課程簡(jiǎn)介
本次培訓(xùn)把SQL SERVER/ORACLE作為數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的數(shù)據(jù)來(lái)源及載體，全面闡述數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)關(guān)系，把數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)及實(shí)現(xiàn)步驟結(jié)合應(yīng)用案例展示數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)過(guò)程和注意事項(xiàng)，并對(duì)數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)過(guò)程和注意事項(xiàng)做深入總結(jié)，方便指導(dǎo)學(xué)員后續(xù)的建模和數(shù)據(jù)倉(cāng)庫(kù)管理工作
目標(biāo)收益
課程中把數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘結(jié)合起來(lái)，數(shù)據(jù)挖掘既可以是獨(dú)立建設(shè)，也可基于數(shù)據(jù)倉(cāng)庫(kù)下的快捷建設(shè)。數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘息息相關(guān)，通過(guò)本課程，可讓學(xué)員對(duì)數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)過(guò)程有更深的認(rèn)識(shí)，同時(shí)學(xué)會(huì)用主流的數(shù)據(jù)挖掘軟件完成數(shù)據(jù)挖掘建模任務(wù)，使學(xué)員掌握數(shù)據(jù)挖掘方法論CRISP-DM的本質(zhì)。在ETL應(yīng)用技術(shù)進(jìn)階過(guò)程講解中，把案例與方法結(jié)合，學(xué)習(xí)既能對(duì)ETL方法有更深的認(rèn)識(shí)也能更好的指導(dǎo)自己的ETL建設(shè)工作。最后通過(guò)幾個(gè)具體的、典型的數(shù)據(jù)挖掘案例，使學(xué)員在掌握這些案例所用的技巧的同時(shí)，充分理解數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)的方法論，通過(guò)舉一反三的效果，提高自己分析問(wèn)題解決問(wèn)題的實(shí)際能力。
培訓(xùn)對(duì)象
數(shù)據(jù)庫(kù)人員
課程大綱
| 第一部分：數(shù)據(jù)倉(cāng)庫(kù)的概念深入 |
1.在大數(shù)據(jù)環(huán)境下數(shù)據(jù)倉(cāng)庫(kù)的困境和挑戰(zhàn) 2.數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)多樣性解讀 3.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的關(guān)系 |
| 第二部分 基于SQL Server/ORACLE環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用過(guò)程 |
1．?dāng)?shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用的特點(diǎn) 2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的規(guī)劃過(guò)程 3．?dāng)?shù)據(jù)倉(cāng)庫(kù)的概念模型設(shè)計(jì) 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)的邏輯模型 5. 物理模型的設(shè)計(jì) 6．基于Sql Server環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程及特點(diǎn) |
| 第三部分 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用與管理 |
1．?dāng)?shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例 電信、移動(dòng)、聯(lián)通、銀行、銷售等行業(yè)的應(yīng)用舉例 2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的運(yùn)行技術(shù)管理 3．SQL SERVER/ORACLE下的數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)管理 4. 數(shù)據(jù)倉(cāng)庫(kù)工程中注意事項(xiàng) |
| 第四部分 ETL應(yīng)用技術(shù)進(jìn)階 |
1、 ETL發(fā)展背景與大數(shù)據(jù)下的ETL技術(shù)變遷 2、 ETL過(guò)程階段重點(diǎn)及注意事項(xiàng)和經(jīng)驗(yàn)總結(jié) 3、 ETL特性及案例分析，如何高效實(shí)現(xiàn)穩(wěn)定性、安全性、可擴(kuò)展性、健壯性、可維護(hù)性、高可用性？ 4、 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)ETL體系結(jié)構(gòu)如何應(yīng)對(duì)變化的需求 5、 如何更好選擇ETL工具，它的評(píng)價(jià)準(zhǔn)則怎樣？ 6、 ETL的管理 1)ETL的數(shù)據(jù)質(zhì)量管理 2)ETL的數(shù)據(jù)集成 3)ETL的元數(shù)據(jù) 7、 ETL展望 |
| 第五部分：數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù) |
1、數(shù)據(jù)挖掘主要分析方法： 1.聚類分析（Clustering） 2.分類分析（Classification） 3.關(guān)聯(lián)分析（Association） 4.預(yù)測(cè)分析（Prediction） 5.回歸分析 6.相關(guān)分析 7.數(shù)據(jù)比較分析 8.數(shù)據(jù)挖掘的可視化 2、數(shù)據(jù)挖掘的實(shí)施 3、分析圖形： 正態(tài)性檢驗(yàn) 描述性統(tǒng)計(jì) 箱型圖、區(qū)間圖、時(shí)序圖 介紹 4、數(shù)據(jù)挖掘的關(guān)鍵技術(shù):數(shù)據(jù)預(yù)處理 5、數(shù)據(jù)挖掘效果的評(píng)估 實(shí)踐：SPSS結(jié)合相應(yīng)的分析算法及展示圖形 |
