Corsi Data Warehouse, Corsi DataWarehouse, Corsi Business Intelligence

olap.it The N° 1 site for Data Warehousing Professionals	Business Intelligence & Data Warehouse Resource Center
Home Servizi di consulenza Siti e Risorse Definizioni Libri Recensioni Articoli Prodotti Soc Consulenza News Progetti Italiani Altre Info

Corsi di formazione su Business Intelligence e Progettazione Data Warehouse

I corsi di Progettazione Data Warehouse e Business Intelligence sono il risultato di oltre 15 anni di attività dell'autore come progettista di Data Warehouse e della continua ricerca delle migliori tecnologie e metodologie sul mercato. I contenuti vengono costantemente aggiornati attingendo a nuovi testi, oltre che ad una base dati vastissima composta da centinaia di articoli e white papers. Le metodologie principali (approccio top-down e bottom-up, Inmon e Kimball, Hub&Spoke e Dimensional , Data Vault) vengono presentate, discusse e analizzate in maniera critica, evidenziando vantaggi e svantaggi.

Il programma dei corsi è molto flessibile: sia il contenuto che la durata possono essere personalizzati in base alle esigenze del cliente (qui di seguito sono indicati i programmi indicativi). Tutti i corsi sono corredati di esempi ed esercitazioni pratiche che possono essere personalizzate sulle problematiche del cliente.

Modalità di erogazione e costi: Il costo di listino dei corsi tenuti su richiesta presso la sede del cliente, inclusivi del materiale didattico e dei costi di trasferta, è di € 1.500 per giornata di corso, indipendentemente dal numero dei partecipanti.

Per informazioni: andrea.vincenzi@olap.it Tel. 347 3853617

Corso	Durata	Contenuti
Progettazione di Data Warehouse	2/3 gg secondo esigenze	Corso di progettazione data warehouse: vengono affrontati tutti gli aspetti della progettazione e realizzazione di un Data Warehouse. Oltre alle basi teoriche della modellazione dimensionale vengono esaminati vari aspetti pratici tramite esempi concreti ed alcune aree specifiche come ETL e performance tuning.. Il materiale ed i contenuti sono basati principalmente sui testi e sugli insegnamenti di Ralph Kimball, ma vengono presentati e discussi anche gli altri approcci più diffusi.
Modellazione Dimensionale ed ETL Scarica la brochure	2 gg	Questo corso rappresenta un sottoinsieme del corso di Progettazione Data Warehouse e consiste di due giornate: la prima dedicata alle tecniche di modellazione specifiche per i Data Warehouse, la seconda dedicata alle tecniche di ETL (Extraction, Transformation, Loading).
Business Intelligence a 360°	2/3 gg secondo esigenze	Corso di Business Intelligence: fornisce una panoramica dedicata principalmente ai responsabili dei sistemi informativi ma utile anche ai progettisti e ai project manager, per affrontare nel modo migliore un progetto di BI. Vengono descritte le principali aree di intervento della Business Intelligence, gli strumenti più diffusi, le architetture alla base dei sistemi di BI, le problematiche di progetto ed i fattori che possono influenzare in maniera decisiva il successo di un progetto. Particolare attenzione è rivolta agli strumenti ed alle metodologie di Business Performance Management e Balanced Scorecard (BPM, BSC, CPM).

Corso 1: Progettazione di Data Warehouse

Indice degli argomenti trattati (personalizzabile in base alle esigenze del cliente)

