第一部分：數(shù)據(jù)倉(cāng)庫(kù)的概念深入

1.在大數(shù)據(jù)環(huán)境下數(shù)據(jù)倉(cāng)庫(kù)的困境和挑戰(zhàn)
2.數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)多樣性解讀
3.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的關(guān)系

第二部分 基于SQL Server環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用過(guò)程

1．SQL Server下的數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)應(yīng)用的特點(diǎn)
2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的規(guī)劃過(guò)程
3．?dāng)?shù)據(jù)倉(cāng)庫(kù)的概念模型設(shè)計(jì)
4．?dāng)?shù)據(jù)倉(cāng)庫(kù)的邏輯模型
5. 物理模型的設(shè)計(jì)
6．基于Sql Server環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程及特點(diǎn)

第三部分 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用與管理

1．?dāng)?shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例
電信、移動(dòng)、聯(lián)通、銀行、銷(xiāo)售等行業(yè)的應(yīng)用舉例
2．?dāng)?shù)據(jù)倉(cāng)庫(kù)的運(yùn)行技術(shù)管理
3．SQL SERVER下的數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)管理
4. 數(shù)據(jù)倉(cāng)庫(kù)工程中注意事項(xiàng)

第四部分 SQL SERVER下的ETL應(yīng)用技術(shù)進(jìn)階

1、 ETL發(fā)展背景與大數(shù)據(jù)下的SQL SERVER 的ETL技術(shù)變遷
2、 ETL過(guò)程階段重點(diǎn)及注意事項(xiàng)和經(jīng)驗(yàn)總結(jié)
3、 ETL特性及案例分析，如何高效實(shí)現(xiàn)穩(wěn)定性、安全性、可擴(kuò)展性、健壯性、可維護(hù)性、高可用性？?
4、 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)倉(cāng)庫(kù)ETL體系結(jié)構(gòu)如何應(yīng)對(duì)變化的需求?
5、 如何更好選擇ETL工具，它的評(píng)價(jià)準(zhǔn)則怎樣？?
6、 SQL SERVER 環(huán)境下的ETL的管理?
1)ETL的數(shù)據(jù)質(zhì)量管理
2)ETL的數(shù)據(jù)集成
3)ETL的元數(shù)據(jù)
7、 ETL展望?

第五部分：數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù)

1.數(shù)據(jù)挖掘主要分析方法：
1.聚類(lèi)分析（Clustering）
2.分類(lèi)分析（Classification）
3.關(guān)聯(lián)分析（Association）
4.預(yù)測(cè)分析（Prediction）
5.回歸分析
6.相關(guān)分析
7.數(shù)據(jù)比較分析?
8.數(shù)據(jù)挖掘的可視化?
2.數(shù)據(jù)挖掘的實(shí)施
3.分析圖形： 正態(tài)性檢驗(yàn) 描述性統(tǒng)計(jì) 箱型圖、區(qū)間圖、時(shí)序圖 介紹
4.數(shù)據(jù)挖掘的關(guān)鍵技術(shù):數(shù)據(jù)預(yù)處理
5.數(shù)據(jù)挖掘效果的評(píng)估
實(shí)踐：SPSS結(jié)合相應(yīng)的分析算法及展示圖形

第六部分：構(gòu)建**數(shù)據(jù)挖掘分析體系

1、分析團(tuán)隊(duì)建設(shè)
2、分析工作管理
3、數(shù)據(jù)分析核心能力建設(shè)
4、分析工作與業(yè)務(wù)協(xié)同

第七部分.數(shù)據(jù)挖掘應(yīng)用

1.數(shù)據(jù)挖掘及管理經(jīng)驗(yàn)
2.數(shù)據(jù)挖掘在金融、電商、運(yùn)營(yíng)商行業(yè)領(lǐng)域的應(yīng)用舉例?
2.1 客戶行為與潛在客戶分析?
2.2 用戶信用度分析?
2.3 趨勢(shì)預(yù)測(cè)
2.4新產(chǎn)品交叉營(yíng)銷(xiāo)分析 等
3. 結(jié)合業(yè)務(wù)場(chǎng)景需求，進(jìn)行數(shù)據(jù)挖掘?qū)嵺`:
1.客戶細(xì)分聚類(lèi)分析實(shí)踐
2.金融貸款防欺詐挖掘分析
3.金融/電商客戶流失預(yù)測(cè)挖掘分析
（以上涉及當(dāng)下主流的聚類(lèi)、相關(guān)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)及回歸分析等數(shù)據(jù)挖掘算法）