچه در اینجا بیشتر به آن علاقه داریم این است که چگونه دانش را به خرد تبدیل کنیم. چرا؟ زیرا این یک فعالیتی با ارزش افزوده بالا است و یکی از دلایل (اگر نه تنها دلیل) این است که شرکت ها دانشمندان داده را به کار می گیرند. یکی از راه های دستیابی به خرد ، فرآیند سنتز است - ترکیبی دیالکتیکی از تز و آنتی تز در یک حقیقت بالاتر. برای فهم بهتر ارتباط این چهار کلمه تصویر زیر را در نظر بگیرید.هر قطعه لگو قطعه ای از مجموعه ای از داده ها را نشان می دهد. تمرین لگو یک روش عالی برای روشن شدن این نکته است که خرد (و تا حدی دانش) فقط داده های مرتب شده و بصری ارائه نشده است. به عبارت دیگر ، خرد عبارت است از دانستن اینكه كجا دانش را به كار بگیریم. اطلاعات در مقابل معنیتصویر زیرا را ببینید: نسخه ای از این نمودار در ابتدا توسط هیو مک لئود منتشر شده است. او به کمک این نمودار سعی کرده این موضوع رو بیان کند که اطلاعات کمتر معنی بیشتری را می رساند. Less (info) is more (meaning)معنای این نمودار این است که با نمایش اطلاعات اضافی ، معنای کمتری را منتقل خواهیم کرد. پس این نکته را باید در تصویر سازی و داستان سرایی داده هایمان در نظر بگیریم. برای دیدن منبع اینجا کلیک کنید. Sara MC Sara MC Thu, 20 May 2021 12:45:02 +0430