数据仓库与数据挖掘
发布日期:2015-04-24浏览:4037
-
课程背景
掌握商务智能基本理论
掌握数据仓库概念和技术
掌握多维数据模型技术及OLAP理论及工具
掌握数据挖掘常用算法及应用场合
掌握数据挖掘在行业中的应用
熟悉商务智能领域主流产品及工具
能够运用本课所学知识,使用商务智能技术辅助业务分析
本课程介绍了商务智能(数据仓库、OLAP、数据挖掘)基本理论和实际应用技术。重点介绍了数据仓库技术、多维数据模型技术、以及数据挖掘常用算法,课程以通信领域为例,介绍了数据挖掘在行业中的应用状况、案例与主流工具。课程对象
企业的各类管理人员,包括财务总监、财务经理、会计经理、财务主管、预算主管、财务人员、会计人员;销售总监、销售经理、销售主管、销售人员;生产经理、生产管理人员;人力资源经理、人力资源主管;审计经理、审计主管;及其他相关管理人员等。课程时长
12 H课程大纲
第一章商务智能概述
1-商务智能简介
商务智能应用领域
商务智能发展前景
示例:中国移动经营分析系统简介
2-数据仓库概念
数据仓库概述
数据仓库的体系架构
3-面向数据
数据粒度
数据仓库的应用领域和案例分析
常用数据仓库产品介绍
4-元数据管理与ETL概述
第二章多维数据技术
1-数据仓库与数据模型
2-维度表与事实表
星型模式
雪花模式
事实星座模式
3-联机分析处理OLAP概述
OLAP的前端分析策略
实验:使用OLAP工具建立及浏览多维数据集
4-数据挖掘系统的分类
5-数据挖掘中的数据预处理
实例:移动通信客户流失分析数据预处理
6-数据挖掘过程CRISP-DM简介
第三章相关分析和因子分析
1-主成分分析
2-预测与回归分析
3-关联规则挖掘
4-Apriori算法介绍
实例与讨论:关联规则行业应用
5-分类方法
决策树
神经网络
其他分类方法
各种分类方法比较
实例与讨论:分类方法行业应用
第四章聚类分析
1-划分方法
2-分层方法
3-基于密度的方法
4-异常分析
实例与讨论:聚类行业应用
数据挖掘模型评价数据挖掘的应用和发展趋势
常用数据挖掘工具介绍
实例:使用数据挖掘工具Clementine进行数据挖掘建模
课程回顾与总结