“數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”培訓(xùn)課程

一、培訓(xùn)對象

數(shù)據(jù)倉庫管理人員、建模人員，分析人員和開發(fā)人員、系統(tǒng)管理人員、數(shù)據(jù)庫管理人員以及對數(shù)據(jù)倉庫感興趣的其他人員。

 

二、師資

楊老師：中科院計算所培訓(xùn)中心高級講師，主要研究方向為網(wǎng)絡(luò)信息分析以及云計算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。

 

三、培訓(xùn)內(nèi)容

1、數(shù)據(jù)倉庫原理及聯(lián)機分析技術(shù)介紹

Ø 數(shù)據(jù)倉庫結(jié)構(gòu)體系，數(shù)據(jù)倉庫數(shù)據(jù)模型

Ø 數(shù)據(jù)抽取、轉(zhuǎn)換和裝載，元數(shù)據(jù)管理

Ø OLAP概念及其數(shù)據(jù)模型

Ø 多維數(shù)據(jù)的顯示

2、數(shù)據(jù)倉庫設(shè)計與開發(fā)

Ø 數(shù)據(jù)倉庫分析與設(shè)計

Ø 數(shù)據(jù)倉庫開發(fā)過程

Ø 數(shù)據(jù)倉庫技術(shù)與開發(fā)的困難

Ø OLAP的多維數(shù)據(jù)分析

3、基于數(shù)據(jù)倉庫的決策支持系統(tǒng)

Ø 基于數(shù)據(jù)倉庫的查詢與報表

Ø 多維分析與原因分析

Ø 實時決策與預(yù)測未來

Ø 自動決策及其應(yīng)用介紹

4、數(shù)據(jù)倉庫案例剖析

Ø 移動運營商的客戶投訴聯(lián)機分析，基于Business Intelligence Dev Studio

Ø 通過對客戶投訴詳單，設(shè)計相應(yīng)的投訴模型，建立其相應(yīng)的維度，事實表等

Ø 通過對客戶投訴進(jìn)行分類，發(fā)現(xiàn)其中的共同點以及差異，方便制定相應(yīng)計劃

Ø 積極的應(yīng)對客戶投訴，對客戶投訴進(jìn)行監(jiān)控，及時對可能導(dǎo)致的客戶進(jìn)行挽留

Ø 某公司數(shù)據(jù)倉庫決策支持系統(tǒng)

Ø 統(tǒng)計業(yè)數(shù)據(jù)倉庫系統(tǒng)

Ø 沃爾瑪數(shù)據(jù)倉庫系統(tǒng)

5、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

Ø 數(shù)據(jù)挖掘的任務(wù)與對象

Ø 數(shù)據(jù)挖掘方法

Ø 數(shù)據(jù)挖掘相關(guān)技術(shù)

6、關(guān)聯(lián)分析算法及其案例

Ø 關(guān)聯(lián)規(guī)則的分類

Ø Aprior算法詳解

Ø 從頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則

Ø 基于Climentine的購物籃實例分析-

7、聚類分析算法及其案例

Ø 聚類分析的概念

Ø 主要的聚類方法

Ø K-means算法詳解

Ø 基于Climentine的用戶數(shù)據(jù)聚類實例-

8、其它數(shù)據(jù)挖掘算法介紹

Ø 決策樹算法 

l ID3算法

l 由決策樹提取分類規(guī)則

l 基于Climentine的決策樹分析實例

Ø 神經(jīng)網(wǎng)絡(luò)算法 

l 神經(jīng)網(wǎng)絡(luò)的概念

l 網(wǎng)絡(luò)拓?fù)浼捌渌惴?/p>

l 基于Climentine的神經(jīng)網(wǎng)絡(luò)分析實例