|
编号
|
名称
|
内容
|
|
1
|
数据仓库和商业决策的关系
|
描述当今商业领域BI和数据仓库的角色
描述为什么在线联机系统（OLTP）不能满足决策支持
决策支持系统的数据抽取流程所带来的数据仓库技术
使用数据仓库技术的原因
如何使用数据仓库来加速商业决策和提高决策的质量
|
|
2
|
数据仓库的概念和术语
|
通用的，被广泛接受的数据仓库定义
独立和非独立的数据集市的不同，适用范围
数据仓库开发的一些主要方法，介绍一种常用的模型：螺旋模型方法。
|
|
3
|
设计，分析，和管理数据仓库项目
|
解释开发和实现数据仓库的财政目的
开发时间的控制。
概述数据仓库项目的关键任务
讨论商业和用户需求的收集
如何标识用户的主要业务，并在短时间实现这一主要业务。
|
|
4
|
数据仓库建模
|
讨论数据仓库环境下的数据结构
讨论数据仓库的设计步骤:
–定义商业模型
–定义维度模型
–定义物理模型
–介绍星型模型，简介雪花模型和星座模型
|
|
5
|
构建数据仓库: 抽取数据简介
|
构建数据仓库的ETL (Extraction, Transformation, and Loading)概述
ETL任务, 重点和代价
解释如何去检查数据源
Oracle的ETL流程解决方案
|
|
6
|
元数据简介
|
数据仓库元数据定义、类型以及在数据仓库环境中的角色
数据仓库元数据的类型
开发元数据的策略等
|
|
7
|
数据仓库基本概念介绍
|
数据仓库的基本元素
数据仓库的基本形式
数据仓库的特点
数据仓库的开发特性
数据仓库与决策支持系统
数据仓库与数据集市
|
|
8
|
定义数据仓库的商业和逻辑模型
|
讨论企业级的策略分析工作
定义商业模型的各个部分
讨论数据仓库中元数据所扮演的角色，及追踪元数据的方法
定义逻辑模型和实体关系模型
|
|
9
|
创建维模型
|
详细介绍星型模型
如何从商业应用中标识事实表和它们的属性（列）
如何从商业应用中标识维表和它们的属性（列）
讨论数据仓库中的层次
讨论数据仓库的分析方法
|
|
10
|
创建物理模型
|
如何将维模型转换成物理模型
讨论数据仓库对体系结构的需求
介绍各种硬件体系结构的优缺点
讨论数据仓库所需的数据库服务器特性
|
|
11
|
物理模型的存储
|
介绍数据仓库大小的测试技术和测试样品的选取
介绍数据仓库索引的类型和策略
讨论数据仓库的表空间特性和策略
讨论数据仓库中表和索引的分区方法
|
|
12
|
ETL策略
|
介绍在构建数据仓库过程中的ETL方法
ETL的常见问题
常用的ETL技术
|
|
13
|
综合数据的管理
|
讨论综合数据的管理和Oracle是如何实现的
介绍物化视图和Oracle的自动管理
星型查询的优化，Oracle优化器和查询的自动重写
标识Oracle的维等
|
|
14
|
Oracle SQL 对数据仓库的支持
|
改进了综合语句的功能和效率
同时将数据插入多个表
使用MERGE语句有条件的插入或修改数据
使用WITH子句提高查询效率等
|
