一.培训目标
　　将数据仓库、决策支持系统这样的一个计算机业界的前沿课题传授给学员，使学员通过本课程的理论培训和实例培训理解数据仓库，了解数据仓库项目的开发过程，为将来参与数据仓库项目奠定坚实的基础。
二.课程介绍
本课程是为那些有兴趣建立或理解数据仓库、决策支持系统的技术人员（包括商业分析员，经济分析员，经理，企业管理者）而开发的高级培训，通过本课程的学习，学员将完全了解数据仓库技术的使用领域，数据仓库技术的发展，数据仓库模型的构建，数据仓库数据ETL过程，数据仓库项目的管理；
三.培训大纲
编号
名称
内容
1.
数据仓库和商业决策的关系
描述当今商业领域BI和数据仓库的角色
描述为什么在线联机系统（OLTP）不能满足决策支持
决策支持系统的数据抽取流程所带来的数据仓库技术
使用数据仓库技术的原因
如何使用数据仓库来加速商业决策和提高决策的质量
介绍一种流行的BI工具Clementine（独立于任何数据库系统）
2.
数据仓库的概念和术语
通用的，被广泛接受的数据仓库定义
独立和非独立的数据集市的不同，适用范围
数据仓库开发的一些主要方法，常用的模型：螺旋模型方法。
3.
设计，分析，和管理数据仓库项目
解释开发和实现数据仓库的财政目的
开发时间的控制。
概述数据仓库项目的关键任务
讨论商业和用户需求的收集
如何标识用户的主要业务，并在短时间实现这一主要业务。
4.
数据仓库建模
讨论数据仓库环境下的数据结构
讨论数据仓库的设计步骤:
–定义商业模型
–定义维度模型
–定义物理模型
–介绍星型模型，简介雪花模型和星座模型
5.
构建数据仓库: 抽取数据简介
构建数据仓库的ETL (Extraction, Transformation, and Loading)概述
ETL任务, 重点和代价
解释如何去检查数据源
Oracle的ETL流程解决方案
6.
元数据简介
数据仓库元数据定义、类型以及在数据仓库环境中的角色
数据仓库元数据的类型
开发元数据的策略等
7.
数据仓库基本概念介绍
数据仓库的基本元素
数据仓库的基本形式
数据仓库的特点
数据仓库的开发特性
8.
定义数据仓库的商业和逻辑模型
讨论企业级的策略分析工作
定义商业模型的各个部分
讨论数据仓库中元数据所扮演的角色，及追踪元数据的方法
定义逻辑模型和实体关系模型
9.
创建维模型
详细介绍星型模型
如何从商业应用中标识事实表和它们的属性（列）
如何从商业应用中标识维表和它们的属性（列）
讨论数据仓库中的层次
讨论数据仓库的分析方法
10.
创建物理模型
如何将维模型转换成物理模型
讨论数据仓库对体系结构的需求
介绍各种硬件体系结构的优缺点
讨论数据仓库所需的数据库服务器特性
11.
物理模型的存储
介绍数据仓库大小的测试技术和测试样品的选取

12.
ETL策略
介绍在构建数据仓库过程中的ETL方法
ETL的常见问题
常用的ETL技术
如何在Oracle，Excel，及Clementine之间交换数据
13.
综合数据的管理
讨论综合数据的管理和Oracle是如何实现的
介绍物化视图和Oracle的自动管理
星型查询的优化，Oracle优化器和查询的自动重写
标识Oracle的维等
14.
Oracle /SQL 对数据仓库的支持
改进了综合语句的功能和效率
同时将数据插入多个表
使用MERGE语句有条件的插入或修改数据
使用WITH子句提高查询效率等
15
案例

联系人：李登超.联系方式：18810047504.电子邮件：[email protected]：1822893902.