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 ۲۶ دی ۱۳۹۵ 1,138,000 تومان پرویز آقاصادقی
22 جلسه 66 ساعت یکشنبه از ساعت 17:30 الی 20:30
سه شنبه از ساعت 17:30 الی 20:30
یکشنبه ۳ 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