    數(shù)據(jù)倉庫與數(shù)據(jù)挖掘培訓(xùn)

1、數(shù)據(jù)倉庫原理及聯(lián)機(jī)分析技術(shù)介紹

數(shù)據(jù)倉庫結(jié)構(gòu)體系，數(shù)據(jù)倉庫數(shù)據(jù)模型
數(shù)據(jù)抽取、轉(zhuǎn)換和裝載，元數(shù)據(jù)管理
0LAP概念及其數(shù)據(jù)模型
多維數(shù)據(jù)的顯示
2、數(shù)據(jù)倉庫設(shè)計(jì)與開發(fā)

數(shù)據(jù)倉庫分析與設(shè)計(jì)
數(shù)據(jù)倉庫開發(fā)過程
數(shù)據(jù)倉庫技術(shù)與開發(fā)的困難
0LAP的多維數(shù)據(jù)分析
3、基于數(shù)據(jù)倉庫的決策支持系統(tǒng)

基于數(shù)據(jù)倉庫的查詢與報(bào)表
多維分析與原因分析
實(shí)時(shí)決策與預(yù)測未來
自動決策及其應(yīng)用介紹
4、數(shù)據(jù)倉庫案例剖析

移動運(yùn)營商的客戶投訴聯(lián)機(jī)分析，基于Business Intelligence Dev Studio
通過對客戶投訴詳單，設(shè)計(jì)相應(yīng)的投訴模型，建立其相應(yīng)的維度，事實(shí)表等
通過對客戶投訴進(jìn)行分類，發(fā)現(xiàn)其中的共同點(diǎn)以及差異，方便制定相應(yīng)計(jì)劃
積極的應(yīng)對客戶投訴，對客戶投訴進(jìn)行監(jiān)控，及時(shí)對可能導(dǎo)致的客戶進(jìn)行挽留
某公司數(shù)據(jù)倉庫決策支持系統(tǒng)
統(tǒng)計(jì)業(yè)數(shù)據(jù)倉庫系統(tǒng)
沃爾瑪數(shù)據(jù)倉庫系統(tǒng)
5、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

數(shù)據(jù)挖掘的任務(wù)與對象
數(shù)據(jù)挖掘方法
數(shù)據(jù)挖掘相關(guān)技術(shù)
6、關(guān)聯(lián)分析算法及其案例

關(guān)聯(lián)規(guī)則的分類
Aprior算法詳解
從頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則
基于Climentine的購物籃實(shí)例分析-
7、聚類分析算法及其案例

聚類分析的概念
主要的聚類方法
K-means算法詳解
基于Climentine的用戶數(shù)據(jù)聚類實(shí)例-
8、其它數(shù)據(jù)挖掘算法介紹

決策樹算法
ID3算法
由決策樹提取分類規(guī)則
基于Climentine的決策樹分析實(shí)例
神經(jīng)網(wǎng)絡(luò)算法
神經(jīng)網(wǎng)絡(luò)的概念
網(wǎng)絡(luò)拓?fù)浼捌渌惴?br> 基于Climentine的神經(jīng)網(wǎng)絡(luò)分析實(shí)例