جمع آوري و تجزیه و تحلیل داده ها با استفاده از اکسل
توانمندسازی فراگیران برای جمعآوری، ورود، پاکسازی، آمادهسازی، پردازش، تجزیهوتحلیل و مصورسازی دادهها با استفاده از Microsoft Excel و تهیه گزارشهای تحلیلی؛ بهگونهای که بتوانند از توابع، جداول محوری، روشهای آماری، ابزارهای تحلیل پیشرفته، داشبوردها و قابلیتهای اتوماسیون اکسل برای تحلیل داده و پشتیبانی از تصمیمگیری استفاده کنند. این دوره همچنین اصول مستندسازی، ارائه نتایج و امنیت دادهها را پوشش میدهد.
شیوه برگزاری و زمانبندی
درباره دوره
توانمندسازی فراگیران برای جمعآوری، ورود، پاکسازی، آمادهسازی، پردازش، تجزیهوتحلیل و مصورسازی دادهها با استفاده از Microsoft Excel و تهیه گزارشهای تحلیلی؛ بهگونهای که بتوانند از توابع، جداول محوری، روشهای آماری، ابزارهای تحلیل پیشرفته، داشبوردها و قابلیتهای اتوماسیون اکسل برای تحلیل داده و پشتیبانی از تصمیمگیری استفاده کنند. این دوره همچنین اصول مستندسازی، ارائه نتایج و امنیت دادهها را پوشش میدهد.
شایستگیها و ماژولها
1. راه اندازي اکسل
6 ساعت · نظری 1 · عملی 5
جزئیات
دانش: آشنایی با اجزای رابط کاربری Excel آشنایی با ناوبری اولیه در کاربرگها شناخت فرمتهای مختلف فایلهای Excel شناخت انواع دادهها در Excel
مهارت: پیمایش و کار با رابط کاربری Excel وارد کردن و ویرایش دادهها قالببندی سلولها ایجاد و مدیریت کاربرگها
معیار ارزشیابی: فراگیر باید بتواند محیط و اجزای رابط کاربری Excel را شناسایی کرده، در کاربرگها پیمایش کند، انواع داده و فرمتهای فایل را تشخیص دهد و بهصورت عملی دادهها را وارد و ویرایش کرده، سلولها را قالببندی و کاربرگها را مدیریت نماید.
2. وارد کردن و خروجی گرفتن از داده ها
7 ساعت · نظری 1 · عملی 6
جزئیات
دانش: شناخت فرمتهای مختلف داده آشنایی با روشهای وارد کردن دادهها از منابع خارجی آشنایی با روشهای خروجی گرفتن دادهها به فرمتهای مختلف آشنایی با اتصالات داده و نحوه مدیریت آنها
مهارت: وارد کردن دادهها از منابع مختلف خروجی گرفتن دادهها در فرمتهای مختلف مدیریت اتصالات داده عیبیابی و رفع مشکلات مربوط به وارد کردن و خروجی گرفتن دادهها
معیار ارزشیابی: فراگیر باید بتواند فرمتهای مختلف داده را شناسایی کرده، دادهها را از منابع مختلف وارد و به فرمتهای موردنیاز خروجی بگیرد، اتصالات داده را مدیریت کرده و مشکلات مربوط به ورود و خروج دادهها را شناسایی و برطرف نماید.
3. پاکسازی و آمادهسازی دادهها
6 ساعت · نظری 1 · عملی 5
جزئیات
دانش: شناسایی دادههای از دسترفته آشنایی با نحوه رسیدگی به ناهماهنگیها و دادههای تکراری آشنایی با تکنیکهای تبدیل دادهها آشنایی با اعتبارسنجی دادهها
مهارت: پاکسازی و تبدیل دادهها رسیدگی به دادههای از دسترفته و موارد تکراری اعمال قوانین اعتبارسنجی دادهها سازماندهی دادهها برای تجزیه و تحلیل
معیار ارزشیابی: فراگیر باید بتواند دادههای ناقص، ناهماهنگ و تکراری را شناسایی و اصلاح کند، دادهها را با استفاده از روشهای مناسب پاکسازی و تبدیل نماید، قواعد اعتبارسنجی را اعمال کرده و دادهها را بهصورت صحیح برای انجام تجزیه و تحلیل سازماندهی کند
4. دستکاری دادهها
7 ساعت · نظری 1 · عملی 6
جزئیات
دانش: آشنایی با توابع اکسل برای مرتبسازی و فیلتر کردن دادهها آشنایی با تکنیکهای تجمیع دادهها آشنایی با توابع جستجو و مرجع آشنایی با قالببندی مشروط
مهارت: مرتبسازی و فیلتر کردن دادهها استفاده از توابع جستجو و مرجع تجمیع و تحلیل دادهها با استفاده از جداول محوری اعمال قالببندی مشروط
معیار ارزشیابی: فراگیر باید بتواند دادهها را بر اساس معیارهای مختلف مرتب و فیلتر کند، از توابع جستجو و مرجع بهدرستی استفاده نماید، دادهها را با جداول محوری تجمیع و تحلیل کرده و قالببندی مشروط را متناسب با نوع داده و هدف تحلیل اعمال کند.
5. تجزیه و تحلیل آماری پایه
5 ساعت · نظری 1 · عملی 4
جزئیات
دانش: آشنایی با آمار توصیفی شناخت شاخصهای گرایش مرکزی و پراکندگی آشنایی با تجزیه و تحلیل همبستگی آشنایی با رگرسیون خطی ساده
مهارت: محاسبه شاخصهای آمار توصیفی ارزیابی همبستگی بین متغیرها انجام رگرسیون خطی ساده تفسیر نتایج آماری
معیار ارزشیابی: فراگیر باید بتواند شاخصهای آمار توصیفی و معیارهای گرایش مرکزی و پراکندگی را محاسبه کند، میزان و جهت همبستگی بین متغیرها را ارزیابی نماید، رگرسیون خطی ساده را اجرا کرده و نتایج حاصل از تحلیلهای آماری را بهدرستی تفسیر کند.
6. بهکارگیری تکنیکهای پیشرفته تجزیه و تحلیل دادهها
6 ساعت · نظری 1 · عملی 5
جزئیات
دانش: آشنایی با مفاهیم مدلسازی دادهها آشنایی با تجزیه و تحلیل «چه میشود اگر» (What-If Analysis) آشنایی با افزونه Solver آشنایی با تکنیکهای بهینهسازی
مهارت: ایجاد مدلهای داده انجام تجزیه و تحلیل What-If استفاده از Solver برای بهینهسازی تفسیر نتایج حاصل از تجزیه و تحلیلهای پیشرفته
معیار ارزشیابی: فراگیر باید بتواند مدلهای داده را ایجاد کند، سناریوهای مختلف را با استفاده از ابزارهای What-If Analysis بررسی نماید، از Solver برای حل مسائل بهینهسازی استفاده کند و نتایج حاصل از تحلیلهای پیشرفته را بهدرستی تفسیر نماید.
7. تجسم دادهها
7 ساعت · نظری 1 · عملی 6
جزئیات
دانش: آشنایی با انواع نمودارها و کاربرد هر یک آشنایی با گزینههای سفارشیسازی نمودارها آشنایی با داشبوردهای تعاملی آشنایی با بهترین شیوههای تجسم دادهها
مهارت: ایجاد و سفارشیسازی نمودارها طراحی داشبوردهای تعاملی بهکارگیری اصول و بهترین شیوههای تجسم دادهها انتقال مؤثر بینشها و نتایج تحلیل از طریق تصاویر و نمودارها
معیار ارزشیابی: فراگیر باید بتواند متناسب با نوع داده و هدف تحلیل، نمودار مناسب را انتخاب، ایجاد و سفارشیسازی کند، داشبوردهای تعاملی طراحی نماید، اصول صحیح تجسم داده را بهکار گیرد و یافتهها و بینشهای حاصل از تحلیل را بهصورت واضح و مؤثر از طریق نمودارها و تصاویر ارائه کند.
8. اتوماسیون و سفارشیسازی
5 ساعت · نظری 1 · عملی 4
جزئیات
دانش: آشنایی با ماکروهای Excel و VBA آشنایی با توابع سفارشی آشنایی با افزونههای Excel آشنایی با مدیریت خطا و رفع اشکال
مهارت: ضبط و ویرایش ماکروها نوشتن کد VBA ایجاد توابع سفارشی اشکالزدایی و مدیریت خطا
معیار ارزشیابی: فراگیر باید بتواند ماکروها را ضبط و ویرایش کند، کدهای ساده VBA بنویسد، توابع سفارشی ایجاد نماید و خطاهای ایجادشده در فرایند اتوماسیون را شناسایی و رفع کند.
9. گزارش و مستندسازی
6 ساعت · نظری 1 · عملی 5
جزئیات
دانش: آشنایی با ساختار و چیدمان گزارش آشنایی با تفسیر دادهها و استخراج بینش آشنایی با بهترین شیوههای مستندسازی آشنایی با تکنیکهای ارائه گزارش
مهارت: ساختاردهی و قالببندی گزارشها مستندسازی یافتههای حاصل از تحلیل ارائه بینشهای داده برقراری ارتباط مؤثر نتایج
معیار ارزشیابی: فراگیر باید بتواند نتایج تحلیل داده را در قالب گزارشی منظم و استاندارد ساختاربندی و مستندسازی کند، یافتهها و بینشهای حاصل از داده را بهدرستی تفسیر و ارائه نماید و نتایج را بهصورت واضح، دقیق و قابل فهم به مخاطب منتقل کند.
10. اجرای امنیت دادهها
5 ساعت · نظری 1 · عملی 4
جزئیات
دانش: آشنایی با ملاحظات اخلاقی در مدیریت دادهها آشنایی با اصول حفاظت از دادهها آشنایی با مقررات حفظ حریم خصوصی آشنایی با شیوههای امنیت دادهها
مهارت: بهکارگیری اصول اخلاقی در مدیریت دادهها تضمین حریم خصوصی و حفاظت از دادهها رعایت مقررات مرتبط با دادهها اجرای اقدامات امنیتی دادهها
معیار ارزشیابی: فراگیر باید بتواند اصول اخلاقی، حریم خصوصی و الزامات حفاظت از دادهها را در فرایند کار با داده رعایت کند، مقررات مرتبط را بهدرستی بهکار گیرد و اقدامات لازم برای حفظ امنیت و جلوگیری از دسترسی یا استفاده غیرمجاز از دادهها را اجرا نماید.
سطح دوره
سطح این دوره براساس مدت آموزش و تعداد شایستگیها تعیین شده است. منابع و فعالیتهای کامل پس از فعالشدن دسترسی نمایش داده میشوند.