|
|
|
|
|
|
|
|
|
全部课程 >数据库与大数据 |
|
数据仓库与数据挖掘 |
1168  30
|
|
|
| 地点时间：北京、
上海、深圳根据报名开班 |
| 课程费用：5000元/人 |
|
|
|
| 企业内训：可以根据企业需求,定制内训,详见
内训学习手册 |
|
根据培训需求，课程针对企业长期积累的数据资产，首先构建有效地的数据仓库，然后采用有效的数据挖掘算法进行数据挖掘与分析。关注于：
如何根据数据的设计数据仓库架构
如何选择合理的数据仓库构建过程与工具数据仓库
如何把数据整理并转换到数据仓库
基于业务目标分析数据挖掘指标
围绕数据挖掘指标确定数据项目
为数据挖掘选择合理的算法模式，并具体化为算法
目前有哪些工具支持这些功能，各自的特点是什么，如何选择最有效的。
从业务、工具、应用 、优化多个层次展开讲解，并结合相关的示例。
|
| 培训目标 ： |
数据仓库与数据挖掘概览
√ 数据仓库与数据挖掘概述
√ 数据仓库与数据挖掘的环境与工具概览
数据仓库原理及应用
√ 数据仓库的模型
√ 数据仓库开发应用过程
√ 数据仓库应用与管理
√ 数据仓库开发实例
数据挖掘原理与应用
√ 数据挖掘基本流程
√ 数据挖掘典型参考理论
√ 数据挖掘应用场景（某数据挖掘实际场景回复与剖析）
√ 数据挖据模型设计和算法应用
√ 数据挖掘算法与模型设计
√ 算法的选择与应用
数据仓库与数据挖掘大型案例剖析
|
| 培训对象：数据架构师，数据分析师 |
| 学员基础：了解数据仓库和数据挖掘基础知识 |
| 授课方式：讲师讲授+案例解析+互动交流+现场答疑 |
| 培训内容：2天
|
| 数据仓库与数据挖掘概览 |
| 数据仓库与数据挖掘概述 |
数据仓库的发展与展望
数据仓库的体系结构
数据仓库的参照结构
数据挖掘技术概述
数据挖掘技术与工具
数据挖掘的应用
辨析对数据仓库与挖掘的误解
仓库与数据挖掘的成功因素
数据分析的工作模式
数据挖掘研究方向
数据挖掘应用的热点
|
数据仓库与数据挖掘的环境与工具概览
|
数据仓库架构工具列表、、特点和选择策略
ETL工具列表、特点和选择策略
BI工具列表、特点和选择策略
OLAP工具列表、特点和选择策略
报表工具列表、特点和选择策略
数据挖掘工具列表、特点和选择策略
|
| 数据仓库原理及应用 |
| 数据仓库开发应用过程 |
数据仓库开发应用过程
数据仓库的规划
数据仓库的概念模型设计
数据仓库的逻辑模型设计
数据仓库的物理模型设计
数据仓库的实施
数据仓库的应用、支持和增强
案例实践：数据仓库开发过程
|
| 数据仓库&
数据架构实践 |
结合案例讲解：设计数据架构方法与实践
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。
|
| 数据仓库应用与管理 |
数据仓库用户
数据仓库应用案例
数据仓库的运行技术管理
数据仓库的元数据管理
数据仓库应用中的法律问题
数据仓库的成本与效益分析
案例实践：数据仓库应用与管理
|
| 数据仓库项目案例 |
1、项目介绍
2、数据仓库构建需求
3、数据仓库整体架构设计
4、数据仓库的数据处理
5、数据仓库的应用设计 |
| 数据中台与数据仓库 |
数据中台所需要解决的问题
数据中台和数据仓库的关系
如何基于数据仓库构建数据中台
数据中台应用数据仓库的场景与方法
|
| 数据治理与数据仓库 |
数据治理的需求和常见问题
DAMA BOOK数据治理方法
数据治理的工作
1、如何设计理想的数据基础架构。
2、如何针对各种应用需求，设计数据应用架构模型。
3、如何基于元数据模型定制应用数据模型。
4、如何对数据的存储空间、数据仓库进行规划。
5、如何建立各个数据之间的结构一致性。
6、如何建立各个数据存储空间之间的数据同步。
7、如何对数据的质量进行监控。
数据中台应用数据仓库的场景与方法
|
| 数据挖掘原理与应用 |
| 数据挖掘基本流程 |
确定数据挖掘目标
分解数据挖掘指标
选择数据挖掘算法
确定涉及的原始数据项目和来源
抽取、整理原始数据
使用算法进行数据分析，产生报告
多个数据分析报告对比
优化数据挖掘算法和数据
给出最终的数据分析报告
案例实践：数据挖掘流程指导
|
| 数据挖掘典型参考理论 |
现代企业数据挖掘需求概述
CRISP-DM
SEMMA
其他的数据挖掘方法论
案例实践：数据挖掘方法参考
|
| 数据挖据算法与应用 |
| 解密数据挖掘与数据分析 |
关于大数据的小故事
统计分析、数据挖掘与大数据分析对比
业务问题及数据挖掘的商业价值
辨析对数据挖掘的误解
介绍数据挖掘的成功因素
|
| 统计分析及其应用 |
常用统计分析方法
统计分析应用场景
统计分析应用流程
|
| 回归分析-结合金融行业案例 |
相关分析
线性回归
Logistic回归
金融行业案例分析
|
| 决策树-结合金融行业案例 |
决策树的概述
决策树的基本原理
决策树的常见问题
实际建模中的考虑
金融行业案例分析
|
| 聚类分析-结合金融行业案例 |
聚类与客户细分
聚类的基本原理
聚类结果的评估
金融行业案例分析
|
| 其金融行业他描述性数据挖掘方法 |
面临的多样性数据分析挑战
整体分析思路汇总
关联规则
协调过滤
案例分析与研讨
行业应用趋势和特点
|
| 算法的选择与应用 |
确定挖掘指标特征
分析适用的算法算法
算法对照分析
选择有效地算法
应用算法分析
评估结果
改进算法
案例实践：数据挖掘的算法选择与应用
|
| 数据挖掘项目案例 |
1、项目介绍
2、 使用聚类和决策树算法挖掘客户价值群体
3、 使用关联规则算法挖掘套餐关联
4、 使用时间序列算法分析明年态势
5、 客户流失情况分析
6、 更多业务的数据挖掘模型分析
7、 各种模型之间的对比 |
| 课程总结 |
1、问题解答
2、课程回顾
|
|
| |
|
|
| |
|
|
|
|
1168 次浏览 30 次
|
| 其他人还看了课程 |
|
|
|
|
|
| 咨询目标
|
对客户的数据库进行性能评价，设计优化，管理优化 |
| 咨询范围 |
数据库性能评价，数据库结构优化，数据访问SQL优化。 |
| 咨询方式 |
现有数据库调查，问题诊断，性能评价。
对数据库进行逻辑结构优化，对数据库进行访问SQL优化。
建立数据库运行监控平台。运行监控与优化方法指导。 |
| 成功案例 |
建设银行，中国农业银行，中国工商银行，中航信 |
| 详情咨询：010-62670969， zhgx@uml.net.cn
|
|
|
|
|
|
|
