课程培训
数据治理与数据仓库建模培训课程

 

培训目标:
通过培训,学员可以理解并掌握如下技能:
  • 如何对企业的现有复杂的数据进行分析、建模,诊断数据存在的风险和问题
  • 如何设计理想的数据基础架构,包括:元数据模型,元数据类型。
  • 如何针对各种应用需求,设计数据应用架构模型,包括:数据模型,数据类型。
  • 如何基于元数据模型定制应用数据模型
  • 如何对数据的存储空间、数据仓库进行规划,以便容纳不断增长的数据量。
  • 如何建立各个数据之间的结构一致性,
  • 如何建立各个数据存储空间之间的数据流,包括:数据同步和数据备档。
  • 如何对数据的质量进行监控,包括:建立数据质量质量,监控方法和工具。
培训模块 培训内容
数据治理概览
  • 什么是数据治理
  • 为什么要进行数据治理
  • 数据治理都有哪些工作
    • 如何设计理想的数据基础架构。
    • 如何针对各种应用需求,设计数据应用架构模型。
    • 如何基于元数据模型定制应用数据模型。
    • 如何对数据的存储空间、数据仓库进行规划。
    • 如何建立各个数据之间的结构一致性,
    • 如何建立各个数据存储空间之间的数据同步。
    • 如何对数据的质量进行监控。
  • 某企业数据整理实例回顾与分析
现有的数据建模与问题诊断
结合案例讲解:现有数据建模和诊断
  • 现有的数据调查
  • 数据现状建模
  • 数据问题诊断与分析
  • 确定数据整理的目标
  • 确定数据治理的策略
设计数据架构框架 结合案例讲解:设计数据架构框架方法与实践
    数据架构的构成:
    • 元数据层
    • 数据规范层
    • 数据应用层
  • 建立元数据层框架
  • 建立数据规范
  • 简历数应用层框架
元数据的定义与设计 结合案例讲解:元数据的定义与设计方法与实践
  • 元数据的定义
  • 元数据的使用场景
  • 元数据的分类
  • 如何从现有业务数据中提炼元数据
  • 元数据的分类
  • 元数据的聚集
  • 元数据的关系建模
  • 元数据的结构建模
  • 元数据的存储设计
  • 元数据的管理方法
  • 建立从元数据到应用数据的配置过程指南
主数据的结构治理 结合案例讲解:主数据的结构治理方法与实践
  • 什么是主数据
  • 结合实例讲解主数据的建立方法:
    • 如何基于业务识别主数据识别
    • 主数据的关系建模
    • 主数据的结构建模
    • 如何基于元数据配置主数据结构
    • 主数据的逻辑设计
    • 主数据的物理设计
    • 主数据的管理方法
    • 主数据管理系统和技术支持架构
    • 多个主题数据的集成方法
    主数据案例练习与讨论
数据标准的指定 结合案例讲解:数据标准的指定的方法与实践
  • 数据标准定义
  • 数据标准管理规范
  • 数据标准建设模型,过程
  • 案例介绍
数据质量的评价与优化 结合案例讲解:数据质量的评价与优化的方法与实践
  • 控制数据质量的方法
  • 数据质量管理模型
  • 数据知识库
  • 利用知识库对数据进行清洗,匹配
  • 自动化进行数据质量控制的方法
  • 数据质量产品介绍
数据采集 结合案例讲解:数据采集的方法与实践
  • 数据采集方法
  • 数据采集常用工具讲解,SSIS,Kettle
  • 实时数据采集
  • 数据采集定期自动化
  • 数据采集日志和错误管理方法
数据存储空间的治理 结合案例讲解:数据存储空间的治理的方法与实践
  • 数据存储空间典型的划分模式
  • 数据存储空间要考虑的问题
  • 如何分析数据容量增长需求规划数据存储空间策略
  • 典型的数据存储空间治理原则
  • 各个数据存储空间之间的数据同步策略
  • 数据仓库的数据备档和应用分析设计
数据扩展设计 结合案例讲解:数据扩展设计的方法与实践
