آموزش جامع هوش تجاری (BI)


عنوان دوره طول دوره زمان برگزاری تاریخ شروع دوره شهریه مشمول تخفیف استاد وضعیت ثبت نام ثبت نام
Business Intelligence using SSAS 2016 (Data Warehousing , OLAP, SSIS & ETL, Data Mining, Presentation) 24 جلسه 72 ساعت یکشنبه از ساعت 17:30 الی 20:30
سه شنبه از ساعت 17:30 الی 20:30
یکشنبه ۱ بهمن ۱۳۹۶ 1,252,000 تومان پرویز آقاصادقی

سرفصل ها و محتوای دوره آموزش Business Intelligence using SSAS 2016 

پیش نیاز : Query نویسی. 

هدف دوره BI:

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

آشنایی با ابزار SSIS درطراحی 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 گزارش های تحلیلی.

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

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

کاربرد: راه اندازی سیستم های BI وساخت داشبوردهای مدیریتی.


سرفصل دوره BI:

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

Implementing Power BI Dashboards

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