مهارتهای داده برای متخصصان مالی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد داشبوردهای پیشرفته اکسل برای مصورسازی موثر داده مالی و تصمیمگیری آگاهانه
- تسلط به Power Pivot برای مدیریت مجموعهداده بزرگ و ساخت مدلهای داده پیچیده برای تحلیل عمیقتر.
- استفاده از فرمولهای DAX برای ایجاد محاسبات پویا، معیارها و شاخصهای کلیدی عملکرد (KPI) در Power BI و اکسل
- بهکارگیری اعتبارسنجی داده، فیلترهای پیشرفته و قالببندی شرطی برای پاکسازی و سازماندهی داده
- انجام تحلیلهای What-If و مدلسازی سناریو برای پیشبینی نتایج و بهینهسازی استراتژیهای مالی
پیشنیازهای دوره
- اتصال اینترنت پایدار
- یک لپتاپ، دسکتاپ یا هر دستگاه دیگری که امکان دسترسی به ویدئوهای دوره را فراهم کند
- نرمافزار MS Excel
- نرمافزار Power BI
توضیحات دوره
دوره «مهارتهای داده برای متخصصان مالی» یک بسته جامع است که برای تجهیز متخصصان مالی به مهارتهای پرتقاضای تحلیل داده با استفاده از اکسل و Power BI طراحی شده است. چه در حال آمادهسازی داشبوردها باشید، چه ساخت مدلهای داده یا تحلیل عملکرد کسبوکار، این دوره ابزارهایی را برای کار هوشمندانهتر و سریعتر با داده در اختیار شما قرار میدهد.
با مسترکلاس پیشرفته داشبورد اکسل شروع کنید، جایی که طراحی داشبوردهای پویا با استفاده از کنترلهای فرم، نمودارها و فرمولها آموزش داده میشود. شما به تکنیکهایی مانند فیلتر کردن تعاملی، نمودارسازی پویا و قالببندی حرفهای تسلط خواهید یافت و مهارتهایی که برای گزارشدهی در نقشهای مالی ضروری هستند.
سپس، به مسترکلاس Power Pivot وارد شوید، جایی که مجموعهداده بزرگ را مدیریت میکنید، روابط ایجاد میکنید و گزارشهای قدرتمندی با استفاده از مدل داده اکسل میسازید. شما یاد خواهید گرفت که از DAX (عبارات تحلیل داده)، توابع منطقی، ستونهای محاسبهشده، KPIها و هوش زمانی استفاده کنید، که همگی برای مدلسازی مالی و ردیابی عملکرد حیاتی هستند.
در مرحله بعد، مهارتهای خود را با دوره تحلیل داده در اکسل عمیقتر کنید. ابزارهای ضروری مانند اعتبارسنجی داده، فیلترهای پیشرفته، قالببندی شرطی و تحلیل What-If را بیاموزید. این تکنیکها به شما کمک میکنند ورودیهای داده را کنترل کنید، سناریوها را بررسی کنید و spreadsheet تمیزتر و قابلاعتمادتری برای تصمیمگیریهای مالی ایجاد کنید.
در نهایت، سطح خود را با دوره DAX پیشرفته در Power BI ارتقا دهید. درک خواهید کرد که موتور DAX در Power BI چگونه کار میکند، محاسبات پیچیده میسازید و توابع پیشرفتهای مانند CALCULATE ،FILTER ،RANKX و هوش زمانی را برای گزارشدهی مالی اعمال میکنید. همچنین به روابط، توابع تکرارکننده و منطق تقویم سفارشی تسلط خواهید یافت که برای بودجهبندی، پیشبینی و تحلیل عملکرد ایدهآل هستند.
این بسته برای متخصصان مالی که میخواهند از تسک های اولیه spreadsheet به تحلیل داده و گزارشدهی پیشرفته با استفاده از اکسل و Power BI گذر کنند، ایدهآل است. تا پایان دوره، شما با اطمینان داده خام را به بینشهایی تبدیل خواهید کرد که تصمیمگیریهای استراتژیک مالی را هدایت میکنند.
