BDM131:数据仓库模型建设与数据挖掘实战

开班计划时间:18 小时
  • 具体开课时间请咨询课程顾问
预约试听 马上咨询
课程介绍
适用对象:
学习收获:能够进行建模和数据仓库管理工作 、对ETL有更深入的认识及对方法的掌握 、充分理解数据挖掘和数据仓库的方法论 、提高自己分析问题解决问题的实际能力
详细大纲
1 数据仓库的概念深入
1.1 在大数据环境下数据仓库的困境和挑战
1.2 数据仓库的体系结构多样性解读
1.3 数据仓库与数据治理及ETL架构的关系
1.4 MPP数据库的特点及架构介绍
2 数据架构与数据模型概述
2.1 数据库架构的特点
2.2 业务架构需要包含的要素
2.3 数据模型和多维模型的特点及区别
2.4 业务模型和数据模型的分界点与不同
3 企业数据模型介绍
3.1 数据模型设计的原则及目标
3.2 概念模型的介绍
3.3 逻辑模型的介绍
3.4 物理模型的介绍
4 数据仓库开发应用过程
4.1 数据仓库开发应用的特点
4.2 数据仓库的规划过程
4.3 不同模型设计下数据治理的优缺点及如何做好模型设计
5 ETL应用技术进阶
5.1 ETL发展背景与大数据下的ETL技术变迁
5.2 ETL体系架构的模型及模式比较(同构体、异构体)
5.3 ETL过程阶段重点(清洗、加载、转换)及注意事项和经验总结
5.4 ETL特性及案例分析,如何高效实现稳定性、安全性、可扩展性、健壮性、可维护性、高可用性?
5.5 大数据环境下的数据仓库ETL体系结构如何应对变化的需求
5.6 如何更好选择ETL工具,它的评价准则怎样?
5.7 ETL的管理
5.8 ETL的场景实例
5.9 各产商提供ETL技术比拼
5.10 ETL展望
6 从案例实践学习SQL优化及数据仓库开发技巧
6.1 Oracle环境下的数据仓库开发特点
6.2 从案例推导优化的总体思路与误区
6.3 从案例中探寻表设计、架构设计对SQL优化的重要性
6.4 从案例中探讨该如何分析读懂析执行计划
6.5 数据仓库的性能设计
7 结合案例学习数据挖掘及数据分析技术
7.1 数据挖掘主要分析方法
7.2 数据挖掘的实施
7.3 分析图形: 正态性检验 描述性统计 箱型图、区间图、时序图 介绍
7.4 数据挖掘的关键技术:数据预处理
7.5 数据挖掘效果的评估
8 数据仓库环境下的数据挖掘应用
8.1 数据挖掘及管理经验
8.2 数据挖掘在金融、电商、运营商行业领域的应用举例
8.3 结合业务场景需求,进行数据挖掘实践
课程评价

课程评价({{EvaluationTotal}})

课程满意度

评价

您还没有给课程评分哦

满意度

    追加评价:

课程咨询
内容:

您还没有填写内容!

暂无问答,赶紧去提问吧
{{item.AnswerState==1?"已解决":"未解决"}}
{{item.Content}}
{{item.StudentAskTime}}
{{itemanswer.UserName}}
{{itemanswer.Content}}
{{itemanswer.StudentAskTime}}
同类课程推荐 more
嘉为大讲堂 more
原创文章 more

您好! 欢迎来到学领未来 !

学领未来提供线上及线下的学习服务,根据您的位置,为您推荐最近的线下培训地点 分站,你选择: