Üzleti intelligencia SQL környezetben - haladóknak

Tanfolyam leírása

Az üzleti intelligencia magában foglalja azokat az alkalmazásokat, legjobb gyakorlatokat, eszközöket - beleértve az infrastruktúrát is -, amelyek lehetővé teszik, hogy megszerezhessünk és felhasználhassunk olyan információkat, amelyek fontosak ahhoz, hogy az üzleti döntéseket és így az üzleti teljesítményt javítsuk. Az üzleti intelligencia (Business Intelligence - BI) elemzőeszközeivel olyan átfogó, nagyvállalati léptékű analitikai megoldásokat alakíthatunk ki, amikből intelligens, könnyen értelmezhető vizualizációkat készíthetünk az adatok alapján, melyeket aztán minden döntéshozatali helyzetben felhasználhatunk, és olyan jól ismert alkalmazásokon keresztül, mint pl. az Excel, a vállalat minden felhasználójához eljuttathatunk.

Tanfolyam célja

Tanfolyamunk elvégzése után a résztvevők képessé válnak komplex analitikai megoldások létrehozására és menedzselésére

Szükséges előképzettség

Alapszintű adatbázis-kezelési és SQL ismeretek.

Kinek ajánljuk

Azoknak az informatikai és adatelemző munkatársaknak, akiknek napi munkájuk során analitikai megoldásokat kell használniuk, fejleszteniük, adminisztrálniuk.

Tematika

--------------------------------------

1. Dinamikus csomagok kialakítása SQL Server Integration Services-ben

---------------------------------------------------------------------

1.1. Konténerek használata

1.2. Tranzakciókezelés

1.3. Ellenőrző pontok (Checkpoint)

-----------------------------------------------------------------------------

2. Inkrementális ETL folyamat létrehozása SQL Server Integration Services-ben

-----------------------------------------------------------------------------

2.1. Változások felederítése és betöltése ETL-lel

2.2. Módosított adatok ellenőrzésének lehetőségei

2.3. Módosított adatok betöltése

---------------------------------------------------------

3. SQL Server Integration Services csomagok kiterjesztése

---------------------------------------------------------

3.1. Külső komponensek használata

3.2. C#/VB scriptek használata SQL Server Integration Services csomagban

3.2.1. Vezérlési folyamatban

3.2.2. Adatfolyamban

--------------------------------------------------------------------

4. SQL Server Integration Services csomagok telepítése/konfigurálása

--------------------------------------------------------------------

4.1. Telepítési lehetőségek áttekintése

4.2. Integration Services Catalog használata

4.3. SQL Server Integration Services csomagok konfigurációs lehetőségei

---------------------------------------------------

5. Adat-tisztítási folyamat (Data Quality Services)

---------------------------------------------------

5.1. A Data Quality Services ismertetése

5.2. Data Quality használata adattisztításra

5.3. Data Quality használata duplikált adatok szűrésére

-------------------------------------------

6. Törzsadat-kezelés (Master Data Services)

-------------------------------------------

6.1. A Master Data Services ismertetése

6.2. A Master Data Services model létrehozása/feltöltése

6.3. Master Data Services Add-In for Microsoft Excel plugin használata

6.4. A Data Quality Services és a Master Data Services szolgáltatásainak bekötése az SSIS-be

---------------------------------------------

7. Az adatbányászat és a gépi tanulás alapjai

---------------------------------------------

7.1. Korreláció

7.2. Regresszió

7.2.1.      Lineáris

7.2.2.      Logisztikus

7.3. Döntési fák

7.4. Klaszteranalízis

----------------

8. Adatbányászat

-----------------

8.1. Az adatbányászat elmélete

8.2. Adatbányászati megoldások készítése SQL Server Data Tools-szal

8.2. Adatbányászati model feltöltése adatokkal

8.3. Előrejelzés készítése

8.4. Döntési fa készítése

---------------------------------------

9. DMX (Data Mining Extensions) alapozó

---------------------------------------

9.1. Struktúra és model létrehozása

9.2. Adatbányászati model feltöltése adatokkal

9.3. Lekérdezések írása

-----------------------------------------------------

10. Gépi tanulási szolgáltatások használata Pythonnal

-----------------------------------------------------

10.1. Python és R telepítése és tesztelése MS-SQL szerveren

10.2. Python használat MS-SQL szerveren

10.2.1. Python alapok

10.2.2.   Python adatszerkezetek

10.2.3.   Adathalmazok lekérdezése és összefésülése

10.2.4. Python adatvizualizáció

10.2.5.   Adateltérések keresése gépi tanulási modellel

-----------------------------------------------------

11. Gépi tanulási szolgáltatások használata R nyelven

-----------------------------------------------------

11.1. R alapok

11.2. R adatstruktúrák

11.2.1. Vektorok

11.2.2.   Mátrixok

11.2.3.   Tömbök

11.2.4. Adatkeretek

11.2.5.   Listák

11.3. Adatbetöltés

11.3.1.   SQL lekérdezésből

11.3.2.   Külső adatokből

11.3.3.   Webes adatforrásokból

11.4. Gépi tanulási algoritmusok

11.4.1. Statisztikai profilozás

11.4.2. Csoportképzés

11.4.3. Előrejelzések készítése

-----------------------------------------------

12. Mobil jelentések és irányítópultok készítése

-----------------------------------------------

12.1. A Mobil Report Publisher áttekintése

12.2. Irányítpultok készítése

12.2.1. Adatforrások és adatkészletek hozzáadása

12.2.2. Szűrési lehetőségek

12.2.3. Adatjelülők használata

12.2.4. Chartok hozzáadása

12.2.5. Listák beállítása

12.3. További beállítások

12.3.1. Drilltrough

12.3.2. Paraméterek

12.4. Közzététel

12.5. KPI-k létrehozása és beállítása               

------------------------------------------------

13. PowerBI jelentések készítése és menedzselése

------------------------------------------------

13.1. PowerBI architektúrája, komponensei

13.2. A PowerBI Desktop használata

13.3. Adatok betöltése

13.3.1. SQL szerverből

13.3.2. Excelből

13.4. Adatmodel készítés

13.4.1. Adatösszefűzés

13.4.2. Kapcsolatok

13.4.3. Dimenziókialakítás

13.4.4. Mértékek és számított értékek

13.5. Adatvizualizáció

13.5.1. Táblázatok, kimutatások (PivotTable) készítése

13.5.2. Diagramok (PivotChart) készítése

13.5.3. Adatmegjelenítések térképen

13.5.4. Szűrés és szeletelés

13.6. Közzététel