این دوره برای چه کسانی مناسب است؟
- متخصصان مالی که به دنبال بهبود مهارتهای تحلیل داده و گزارشدهی با استفاده از اکسل و Power BI هستند.
- تحلیلگرانی که میخواهند برای مدلسازی مالی پیشرفته به Power Pivot و DAX تسلط یابند.
- حسابدارانی که هدفشان سادهسازی گردش کار داده و خودکارسازی فرآیندهای گزارشدهی است.
- مدیرانی که به دنبال اتخاذ تصمیمات مالی داده محور با داشبوردهای تعاملی هستند.
- هر کسی که میخواهد مهارتهای دادهای قوی متناسب با امور مالی بسازد و چشمانداز شغلی خود را بهبود بخشد.
مهارتهای داده برای متخصصان مالی
-
مقدمهای بر داشبورد 08:59
-
بهترین شیوه های مصورسازی داده - بخش 1 01:47
-
بهترین شیوه های مصورسازی داده - بخش 2 03:33
-
بهترین شیوه های مصورسازی داده - بخش 3 07:43
-
بهترین شیوه های مصورسازی داده - بخش 4 04:58
-
بهترین شیوه های مصورسازی داده - بخش 5 07:56
-
پروژه موسیقی Mojo - بخش 1 04:48
-
پروژه موسیقی Mojo - بخش 2 03:45
-
پروژه موسیقی Mojo - بخش 3 07:55
-
پروژه موسیقی Mojo - بخش 4 12:25
-
اصول طراحی داشبورد - بخش 1 05:12
-
اصول طراحی داشبورد - بخش 2 05:14
-
اصول طراحی داشبورد - بخش 3 04:01
-
اصول طراحی داشبورد - بخش 4 04:29
-
پروژه شغلی Mojo - بخش 1 07:49
-
پروژه شغلی Mojo - بخش 2 06:29
-
پروژه شغلی Mojo - بخش 3 04:54
-
پروژه شغلی Mojo - بخش 4 05:16
-
پروژه شغلی Mojo - بخش 5 04:20
-
پروژه شغلی Mojo - بخش 6 07:02
-
پروژه شغلی Mojo - بخش 7 06:54
-
پروژه شغلی Mojo - بخش 8 11:22
-
پروژه شغلی Mojo - بخش 9 12:17
-
پروژه شغلی Mojo - بخش 10 07:09
-
پروژه شغلی Mojo - بخش 11 07:14
-
پروژه شغلی Mojo - بخش 12 12:46
-
پروژه شغلی Mojo - بخش 13 21:44
-
پروژه شغلی Mojo - بخش 14 08:05
-
پروژه شغلی Mojo - بخش 15 06:17
-
پروژه شغلی Mojo - بخش 16 13:57
-
پروژه شغلی Mojo - بخش 17 05:44
-
پروژه اسباببازیهای Mojo - بخش 1 03:08
-
پروژه اسباببازیهای Mojo - بخش 2 06:29
-
پروژه اسباببازیهای Mojo - بخش 3 12:45
-
پروژه اسباببازیهای Mojo - بخش 4 03:56
-
پروژه اسباببازیهای Mojo - بخش 5 10:29
-
پروژه اسباببازیهای Mojo - بخش 6 05:10
-
پروژه اسباببازیهای Mojo - بخش 7 07:27
-
پروژه اسباببازیهای Mojo - بخش 8 08:10
-
پروژه اسباببازیهای Mojo - بخش 9 05:24
-
پروژه اسباببازیهای Mojo - بخش 10 07:21
-
پروژه اسباببازیهای Mojo - بخش 11 16:25
-
پروژه اسباببازیهای Mojo - بخش 12 10:18
-
پروژه اسباببازیهای Mojo - بخش 13 15:41
-
پروژه اسباببازیهای Mojo - بخش 14 18:59
-
پروژه اسباببازیهای Mojo - بخش 15 14:48
-
پروژه اسباببازیهای Mojo - بخش 16 11:01
-
پروژه اسباببازیهای Mojo - بخش 17 05:20
-
پروژه اسباببازیهای Mojo - بخش 18 11:29
-
گروه هتلهای Mojo - بخش 1 03:22
-
