企业级数据仓库与数仓建模实战培训课程-曙海培训中心

企业级数据仓库与数仓建模实战培训课程

•  

• 培训对象： 数据工程师、数据仓库开发人员、ETL开发工程师、BI工程师、数据分析师。

•  

• 培训目标：

  • 掌握数仓核心理论： 深入理解数据仓库的核心概念、体系架构和建设方法论（Kimball vs. Inmon）。

  • 精通建模方法论： 熟练掌握维度建模（星型模型、雪花模型）的理论和实战技巧。

  • 构建高效ETL流程： 能够设计和开发高效、稳定、可维护的ETL/ELT数据管道。

  • 具备数仓优化能力： 学习数据仓库的性能调优、数据质量控制和大数据环境下的数仓实践。

•  

• 培训内容介绍：

  • 一、数据仓库概论： 从数据库到数据仓库，理解数仓的建设目标、核心特点和分层架构（ODS, DWD, DWS, ADS）。

  • 二、建模方法论之争： 对比Kimball维度建模与Inmon范式建模，明确不同场景下的选型策略。

  • 三、维度建模四步法： 深入讲解选择业务过程、声明粒度、确定维度、确定事实的维度建模四步流程。

  • 四、维度表设计精要： 维度表的结构、缓慢变化维（SCD）的处理策略、维度代理键、退化维度等。

  • 五、事实表设计进阶： 事务事实表、周期快照事实表、累计快照事实表的设计与应用场景。

  • 六、数据建模实战（一）： 以一个典型业务（如电商订单、用户访问日志）为例，进行完整的维度建模设计。

  • 七、数据建模实战（二）： 建立数据字典，定义指标口径，确保数据的一致性和准确性。

  • 八、ETL/ELT架构设计： 对比ETL与ELT的差异，选择适合的数据处理引擎（如Spark, DataX, dbt）。

  • 九、数据管道开发实战： 使用SQL或专业工具开发ETL任务，实现数据从源端到数仓的清洗、转换、加载。

  • 十、数据质量管理： 建立数据质量检查体系，包括完整性、准确性、一致性、及时性等维度的监控。

  • 十一、数据仓库性能优化： 分区、分桶、索引、谓词下推、数据倾斜处理等优化技巧。

  • 十二、大数据数仓实践： 介绍基于Hive、Spark SQL、Iceberg/Hudi等开源技术构建湖仓一体的现代数据架构。