  • 数据存在哪些扩展需求
  • 数据扩展带来的变更成本分析
  • 数据扩展对业务和应用的影响分析
  • 数据结构扩展的设计方法
  • 数据容量的扩展设计方法
  • 如何建立具有可持续扩展能力的数据架构
数据安全设计 结合案例讲解:数据安全设计的方法与实践
  • 数据安全管理范围
  • 分析整个数据架构存在哪些安全风险
  • 数据安全的建模
  • 数据资源使用场景分析
  • 数据入侵的风险和检测方法
  • 数据并发造成的不一致问题
  • 数据安全设计原则
  • 数据安全的典型处理策略
  • 数据安全技术架构
  • 数据安全生命周期管理
数据仓库的建模与设计 结合案例讲解:数据仓库的建模与设计的方法与实践
数据仓库的建模方法
  • 数据仓库模型解决什么问题?
  • 数据仓库环境的数据结构是什么?
  • 为什么多维模型是整个数据仓库的模型基础?
  • 数据仓库中还需要E-R模型吗?
  • 星型模式解决的问题
  • 雪花模式解决的问题
结合案例讲解:元数据的定义与设计方法与实践
数据仓库的设计
  • 如何从分析业务
  • 定义业务模型
  • 执行策略分析的方法
  • 使用业务处理矩阵分析业务模型
  • 如何从业务中识别业务测量指标和维
  • 如何定义颗粒度
  • 确定业务定义和规则的重要性
  • 编制元数据
  • 业务元数据元素
数据建模的逻辑模型 结合案例讲解:数据建模的逻辑模型方法与实践
数据建模逻辑模型
  • 定义逻辑模型
  • 定义维模型
  • 星型维模式
  • 星型维模式优点
  • 实事表的特征
  • 非可加性事实和半可加性事实的设计方法
  • 事实表事实如何选取
  • 识别基本事实指标和驱动事实指标
  • 维表特点
  • 缓慢变化维
  • 数据库键类型
  • 定义维的层次
  • 明细业务事实粒度选取
  • 如何对事实进行汇总
  • 数据钻取
数据建模的物理模型 结合案例讲解:数据建模的物理模型的方法与实践
数据建模物理模型
  • 定义物理模型
  • 转换维模型到物理模型
  • 物理模型架构要求
  • 硬件设计(cpu架构,ssd,?内存)
  • 大数据存储设计和性能设计
  • 大数据评估数据库容量
  • 大数据数据分区优化技术
  • 大数据索引优化设计
  • 星型查询优化
  • 大数据并行数据处理优化技术
  • 大数据使用聚合优化技术
  • 设计数据仓库的安全性
数据治理案例介绍
  • 案例介绍
  • 案例需求分析
  • 数据仓库设计与数据治理



如果您想学习本课程,请预约报名
如果没找到合适的课程或有特殊培训需求,请订制培训
除培训外,同时提供相关技术咨询与技术支持服务,有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击

服务优势:
丰富专家资源,精准匹配相关行业,相关项目技术精英,面向用户实际需求,针对性培训或咨询,互动式交流,案例教学,精品小班,实际工程项目经验分享,快捷高效,节省时间与金钱,少走弯路与错路。

专家力量:
中国科学院相关研究所高级研究人员
西门子,TI,vmware,MSC,Ansys,MDI,Mentor, candence,Altium,Atmel 、Freescale,达索,华为等
大型公司高级工程师,项目经理,技术支持专家
中科信软培训中心,资深专家或讲师
大多名牌大学,硕士以上学历,相关学历背景专业,理论素养高
多年实际项目实践,大型复杂项目实战案例分享,热情,乐于技术分享
针对客户实际需要,真实案例演示,互动式沟通,学有所值
报名表下载
联系我们 更多>>

咨询电话010-62883247

                4007991916

咨询邮箱:soft@info-soft.cn  

 

微信号.jpg

  微信咨询

随时听讲课

聚焦技术实践

订制培训 更多>>