گروه هتلهای Mojo - بخش 2 04:50
-
گروه هتلهای Mojo - بخش 3 03:38
-
گروه هتلهای Mojo - بخش 4 11:55
-
گروه هتلهای Mojo - بخش 5 07:40
-
گروه هتلهای Mojo - بخش 6 02:26
-
گروه هتلهای Mojo - بخش 7 03:41
-
گروه هتلهای Mojo - بخش 8 04:41
-
گروه هتلهای Mojo - بخش 9 13:56
-
گروه هتلهای Mojo - بخش 10 04:17
-
گروه هتلهای Mojo - بخش 11 18:35
-
گروه هتلهای Mojo - بخش 12 03:27
-
نتیجهگیری 03:27
-
درک Power Pivot - بخش 1 04:15
-
درک Power Pivot - بخش 2 07:31
-
درک Power Pivot - بخش 3 05:23
-
ایمپورت کردن داده به Power Pivot - بخش 1 07:16
-
ایمپورت کردن داده به Power Pivot - بخش 2 03:46
-
ایمپورت کردن داده به Power Pivot - بخش 3 07:07
-
ایمپورت کردن داده به Power Pivot - بخش 4 06:34
-
ایجاد مدل داده - بخش 1 07:40
-
ایجاد مدل داده - بخش 2 07:58
-
ایجاد مدل داده - بخش 3 05:18
-
ایجاد مدل داده - بخش 4 06:59
-
درک فرمولهای DAX - بخش 1 04:51
-
درک فرمولهای DAX - بخش 2 06:24
-
درک فرمولهای DAX - بخش 3 09:23
-
درک فرمولهای DAX - بخش 4 03:14
-
استفاده از محاسبات در Power Pivot - بخش 1 05:03
-
استفاده از محاسبات در Power Pivot - بخش 2 08:32
-
استفاده از محاسبات در Power Pivot - بخش 3 09:05
-
استفاده از محاسبات در Power Pivot - بخش 4 06:39
-
سنجههای شرطی و توابع تکرارکننده - بخش 1 06:01
-
سنجههای شرطی و توابع تکرارکننده - بخش 2 04:53
-
سنجههای شرطی و توابع تکرارکننده - بخش 3 07:20
-
سنجههای شرطی و توابع تکرارکننده - بخش 4 07:47
-
سنجههای شرطی و توابع تکرارکننده - بخش 5 05:00
-
کار با فرمولهای DAX - بخش 1 09:25
-
کار با فرمولهای DAX - بخش 2 07:05
-
کار با فرمولهای DAX - بخش 3 07:40
-
کار با فرمولهای DAX - بخش 4 05:53
-
کار با فرمولهای DAX - بخش 5 04:27
-
کار با فرمولهای DAX - بخش 6 03:06
-
کار با فرمولهای DAX - بخش 7 11:52
-
کار با فرمولهای DAX - بخش 8 10:49
-
کار با فرمولهای DAX - بخش 9 06:12
-
کار با فرمولهای DAX - بخش 10 04:30
-
کار با فرمولهای DAX - بخش 11 11:35
-
نتیجهگیری 01:27
-
اعتبارسنجی داده - بخش 1 06:34
-
اعتبارسنجی داده - بخش 2 06:00
-
اعتبارسنجی داده - بخش 3 11:49
-
اعتبارسنجی داده - بخش 4 05:02
-
فیلتر پیشرفته - بخش 1 09:15
-
فیلتر پیشرفته - بخش 2 10:03
-
فیلتر پیشرفته - بخش 3 04:25
-
فیلتر پیشرفته - بخش 4 08:52
-
فیلتر پیشرفته - بخش 5 08:12
-
قالببندی سفارشی - بخش 1 07:01
-
قالببندی سفارشی - بخش 2 09:52
-
قالببندی سفارشی - بخش 3 07:36
-
قالببندی شرطی - بخش 1 06:50
-
قالببندی شرطی - بخش 2 06:53
-
قالببندی شرطی - بخش 3 07:32
-
قالببندی شرطی - بخش 4 11:02
-
تحلیل What-If - بخش 1 09:44
-
تحلیل What-If - بخش 2 04:45
-
تحلیل What-If - بخش 3 09:44
-