Origine dello Schema a Stella

•Scopo del Corso

•Alcune Precisazioni Indispensabli

•Dizionario

•Bibliografia

•A chi interessa

•Genesi della struttura

•I tipi di Data Warehouse

•Genesi e fine dell’ODS/1

•Alcune definizioni/1

•Complicazioni

•Come si inizia un progetto di DWH

•Analisi dei requisiti

•Analisi dei sistemi sorgente

•Passi successivi

•Metadati

Teoria delle dimensioni

•Natura delle dimensioni

•Tipi di Dimensioni

•La Struttura

•La Chiave surrogata

•Denormalizzazioni

•Gerarchie

•Dimensioni di Tipo 1 – Fisse

•Dimensioni di Tipo 2 – SCD

•Dimensioni di tipo 3

•Altre soluzioni

•Dimensioni ibride

•Dimensioni conformi

Fatti

•Definizione

•Tipi di Fatti

•Transazionale

•Snapshot Periodico

•Snapshot Cumulato

•Factless Fact

•Coverage Tables

•Market Basket Analysis

•Human resources

•Aggiornamento di Snapshot Facts

•Prodotti Eterogenei – Dimensioni e Fatti

•Fatto Transazionale – Chiave primaria

•Fatto Snapshot – Chiave primaria

•Fatto Cumulating Snapshot – Chiave primaria

•Denormalizzazione per Data Mining

•Join tra fatti attraverso le dimensioni

•Aggregazioni

•Flag Nuovo Cliente

•Controlli di qualita

Le Dimensioni in pratica

•Problemi del mondo reale

•Dimensioni di tipo 1 – in pratica

•Dimensioni di tipo 2 – in pratica

•Il problema della dimensione Cliente

•Lo Status del Cliente

•Dimensioni di tipo 4

•Dimensioni Speciali – Tempo

•Dimensioni Speciali – Audit

•Dimensioni Speciali – Lineage & Confidence

•Dimensioni Speciali – Junk Dimension

•Dimensioni Speciali – Bande di valori

•Dimensioni Speciali – Aggregazioni

•Household – Gruppi famigliari e societari

•‘Degenerated’ dimension

•Gerarchie a livelli variabili

•Relazioni Molti a Molti

•Invarianza temporale dei report

Esame di Schemi di DWH

•Supermercato

•Magazzino

•Ciclo di Distribuzione

•Ciclo di Produzione

•Banca e Istituzione Finanziaria

•Pay TV

•Assicurazione

•Scuola

•Azienda Ospedaliera

•Promozioni

•Viaggi

•Telefonia

•Carte di credito

Modello Fisico

•Pulizia dei dati

•Indicizzazione

•Partizionamento

•Partizioni real time

•Aggregazioni

Data Mining

•DWH e Data Mining
•
Che cos’è il DM
•
Raggruppamenti (clustering)
•Classificazioni •
Stime e previsioni •
Raggruppamenti per affinità
•Denormalizzazione per Data Mining

CRM

•Definizione

•La Storia

•IDIC – Identify

•IDIC – Differentiate

•IDIC - Interact

•IDIC – Custimize

•I segmenti strategici della clientela

•I punti di contatto

•Il DWH ed il CRM

OLAP

•Definizione

•Tipi Di OLAP

•ROLAP - Relational Olap

•HOLAP - Hybrid Olap

•MOLAP – Multidimentional Olap

•Aggregazioni

•Tipi di Dimensioni – 1

•Tipi di Dimensioni – 2

•Linguaggi di interrogazione

Esercizi

•Il Cliente

•Il Rapporto Bancario

•I Fatti del Rapporto

Soluzioni degli Esercizi

•Il Cliente

•Il Rapporto Bancario

•I Fatti del Rapporto

Deliverables

•Standard Di Nomenclatura

•Standard di Conduzione Progetto

•Standard di Mappaggio

•Standard di Estrazione

•Standard di Caricamento

•Standard di Testing

•Standard di Front End

•Standard di Documentazione

•Project Charter

•Analisi dei requisiti

•Requisiti di Data Mining

•Documenti di Benchmark

•Piano del progetto

•Analisi dei Sistemi Sorgente

•Disegno del DWH Logico

•Disegno del Flusso di estrazione

•Disegno DWH Fisico

•Mappaggio

•Disegno della Infrastruttura Tecnologica

•Analisi dell’estrazione

•Analisi del caricamento

•Front End

•Piano dei test di caricamento

•Piano dei test di Front end

•Documenti di fine progetto

Istruttore

Andrea Vincenzi

Gli istruttori del corso possiedono una comprovata esperienza nello sviluppo di Data Warehouse e sistemi di Business Intelligence

