5
（9653人評(píng)價(jià)）
筆記：(65387)
學(xué)員：(217537)
瀏覽：(277013)
曙海教學(xué)優(yōu)勢(shì)
本課程面向企事業(yè)項(xiàng)目實(shí)際需要,秉承二十一年積累的教學(xué)品質(zhì)，DM（數(shù)據(jù)建模）/ DW（數(shù)據(jù)倉(cāng)庫(kù)）建模和ETL方法培訓(xùn)課程-以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。線上/線下/上門(mén)皆可,DM（數(shù)據(jù)建模）/ DW（數(shù)據(jù)倉(cāng)庫(kù)）建模和ETL方法培訓(xùn)課程-專家,課程可定制,熱線:4008699035。
曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬(wàn)+。
| 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環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用過(guò)程 | 1．SQL Server下的數(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 SQL SERVER下的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SQL SERVER 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、 SQL SERVER 環(huán)境下的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`: 1.客戶細(xì)分聚類分析實(shí)踐 2.金融貸款防欺詐挖掘分析 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）? |