| 第六部分：構(gòu)建**數(shù)據(jù)挖掘分析體系 |
1、分析團(tuán)隊(duì)建設(shè) 2、分析工作管理 3、數(shù)據(jù)分析核心能力建設(shè) 4、分析工作與業(yè)務(wù)協(xié)同 |
| 第七部分.數(shù)據(jù)挖掘應(yīng)用 |
1.數(shù)據(jù)挖掘及管理經(jīng)驗(yàn) 2.數(shù)據(jù)挖掘在金融、電商、運(yùn)營(yíng)商行業(yè)領(lǐng)域的應(yīng)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(shì)預(yù)測(cè) 2.4新產(chǎn)品交叉營(yíng)銷分析 等 3. 結(jié)合業(yè)務(wù)場(chǎng)景需求，進(jìn)行數(shù)據(jù)挖掘?qū)嵺`: 3.1客戶細(xì)分聚類分析實(shí)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(yù)測(cè)挖掘分析 （以上涉及當(dāng)下主流的聚類、相關(guān)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)及回歸分析等數(shù)據(jù)挖掘算法） |
|
第一部分：數(shù)據(jù)倉(cāng)庫(kù)的概念深入 1.在大數(shù)據(jù)環(huán)境下數(shù)據(jù)倉(cāng)庫(kù)的困境和挑戰(zhàn) 2.數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)多樣性解讀 3.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的關(guān)系 |
|
第二部分 基于SQL Server/ORACLE環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用過(guò)程 1．?dāng)?shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用的特點(diǎn) 2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的規(guī)劃過(guò)程 3．?dāng)?shù)據(jù)倉(cāng)庫(kù)的概念模型設(shè)計(jì) 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)的邏輯模型 5. 物理模型的設(shè)計(jì) 6．基于Sql Server環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程及特點(diǎn) |
|
第三部分 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用與管理 1．?dāng)?shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例 電信、移動(dòng)、聯(lián)通、銀行、銷售等行業(yè)的應(yīng)用舉例 2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的運(yùn)行技術(shù)管理 3．SQL SERVER/ORACLE下的數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)管理 4. 數(shù)據(jù)倉(cāng)庫(kù)工程中注意事項(xiàng) |
|
第四部分 ETL應(yīng)用技術(shù)進(jìn)階 1、 ETL發(fā)展背景與大數(shù)據(jù)下的ETL技術(shù)變遷 2、 ETL過(guò)程階段重點(diǎn)及注意事項(xiàng)和經(jīng)驗(yàn)總結(jié) 3、 ETL特性及案例分析，如何高效實(shí)現(xiàn)穩(wěn)定性、安全性、可擴(kuò)展性、健壯性、可維護(hù)性、高可用性？ 4、 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)ETL體系結(jié)構(gòu)如何應(yīng)對(duì)變化的需求 5、 如何更好選擇ETL工具，它的評(píng)價(jià)準(zhǔn)則怎樣？ 6、 ETL的管理 1)ETL的數(shù)據(jù)質(zhì)量管理 2)ETL的數(shù)據(jù)集成 3)ETL的元數(shù)據(jù) 7、 ETL展望 |
|
第五部分：數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù) 1、數(shù)據(jù)挖掘主要分析方法： 1.聚類分析（Clustering） 2.分類分析（Classification） 3.關(guān)聯(lián)分析（Association） 4.預(yù)測(cè)分析（Prediction） 5.回歸分析 6.相關(guān)分析 7.數(shù)據(jù)比較分析 8.數(shù)據(jù)挖掘的可視化 2、數(shù)據(jù)挖掘的實(shí)施 3、分析圖形： 正態(tài)性檢驗(yàn) 描述性統(tǒng)計(jì) 箱型圖、區(qū)間圖、時(shí)序圖 介紹 4、數(shù)據(jù)挖掘的關(guān)鍵技術(shù):數(shù)據(jù)預(yù)處理 5、數(shù)據(jù)挖掘效果的評(píng)估 實(shí)踐：SPSS結(jié)合相應(yīng)的分析算法及展示圖形 |
|
第六部分：構(gòu)建**數(shù)據(jù)挖掘分析體系 1、分析團(tuán)隊(duì)建設(shè) 2、分析工作管理 3、數(shù)據(jù)分析核心能力建設(shè) 4、分析工作與業(yè)務(wù)協(xié)同 |
|
第七部分.數(shù)據(jù)挖掘應(yīng)用 1.數(shù)據(jù)挖掘及管理經(jīng)驗(yàn) 2.數(shù)據(jù)挖掘在金融、電商、運(yùn)營(yíng)商行業(yè)領(lǐng)域的應(yīng)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(shì)預(yù)測(cè) 2.4新產(chǎn)品交叉營(yíng)銷分析 等 3. 結(jié)合業(yè)務(wù)場(chǎng)景需求，進(jìn)行數(shù)據(jù)挖掘?qū)嵺`: 3.1客戶細(xì)分聚類分析實(shí)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(yù)測(cè)挖掘分析 （以上涉及當(dāng)下主流的聚類、相關(guān)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)及回歸分析等數(shù)據(jù)挖掘算法） |
近期公開(kāi)課推薦
