اهمیت و کاربرد پیوت Pivot

خطوط پیوت ; کاماریلا و محاسبات آن در تحلیل بازار

خطوط حمایت و مقاومتی که تا کنون در مورد آنها بحث کردیم; همه به صورت چشمی و ترسیمی به دست می آمدند; در این درس در مورد خطوطی بحث خواهیم کرد که با استفاده از فرمول های ریاضی محاسبه شده و قدرت و اثرگذاری چشمگیری در رفتار معامله گران و در نتیجه روند قیمت دارند.

محاسبه خطوط پیوت (Pivot)

به طور کلی از خطوط پیوت اهمیت و کاربرد پیوت Pivot اهمیت و کاربرد پیوت Pivot برای معاملات روزانه استفاده می کنند و با انجام محاسبه بر روی قیمت های روز گذشته ساپورت و رزیستنس های روز آتی را به دست می آورند; ولی افرادی نیز هستند که این خطوط را برای بازه های زمانی بزرگتر مانند هفتگی; ماهانه و یا حتی سالانه استفاده می کنند.

برای محاسبه خط پیوت به چهار پارامتر روز گذشته (بازه زمانی قبلی) نیاز است; این چهار پارامتر عبارتند از بیشترین قیمت; کمترین قیمت; نقطه باز شده و نقطه بسته شده روز گذشته که مورد نیاز هستند.

البته در مورد بازارهای ۲۴ ساعته مانند مبادلات ارز که بازار زمان بسته شدن شبانه ندارد نقطه باز شدن قیمت لحاظ نمی شود و تنها از نقطه بسته شدن قیمت استفاده می گردد; نحوه محاسبه آن به شکل زیر است.

PP=Pivot Point=High+Low+Close/3
R1=(2*PP)-Low
R2=PP+(High-Low)
S1=(2*PP)-High
S2=PP-(High-Low)

در محاسبه پیوت بازارهای ۲۴ ساعته; قیمت بسته شدن(Close) از اهمیت بالایی برخوردار است به علت اینکه در ساعتی خاص بازار بسته نمی شود; معامله گران می توانند از ساعات مختلفی استفاده کنند.

اغلب افراد با ساعت ۲۴ بروکر خود پیوت را محاسبه می کنند که می تواند کاری اشتباه باشد برای بهترین جواب عموما ساعت ۱۲ نیمه شب گرینویچ یا ساعت ۱۲ نیمه شب به وقت نیویورک مورد استفاده قرار می گیرد که بازده بهتری نسبت به دیگر ساعات بازار دارد; بالاترین و پایینترین قیمت (High-Low) نیز در بازه زمانی بین ۱۲ نیمه شب روز گذشته تا ۱۲ نیمه شب روز جاری محاسبه میگردد.

کار با خطوط پیوت

استفاده از خطوط پیوت دقیقا به مانند استفاده از خطوط ساپورت و خطوط رزیستنس است بدین صورت که پس از ترسیم; هر کدام از خطوط می تواند قابلیت عکس العمل به قیمت را داشته باشند.

در شکل زیر پس از محاسبه داده های روز ۱۸ July خطوط پیوت و ساپورت برای روز ۱۹ July محاسبه می گردد در ساعات اولیه روز کاری اروپای مرکزی (بازار توکیو) قیمت نمودار پوند به دلار به خط پیوت می رسد اما با فشار خریداران قیمت به سطوح بالا می رود.

تا اینکه در ساعت ۱۰:۳۰ به وقت اروپای مرکزی با اعلام خبری مربوط به انگلستان قیمت با گپی رو به پایین از خط پیوت می گذرد; در کندل بعد لحظاتی قیمت به پیوت می رسد و در ادامه روز; قیمت به خط ساپورت اول می رود; قیمت توانایی رد شدن از ساپورت یک را نداشته و دوباره رو به بالا حرکت می کند; این بار نقش حمایتی خط پیوت پوینت تبدیل به مقاومت می شود و قیمت در اواخر روز در بین خط پیوت و S1 بسته می شود.

در نمونه ای دیگر قیمت پس از رسیدن به خط پیوت در ادامه روز حرکت صعودی را نمایش می دهد; با اینکه خطوط R1 تا R3 برای دوره ای جلوی حرکت صعودی قیمت را می گیرند اما فشار خریداران صعود قیمت را رقم می زند.

محاسبه خطوط کاماریلا (Camarilla)

خطوط کاماریلا نیزبه نوعی ساپورت و رزیستنس می باشند; با اینکه فرمول محاسبه و نحوه استفاده از این خطوط با خط های پیوت متفاوت است اما کلیات آنها در استفاده از ساپورت و رزیستنس یکسان است; در خطوط کاماریلا هشت خط برای هر روز محاسبه می شود که عموما از ۴ خط آن استفاده می گردد فرمول محاسبه هشت خط کاماریلا به ترتیب زیر می باشد.

H4=((High-Low)*(1;1/2)) + Close
H3=((High-Low)*(1;1/4)) + Close
H2=((High-Low)*(1;1/6)) + Close
H1=((High-Low)*(1;1/12))+ Close
L1=Close-((High-Low)*(1;1/12))
L2=Close-((High-Low)*(1;1/6))
L3=Close-((High-Low)*(1;1/4))
L4=Close-((High-Low)*(1;1/2))

کار با خطوط کاماریلا

معمولا محاسبه ۴ خط از ۸ خط در مورد خطوط کاماریلا حائز اهمیت هستند; در صورت صعود قیمت خط های H3 و H4 و در صورت نزول قیمت خطوط L3 و L4 حائز اهمیت هستند; کسانی که از خطوط کاماریلا استفاده می کنند عقیده دارند که قیمت در اغلب روزها توانایی عبور از خطوط L3 و H3 را ندارد و در بازه ای بین این دو خط باقی می ماند.

این افراد بر این اساس; با رسیدن قیمت به هر کدام از این دو خط در جهت بازگشت به سمت مخالف; وارد بازار می شوند; اما در روزهایی که بازار دارای روند قوی می باشد با شکسته شدن خطوط L3 و H3 صبر می کنند تا قیمت به خطوط L4 و H4 نیز برسد.

سپس از آنجا در جهت روند اصلی وارد معامله می شوند; در شکل زیر قیمت ابتدا به خط H3 می رسد و با فشار فروشندگان به سمت خط L3 حرکت می کند;مشاهده می شود قیمت از خط L3 رد نمی شود و خریداران در ادامه روز حتی قیمت را از خط H3 و H4 رد می کنند.

پیوت (Pivot) در مدل کسب‌وکار چیست و چه انواعی دارد؟

اغلب مردم تصور می‌کنند که یک کارآفرین واقعی، شخصی با اراده و سرسخت است که به هر ترتیبی تمام موانع موجود در مسیر تحقق ایده‌های خود را از میان برمی‌دارد. قسمتی از این دیدگاه خوب و صحیح است؛ اما کارآفرینان موفق به این نتیجه رسیده‌اند که در صورت عدم اطمینان بالا از یک محصول و خدمات جدید خود، بهتر است دست به تغییر در کسب‌وکار و یا به اصطلاح پیوت (Pivot) بزنند. این مسئله باعث خواهد شد تا یک رویکرد جدید برای کسب‌وکار و یا استارت‌آپ شما ایجاد شده و کارایی آن به طرز چشم‌گیری افزایش یابد. اما کدام یک از انواع پیوت برای کسب‌وکار شما مناسب است؟

کتاب الکترونیکی بازاریابی در اینستاگرام را از لینک زیر دریافت کنید.

