Üzleti adatok értékelése a Microsoft SQL Server Analysis Services használatával

1. BEVEZETÉS AZ ADATTÁRHÁZAK ELMÉLETÉBE

1.1. Az adattárház fejlesztés áttekintése

1.1.1. Az Inmon féle megközelítés

1.1.2. A Kimball féle megközelítés

1.1.3. Adattárház struktúrák

1.1.4. Adattárházak fizikai és logikai modellje

1.2. Az adattárház megoldások általános problémai

1.2.1. Az ETL folyamat

1.2.2. Séma és adatintegráció

1.2.3. Adat-tisztítási kérdések

1.2.4. Sématípusok

2. OLAP ALAPOZÓ

2.1. OLAP elméleti alapok

2.1.1. OLTP vs. OLAP

2.1.2. OLAP szabályok

2.1.3. OLAP típusok

2.2. Többdimenziós lekérdezések

2.3. Alapfogalmak

2.3.1. Dimenziók

2.3.2. Dimenziótípusok

2.3.3. Mértékek és mértékcsoportok

2.3.4. Mértéktípusok

2.3.5. OLAP kocka

2.3.5.1. Lekérdezésük

2.3.5.2. Kockaanalízis operátorok

2.4. Multidimenzionális tárolási sémák

3. MULTIDIMENZIONÁLIS MEGOLDÁSOK LÉTREHOZÁSA

3.1. Építkezés virtuális és valós adattárházra

3.2. Adatforrások, adatforrásnézetek létrehozása

3.3. Dimenziók meghatározása

3.4. OLAP kocka létrehozása

4. MULTIDIMENZIONÁLIS MEGOLDÁSOK KITERJESZTÉSE

4.1. Dimenziók létrehozása

4.1.1. Hierarchiák definiálása

4.1.2. Attribútumok rendezése/csoportosítása

4.2. Számított mértékek hozzáadása a kockához

4.3. OLAP kocka kiterjesztése

4.3.1. Teljesítménymutatók (KPI)

4.3.2. Akciók

4.3.3. Perspektívák

4.3.4. Fordítások

5. MDX (MULTIDIMENSIONAL EXPRESSIONS) ALAPOZÓ

5.1. Alapelemek, elvek

5.2. Alaplekérdezések, kalkulációk

5.2.1. Dimenziók használata

5.2.2. Navigálás a dimenziók között

5.2.3. Rendezések

5.2.4. Szeletelés és szűrés

5.2.5. Kalkulációk

5.2.6. Egyszerű számítások

5.2.7. Megnevezett halmazok

5.2.8. Hatókör

6. MICROSOFT POWERPIVOT

6.1. Bevezetés a Tabular Data Model és PowerPivot használatába

6.2. Tabular Data Model létrehozása Microsoft PowerPivot for Excel-lel

7. ANALYSIS SERVICES: TABULAR DATA MODEL

7.1. Tabular Data Model projekt létrehozása

7.2. Tabular Data Model projekt importálása Microsoft PowerPivot for Excel-ből

7.3. Tabular Data Model fejlesztése SQL Server Data Tools-szal

8. DAX (DATA ANALYSIS EXPRESSIONS) ALAPOZÓ

8.1. Alapelemek, elvek

8.1.1. Szűrés, rendezés, csoportosítás

8.1.2. Dimenziók és kapcsolatok használata

8.2. Számított oszlopok és mértékek létrehozása DAX használatával

8.2.1. Aggregálás

8.2.2. Görgetés

9. MULTIDIMENZIONÁLIS ÉS TABULAR DATA MODEL MEGOLDÁSOK MENEDZSELÉSE

9.1. Megoldások terjesztése

9.2. Megoldások biztonsági és jogosultsági kérdései

9.3. Monitorozás, naplózás

9.4. Mentés, visszaállítás

10. ADATANALÍZIS ÉS ADATBÁNYÁSZAT ALAPJAI

10.1. Korreláció

10.2. Regresszió

10.2.1. Lineáris

10.2.2. Logisztikus

10.3. Döntési fák

10.4. Klaszteranalízis

11. ADATBÁNYÁSZAT

11.1. Az adatbányászat elmélete

11.2. A Microsoft Excel adatbányászati bővítményének használata

11.3. Adatbányászati megoldások készítése SQL Server Data Tools-szal

11.4. Adatbányászati model feltöltése adatokkal

11.5. Előrejelzés készítése

12. DMX (DATA MINING EXTENSIONS) ALAPOZÓ

12.1. Struktúra és model létrehozása

12.2. Adatbányászati model feltöltése adatokkal

12.3. Lekérdezések írása

13. ADATANALÍZIS SZOLGÁLTATÁSOK HASZNÁLATA R NYELVEN

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

13.1.1. R alapok

13.2. R adatstruktúrák

13.2.1. Vektorok

13.2.2. Mátrixok

13.2.3. Tömbök

13.2.4. Adatkeretek

13.2.5. Listák

13.3. Adatbetöltés

13.3.1. SQL lekérdezésből

13.3.2. Külső adatokből

13.3.3. Webes adatforrásokból

13.4. Adatbányászati algoritmusok

13.4.1. Statisztikai profilozás

13.4.2. Csoportképzés

13.4.3. Előrejelzések készítése

14. ADATANALÍZIS SZOLGÁLTATÁSOK HASZNÁLATA PYTHONNAL

14.1. Python használat MS-SQL szerveren

14.1.1. Python alapok

14.1.2. Python adatszerkezetek

14.1.3. Adathalmazok lekérdezése és összefésülése

14.1.4. Python adatvizualizáció

14.1.5. Adateltérések keresése gépi tanulási modellel