ITPub博客

首页 > 大数据 > 数据挖掘 > 《数据仓库设计与实现》终于完成了

《数据仓库设计与实现》终于完成了

数据挖掘 作者:qpqpqp00312 时间:2013-04-01 23:45:55 0 删除 编辑
    喜讯传来,经过4个月的精心准备,《数据仓库设计与实现》培训讲义终于接近尾声了。

1. 讲义综述

    从商业智能基本概念出发,来剖析数据仓库的重要性。如何规划数据仓库体系结构,以及如何完成数据仓库模型设计,掌握设计思路与方法,重点阐述维度建模的过程。在数据仓库结构之上,深入讲解ETL架构如何搭建。元数据管理的内容、思路,以及数据质量如何管理与提升。在此基础上讲解前端展示设计的经验总结。最后讲解BI系统建设的方法论、软件过程、模板等。

    通过该课程,您可以总体上了解与学习数据仓库的建模、数据集成、数据管理、应用等内容。

    理论与实践相结合,将项目案例与个人理解与感受融入到课程体系,深入浅出,站在听众的角度来阐述“复杂”的问题。

    受众对象:准备参与BI项目构建的模型设计师、技术经理、项目经理等。或者经历了数据仓库项目,但对数据仓库仍不熟悉与理解的相关人员。

2. 详细大纲

培训课程

章节介绍

日程安排

L01-商务智能介绍

数据分析的演进

第一天上午

商业智能:故事引入、概念、税务行业案例

数据仓库:定义、特性、地位、与业务系统数据库的区别

系统总体结构

数据仓库的应用

L02-数据仓库体系结构

宗派之争:InmonKimball以及其他之间的观念剖析

数据仓库体系结构规划目标、原则

数据仓库体系结构详解:饭店隐喻、体系结构

企业级数据架构设计:架构、数据架构、规划目标、目标与原则、方法

L03-数据模型设计

数据、数据模型

第一天下午

数据仓库模型设计思路、方法

模型设计过程

概念模型设计:主题模型案例

逻辑模型设计:三范式、案例练习(依赖关联、强关联、弱关联、联系、继承、一对多、多对多、一对一等)

物理模型设计:目标、原则、挑战、物理设计(实例、存储、文件、内存、核心参数、用户、方案、表空间、表分区、表、索引等)

L04-维度建模

维度建模基础:案例、事实、维度、星型、雪花型、维度表作用

第二天

维度表特性:案例、表结构、关键字特性、表属性特性、层次、杂项维

事实表特性:案例、粒度、稀疏性、可加性事实、属性类型分析。

业务过程与事实表:横向钻取、连接事实表

维度一致性:定义、作用、类型

深入学习维度:属性分组、多重关系、空值维成员、异常维成员、行为维度、微型维

维度表的层次结构、雪花型

缓慢变化技术:类型1、类型2、时间戳、类型3、类型1+2、类型1+2+3

多值维度、多值属性

递归层次

事实表:事务事实表、周期快照表、累积快照表、无事实的事实表

其他:多维数据集、维度建模原则

L05-ETL架构设计与开发

ETL基本概念:ETL、增量抽取、ETL模式

第三天上午

总体设计:目标、难度、基础结构、架构包括内容

详细设计:增量数据复制、代码维度管理、拉链表算法、事务事实表抽取、公共ETL逻辑、配置型ETL、调度设计

数据检核

L06-元数据管理

元数据概念、内容、管理需求、工具介绍

L07-数据质量管理

数据、数据质量、数据质量管理模型、流程、数据质量维度、检核规则

第三天下午

L08-前端展示设计

前端展示功能类型

仪表盘设计:流程、方法、案例

L09-系统建设方法论

系统特点、建设难点、关键点、主要构成、软件过程、岗位与职责



3. 讲义截图
《数据仓库设计与实现》终于完成了

L01-商业智能基本概念

39

L02-数据仓库体系结构

 38

L03-数据模型设计

 101

L04-数据模型设计-维度建模

 154

L05-ETL设计与开发

 105

L06-元数据管理

 27

L07-数据质量管理

 44

L08-前端展示设计

 46

L09-BI系统建设方法论

 35

共计

 580页左右


<!-- 正文结束 -->

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/21418669/viewspace-1118750/,如需转载,请注明出处,否则将追究法律责任。

上一篇: 没有了~
下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2009-04-18