فروش ویژه – ۵۰,۰۰۰ تومان ۳۹,۰۰۰ تومان

در این مقاله قصد داریم تا انواع پیوت‌های موجود در دنیای استارت‌آپ‌ها را به شما معرفی کنیم. اما پیش از هر چیزی، بهتر است اشاره کوتاه و مختصری به مفهوم دقیق‌تر این کلمه داشته باشیم.

بیشتر بخوانید: ۵ استراتژی در شرایط عدم قطعیت برای تغییر و یا ایجاد یک کسب‌وکار جدید

پیوت چیست؟

همان‌طور که اشاره شد، در دنیای کسب‌وکار همیشه همه‌چیز بر وفق مراد نیست! گاهی اوقات ممکن است احساس کنید که نقشه‌ها و طرح‌های اولیه شما آنطور که باید، موفق ظاهر نمی‌شوند. اینجاست که یک پیوت می‌تواند چاره کار شما باشد. به بیان ساده، پیوت به معنای کشف یک مشکل و اختلال و اقدام برای تغییر آن است. البته این تغییر لزوماً به یک باره اتفاق نخواهد افتاد. بلکه ممکن است برای تغییر در کسب و کار از طریق پیوت نیازمند ارائه نمونه‌های مختلف و اصلاح در هر مرحله باشید. اما با گذشت مدت زمان معین، این تغییرات به نتیجه نهایی مورد نظر شما نزدیک‌تر و نزدیک‌تر خواهند شد.

انواع پیوت برای استارت‌آپ و کسب‌وکارها

اکنون که با معنی و مفهوم پیوت آشنا شدید، بهتر است انواع آن را نیز شناخته و در مواقع مورد نیاز، از بهترین گزینه ممکن استفاده کنید. در حالت کلی ۱۰ مورد از انواع پیوت رایج و کاربردی عبارتند از:

۱- پیوت بزرگ‌نمایی ( Zoom-in pivot )

در این روش، چیزی که قبلاً به عنوان یک بخش کوچک و ویژگی فرعی از یک محصول و یا سرویس به شمار می‌رفت، تبدیل به کل آن محصول می‌شود. این مورد می‌تواند ارزش «تمرکز» و همچنین حداقل محصول مناسب (یا همان MVP) را آشکار کرده و به طرز سریع و کارآمدی به نتیجه برسد.

۲- پیوت کوچک‌نمایی ( Zoom-out pivot )

این مدل از انواع پیوت دقیقاً در نقطه مقابل مورد سابق قرار می‌گیرد. در این روش تغییر کسب‌وکار، ممکن است ایده اصلی و هسته‌ای محصول تنها تبدیل به بخش کوچکی و تنها یک ویژگی جانبی از آن شود. این تغییر برای زمانی است که سرویس و محصول ارائه شده برای پاسخگویی به نیاز مشتریان کافی نباشد.

۳- پیوت سمت مشتری ( Customer segment pivot )

ممکن است یک سرویس یا محصول در جذب مشتریان واقعی موفق عمل کند؛ اما مشتریانی که در چشم‌انداز اصلی آن قرار داشتند را فراموش کند. به عبارت دیگر گاهی محصول شما می‌تواند یک مشکل واقعی را حل کند، اما هدف آن حل یک مشکل اساسی و بزرگ‌تر بوده و باید به همین منظور نیز بهینه‌سازی شود.

۴- پیوت نیاز مشتری ( Customer need pivot )

گاهی بازخوردهای اولیه مشتریان نشان می‌دهد که مشکل حل شده توسط محصول شما چندان مهم نبوده و یا مشتریان پول کافی برای تهیه این محصول برای رفع مشکلات خود را ندارند. یکی از انواع پیوت مورد استفاده در این شرایط، پیوت مورد نیاز مشتری است. بنابراین اصل، شما نیاز به تغییر جایگاه و یا حتی ارائه یک محصول کاملاً جدید خواهید داشت تا در نهایت یک مشکلی که ارزش حل کردن داشته باشد را پیدا کنید.

۵- پیوت پلتفرم ( Platform pivot )

این مورد از انواع پیوت اشاره به تغییر از یک برنامه به پلتفرم ( و یا بالعکس ) دارد. بسیاری از صاحبان کسب‌وکار و استارت‌آپ‌ها پیش‌نیاز ارائه محصولات آینده خود را در ایجاد یک پلتفرم می‌بینند، در حالی که هنوز یک برنامه کاربردی جذاب و مناسب برای آن ندارند! اغلب مشتریان نه به یک پلتفرم، بلکه به خرید یک راه‌حل علاقه‌مند هستند.

۶- پیوت معماری کسب‌وکار ( Business architecture pivot )

سال‌ها پیش جفری مور ( Geoffrey Moore ) دو نوع معماری کسب‌وکار عمده متفاوت را معرفی کرد: معماری حاشیه زیاد با حجم کم (مدل سیستم‌های پیچیده) و همچنین معماری حاشیه کم با حجم بالا (مدل عملیات حجم). فراموش نکنید که یک کسب‌وکار نمی‌تواند هر دوی این مدل‌ها را به صورت همزمان داشته باشد. پس در صورت نیاز، می‌توانید مدل مورد نظرتان را تغییر دهید.

۷- پیوت محاسبه ارزش (Value capture pivot)

این مورد از انواع پیوت به مدل درآمدزایی اشاره دارد. تغییر در نحوه کسب درآمد یک استارت‌آپ و کسب‌وکار می‌تواند عواقب گسترده‌ای برای استراتژی‌های تجاری، محصولات و بازاریابی آن داشته باشد. مدل «رایگان» ارزش و سود چندانی را به همراه نخواهد داشت.

۸- پیوت موتور رشد ( Engine of growth pivot )

این روزها استارت‌آپ‌ها به طور معمول یکی از سه موتور رشد را برای خود انتخاب می‌کنند. مدل‌های رشد ویروسی، چسبناک و همچنین مدل هزینه‌شده، رایج‌ترین انتخاب استارت‌آپ‌ها برای قدم‌های آغازین خود هستند. انتخاب مدل مناسب می‌تواند سرعت رشد و سودآوری را به طرز چشم‌گیری افزایش دهد.

بیشتر بخوانید: کار در دوران کرونا: همه چیز درباره تغییر مدل‌های تجاری و ایجاد فرصت‌های جدید

۹- پیوت کانال ( Channel pivot )

در حوزه فروش، کلمه «کانال» اشاره به سازوکار و روشی دارد که کسب‌وکار از طریق آن محصول خود را به دست مشتریان می‌رساند. این اصطلاح با نام کانال توزیع یا کانال فروش نیز شناخته می‌شود. پیوت کانال به تنظیمات منحصربه‌فرد قیمت، ویژگی و موقعیت رقابتی مورد نیاز می‌پردازد.

