Курс акцентирует внимание на реализации многомерных баз данных с использованием SQL Server Analysis Services (SSAS), а также создания табличных семантических моделей данных для анализа с использованием службы SSAS.
По окончании курса слушатели смогут:
Описать компоненты, архитектуру и суть решения BI
Создать многомерную базу данных служб аналитики
Использовать измерения в Кубе
Использовать меры и группы мер в Кубе
Понимать синтаксис многомерных выражений MDX
Настраивать кубы
Реализовывать работу с табличной базой данных
Использовать DAX для запроса табличной модели
Использовать интеллектуальный анализ данных для прогнозирования
Необходимая подготовка
Для эффективного обучения на курсе слушатели должны обладать следующими знаниями и навыками:
Базовые знания об основной функциональности операционной системы Microsoft Windows
Знание языка Transact-SQL
Знания в области основ реляционных баз данных
Аудитория курса:
Основная аудитория данного курса являются специалисты баз данных, которые выполняют роль BI разработчика для создания корпоративных решений BI.
Модуль 1: Введение в бизнес-аналитику и моделирование данных
Введение в бизнес-аналитику. Платформа бизнес-аналитики Microsoft.
Лабораторная работа: Изучение хранилища данных. Изучение хранилища данных. Изучение модели данных.
Модуль 2: Создание многомерных баз данных
Введение в многомерный анализ. Создание источников данных и представлений источников данных. Создание куба. Обзор безопасности куба. Настройка SSAS. Мониторинг SSAS.
Лабораторная работа: Создание многомерных баз данных; Создание источника данных; Создание и изменение представления источника данных; Создание и изменение куба.
Модуль 3: Работа с кубами и измерениями
Настройка измерений. Определение иерархии атрибутов. Сортировка и группировка атрибутов. Медленно меняющиеся измерения.
Лабораторная работа: Работа с кубами и измерениями; Настройка измерений; Определение отношений и иерархий; Сортировка и группировка атрибутов измерения.
Модуль 4: Работа с мерами и группами мер
Работа с мерами. Работа с группами мер.
Лабораторная работа: Конфигурирование мер и групп мер; Настройка мер; Определение использования измерений и отношений; Настройка хранилища групп мер.
Модуль 5: Введение в MDX
Основы MDX. Добавление вычислений в кубе. Использование многомерных выражений для запроса к кубу.
Лабораторная работа: Использование MDX; Запрос куба с использованием MDX; Создание вычисляемого элемента.
Модуль 6: Настройка функциональности куба
Введение в бизнес-аналитику. Реализация ключевых показателей производительности (KPI). Реализация действий. Реализация перспектив. Реализация переводов.
Лабораторная работа: Настройка куба; Внедрение KPI; Реализация действия; Реализация перспектив; Внедрение перевода.
Модуль 7: Реализация табличной модели данных с Analysis Services
Введение в табличные модели данных Analysis Services. Создание табличной модели данных. Использование табличной модели данных с Analysis Services в организации.
Лабораторная работа: Работа с табличной моделью данных в Analysis Services; Создание табличной модели данных служб Analysis Services; Настройка отношений и атрибутов; Настройка модели данных для бизнес-решений.
Модуль 8: Введение в выражения анализа данных (DAX)
Основы DAX - Data Analysis Expression. Использование DAX для создания вычисляемых столбцов и мер в табличной модели данных. Лабораторная работа: Создание вычисляемых столбцов и мер с помощью DAX. Создание расчетных столбцов. Создание мер. Создание KPI. Создание иерархии родитель - потомок.
Модуль 9: Выполнение прогнозирования с помощью интеллектуального анализа данных
Обзор интеллектуального анализа данных (Data Mining). Создание пользовательского решения по интеллектуальному анализу данных. Проверка модели интеллектуального анализа данных. Подключение и использование данных модели интеллектуального анализа данных. Использование надстроек Data Mining в Excel.
Лабораторная работа: Выполнение прогнозирования с помощью интеллектуального анализа данных; Создание структуры и модели интеллектуального анализа данных; Изучение моделей интеллектуального анализа данных; Проверка моделей интеллектуального анализа данных; Потребление модели интеллектуального анализа данных; Использование надстройки Excel Data Mining.
