数据仓库与数据挖掘

随着近年来数据资源的日益丰富，从数据资源提取信息和知识进行辅助决策非常必要。如何从企业内部众多的信息系统中提取真正反映企业运营状况的有效信息资源、深入挖掘价值客户信息，从而提高经营管理决策的支撑能力和快速响应能力，以期对纷繁变化的市场和竞争对手有足够的洞察力、掌控力和预判力，成为企业下一阶段信息系统建设的目标和方向。而这一目标正是要靠IT领域中的数据仓库和商务智能技术来实现和达到。

本次培训重在突出数据仓库与数据挖掘决策支持的本质，介绍数据挖掘的各种方法、技术实现手段，通过对实例的深入剖析解释它们的原理。

 

一、培训对象

数据仓库管理人员、建模人员，分析人员和开发人员、系统管理人员、数据库管理人员以及对数据仓库感兴趣的其他人员。

 

二、师资

杨老师：中科院计算所培训中心高级讲师，主要研究方向为网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，具有丰富的工程实践及软件研发经验。

 

三、培训内容

1、数据仓库原理及联机分析技术介绍

Ø  数据仓库结构体系，数据仓库数据模型

Ø  数据抽取、转换和装载，元数据管理

Ø  OLAP概念及其数据模型

Ø  多维数据的显示

2、数据仓库设计与开发

Ø  数据仓库分析与设计

Ø  数据仓库开发过程

Ø  数据仓库技术与开发的困难

Ø  OLAP的多维数据分析

3、基于数据仓库的决策支持系统

Ø  基于数据仓库的查询与报表

Ø  多维分析与原因分析

Ø  实时决策与预测未来

Ø  自动决策及其应用介绍

4、数据仓库案例剖析

Ø  移动运营商的客户投诉联机分析，基于Business Intelligence Dev Studio

Ø  通过对客户投诉详单，设计相应的投诉模型，建立其相应的维度，事实表等

Ø  通过对客户投诉进行分类，发现其中的共同点以及差异，方便制定相应计划

Ø  积极的应对客户投诉，对客户投诉进行监控，及时对可能导致的客户进行挽留

Ø  某公司数据仓库决策支持系统

Ø  统计业数据仓库系统

Ø  沃尔玛数据仓库系统

5、数据挖掘与知识发现

Ø  数据挖掘的任务与对象

Ø  数据挖掘方法

Ø  数据挖掘相关技术

6、关联分析算法及其案例

Ø  关联规则的分类

Ø  Aprior算法详解

Ø  从频繁项集产生关联规则

Ø  基于Climentine的购物篮实例分析-

7、聚类分析算法及其案例

Ø  聚类分析的概念

Ø  主要的聚类方法

Ø  K-means算法详解

Ø  基于Climentine的用户数据聚类实例-

8、其它数据挖掘算法介绍

Ø  决策树算法

l  ID3算法

l  由决策树提取分类规则

l  基于Climentine的决策树分析实例

Ø  神经网络算法

l  神经网络的概念

l  网络拓扑及其算法

l  基于Climentine的神经网络分析实例