|
数据仓库与数据挖掘 课程目标 掌握商务智能基本理论 掌握数据仓库概念和技术 掌握多维数据模型技术及OLAP理论及工具 掌握数据挖掘常用算法及应用场合 掌握数据挖掘在行业中的应用 熟悉商务智能领域主流产品及工具 能够运用本课所学知识，使用商务智能技术辅助业务分析 本课程介绍了商务智能（数据仓库、OLAP、数据挖掘）基本理论和实际应用技术。重点介绍了数据仓库技术、多维数据模型技术、以及数据挖掘常用算法，课程以通信领域为例，介绍了数据挖掘在行业中的应用状况、案例与主流工具。 课程对象 企业的各类管理人员，包括财务总监、财务经理、会计经理、财务主管、预算主管、财务人员、会计人员；销售总监、销售经理、销售主管、销售人员；生产经理、生产管理人员；人力资源经理、人力资源主管；审计经理、审计主管；及其他相关管理人员等。 课程时长 2天（12小时） 课程大纲 | | | | | | | 第一章 商务智能概述 1- 商务智能简介 商务智能应用领域 商务智能发展前景 示例：中国移动经营分析系统简介 2- 数据仓库概念 数据仓库概述 数据仓库的体系架构 3- 面向数据 数据粒度 数据仓库的应用领域和案例分析 常用数据仓库产品介绍 4- 元数据管理与ETL概述 第二章 多维数据技术 1- 数据仓库与数据模型 2- 维度表与事实表 星型模式 雪花模式 事实星座模式 3- 联机分析处理OLAP概述 OLAP的前端分析策略 实验：使用OLAP工具建立及浏览多维数据集 4- 数据挖掘系统的分类 5- 数据挖掘中的数据预处理 实例：移动通信客户流失分析数据预处理 6- 数据挖掘过程CRISP-DM简介 第三章 相关分析和因子分析 1- 主成分分析 2- 预测与回归分析 3- 关联规则挖掘 4- Apriori算法介绍 实例与讨论：关联规则行业应用 5- 分类方法 决策树 神经网络 其他分类方法 各种分类方法比较 实例与讨论：分类方法行业应用 第四章 聚类分析 1- 划分方法 2- 分层方法 3- 基于密度的方法 4- 异常分析 实例与讨论：聚类行业应用 数据挖掘模型评价 数据挖掘的应用和发展趋势 常用数据挖掘工具介绍 实例：使用数据挖掘工具Clementine进行数据挖掘建模 课程回顾与总结 | | |
| 
