曙海教学优势
本课程面向企事业项目实际需要,秉承二十一年积累的教学品质，DM（数据建模）/ DW（数据仓库）建模和ETL方法培训课程以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用技巧、经验。线上/线下/上门皆可,DM（数据建模）/ DW（数据仓库）建模和ETL方法培训课程专家,课程可定制,热线:4008699035。
大批企业和曙海
建立了良好的合作关系,合作企业30万+。曙海的课程培养了大批受企业欢迎的工程师。曙海的课程在业内有着响亮的知名度。
| 第一部分：数据仓库的概念深入 | 1.在大数据环境下数据仓库的困境和挑战 2.数据仓库的体系结构多样性解读 3.数据仓库与数据挖掘的关系 |
| 第二部分 基于SQL Server环境下的数据仓库开发应用过程 | 1．SQL Server下的数据仓库开发应用的特点 2．数据仓库的规划过程 3．数据仓库的概念模型设计 4．数据仓库的逻辑模型 5. 物理模型的设计 6．基于Sql Server环境下的数据仓库的实施过程及特点 |
| 第三部分 数据仓库的应用与管理 | 1．数据仓库应用案例 电信、移动、联通、银行、销售等行业的应用举例 2．数据仓库的运行技术管理 3．SQL SERVER下的数据仓库的元数据管理 4. 数据仓库工程中注意事项 |
| 第四部分 SQL SERVER下的ETL应用技术进阶 | 1、 ETL发展背景与大数据下的SQL SERVER 的ETL技术变迁 2、 ETL过程阶段重点及注意事项和经验总结 3、 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？ 4、 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、 如何更好选择ETL工具，它的评价准则怎样？ 6、 SQL SERVER 环境下的ETL的管理 1)ETL的数据质量管理 2)ETL的数据集成 3)ETL的元数据 7、 ETL展望 |
| 第五部分：数据挖掘及数据分析技术 | 1.数据挖掘主要分析方法： 1.聚类分析（Clustering） 2.分类分析（Classification） 3.关联分析（Association） 4.预测分析（Prediction） 5.回归分析 6.相关分析 7.数据比较分析 8.数据挖掘的可视化 2.数据挖掘的实施 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 4.数据挖掘的关键技术:数据预处理 5.数据挖掘效果的评估 实践：SPSS结合相应的分析算法及展示图形 |
| 第六部分：构建**数据挖掘分析体系 | 1、分析团队建设 2、分析工作管理 3、数据分析核心能力建设 4、分析工作与业务协同 |
| 第七部分.数据挖掘应用 | 1.数据挖掘及管理经验 2.数据挖掘在金融、电商、运营商行业领域的应用举例 2.1 客户行为与潜在客户分析 2.2 用户信用度分析 2.3 趋势预测 2.4新产品交叉营销分析 等 3. 结合业务场景需求，进行数据挖掘实践: 1.客户细分聚类分析实践 2.金融贷款防欺诈挖掘分析 3.金融/电商客户流失预测挖掘分析 （以上涉及当下主流的聚类、相关、决策树、神经网络及回归分析等数据挖掘算法） |