۱۰- پیوت فناوری ( Technology pivot )

گاهی اوقات یک کسب‌وکار به این نتیجه می‌رسد که استفاده از یک فناوری متفاوت، برای دست‌یابی به اهداف مورد نظر آن بهتر خواهد بود. در صورتی که این فناوری جدید از لحاظ هزینه و سود مقرون‌به‌صرفه باشد، می‌توانید از این مدل در میان انواع پیوت استفاده کنید.

بهترین پیوت برای کسب‌وکار شما چیست؟

کتاب الکترونیکی بازاریابی در اینستاگرام را از لینک زیر دریافت کنید.

فروش ویژه – ۵۰,۰۰۰ تومان ۳۹,۰۰۰ تومان

ممکن است تصمیم‌گیری برای زمان صحیح تغییر و انتخاب یک گزینه از میان انواع پیوت برای کارآفرینان دشوار باشد. اگر از کارآفرینان در این مورد سوال کنید، اغلب آنها ممکن است به شما بگویند که زودتر از زمان مناسب دست به تغییر زده و با مشکل مواجه شده‌اند. در واقع معیار حرکت یک استارت‌آپ نه مبلغ درآمد اولیه آن، بلکه تعداد پیوت‌هایی است که می‌تواند ایجاد کند. شما برای عملی شدن هرچه سریع‌تر پیوت خود چه اقداماتی انجام می‌دهید؟ نظرات و تجربیات ارزشمند خود را با ما و سایر کاربران به اشتراک بگذارید.

معرفی و آشنایی با PowerPivot

شروع آشنایی من با این ابزار در سال 2010 بود. در واقع مایکروسافت در این سال ابزار Self Service BI خود را به نام PowerPivot تولید کرد. در همان سال بود که مقاله ای مختصری نوشتم و کاربران وب سایت اطلاع دادم که این ابزار وجود دارد و در برخی از سازمانها آنرا معرفی می کردم. مشکل اصلی آنجا بود که دقیقا نمی دانستم PowerPivot چیست و البته هیچ کتاب جدی انگلیسی هم نبود و گمان کنم اولین کتاب را Mr Excel نوشت، واقعا خود نویسنده اگر نگوییم دقیقا نمی دانست که PowerPivot چیست ، قطعا در کتاب نتوانسته بود ایده های اصلی آنرا بدهد.

جالب است بدانید که با گذشت حدود 7 سال از ساخت PowerPivot هنوز تعداد نویسنده های کتابهای انگلیسی معتبر و ارزشمند آن از انگشتان یک دست کمتر است!! و این قاعدتا شاید نشان دهند چیزی باشد که در انتهای همین مقاله تحت عنوان "رویکرد انتقادی من به PowerPivot" آنرا مطرح خواهم ساخت.

تاریخچه PowerPivot

کاربران اکسل خیلی خوشحال نباشد. اساسا PowerPivot برای اکسل در نبود است در واقع PowerPivot یکی از ابزارهای محصول SQL Server است و ما کاربران اکسل کاملا خوش شانسی آورده ایم که یک نسخه از آن را به ما هم در اکسل داده اند!

در دنیای دیتا بیس‌ها ما با حجم بسیار بزرگی از داده ها ممکن است سر و کار داشته باشیم و برای همین با ابزارهای عادی نمی توانیم با "سرعت" روی این داده ها محاسبه انجام دهیم. در واقع حجم داده ها مثلا در سایتی مانند آمازون و یا شرکت همراه اول خودمان آنقدر بالا است که برای یک جمع زدن ساده مبالغ دریافتی و یا شمارش مشتریان ممکن است با مشکلات جدی مواجه شویم. مثلا در یک شرکت پخش خود من مشاهده کردم که یک گزارش از SQL Server شرکت حدود 6 ساعت طول می کشید تا تولید شود.

برای این مشکل متخصصان کامپیوتر دست به ساخت ابزارهای که با عنوان کلی OLAP شناخته می شوند، زدند. در یک تعریف خیلی ساده ابزارهای OLAP قرار است که بتوانند با "سرعت" و "در لحظه" بر روی داده های بسیار حجیم یک دیتابیس گزارشها و محاسباتی که لازم داریم، انجام دهند. توجه به واژه های "درلحظه" و "با سرعت" در این تعریف ضروری است . یعنی قرار نیست برای یک محاسبه بیش از چند ثانیه منتظر بمانیم و در ضمن اینکه قرار نیست از قبل گزارش ها محاسبه و ساخته شده باشد و کاربر می توانید "در لحظه" گزارشهای خود را بسازد. (دقیقا مانند Pivot Table در اکسل)

مایکروسافت ابزار OLAP خود را به نام SQL Analysis Services نامگذاری کرده است که به صورت مخفف به آن SSAS گویند. این ابزار در محصول SQL Server مایکروسافت است و هنگام نصب SQL Server می توانیم آنرا نصب کنیم.

ایده اصلی PowerPivot توسط دو مقاله که توسط Amir Netz نوشته می شود در سال 2006 آغاز می شود. ایشان در یک مقاله صحبت از ابزاری می کند که بتوان با ساخت ابزاری کارهای BI را ساده تر انجام داد. من دقیقا نمی دانم که منظور ایشان از ساده تر چیست اما با قطعیت می توان گفت که یکی از این ساده سازی ها آن است که نیازی به نصب نرم افزار گران قیمت، سنگین و کاملا تخصصی مانند SQL نباشد و پیشنهاد می دهد که در Access محصول PowerPivot پیاده سازی شود.(که البته می دانید که در Excel این اتفاق رخ داد.)

ایده دیگری ایشان آن بود که این ابزار جدید داده های را در RAM دستگاه بارگذاری کنید و یک ابزار In Memory باشد. شاید بدانید که RAM کامپیوتر شما بسیار بسیار سریع است و با وجود کامپیوترهای امروزی که چندین CPU و RAMهای بالایی دارند، کاملا منطقی است که این ابزار ساخته شود.

سرانجام توسط تیم SQL Server مایکروسافت اولین نسخه های PowerPivot برای Excel و Sharepoint در سال 2010 تولید شد.

خلاصه سازی آنچه گفتیم:

* PowerPivot یکی از اعضای خانواده نرم افزارهای OLAP است.

* PowerPivot در تیم SQL Server مایکروسافت تهیه شده است. (قرار است که از این نکته در پایان مقاله یک نتیجه بگیریم).

* PowerPivot اطلاعات را در RAM دستگاه محاسبه و پردازش می کند.(یعنی بهتر است که RAM بالایی داشته باشیم مثلا 8GB)

در همین جا باید اشاره کنم که مایکروسافت قبل از PowerPivot در محصول SSAS خود از روش/تکنولوژی به نام MultiDimentional استفاده می کرده است. با تولد PowerPivot یک روش جدید در SSAS اضافه شد به نام Tabular . در واقع Tabular قرار است که جایگزین روش قدیمی شود.

در واقع دقیق تر است بگوییم که PowerPivot یک ابزار است و این ابزار از تکنولوژی که به آن Tabular می گویند استفاده می کند.

در تصویر زیر مشاهده می کنید که برای ایجاد یک پروژه SSAS دو روش Tabular و MultiDimentional وجود دارد:

نکته: ابزار PowerPivot برای ذخیره سازی، فشرده سازی و کار با داده در RAM دستگاه از روشی به نام Tabular استفاده می کند. (واژه Tabular یعنی تکنولوژی پشت صحنه ای که ابزار PowerPivot از آن استفاده می کند).

انتظار از PowerPivot چیست

بگذارید در همین ابتدا سه رویکرد را کاملا تفکیک کنیم:

1) رویکرد یک مهندس کامیپوتر که در حوزه BI به صورت تخصصی فعالیت می کند.

2) رویکرد یک مهندس کامپیوتر که در حوزه BI به صورت تخصصی در ایران فعالیت می کند.

3) رویکرد یک کاربر قدیمی و حرفه ای Excel

1) برای دانستن رویکردهای متخصصین BI در دنیا باید سراغ Gartner BI Magic Quadrant برویم . در واقع Gartner شرکت/سازمانی است که به صورت حرفه ای در خصوص محصولات مختلف حوزه های IT تحقیق می کند و گزارشهای علمی خود را منتشر می سازد. در یکی از این گزارش ها محصولات BI از زوایای مختلفی بررسی و مقایسه می شوند و در نهایت امتیازی کلی آنها در یک نمودار مانند شکل زیر نمایش داده می شود. این نمودار جایگاه شرکت های مختلف را نمایش می دهد.

همانطور که می بینید شرکت Microsoft و شرکت Tableau در جایگاه بالایی قرار دارند. (توجه کنید که Tableau یک شرکت است و احیانا آنرا با تکنولوژی Tabular اشتباه نگیرد).

سطحی به تصویر بالا ننگرید. اگر مایکروسافت جایگاه ویژه ای در حوزه BI دارد کاملا ممکن است اصلا ربطی به محصول جدید SSAS آن نداشته باشد و این جایگاه را در حوزه مثلا SQL Server بدست آورده است باید شما گزارش را با دقت بخوانید. توجه داشته باشید که شرکت ها از زوایای مختلفی بررسی می شوند مثلا سرعت پاسخگویی و پشتیبانی فنی یک شرکت کاملا می تواند آنرا از شرکت دیگری متمایز کند.

در واقع با پیش کشیدن این موضوع خواستم اشاره کنم که واقعا ما نمی دانیم که استقبال و اقبال محصول جدید مایکروسافت در دنیا چقدر است؟

2) اما در حوزه تخصصی BI ایران چه می گذرد؟ بدیهی است که من فقط با مشاهدات میدانی خودم پاسخی به این سوال خواهم داد و لطفا آنرا با رویکرد انتقادی بخوانید و با سایر افراد حرفه ای که می شناسید، حتما مشورت کنید.

بسیاری از دشبوردها و راهکارهای BI که در ایران ساخته می شود بدون لایه OLAP است!! در واقع به صورت مستقیم با دیتابیس ها کار می کنند و به قول مجید (که از دوستان من است) به صورت مستقیم روی دیتابیس ها SELECT می زنند. در واقع در اکثر شرکت ها داده ها خیلی بزرگ نیست و یک سرور قدرتمند SQL به سادگی از عهده بسیاری از محاسبات بر می آید.

در ضمن آنکه پیاده سازی لایه OLAP نیاز به دقت، حوصله و تخصص بالایی دارد و قطعا باعث سخت تر شدن، هزینه بر شدن پروژه می شود که با توجه به حجم دادههای نسبتا کم سازمان های ایران و در نظر گرفتن ده ها عنصر دیگر مانند مشکلات اقتصادی که سالهاست شرکت های ایرانی با آن دست و پنجه نرم می کنند، مانع از آن می شود که در این حوزه شرکت ها مایل به سرمایه گذاری باشند.

دلیل دیگری که می توانم به آن اشاره کنم که در ایران OLAP و SSAS و . چنان مورد توجه نیست،نگاهی به دوره هایی آموزشی آن است که حتی در آموزشگاههای قوی و مشهور جایگاهی ندارد. معمولا در سرفصل های آموزشی دوره های BI ، موضوعاتی مانند فرمول نویسی/برنامه نویسی OLAP را یا مشاهده نمی کنید و یا در حد 2 ساعت ! دقت داشته باشید که این مورد نشانه ای جدیی است از عدم استفاده از این ابزارها در ایران.

3) اما نگاه صحیح کاربران اکسل به Power Pivot چه باید باشد؟

آیا باید برای یادگیری آن وقت جدی صرف کنیم؟ تفاوت اصلی Power Pivot و Pivot Table اکسل در چیست؟

سعی می کنیم که زاویه دید خودم را برای شما در خصوص این ابزارها تشریح کنم.

گفته بودیم که در SSAS ما دو تکنولوژی مختلف داریم. به یکی از آنها Multi Dimentional می گفتیم (قدیمی تر بود) و به تکنولوژی جدید Tabular می گوییم (که همان PowerPivot است). حال اگر بخواهیم به قدرت و امکانات و سرعت این تکنولوژی ها دسترسی پیدا کنیم باید زبانهای برنامه نویسی آنها را بلد باشید.

دقیقا درست خواندید، برنامه نویسی . باید بدانید.

در روش قدیمی زبانی وجود داشت به نام MDX که مخفف Multi Dimentional Expression است و در روش Tablular (یعنی همان PowerPivot خودمان) زبان برنامه نویسی جدیدی به نام DAX که مخفف Data Analysis Expression است وجود دارد .یکی از اهداف اصلی PowerPivot آن بوده است که محاسبات را (نسبت به DAX) ساده تر کند.

خود من در ابتدا تصور می کردم که اینها دو روش فرمول نویسی هستند و در نهایت متوجه شدم که اینها زبان برنامه نویسی هستند مانند زبان برنامه نویسی SQL. مشکل از اینجا دقیقا شروع می شود. این زبانهای برنامه نویسی شبیه هیچ زبان برنامه نویسی رایجی نیستند و همین کار یادگیری آنها را سخت می کند. اگر کمی در خصوص این زبانها تحقیق کنید، خواهید دانست که یادگیری آنها بسیار سخت است.

به نظر می آید که هدف ساخت این زبانهای برنامه نویسی با اینهمه پیچیدگی آن بوده است که سرعت بالایی برای محاسبات روی داده ها به ما بدهد و به همین دلیل (احتمالا) مجبور به تولید زبانی پیچیده شده اند که در نهایت عبارات و تفسیر دستورات آن از دید کاربر سخت و غیر قابل فهم است و نیاز به مطالعه عمیق و جدی دارد.

حتی برخی از نویسندگان کتابهای انگلیسی و وب سایت های معتبر PowerPivot , DAX گفته اند که کاربرد یک تابع و یا تفسیر یک فرمول را بعد از مدت ها یاد گرفته اند.

