Описание
Данный 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.
Категория слушателей
Основная аудитория данного курса являются специалисты баз данных, которые выполняют роль BI разработчика для создания корпоративных решений BI. Основной обязанности которых будут включать:
- Реализация многомерных баз данных с помощью служб аналитики SQL Server
- Создание табличной семантической модели данных для анализа с помощью служб аналитики SQL Server
Также этот курс будет полезен специалистам, работающим с информацией и бизнес-аналитикам.
Продолжительность курса: 27 ак.ч / 3 дня
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
Предварительная 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
Содержание курса:
- Введение в бизнес-аналитику
- Платформа бизнес-аналитики Microsoft
Лабораторная работа: Изучение хранилища данных
- Изучение хранилища данных
- Изучение модели 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
- 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
- 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
- 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
- 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
- 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.
- 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
- 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
