| 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
|
| 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。
|
| 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。。
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
| 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
|