بنابراین باید سطح توقعات، انتظارات خود را به عنوان یک کاربر اکسل در مورد PowerPivot متعادل کنیم DAXو بدانیم که سناریوهای پیچیده و سختی بسیاری وجود دارند که به سادگی قابل پیاده سازی در PowerPivot به زبان DAX نیست.

موارد کاربرد PowerPivot برای کاربران اکسل :

الف) کار با داده های بزرگ

ب) راهکاری برای محاسبات سنگین

می دانیم که اکسل حدود 1 میلیون سطر بیشتر ندارد و اگر لازم باشد روی یک فایل CSV بزرگ (مثلا با 1.5 میلیون سطر) در اکسل کار کنیم، هیچ راهکاری نداریم. در PowerPivot ما هیچ محدودیتی برای تعداد سطر (رکورد) نداریم به سادگی می توانیم 10 میلیون رکورد را در آن Load کنیم و از این حجم داده ها Pivot بسازیم. در ضمن آنکه می دانیم که نوشتن یک فرمول ساده مانند محاسبه ارزش افزوده و یا سود در یک فایل با تعداد سطرهای زیاد گاهی باعث هنگ کردن اکسل می شود. زیرا اکسل نمی تواند بر روی تعداد سطرهای زیاد (شاید حدود 200 هزار سطر) به سادگی محاسباتی را انجام دهد .

در PowerPivot به راحتی می توانیم ستون های محاسباتی خود را بسازیم و بر روی چندین میلیون سطر بدون هیچ نگرانی محاسبات را انجام دهیم.

ج) جایگزینی برای Vlookup ها

فکر نکنم که هیچ کاربر حرفه ای اکسل وجود داشته باشد که لزوم و اهمیت استفاده از Vlookkup را نداند. گاهی مجبوریم در یک فایل ده ها Vlookkup بنویسیم . صرفنظر از زمان بر بودن این کار ، مشکل آن است که در فایل های بزرگ کاملا کند شدن و از کار افتادن اکسل را تجربه خواهیم کرد. در PowerPivot ما می توانیم بین داد ها (Tableها) Relationship بر قرار کنیم و این به معنای آن است که دیگر در اکسل "نیازی به Vlookup زدن" نیست!

د) استفاده از توابع ساده DAX

اشاره شد که زبان DAX پیچیده و برای یادگیری سخت محسوب می شود. البته این به معنای آن نیست که هیچ یک از توابع و امکانات این زبان برای ما کاربردی ندارد. یکی از کاربردی ترین فرمولهای آن DistinctCount است که برای شمارش مقادیر متمایز (شمارش داده های بدون در نظر گرفتن تکرار آنها) بکار می رود.

رویکرد انتقادی من به PowerPivot

به نظر من ضروری می رسد که با شما کاربران حرفه ای اکسل (نه متخصصین حوزه BI ) در خصوص PowerPivot و زبان DAX نکات و تجربیاتی را به اشتراک بگذارم زیرا ممکن است بسیاری از شما بر این تصور و باور باشد که این تکنوژی چون در اکسل است و چون جدید است بنابراین می تواند برای شما و سازمان شما کاربردی باشد.

همچنین ضرورت دیگر آن است که احتمال دارد شما با دیدن چند ویدئو و یا خواندن کتابی فارسی (که معمولا بسیار سطحی نوشته می شوند) و یا شرکت در یک دوره ( تا آنجایی که من مطلع هستم بسیار سطحی برگزار می شوند) گمان کنید که PowerPivot را یاد گرفته اید.

نکته دیگر آن است که این ابزار در تیم SQL مایکروسافت تهیه شده است و جزئی از تکنولوژی SSAS است . آیا ما می توانیم به صرف آنکه یک کپی از این تکنولوژی در اکسل قرار داده شده است، نتیجه بگیریم که این ابزار برای کاربران اکسل کاربردی است؟

به نظر واضح است که تکنولوژی PowerPivot در ادامه تکامل ابزار SQL و SSAS مایکروسافت بوجود آمده است و قرار است که متخصصین حوزه BI از آن استفاده کنند و اگر در اکسل قرار داده شده است شاید بتوانیم این نتیجه را بگیریم که بازهم این امکان برای سهولت کارهای متخصصین BI انجام شده نه الزاما کاربران اکسل.

دیدگاه من این است که اگر یک کارشناس مالی، حسابداری و یا مهندس صنایع می خواهد در حوزه اکسل بیشتر بداند و از ابزارهای اکسل بهینه تر استفاده کند، یادگیری VBA می تواند مفید تر و ساده تر باشد تا یادگیری PowerPivot و البته در ادامه می‌تواند زبان‌های SQL و یا Python را مطالعه کند.

علاوه بر این اگر که این کارشناسان مایل به تحلیل های پیچیده تری با دادهای بزرگ هستند چرا باید از PowerPivot استفاده کنند در صورتی که می توانند با سهولت بسیار بیشتری به سراغ SQL Server بروند. هم منابع آموزشی آن بسیار تکمیل و غنی است و هم یادگیری آن بسیار ساده تر و هم متخصصین آن دردسترس تر.

شاید کسی به سختی بتواند برای این یک کارشناس مالی باهوش برتریهای PowerPivot را نسبت به SQL اثبات کند.

مجدد باید تاکید کنم که نباید ما از یاد ببریم که DAX و PowerPivot تکنولوژی است که برای محاسبات سریع و سنگین به کار می رود و شاید برای فردی که داده های یک شرکت مانند آمازون را تحلیل می کند ، 1% بهینه سازی در سرعت بسیار حیاتی باشد و در این حوزه‌هاست که ما می توانیم سخن از قدرت PowerPivot (دقیق تر بگویم تکنولوژی Tabular در SSAS) را در میان آوریم.

کاملا بدیهی است که شما با پیش زمینه دانش SQL و سپس مطالعه کتاب های مرجع انگلیسی در حوزه PowerPivot و DAX خواهید توانست قضاوت درستی نسب به PowerPivot و DAX و لزوم استفاده از آن را انجام دهید.

درجات گام (Functions)

قبل از توضیح درباره گام های دیاتونیک لازم است بدانیم که به هر یک از نت های تشکیل دهنده گام درجه (Function) می گویند و هر درجه در گام های دیاتونیک اسم و ارزش خاصی دارد و با اعداد یونانی نمایش داده می شود که در مثال زیر به آن می پردازیم:

این نت مهم ترین درجه گام است و تایین کننده اسم گام می باشد.معمولا قطعه موسیقی با این درجه شروع می شود و با همین درجه پایان می یابد و در سراسر قطعه بسیار شنیده می شود و بر روی آن تاکید می شود و جزو نت های تنال گام است.

درجه دوم (Supertonic) :

این نت کم اهمیت ترین درجه گام است و کمتر پیش می آید آهنگ ساز روی این درجه تاکید کند و معولا بصورت نت پیوت (Pivot) و یا پاساژ (Passage) از آن استفاده می شود، گاهی اوقات نیز از آکورد درجه دوم به عنوان آکورد پارالل درجه چهارم استفاده می شود.

درجه سوم (Mediant) :

این درجه نسبت به درجه دوم از اهمیت بیشتری برخوردار است و تایین کننده مدالیته(مینور یا ماژور) گام است و بیشتردرملودی شنیده می شود ولی کاربردی شبیه درجه دوم دارد و زیاد روی آن تاکید نمی شود.

