Business Intelligence using SSAS 2016 (Data Warehousing , OLAP, SSIS & ETL, Data Mining, Presentation)


طول دوره زمان برگزاری تاریخ شروع دوره شهریه استاد ثبت نام
22 جلسه 66 ساعت یکشنبه از ساعت 17:30 الی 20:30
سه شنبه از ساعت 17:30 الی 20:30
یکشنبه ۱۷ اردیبهشت ۱۳۹۶ 1,138,000 تومان پرویز آقاصادقی

  • سرفصل ها و محتوای دوره آموزش هوش تجاری فشرده

پیش نیاز : تسلط به SQL Server DB Engine  و توان نوشتن گزاره های T-SQL

هدف دوره: آشنایی با طراحی و پیاده سازی Data Warehouse بصورت Subject Oriented.

آشنایی با ابزار SSIS در طراحی و پیاده سازی فرآیند ETL (Extract / Transform / Load) جهت جمع آوری، یکسان سازی، تجمیع و بارگذاری داده ها در انباره داده.

آشنایی با ابزار SSAS جهت طراحی و پیاده سازی یک ساختار چند بعدی جهت آنالیز داده ها و چگونگی نگارش گزاره های تحلیلی.

آشنایی با ابزار SSRS, Excel, Power View for Excel جهت ساخت گزارشات داشبوردی.

آشنایی مقدماتی با چگونگی ایجاد ساختارها و مدل های داده کاوی جهت انجام تحلیل های پیشرفته تر.

کاربرد در:  راه اندازی سیستم های BI و ساخت داشبوردهای مدیریتی


سرفصل دوره:

  Data Warehouse Design (6 Hours)

   Understanding BI

  Understanding Data Warehouse Design

   Stages of Making a BI System

   Designing Data Warehouse

  OLAP Modeling

         Star Schema

         Snowflake Schema

       Constellation Schema

  Designing Dimension

  Designing Fact

 Extract, Transform & Load Data (15 Hours)

   Introduction to SSIS

   Getting Started

  Creating SSIS Packages and Data Sources

  Creating and Editing Control Flow Objects

  Using the Maintenance Plan Tasks

  Using Containers

  Sequence Container

  For Loop Container

  Foreach Loop Container

  Using Expressions & Variables

  Using Parameters

  Loading a Data Warehouse

   Data Extraction

   Data Transformation

          Changing Data Types with the Data Conversion Transform

          Creating Columns with the Derived Column Transform

          Rolling Up Data with the Aggregate Transform

          Ordering Data with the Sort Transform

          Joining Data using Lookup/Merge Join

          Combining Multiple Inputs with the Union All

          Auditing Data with the Row Count Transform

          Separating Data with the Conditional Split Transform

          Altering Rows with the OLE DB Command Transform

          Using Cache Transform Component

   Dimension Table Loading

   Using SCD(Slowly Changing Dimensions)

   Fact Table Loading

   Using CDC(Change Data Capture)

   SSAS Processing

 Implementing Multi-Dimensional Model (24 Hours)

   Designing DSV(Data Source View)

   Dimensions: Attributes & Members

   Dimensions: Hierarchies

   Measure Group & Measures

   Demonstrate Using Excel Pivot Table

   Advanced Dimension Designing

   Introduction to MDX language (Multi-Dimensional Expressions)

  MDX Query

  MDX Expressions

 Using Calculations

  Calculated Member

  Named Set

  Script Command

 Implementing KPI

 Adding Translation

 Using Perspectives

 Managing Data Warehouse

  Elementary Partitioning

  Elementary Processing

  Deployment

 Managing Security

  Implementing Tabular Model (6 Hours)

 Tabular Model Concepts

  Tabular Model Concepts

  Comparison of Multidimensional and Tabular Models

 Tabular Model Implementation

  Fetching the Data

  Designing Data Model

  Introduction to DAX language (Data Analysis Expressions)

  Demonstrate Using Excel Pivot Table

  Implementing KPI

  Implementing Hierarchy

  Using Perspectives

  Managing Data Warehouse

         Elementary Partitioning

         Elementary Processing

         Deployment

 Managing Security

  Self Service BI (Power Pivot)

                  Self Service BI Concepts

                 Power Pivot Implementation Using Excel

    Reporting & Dashboard Design (6 Hours)

   Configuring SSRS

   Implementing Reports

   Implementing Parameterized Reporting

   Implementing Graphical Dashboard

   Implementing Power View for Excel

 Elementary Data Mining (9 Hours)

         Understanding Data Mining

         Data Mining in Excel using the Table Analyze Ribbon

                Analyze Key Influencer

                 Detect Categories

                 Fill From Example

                 Forecasting

                 Highlight Exceptions

                 Scenario Analysis

                            Goal Seek

                            What-If

                 Prediction Calculator

                 Shopping Basket Analysis

     Data Mining Concepts

                 The Data Mining Process

                 Understanding Key Concepts

                                  Attribute

                                  State

                                  Case

                                  Keys

                                  Inputs & Outputs

        Implementing Mining Structure

                 Implementing Case Table

                 Implementing Nested Table

                 Partitioning Sets

      Implementing Mining Model

                 Introduction to Data Mining Algorithms

        Browsing & Querying Mining Models

                 Using Mining Model Viewer

                 Elementary Prediction with Mining Model Predictions

        Data Mining Client in Excel using the Data Mining Ribbon