天天干天天操天天爱-天天干天天操天天操-天天干天天操天天插-天天干天天操天天干-天天干天天操天天摸

零基礎快速掌握BI初級培訓

 

 

一 商業智能概述
1.1 BI產生的背景

1.2 商業智能的定義

1.3 商業智能體系架構

1.4 商業智能實質

1.5 商業智能實施方法論

1.6 商業智能意義

1.7 商業智能的功能

1.8 商業智能的發展趨勢

1.9 商業智能主要開發流程

1.10 商業智能主要的組織機構

二 數據倉庫
2.1 商業智能和數據倉庫的關系

2.2 數據倉庫的定義

2.3 數據倉庫的特點

2.4 數據倉庫和數據庫的區別

2.5 數據倉庫的基本架構

2.6 數據倉庫實施的詳細步驟

2.7 如何提高數據倉庫的性能

三 數據集市
3.1 數據集市的概念

3.2 數據集市產生的原因

3.3 數據集市和數據倉庫的區別

3.4 數據集市和數據倉庫的關系

四 ODS
4.1 ODS的定義

4.2 ODS建設的原因

4.3 ODS的特點

4.4 ODS系統建立之前，存在哪些問題？

4.5 ODS的作用和定位

4.6 數據倉庫和ODS之間的關系

4.7 ODS的實施價值

4.8 ODS和數據倉庫的區別

4.9 ODS 設計原則

4.10 介紹某銀行ODS系統建設背景(案例)

4.11 ODS系統的作用(案例)

4.12 ODS項目建設原因(案例)

4.13 ODS系統建設的方法論(案例)

4.14 ODS數據模型設計思路(案例)

4.15 ODS的關鍵問題(案例)

4.16 項目風險總結(案例)

五、商業智能建模
5.1 數據模型定義

5.2 模型的分類

5.3 模型建設的原因

5.4 數據庫建模理論知識

5.5 數據倉庫建模流程

5.6 數據倉庫模型和數據集市模型設計介紹

5.7 數據集市概念模型－主題設計

5.8 企業模型的意義

5.9 企業數據模型轉換到數據倉庫模型的步驟

5.10 數據模型在數據倉庫架構中所處的位置

5.11 企業級概念數據建模目的

5.12 企業級概念數據建模方法

5.13 企業級概念數據模型設計

5.14 數據主題域劃分

5.15 數據主題域詳細解釋

5.16 邏輯數據模型設計

5.17 完善邏輯模型設計

5.18 企業數據模型到數據倉庫模型設計

5.19 構建企業級數據倉庫五步法

5.20 項目模型實踐技巧

六 OLAP
6.1 OLAP的概念

6.2 鉆取

6.3 旋轉

6.4 切片和切塊

6.5 度量

6.6 ROLAP

6.7 MOLAP

6.8 HOLAP

6.9 OLAP系統與OLTP系統的區別

6.10 OLAP的實現方法

七 聯機分析處理 ETL
7.1 ETL在數據倉庫中的重要地位

7.2 ETL的一般過程

7.3 研究ETL的本質

7.4 詳解ETL過程

7.5 ETL邏輯模塊劃分

7.6 ETL常見錯誤

7.7 ETL數據加載

7.8 ETL運維基礎知識

7.9 ETL海量數據的處理

7.10 使用ETL產品和手工開發的比較

7.11 ETL的過程

7.12 ETL的設計

7.13 ETL執行時的異常處理

八 商業智能數據架構方法論和經典案例
8.1 某商業銀行BI系統信息化總體架構規劃

8.2 元數據管理

8.3 數據質量管理

8.4 數據質量治理流程

8.5 數據質量管理案例

8.6 數據標準管理

8.7 數據標準——實施方法

8.8 主數據管理

8.9 數據安全管理

8.10 系統信息化總體架構規劃步驟方法論

8.11 對現狀的分析

8.12 高階需求分析

8.13 總體架構規劃

8.14 數據架構

8.15 現狀調研分析工作方法

8.16 如何進行數據分類

8.17 數據質量分析

8.18 數據標準問題

8.19 數據生命周期改進意見

8.20 規劃設計原則

8.21 數據分布

8.22 數據分布參考架構

8.23 數據管理

8.24 元數據管理

8.25 數據質量管理

8.26 數據安全管理

8.27 名詞解釋