درجه چهارم (Subdominant) :

این درجه یکی از مهمترین درجات گام است و بسیار شنیده می شود و بر روی آن تاکیید می شود ،این درجه نیز جزو نت های تنال است.

درجه پنجم (Dominant) :

این درجه بعد از درجه اول مهمترین درجه گام است و بسیار پرکاربرد است و جزو نت های تنال است.

درجه ششم (Submediant) :

درجه ششم جزو مدال است ولی کاربردی بیشتری نسبت به درجه دوم و سوم دارد و در ملودی بیشتر شنیده می شود.

درجه هفتم (Leading) :

این درجه مهم ترین درجه مدال گام است و بسیار شنیده می شود و کاربرد مهمی در اتمام قطعه دارد. اگر فاصله بین درجه هفتم و هشتم نیم پرده باشد به درجه هفتم نت سانسیبل می گویند.

درجه هشتم (Octave) :

درجه هشتم کاربرد و اهمیتی دقیقا مثل درجه اول دارد.

نت های تنال:

به درجات اول ،چهارم ،پنجم و هشتم هر گام نت های تنال گویند. نت های تنال مهم ترین درجات گام را تشکیل می دهند بدین صورت که بیشترین کشش و تاکید بر روی این نت ها صورت می گیرد. به مجموعه نت های تنال یک گام ،تنالیته گویند.

نت های مدال:

به درجات دوم ،سوم ،ششم و هفتم هر گام نت های مدال گویند. نت های مدال ارزش کمتری نسبت به نت های تنال دارند بدین صورت که بر روی آنها تاکید نمی شود و اگر هم روی نتی از نت های مدال تاکید شود مثل درجه هفتم صرفا برای فرود آمدن بر روی درجه هشتم است. نت های مدال بزرگ یا کوچک بودن (مدالیته) گام را مشخص می کنند.

در مثال زیر یک نیم جمله از سمفونی شماره 9 بتهوون را مشاهده می کنید که در گام C ماژور نوشته شده است. همانطور که مشاهده می کنید تعداد 15 عدد نت تنال که با نقطه قرمز نشان داده شده است در مقابل 10 عدد نت مدال قرار دارد. توجه داشته باشید تعداد نت ها صرفا کافی نیست بلکه مدت زمان شنیده شدن آنها نیز بسیار مهم است که در مثال زیر کشش نتهای تنال نسبت به مدال بسیار بیشتر است ،پس صدایی که در نهایت به گوش شنونده غالب است صدای نت های تنال است و نتهای مدال در این مثال صرفا نقش پلی بین نت های تنال دیگر را بازی می کنند.

معرفی و آشنایی با PowerPivot

شروع آشنایی من با این ابزار در سال 2010 بود. در واقع مایکروسافت در این سال ابزار Self Service BI خود را به نام PowerPivot تولید کرد. در همان سال بود که مقاله ای مختصری نوشتم و کاربران وب سایت اطلاع دادم که این ابزار وجود دارد و در برخی از سازمانها آنرا معرفی می کردم. مشکل اصلی آنجا بود که دقیقا نمی دانستم PowerPivot چیست و البته هیچ کتاب جدی انگلیسی هم نبود و گمان کنم اولین کتاب را Mr Excel نوشت، واقعا خود نویسنده اگر نگوییم دقیقا نمی دانست که PowerPivot چیست ، قطعا در کتاب نتوانسته بود ایده های اصلی آنرا بدهد.

جالب است بدانید که با گذشت حدود 7 سال از ساخت PowerPivot هنوز تعداد نویسنده های کتابهای انگلیسی معتبر و ارزشمند آن از انگشتان یک دست کمتر است!! و این قاعدتا شاید نشان دهند چیزی باشد که در انتهای همین مقاله تحت عنوان "رویکرد انتقادی من به PowerPivot" آنرا مطرح خواهم ساخت.

تاریخچه PowerPivot

کاربران اکسل خیلی خوشحال نباشد. اساسا PowerPivot برای اکسل در نبود است در واقع PowerPivot یکی از ابزارهای محصول SQL Server است و ما کاربران اکسل کاملا خوش شانسی آورده ایم که یک نسخه از آن را به ما هم در اکسل داده اند!

در دنیای دیتا بیس‌ها ما با حجم بسیار بزرگی از داده ها ممکن است سر و کار داشته باشیم و برای همین با ابزارهای عادی نمی توانیم با "سرعت" روی این داده ها محاسبه انجام دهیم. در واقع حجم داده ها مثلا در سایتی مانند آمازون و یا شرکت همراه اول خودمان آنقدر بالا است که برای یک جمع زدن ساده مبالغ دریافتی و یا شمارش مشتریان ممکن است با مشکلات جدی مواجه شویم. مثلا در یک شرکت پخش خود من مشاهده کردم که یک گزارش از SQL Server شرکت حدود 6 ساعت طول می کشید تا تولید شود.

برای این مشکل متخصصان کامپیوتر دست به ساخت ابزارهای که با عنوان کلی OLAP شناخته می شوند، زدند. در یک تعریف خیلی ساده ابزارهای OLAP قرار است که بتوانند با "سرعت" و "در لحظه" بر روی داده های بسیار حجیم یک دیتابیس گزارشها و محاسباتی که لازم داریم، انجام دهند. توجه به واژه های "درلحظه" و "با سرعت" در این تعریف ضروری است . یعنی قرار نیست برای یک محاسبه بیش از چند ثانیه منتظر بمانیم و در ضمن اینکه قرار نیست از قبل گزارش ها محاسبه و ساخته شده باشد و کاربر می توانید "در لحظه" گزارشهای خود را بسازد. (دقیقا مانند Pivot Table در اکسل)

مایکروسافت ابزار OLAP خود را به نام SQL Analysis Services نامگذاری کرده است که به صورت مخفف به آن SSAS گویند. این ابزار در محصول SQL Server مایکروسافت است و هنگام نصب SQL Server می توانیم آنرا نصب کنیم.

ایده اصلی PowerPivot توسط دو مقاله که توسط Amir Netz نوشته می شود در سال 2006 آغاز می شود. ایشان در یک مقاله صحبت از ابزاری می کند که بتوان با ساخت ابزاری کارهای BI را ساده تر انجام داد. من دقیقا نمی دانم که منظور ایشان از ساده تر چیست اما با قطعیت می توان گفت که یکی از این ساده سازی ها آن است که نیازی به نصب نرم افزار گران قیمت، سنگین و کاملا تخصصی مانند SQL نباشد و پیشنهاد می دهد که در اهمیت و کاربرد پیوت Pivot Access محصول PowerPivot پیاده سازی شود.(که البته می دانید که در Excel این اتفاق رخ داد.)

ایده دیگری ایشان آن بود که این ابزار جدید داده های را در RAM دستگاه بارگذاری کنید و یک ابزار In Memory باشد. شاید بدانید که RAM کامپیوتر شما بسیار بسیار سریع است و با وجود کامپیوترهای امروزی که چندین CPU و RAMهای بالایی دارند، کاملا منطقی است که این ابزار ساخته شود.

سرانجام توسط تیم SQL Server مایکروسافت اولین نسخه های PowerPivot برای Excel و Sharepoint در سال 2010 تولید شد.

خلاصه سازی آنچه گفتیم:

* PowerPivot یکی از اعضای خانواده نرم افزارهای OLAP است.

* PowerPivot در تیم SQL Server مایکروسافت تهیه شده است. (قرار است که از این نکته در پایان مقاله یک نتیجه بگیریم).

* PowerPivot اطلاعات را در RAM دستگاه محاسبه و پردازش می کند.(یعنی بهتر است که RAM بالایی داشته باشیم مثلا 8GB)

در همین جا باید اشاره کنم که مایکروسافت قبل از PowerPivot در محصول SSAS خود از روش/تکنولوژی به نام MultiDimentional استفاده می کرده است. با تولد PowerPivot یک روش جدید در SSAS اضافه شد به نام Tabular . در واقع Tabular قرار است که جایگزین روش قدیمی شود.

در واقع دقیق تر است بگوییم که PowerPivot یک ابزار است و این ابزار از تکنولوژی که به آن Tabular می گویند استفاده می کند.

در تصویر زیر مشاهده می کنید اهمیت و کاربرد پیوت Pivot که برای ایجاد یک پروژه SSAS دو روش Tabular و MultiDimentional وجود دارد:

نکته: ابزار PowerPivot برای ذخیره سازی، فشرده سازی و کار با داده در RAM دستگاه از روشی به نام Tabular استفاده می کند. (واژه Tabular یعنی تکنولوژی پشت صحنه ای که ابزار PowerPivot از آن استفاده می کند).

انتظار از PowerPivot چیست

بگذارید در همین ابتدا سه رویکرد را کاملا تفکیک کنیم:

1) رویکرد یک مهندس کامیپوتر که در حوزه BI به صورت تخصصی فعالیت می کند.

2) رویکرد یک مهندس کامپیوتر که در حوزه BI به صورت تخصصی در ایران فعالیت می کند.

3) رویکرد یک کاربر قدیمی و حرفه ای Excel

1) برای دانستن رویکردهای متخصصین BI در دنیا باید سراغ Gartner BI Magic Quadrant برویم . در واقع Gartner شرکت/سازمانی است که به صورت حرفه ای در خصوص محصولات مختلف حوزه های IT تحقیق می کند و گزارشهای علمی خود را منتشر می سازد. در یکی از این گزارش ها محصولات BI از زوایای مختلفی بررسی و مقایسه می شوند و در نهایت امتیازی کلی آنها در یک نمودار مانند شکل زیر نمایش داده می شود. این نمودار جایگاه شرکت های مختلف را نمایش می دهد.

همانطور که می بینید شرکت Microsoft و شرکت Tableau در جایگاه بالایی قرار دارند. (توجه کنید که Tableau یک شرکت است و احیانا آنرا با تکنولوژی Tabular اشتباه نگیرد).

سطحی به تصویر بالا ننگرید. اگر مایکروسافت جایگاه ویژه ای در حوزه BI دارد کاملا ممکن است اصلا ربطی به محصول جدید SSAS آن نداشته باشد و این جایگاه را در حوزه مثلا SQL Server بدست آورده است باید شما گزارش را با دقت بخوانید. توجه داشته باشید که شرکت ها از زوایای مختلفی بررسی می شوند مثلا سرعت پاسخگویی و پشتیبانی فنی یک شرکت کاملا می تواند آنرا از شرکت دیگری متمایز کند.

در واقع با پیش کشیدن این موضوع خواستم اشاره کنم که واقعا ما نمی دانیم که استقبال و اقبال محصول جدید مایکروسافت در دنیا چقدر است؟

2) اما در حوزه تخصصی BI ایران چه می گذرد؟ بدیهی است که من فقط با مشاهدات میدانی خودم پاسخی به این سوال خواهم داد و لطفا آنرا با رویکرد انتقادی بخوانید و با سایر افراد حرفه ای که می شناسید، حتما مشورت کنید.

بسیاری از دشبوردها و راهکارهای BI که در ایران ساخته می شود بدون لایه OLAP است!! در واقع به صورت مستقیم با دیتابیس ها کار می کنند و به قول مجید (که از دوستان من است) به صورت مستقیم روی دیتابیس ها SELECT می زنند. در واقع در اکثر شرکت ها داده ها خیلی بزرگ نیست و یک سرور قدرتمند SQL به سادگی از عهده بسیاری از محاسبات بر می آید.

در ضمن آنکه پیاده سازی لایه OLAP نیاز به دقت، حوصله و تخصص بالایی دارد و قطعا باعث سخت تر شدن، هزینه بر شدن پروژه می شود که با توجه به حجم دادههای نسبتا کم سازمان های ایران و در نظر گرفتن ده ها عنصر دیگر مانند مشکلات اقتصادی که سالهاست شرکت های ایرانی با آن دست و پنجه نرم می کنند، مانع از آن می شود که در این حوزه شرکت ها مایل به سرمایه گذاری باشند.

دلیل دیگری که می توانم به آن اشاره کنم که در ایران OLAP و SSAS و . چنان مورد توجه نیست،نگاهی به دوره هایی آموزشی آن است که حتی در آموزشگاههای قوی و مشهور جایگاهی ندارد. معمولا در سرفصل های آموزشی دوره های BI ، موضوعاتی مانند فرمول نویسی/برنامه نویسی OLAP را یا مشاهده نمی کنید و یا در حد 2 ساعت ! دقت داشته باشید که این مورد نشانه ای جدیی است از عدم استفاده از این ابزارها در ایران.

3) اما نگاه صحیح کاربران اکسل به Power Pivot چه باید باشد؟

آیا باید برای یادگیری آن وقت جدی صرف کنیم؟ تفاوت اصلی Power Pivot و Pivot Table اکسل در چیست؟

سعی می کنیم که زاویه دید خودم را برای شما در خصوص این ابزارها تشریح کنم.

گفته بودیم که در SSAS ما دو تکنولوژی مختلف داریم. به یکی از آنها Multi Dimentional می گفتیم (قدیمی تر بود) و به تکنولوژی جدید Tabular می گوییم (که همان PowerPivot است). حال اگر بخواهیم به قدرت و امکانات و سرعت این تکنولوژی ها دسترسی پیدا کنیم باید زبانهای برنامه نویسی آنها را بلد باشید.

دقیقا درست خواندید، برنامه نویسی . باید بدانید.

در روش قدیمی زبانی وجود داشت به نام MDX که مخفف Multi Dimentional Expression است و در روش Tablular (یعنی همان PowerPivot خودمان) زبان برنامه نویسی جدیدی به نام DAX که مخفف Data Analysis Expression است وجود دارد .یکی از اهداف اصلی PowerPivot آن بوده است که محاسبات را (نسبت به DAX) ساده تر کند.

خود من در ابتدا تصور می کردم که اینها دو روش فرمول نویسی هستند و در نهایت متوجه شدم که اینها زبان برنامه نویسی هستند مانند زبان برنامه نویسی SQL. مشکل از اینجا دقیقا شروع می شود. این زبانهای برنامه نویسی شبیه هیچ زبان برنامه نویسی رایجی نیستند و همین کار یادگیری آنها را سخت می کند. اگر کمی در خصوص این زبانها تحقیق کنید، خواهید دانست که یادگیری آنها بسیار سخت است.

به نظر می آید که هدف ساخت این زبانهای برنامه نویسی با اینهمه پیچیدگی آن بوده است که سرعت بالایی برای محاسبات روی داده ها به ما بدهد و به همین دلیل (احتمالا) مجبور به تولید زبانی پیچیده شده اند که در نهایت عبارات و تفسیر دستورات آن از دید کاربر سخت و غیر قابل فهم است و نیاز به مطالعه عمیق و جدی دارد.

حتی برخی از نویسندگان کتابهای انگلیسی و وب سایت های معتبر PowerPivot , DAX گفته اند که کاربرد یک تابع و یا تفسیر یک فرمول را بعد از مدت ها یاد گرفته اند.

بنابراین باید سطح توقعات، انتظارات خود را به عنوان یک کاربر اکسل در مورد PowerPivot متعادل کنیم DAXو بدانیم که سناریوهای پیچیده و سختی بسیاری وجود دارند که به سادگی قابل پیاده سازی در PowerPivot به زبان DAX نیست.

موارد کاربرد PowerPivot برای کاربران اکسل :

الف) کار با داده های بزرگ

ب) راهکاری برای محاسبات سنگین

می دانیم که اکسل حدود 1 میلیون سطر بیشتر ندارد و اگر لازم باشد روی یک فایل CSV بزرگ (مثلا با 1.5 میلیون سطر) در اکسل کار کنیم، هیچ راهکاری نداریم. در PowerPivot ما هیچ محدودیتی برای تعداد سطر (رکورد) نداریم به سادگی می توانیم 10 میلیون رکورد را در آن Load کنیم و از این حجم داده ها Pivot بسازیم. در ضمن آنکه می دانیم که نوشتن یک فرمول ساده مانند محاسبه ارزش افزوده و یا سود در یک فایل با تعداد سطرهای زیاد گاهی باعث هنگ کردن اکسل می شود. زیرا اکسل نمی تواند بر روی تعداد سطرهای زیاد (شاید حدود 200 هزار سطر) به سادگی محاسباتی را انجام دهد .

در PowerPivot به راحتی می توانیم ستون های محاسباتی خود را بسازیم و بر روی چندین میلیون سطر بدون هیچ نگرانی محاسبات را انجام دهیم.

ج) جایگزینی برای Vlookup ها

فکر نکنم که هیچ کاربر حرفه ای اکسل وجود داشته باشد که لزوم و اهمیت استفاده از Vlookkup را نداند. گاهی مجبوریم در یک فایل ده ها Vlookkup بنویسیم . صرفنظر از زمان بر بودن این کار ، مشکل آن است که در فایل های بزرگ کاملا کند شدن و از کار افتادن اکسل را تجربه خواهیم کرد. در PowerPivot ما می توانیم بین داد ها (Tableها) Relationship بر قرار کنیم و این به معنای آن است که دیگر در اکسل "نیازی به Vlookup زدن" نیست!

د) استفاده از توابع ساده DAX

اشاره شد که زبان DAX پیچیده و برای یادگیری سخت محسوب می شود. البته این به معنای آن نیست که هیچ یک از توابع و امکانات این زبان برای ما کاربردی ندارد. یکی از کاربردی ترین فرمولهای آن DistinctCount است که برای شمارش مقادیر متمایز (شمارش داده های بدون در نظر گرفتن تکرار آنها) بکار می رود.

رویکرد انتقادی من به PowerPivot

به نظر من ضروری می رسد که با شما کاربران حرفه ای اکسل (نه متخصصین حوزه BI ) در خصوص PowerPivot و زبان DAX نکات و تجربیاتی را به اشتراک بگذارم زیرا ممکن است بسیاری از شما بر این تصور و باور باشد که این تکنوژی چون در اکسل است و چون جدید است بنابراین می تواند برای شما و سازمان شما کاربردی باشد.

همچنین ضرورت دیگر آن است که احتمال دارد شما با دیدن چند ویدئو و یا خواندن کتابی فارسی (که معمولا بسیار سطحی نوشته می شوند) و یا شرکت در یک دوره ( تا آنجایی که من مطلع هستم بسیار سطحی برگزار می شوند) گمان کنید که PowerPivot را یاد گرفته اید.

نکته دیگر آن است که این ابزار در تیم SQL مایکروسافت تهیه شده است و جزئی از تکنولوژی SSAS است . آیا ما می توانیم به صرف آنکه یک کپی از این تکنولوژی در اکسل قرار داده شده است، نتیجه بگیریم که این ابزار برای کاربران اکسل کاربردی است؟

به نظر واضح است که تکنولوژی PowerPivot در ادامه تکامل ابزار SQL و SSAS مایکروسافت بوجود آمده است و قرار است که متخصصین حوزه BI از آن استفاده کنند و اگر در اکسل قرار داده شده است شاید بتوانیم این نتیجه را بگیریم که بازهم این امکان برای سهولت کارهای متخصصین BI انجام شده نه الزاما کاربران اکسل.

دیدگاه من این است که اگر یک کارشناس مالی، حسابداری و یا مهندس صنایع می خواهد در حوزه اکسل بیشتر بداند و از ابزارهای اکسل بهینه تر استفاده کند، یادگیری VBA می تواند مفید تر و ساده تر باشد تا یادگیری PowerPivot و البته در ادامه می‌تواند زبان‌های SQL و یا Python را مطالعه کند.

علاوه بر این اگر که این کارشناسان مایل به تحلیل های پیچیده تری با دادهای بزرگ هستند چرا باید از PowerPivot استفاده کنند در صورتی که می توانند با سهولت بسیار بیشتری به سراغ SQL Server بروند. هم منابع آموزشی آن بسیار تکمیل و غنی است و هم یادگیری آن بسیار ساده تر و هم متخصصین آن دردسترس تر.

شاید کسی به سختی بتواند برای این یک کارشناس مالی باهوش برتریهای PowerPivot را نسبت به SQL اثبات کند.

مجدد باید تاکید کنم که نباید ما از یاد ببریم که DAX و PowerPivot تکنولوژی است که برای محاسبات سریع و سنگین به کار می رود و شاید برای فردی که داده های یک شرکت مانند آمازون را تحلیل می کند ، 1% بهینه سازی در سرعت بسیار حیاتی باشد و در این حوزه‌هاست که ما می توانیم سخن از قدرت PowerPivot (دقیق تر بگویم تکنولوژی Tabular در SSAS) را در میان آوریم.

کاملا بدیهی است که شما با پیش زمینه دانش SQL و سپس مطالعه کتاب های مرجع انگلیسی در حوزه PowerPivot و DAX خواهید توانست قضاوت درستی نسب به PowerPivot و DAX و لزوم استفاده از آن را انجام دهید.