課程簡介
本次培訓把SQL SERVER/ORACLE作為數據倉庫和數據挖掘的數據來源及載體，全面闡述數據挖掘與數據倉庫的技術關系，把數據倉庫的設計及實現步驟結合應用案例展示數據倉庫的建設過程和注意事項，并對數據倉庫的建設過程和注意事項做深入總結，方便指導學員后續(xù)的建模和數據倉庫管理工作
目標收益
課程中把數據倉庫和數據挖掘結合起來，數據挖掘既可以是獨立建設，也可基于數據倉庫下的快捷建設。數據倉庫與數據挖掘息息相關，通過本課程，可讓學員對數據倉庫的建設過程有更深的認識，同時學會用主流的數據挖掘軟件完成數據挖掘建模任務，使學員掌握數據挖掘方法論CRISP-DM的本質。在ETL應用技術進階過程講解中，把案例與方法結合，學習既能對ETL方法有更深的認識也能更好的指導自己的ETL建設工作。最后通過幾個具體的、典型的數據挖掘案例，使學員在掌握這些案例所用的技巧的同時，充分理解數據挖掘和數據倉庫的方法論，通過舉一反三的效果，提高自己分析問題解決問題的實際能力。
培訓對象
數據庫人員
課程大綱
| 第一部分：數據倉庫的概念深入 |
1.在大數據環(huán)境下數據倉庫的困境和挑戰(zhàn) 2.數據倉庫的體系結構多樣性解讀 3.數據倉庫與數據挖掘的關系 |
| 第二部分 基于SQL Server/ORACLE環(huán)境下的數據倉庫開發(fā)應用過程 |
1．數據倉庫開發(fā)應用的特點 2．數據倉庫的規(guī)劃過程 3．數據倉庫的概念模型設計 4．數據倉庫的邏輯模型 5. 物理模型的設計 6．基于Sql Server環(huán)境下的數據倉庫的實施過程及特點 |
| 第三部分 數據倉庫的應用與管理 |
1．數據倉庫應用案例 電信、移動、聯(lián)通、銀行、銷售等行業(yè)的應用舉例 2．數據倉庫的運行技術管理 3．SQL SERVER/ORACLE下的數據倉庫的元數據管理 4. 數據倉庫工程中注意事項 |
| 第四部分 ETL應用技術進階 |
1、 ETL發(fā)展背景與大數據下的ETL技術變遷 2、 ETL過程階段重點及注意事項和經驗總結 3、 ETL特性及案例分析，如何高效實現穩(wěn)定性、安全性、可擴展性、健壯性、可維護性、高可用性？ 4、 大數據環(huán)境下的數據倉庫ETL體系結構如何應對變化的需求 5、 如何更好選擇ETL工具，它的評價準則怎樣？ 6、 ETL的管理 1)ETL的數據質量管理 2)ETL的數據集成 3)ETL的元數據 7、 ETL展望 |
| 第五部分：數據挖掘及數據分析技術 |
1、數據挖掘主要分析方法： 1.聚類分析（Clustering） 2.分類分析（Classification） 3.關聯(lián)分析（Association） 4.預測分析（Prediction） 5.回歸分析 6.相關分析 7.數據比較分析 8.數據挖掘的可視化 2、數據挖掘的實施 3、分析圖形： 正態(tài)性檢驗 描述性統(tǒng)計 箱型圖、區(qū)間圖、時序圖 介紹 4、數據挖掘的關鍵技術:數據預處理 5、數據挖掘效果的評估 實踐：SPSS結合相應的分析算法及展示圖形 |
| 第六部分：構建**數據挖掘分析體系 |
1、分析團隊建設 2、分析工作管理 3、數據分析核心能力建設 4、分析工作與業(yè)務協(xié)同 |
| 第七部分.數據挖掘應用 |
1.數據挖掘及管理經驗 2.數據挖掘在金融、電商、運營商行業(yè)領域的應用舉例 2.1 客戶行為與潛在客戶分析 2.2 用戶信用度分析 2.3 趨勢預測 2.4新產品交叉營銷分析 等 3. 結合業(yè)務場景需求，進行數據挖掘實踐: 3.1客戶細分聚類分析實踐 3.2金融貸款防欺詐挖掘分析 3.3金融/電商客戶流失預測挖掘分析 （以上涉及當下主流的聚類、相關、決策樹、神經網絡及回歸分析等數據挖掘算法） |
|
第一部分：數據倉庫的概念深入 1.在大數據環(huán)境下數據倉庫的困境和挑戰(zhàn) 2.數據倉庫的體系結構多樣性解讀 3.數據倉庫與數據挖掘的關系 |
|
第二部分 基于SQL Server/ORACLE環(huán)境下的數據倉庫開發(fā)應用過程 1．數據倉庫開發(fā)應用的特點 2．數據倉庫的規(guī)劃過程 3．數據倉庫的概念模型設計 4．數據倉庫的邏輯模型 5. 物理模型的設計 6．基于Sql Server環(huán)境下的數據倉庫的實施過程及特點 |
|
第三部分 數據倉庫的應用與管理 1．數據倉庫應用案例 電信、移動、聯(lián)通、銀行、銷售等行業(yè)的應用舉例 2．數據倉庫的運行技術管理 3．SQL SERVER/ORACLE下的數據倉庫的元數據管理 4. 數據倉庫工程中注意事項 |
|
第四部分 ETL應用技術進階 1、 ETL發(fā)展背景與大數據下的ETL技術變遷 2、 ETL過程階段重點及注意事項和經驗總結 3、 ETL特性及案例分析，如何高效實現穩(wěn)定性、安全性、可擴展性、健壯性、可維護性、高可用性？ 4、 大數據環(huán)境下的數據倉庫ETL體系結構如何應對變化的需求 5、 如何更好選擇ETL工具，它的評價準則怎樣？ 6、 ETL的管理 1)ETL的數據質量管理 2)ETL的數據集成 3)ETL的元數據 7、 ETL展望 |
|
第五部分：數據挖掘及數據分析技術 1、數據挖掘主要分析方法： 1.聚類分析（Clustering） 2.分類分析（Classification） 3.關聯(lián)分析（Association） 4.預測分析（Prediction） 5.回歸分析 6.相關分析 7.數據比較分析 8.數據挖掘的可視化 2、數據挖掘的實施 3、分析圖形： 正態(tài)性檢驗 描述性統(tǒng)計 箱型圖、區(qū)間圖、時序圖 介紹 4、數據挖掘的關鍵技術:數據預處理 5、數據挖掘效果的評估 實踐：SPSS結合相應的分析算法及展示圖形 |
|
第六部分：構建**數據挖掘分析體系 1、分析團隊建設 2、分析工作管理 3、數據分析核心能力建設 4、分析工作與業(yè)務協(xié)同 |
|
第七部分.數據挖掘應用 1.數據挖掘及管理經驗 2.數據挖掘在金融、電商、運營商行業(yè)領域的應用舉例 2.1 客戶行為與潛在客戶分析 2.2 用戶信用度分析 2.3 趨勢預測 2.4新產品交叉營銷分析 等 3. 結合業(yè)務場景需求，進行數據挖掘實踐: 3.1客戶細分聚類分析實踐 3.2金融貸款防欺詐挖掘分析 3.3金融/電商客戶流失預測挖掘分析 （以上涉及當下主流的聚類、相關、決策樹、神經網絡及回歸分析等數據挖掘算法） |
近期公開課推薦
