入学基础: 1、有一定的数据库设计、开发(使用、维护)经验 2、熟悉SQL(关系型数据库的结构化查询语言) 3、了解所在企业系统的一般应用需求 培训目标: 1、全面掌握微软新一代业务智能平台(SQL Server 2005及其相关 服务组件) 2、理解BI系统的组成原理 3、掌握BI系统的通用设计方法 4、掌握SQL Server 2005 BI平台的体系结构 5、掌握SQL Server 2005 BI平台实现业务智能化的核心方法 6、学习SQL Server 2005 BI平台功能扩展的应用背景和主要途径 7、学习SQL Server 2005 BI平台持续、有效保证业务智能化的原则与技巧 8、了解SQL Server 2005数据挖掘平台及其实际应用 培训课时: 12课时 使用软件:SQL Server 2005集成服务(SSIS)、分析服务(SSAS)、报表服务(SSRS) 动手实验: 1、自顶向下设计多维数据库 2、通过SSIS完成数据抽取、转换,并加载企业数据仓库 3、实现第一个SSAS多维数据库 4、利用多维表达式(MDX)及其查询提升业务分析能力 5、通过SSRS设计、管理多维分析报表 6、案例:SQL Server 2005 商业智能平台如何提升现代商业企业分析决策能力 专题一:ETL设计 (第一天上午) 授课内容 备注 内容一、SSIS 简介 1、控制流介绍 2、数据流介绍 3、事件处理 4、包浏览器 内容二、控制流组件详解 1、循环容器 2、执行SQL任务 3、文件系统任务 4、执行进程任务 5、执行DTS2000包任务 6、脚本任务 7、发送邮件任务 内容三:数据流任务: 1、条件拆分 2、数据转换 3、派生列 4、排序 5、缓慢变化维度 6、合并联接 7、分播 8、查找和模糊查找 9、分组和模糊分组 内容四:创建SSIS包 1、创建控制流任务 2、创建数据流任务 3、使用数据源和数据源视图 4、使用变量 5、使用约束 6、使用表达式 7、使用连接管理器 内容五:管理SSIS包 1、使用日志功能 2、使用配置文件 3、使用检查点 4、使用安全性设置 内容六:监视和优化SSIS包 1、使用数据查看器 2、使用包浏览器 3、SSIS包的性能优化 内容七:SSIS包的安装和部署 1、SSIS包的配置 2、SSIS包的安装 3、SSIS包的部署 内容八:SSIS包程序设计 1、创建SSIS包自定义组件 2、程序调用SSIS包 ETL相关概念,SSIS功能,组件详解和包的安装、配置、管理、部署和二次开发等。 专题二: 构建多维数据库 (第一天下午) 授课内容 备注 内容一:创建多维数据库 1、定义数据源 2、定义数据源视图 3、创建维度 4、创建多维数据集 5、设置量度组成员 内容二:统一维度模型(UDM) 1、定义业务实体 2、定义业务逻辑 3、定义计算成员 内容三:SSAS高级特性 1、维度层次 2、货币转换 3、本地化 4、使用文件夹 5、透视 6、使用Action 7、使用Writeback实现可交互cube 8、关键性能指标(KPI) 内容四:MDX语言 1、MDX概念 2、MDX语法结构 3、MDX的查询功能 4、使用MDX定制商务逻辑 5、MDX复杂案例分析 6、MDX与权限管理 内容五:分析服务的可扩展设计 1、针对VLDB的分区设计、存储设计等 2、AMO介绍 3、XMLA介绍 SSAS相关概念,功能介绍,以及如何搭建cube和SSAS的高级特性、技巧等。 专题三: 前端报表展现分析 (第二天上午 ) 授课内容 备注 内容一:使用Report Model开发报表 1、Report Model介绍 2、创建数据源 3、使用报表控件 4、使用参数 5、使用级连报表 内容二:使用Report Builder开发报表 1、Report Model介绍 2、创建数据源 3、使用向导 4、使用参数 内容三:报表管理 1、权限管理 2、角色定义 3、报表配置 内容四:报表分发和定制 1、报表分发 2、报表定制 内容五:报表服务整合 1、与Microsoft SharePoint Portal Server的整合 2、与ProClarity的整合 3、与Office System等的整合SSRS功能介绍,Report Model,Report Builder等的开发使用,SSRS与第三方软件的比较及集成等。 专题四: 数据挖掘模型介绍 (第二天下午) 授课内容 备注 内容一:SQL Server 2005中九种新型数据 挖掘算法模型 1、 九种挖掘算法模型应用的背景 2、 决策树算法与模型设计 3、 聚类算法与模型设计 4、 关联规则算法与模型设计 5、 贝叶斯算法与模型设计 6、 时间序列算法与模型设计 7、 其他挖掘算法与模型设计 内容二:常用挖掘模型详解 1、决策树算法详解及工具实现 2、聚类算法详解及工具实现 3、关联规则算法详解及工具实现 4、贝叶斯算法详解及工具实现 5、时间序列算法详解及工具实现 6、数据挖掘模型评估 内容三:DMX语言 1、DMX语法结构 2、使用DMX将挖掘结果导出 3、使用DMX进行参数设置 内容四:挖掘模型与SSIS的整合 1、数据挖掘查询任务 2、数据挖掘模型训练任务 3、SSAS处理任务中的挖掘模型处理 内容五:基于挖掘模型的二次开发 1、CS结构的开发 2、BS结构的开发SQL Server 2005中9种挖掘算法介绍,数据挖掘模型介绍和关键挖掘模型详细功能介绍和工具实现。