oracle数据仓库培训
oracle数据仓库培训
课程目标
     使学员通过学习数据仓库课程深入了解构建数据仓库的基础知识，以及维度建模的方法，ETL开发技术等。通过实践案例了解数据仓库设计和实现过程。通过Oracle商务智能工具学习维度建模技术。
课程大纲
时间
内容
大纲
第一部分上
数据仓库和商业决策的关系
     描述当今商业领域BI和数据仓库的角色
     描述为什么在线联机系统（OLTP）不能满足决策支持
     决策支持系统的数据抽取流程所带来的数据仓库技术
     使用数据仓库技术的原因
     如何使用数据仓库来加速商业决策和提高决策的质量
数据仓库的概念和术语
     通用的，被广泛接受的数据仓库定义
     独立和非独立的数据集市的不同，适用范围
     数据仓库开发的一些主要方法
     介绍一种常用的模型：螺旋模型方法。
设计，分析，和管理数据仓库项目
     解释开发和实现数据仓库的财政目的
     开发时间的控制
     概述数据仓库项目的关键任务
     讨论商业和用户需求的收集
     如何标识用户的主要业务，并在短时间实现这一主要业务
第一部分下
数据仓库建模
     讨论数据仓库环境下的数据结构
     定义商业模型
     定义维度模型
     定义物理模型
     介绍星型模型，简介雪花模型和星座模型
构建数据仓库: 抽取数据简介
     构建数据仓库的ETL (Extraction, Transformation, and Loading)概述
     ETL任务, 重点和代价
     解释如何去检查数据源
     Oracle的ETL流程解决方案
 
答疑
第二部分上
元数据简介
     数据仓库元数据定义、类型以及在数据仓库环境中的角色
     数据仓库元数据的类型
     开发元数据的策略等
数据仓库基本概念介绍
     数据仓库的基本元素
     数据仓库的基本形式
     数据仓库的特点
     数据仓库的开发特性
     数据仓库与决策支持系统
     数据仓库与数据集市
定义数据仓库的商业和逻辑模型
     讨论企业级的策略分析工作
     定义商业模型的各个部分
     讨论数据仓库中元数据所扮演的角色，及追踪元数据的方法
     定义逻辑模型和实体关系模型
第二部分下
创建维模型
     详细介绍星型模型
     如何从商业应用中标识事实表和它们的属性（列）
     如何从商业应用中标识维表和它们的属性（列）
     讨论数据仓库中的层次
     讨论数据仓库的分析方法
创建物理模型
     如何将维模型转换成物理模型
     讨论数据仓库对体系结构的需求
     介绍各种硬件体系结构的优缺点
     讨论数据仓库所需的数据库服务器特性
物理模型的存储
     介绍数据仓库大小的测试技术和测试样品的选取
     介绍数据仓库索引的类型和策略
     讨论数据仓库的表空间特性和策略
     讨论数据仓库中表和索引的分区方法