معرفی مدلسازی داده ها (Data Modeling)

در نسخه های قبلی اکسل (قبل از نسخه ۲۰۱۰)، استخراج بینش (Insight) و اطلاعات از میان داده ها با محدودیت های بسیاری روبرو بود. از جمله محدودیت اندازه ی فایل های اکسل (تقریباً یک میلیون ردیف در هر شیت) و همچنین استفاده از فرمول های اکسل که بهترین گزینه ی ممکن برای استخراج اطلاعات از داده های بسیار زیاد نبودند.

[امیدوارم مطلب مدلسازی داده ها در اکسل را مطالعه کرده باشید.]

بعد از نهایی شدن اکسل ۲۰۱۰ مایکروسافت افزونه ای به نام Power Pivot را به رایگان ارائه کرد تا قابلیت های مدلسازی داده های به اکسل اضافه شوند. بعد از آن نیز نرم افزار مستقل Power BI ارائه شد. موتورهای ارائه شده در Power BI و Power Pivot یک جهش بزرگ رو به جلو در این زمینه محسوب می شوند. در حال حاضر، افراد با استفاده از این ابزارها قدرت یک پایگاه داده و یک زبان فوق العاده قدرتمند (DAX) را در اختیار دارند. اما استفاده همه جانبه از این قدرت فوق العاده، برخورداری از دانش بیشتری را نیز طلب می کند. هر کاربری که بخواهد از تمام مزایای این ابزارها برخوردار شود باید دانش لازم در مورد مفاهیم مدل سازی داده (Data Modeling) را کسب کند. Data Modeling یک علم پیشرفته نیست بلکه علم پایه ایست که هر فرد علاقه مند به دنیای داده و هوش تجاری باید آن را کسب کند.

اگر بدون داشتن این دانش شروع به کار با ابزارهای قدرتمند موجود کنیم با چالش های بسیاری روبرو خواهیم بود. بدون یک مدل سازی صحیح ممکن است اطلاعات را نادرست نمایش دهیم یا از راهکارهای غیر بهینه برای نمایش اطلاعات استفاده کنیم، در صورتی که بخش عظیمی از مشکلات با مدل سازی صحیح به راحتی قابل رفع خواهند بود.

اگر چه ساده ترین راه حل برای کاربران، واکشی داده به همان صورتی که در مبدا (Data Source) ذخیره شده و برقراری ارتباط و طراحی گزارشات مورد نظر می باشد، اما همیشه داده به صورت کاملا آماده در اختیار ما قرار نمی گیرد و کاربر برای طراحی گزارشات صحیح با چالش های بسیاری مواجه می شود که بخش عمده ی آن با رعایت مفاهیم مدل سازی داده به راحتی رفع می شوند.

کدهای (عبارات) DAX ذاتا تمایل به پیچیدگی دارند و این پیچیدگی با عدم رعایت مفاهیم مدل سازی داده بیشتر و بیشتر می شوند در حالی که یک کاربر با رعایت نکات پایه ای مدل سازی، بدون درگیری با این پیچیدگی ها، گزارشات خود را به صورت صحیح طراحی خواهد کرد.