معرفی موتورهای DAX - بخش 1 02:07
-
معرفی موتورهای DAX - بخش 2 08:19
-
معرفی موتورهای DAX - بخش 3 04:03
-
معرفی موتورهای DAX - بخش 4 12:27
-
معرفی موتورهای DAX - بخش 5 04:14
-
معرفی موتورهای DAX - بخش 6 09:53
-
معرفی موتورهای DAX - بخش 7 04:15
-
معرفی موتورهای DAX - بخش 8 06:31
-
معرفی موتورهای DAX - بخش 9 06:28
-
بهترین شیوه های DAX - بخش 1 07:23
-
بهترین شیوه های DAX - بخش 2 11:21
-
بهترین شیوه های DAX - بخش 3 17:00
-
بهترین شیوه های DAX - بخش 4 07:40
-
توابع اسکالر - بخش 1 09:02
-
توابع اسکالر - بخش 2 08:35
-
توابع اسکالر - بخش 3 03:39
-
توابع اسکالر - بخش 4 04:19
-
توابع اسکالر - بخش 5 07:00
-
توابع اسکالر - بخش 6 07:01
-
تابع Calculate پیشرفته - بخش 1 06:57
-
تابع Calculate پیشرفته - بخش 2 06:58
-
تابع Calculate پیشرفته - بخش 3 14:20
-
تابع Calculate پیشرفته - بخش 4 09:10
-
تابع Calculate پیشرفته - بخش 5 06:42
-
توابع جدول و فیلتر - بخش 1 03:26
-
توابع جدول و فیلتر - بخش 2 09:04
-
توابع جدول و فیلتر - بخش 3 09:22
-
توابع جدول و فیلتر - بخش 4 06:10
-
توابع جدول و فیلتر - بخش 5 04:27
-
توابع جدول و فیلتر - بخش 6 04:56
-
توابع جدول و فیلتر - بخش 7 05:28
-
توابع جدول و فیلتر - بخش 8 08:45
-
توابع جدول و فیلتر - بخش 9 09:40
-
توابع جدول و فیلتر - بخش 10 05:33
-
اتصال جدولهای محاسبهشده - بخش 1 07:18
-
اتصال جدولهای محاسبهشده - بخش 2 04:16
-
اتصال جدولهای محاسبهشده - بخش 3 04:42
-
توابع رابطهای - بخش 1 05:13
-
توابع رابطهای - بخش 2 07:12
-
توابع رابطهای - بخش 3 05:16
-
توابع رابطهای - بخش 4 10:49
-
توابع رابطهای - بخش 5 09:15
-
توابع رابطهای - بخش 6 10:33
-
توابع تکرارکننده - بخش 1 03:24
-
توابع تکرارکننده - بخش 2 04:11
-
توابع تکرارکننده - بخش 3 07:52
-
توابع تکرارکننده - بخش 4 10:05
-
توابع تکرارکننده - بخش 5 06:09
-
توابع پیشرفته هوش زمانی - بخش 1 07:47
-
توابع پیشرفته هوش زمانی - بخش 2 04:57
-
توابع پیشرفته هوش زمانی - بخش 3 04:36
-
توابع پیشرفته هوش زمانی - بخش 4 07:10
-
توابع پیشرفته هوش زمانی - بخش 5 06:16
-
توابع پیشرفته هوش زمانی - بخش 6 10:09
-
توابع پیشرفته هوش زمانی - بخش 7 09:01
-
توابع پیشرفته هوش زمانی - بخش 8 05:39
-
توابع پیشرفته هوش زمانی - بخش 9 04:14
-
توابع پیشرفته هوش زمانی - بخش 10 06:01
-
توابع پیشرفته هوش زمانی - بخش 11 05:25
-
توابع پیشرفته هوش زمانی - بخش 12 08:09
-
توابع پیشرفته هوش زمانی - بخش 13 09:30
-
نتیجهگیری 01:18
مشخصات آموزش
مهارتهای داده برای متخصصان مالی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متخصص
- تعداد درس:179
- مدت زمان :22:00:12
- حجم :11.92GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy