مدل داده چند پروژه‌ای برای گزارش‌های Project Server

Project Server

مقدمه

سازمان‌هایی که همزمان چندین پروژه در حال اجرا دارند، نیازمند گزارش‌هایی هستند که بتوانند وضعیت همه پروژه‌ها را یکپارچه تحلیل کنند.
برای این کار باید یک مدل داده چند پروژه‌ای (Multi-Project Data Model) در Power BI طراحی شود که اطلاعات استخراج‌شده از Project Server را به‌طور هوشمندانه سازمان‌دهی کند.


چرا مدل داده چند پروژه‌ای مهم است؟

  1. یکپارچگی اطلاعات: جلوگیری از پراکندگی داده‌ها

  2. مقایسه پروژه‌ها: تحلیل عملکرد پروژه‌ها نسبت به یکدیگر

  3. مدیریت منابع: بررسی استفاده از منابع در چندین پروژه

  4. پایش KPI پرتفو: کنترل هزینه، زمان، ریسک و کیفیت در سطح سازمان


اجزای اصلی مدل داده

۱. جداول اصلی

  • Projects Table: شامل شناسه، نام، مدیر پروژه، تاریخ شروع و پایان

  • Tasks Table: شامل فعالیت‌ها، درصد پیشرفت، زمان‌بندی

  • Resources Table: شامل نام منابع، نقش‌ها، هزینه‌ها

  • Assignments Table: ارتباط بین منابع و فعالیت‌ها

۲. روابط (Relationships)

  • رابطه یک به چند بین Projects → Tasks

  • رابطه یک به چند بین Tasks → Assignments

  • رابطه یک به چند بین Resources → Assignments

۳. Measures و KPIها

نمونه کد DAX برای محاسبه KPIها:

Portfolio Progress = AVERAGE(Tasks[PercentComplete])
Portfolio Cost Variance = SUM(Projects[ActualCost]) - SUM(Projects[PlannedCost])
Resource Utilization = SUM(Assignments[Work]) / SUM(Resources[Capacity])

مراحل طراحی مدل داده

گام ۱: استخراج داده‌ها از Project Server

  • استفاده از OData یا SQL Reporting Database

  • انتخاب جداول مرتبط با پروژه‌ها، وظایف، منابع و هزینه‌ها

گام ۲: پاک‌سازی و استانداردسازی داده‌ها

  • حذف داده‌های تکراری

  • اصلاح نوع داده‌ها (تاریخ، عدد، متن)

  • یکسان‌سازی فرمت‌ها

گام ۳: ساخت مدل داده در Power BI

  • تعریف روابط بین جداول

  • طراحی Measures برای KPIهای سازمان

  • استفاده از جداول DimDate برای تحلیل زمانی

گام ۴: طراحی گزارش‌های چند پروژه‌ای

  • Portfolio Overview: وضعیت کلی همه پروژه‌ها

  • Resource Utilization: میزان استفاده از منابع در چندین پروژه

  • Cost Analysis: مقایسه هزینه واقعی و برنامه‌ریزی‌شده

  • Risk & Delay Dashboard: شناسایی پروژه‌های پرریسک


بهترین شیوه‌ها (Best Practices)

  • استفاده از DimDate برای تحلیل زمانی دقیق

  • طراحی مدل داده به‌صورت Star Schema

  • استفاده از نام‌های خوانا برای جداول و ستون‌ها

  • طراحی Measures استاندارد برای همه پروژه‌ها

  • بروزرسانی خودکار داده‌ها با Scheduled Refresh


مزایای مدل داده چند پروژه‌ای

  • امکان تحلیل همزمان چند پروژه

  • صرفه‌جویی در زمان گزارش‌گیری

  • افزایش شفافیت و دقت داده‌ها

  • پشتیبانی از تصمیم‌گیری‌های استراتژیک

  • ایجاد یک منبع داده واحد برای همه مدیران


جمع‌بندی

طراحی مدل داده چند پروژه‌ای در Power BI به شما کمک می‌کند اطلاعات همه پروژه‌های موجود در Project Server را به شکل یکپارچه تجزیه و تحلیل کنید.
این مدل داده به مدیران پرتفو امکان می‌دهد تصمیم‌های هوشمند و سریع‌تری در مورد مدیریت زمان، هزینه، منابع و ریسک اتخاذ کنند.