培训对象： 面向数据仓库工程师、大数据平台架构师、数据平台开发人员及数据基础架构负责人。也适合需要构建企业级数据存储与分析平台的技术团队。
培训目标： 系统掌握数据仓库与数据湖的核心概念、架构设计与建设方法，理解数据仓库与数据湖的差异与融合趋势（湖仓一体）。具备独立进行数据建模、ETL开发、数据湖建设及数据平台优化的能力，为企业构建坚实的数据基础设施。
培训内容介绍：
数据仓库概述与架构演进：学习数据仓库的定义与发展历程，了解数据仓库从Inmon范式到Kimball维度建模的演进，掌握数据仓库在企业数据架构中的核心地位。
数据仓库建模方法：掌握数据仓库建模的核心方法（星型模型、雪花模型、事实表、维度表），学习维度建模的设计原则与实践技巧。
ETL与数据集成：学习数据抽取、转换、加载（ETL）的完整流程，掌握数据集成模式与方法，了解ETL工具的使用与调度策略。
数据仓库规范设计：掌握数据仓库规范概述，学习数据仓库设计规范（命名规范、开发规范、模型规范），确保数据仓库建设的标准化。
数据湖概念与架构：学习数据湖的核心概念与主要架构理念，理解数据湖作为原始数据存储区的定位，对比数据仓库与数据湖的优缺点。
数据湖存储技术：掌握对象存储、块存储、文件存储等不同存储系统的特点，学习数据湖底层存储组件的选型与配置。
Hive数据仓库实战：学习Hive的安装与配置，掌握Hive支持的数据类型，熟练进行Hive中的数据库操作与数据操作，构建基于Hadoop的数据仓库。
数据湖建设实践：学习使用AWS Glue等工具设计简单的数据湖，掌握数据湖的构建流程与关键步骤，实现数据的高效存储与管理。
湖仓一体架构：了解数据湖与数据仓库的融合趋势（湖仓一体），学习使用AWS LakeFormation和Apache Iceberg构建数据湖屋，实现数据湖的数据仓库化。
多维数据分析（OLAP）：学习多维数据分析简介，掌握数据源视图和多维数据集的创建，实现多维数据集的部署、浏览和高级属性定义。
数据中台与数据平台：了解数据中台的概念与架构，学习数据中台如何整合数据仓库与数据湖，构建企业级数据服务平台。
综合实战与性能优化：通过完整的数据仓库或数据湖建设项目，演练从需求分析、模型设计到平台搭建、数据应用的全流程，掌握查询性能优化技巧