Informazioni

andrea.vincenzi@olap.it

Corso 2: Business Intelligence a 360°

Indice degli argomenti trattati (personalizzabile in base alle esigenze del cliente)

Introduzione alla BI

	Introduzione, risorse, puntatori
	Motivazioni, aree di applicazione, tipologie di utenti
	Tipologie di utenti
	Mercato e player principali

Definizioni e concetti principali

	Prodotti e piattaforme
	BI e DW – definizioni
	Metodi di rappresentazione e analisi dei dati
	Reporting
	Olap
	Data Mining

Allineamento strumenti-strategie

	CPM, BPM. BSC: come la BI contribuisce al raggiungimento della mission aziendale
	Kpi – Dashboards – Scorecards
	CRM, SRM: le due facce della supply chain

Architetture di data warehouse

	Differenze tra sistemi operazionali e Data Warehouse
	Inmon (Corporate Information Factory)
	Kimball (Modellazione dimensionale, Bus Architecture, Ciclo di vita strutturato)
	HUB vs BUS, conformed data marts

Modellazione dimensionale: concetti base

	Differenze tra relazionale e dimensionale
	Lo star schema
	Dimensioni
	Denormalizzazione
	Chiavi surrogate
	Slowly changing dimensions di tipo 1,2,3
	Dimensioni ibride
	La chiave surrogata: funzionamento e motivazioni
	Dimensioni conformi
	La dimensione tempo
	Relazioni tra dimensioni
	Fatti
	Tipi di fatti: Transaction, Snapshot, Accumulating Snapshot
	Il processo della modellazione dimensionale
	Gli errori più comuni
	Esempi di schemi, esercizi di modellazione dimensionale

Modellazione dimensionale: concetti avanzati

	Grearchie a profondità fissa e variabile
	Bridge tables
	Dimensioni degenerate, Junk dimensions
	Misure di profittabilità
	Budget, forecast
	Factless, chiavi primarie, multi-valued
	La dimensione cliente e le sue problematiche
	Esercizi di modellazione dimensionale

Perle di conoscenza: i consigli dei guru

	Ralph Kimball: Data modeling tips
	Peter Nolan: Data Warehousing F.A.Q

Progettazione degli aggregati

	Funzione degli aggregati
	Fatti aggregati
	Errori da evitare
	Aggregate navigator
	Caricamento di dimensioni e fatti aggregati

ETL

	Il ruolo dell'ETL
	Build or buy: l'alternativa tra tools e sviluppo ad hoc
	Staging area: funzionamento e architetture
	Logical Data Map
	Profiling dei dati
	Operazioni di estrazione
	Data cleansing
	Controlli sui dati
	Tipologie di controlli
	Controlli organizzati per record
	Controlli organizzati per campo
	Error event table, indicatori di qualità dei dati
	Conforming, Surviving, Delivering
	Trattamento delle chiavi surrogate
	Trattamento delle dimensioni di tipo 2
	Late arriving dimension records
	Late arriving facts

Metadati

	A cosa servono e come trarne il massimo beneficio
	Esempi di metadati
	Il repository dei metadati
	Impact analysis, data lineage
	Esempi di soluzioni ad hoc

Prestazioni e scalabilità

	Analisi di mercato: i data warehouse più grandi del mondo
	Approccio olistico alle prestazioni
	Come ottimizzare le prestazioni di un DW
	Tipi di indici nei maggiori db
	Partizionamento
	Come le dimensioni influenzano l’architettura

Trends

	Real Time Data Warehouses
	EII (Entreprise Information Integration)
	DW Appliances
	Database organizzati per colonne
	Cache intelligenti
	Open Source
	Packaged analytics

Project Management per progetti di B.I.

	Il ciclo di vita strutturato (Kimball)
	Il ciclo di vita di altre metodologie
	Errori DA EVITARE
	Consigli per il successo
	Ruoli e responsabilità
	Deliverables

Istruttore

Andrea Vincenzi

Gli istruttori del corso possiedono una comprovata esperienza nello sviluppo di Data Warehouse e sistemi di Business Intelligence

Informazioni

andrea.vincenzi@olap.it