| 培训模块 |
培训内容 |
| 数据治理概览 |
- 什么是数据治理
- 为什么要进行数据治理
- 数据治理都有哪些工作
- 如何设计理想的数据基础架构。
- 如何针对各种应用需求，设计数据应用架构模型。
- 如何基于元数据模型定制应用数据模型。
- 如何对数据的存储空间、数据仓库进行规划。
- 如何建立各个数据之间的结构一致性，
- 如何建立各个数据存储空间之间的数据同步。
- 如何对数据的质量进行监控。
- 某企业数据整理实例回顾与分析
|
现有的数据建模与问题诊断
|
结合案例讲解：现有数据建模和诊断
- 现有的数据调查
- 数据现状建模
- 数据问题诊断与分析
- 确定数据整理的目标
- 确定数据治理的策略
|
| 设计数据架构框架 |
结合案例讲解：设计数据架构框架方法与实践
数据架构的构成：
- 建立元数据层框架
- 建立数据规范
- 简历数应用层框架
|
| 元数据的定义与设计 |
结合案例讲解：元数据的定义与设计方法与实践
- 元数据的定义
- 元数据的使用场景
- 元数据的分类
- 如何从现有业务数据中提炼元数据
- 元数据的分类
- 元数据的聚集
- 元数据的关系建模
- 元数据的结构建模
- 元数据的存储设计
- 元数据的管理方法
- 建立从元数据到应用数据的配置过程指南
|
| 主数据的结构治理 |
结合案例讲解：主数据的结构治理方法与实践
- 什么是主数据
- 结合实例讲解主数据的建立方法：
- 如何基于业务识别主数据识别
- 主数据的关系建模
- 主数据的结构建模
- 如何基于元数据配置主数据结构
- 主数据的逻辑设计
- 主数据的物理设计
- 主数据的管理方法
- 主数据管理系统和技术支持架构
- 多个主题数据的集成方法
主数据案例练习与讨论
|
| 数据标准的指定 |
结合案例讲解：数据标准的指定的方法与实践
- 数据标准定义
- 数据标准管理规范
- 数据标准建设模型，过程
- 案例介绍
|
| 数据质量的评价与优化 |
结合案例讲解：数据质量的评价与优化的方法与实践
- 控制数据质量的方法
- 数据质量管理模型
- 数据知识库
- 利用知识库对数据进行清洗，匹配
- 自动化进行数据质量控制的方法
- 数据质量产品介绍
|
| 数据采集 |
结合案例讲解：数据采集的方法与实践
- 数据采集方法
- 数据采集常用工具讲解，SSIS，Kettle
- 实时数据采集
- 数据采集定期自动化
- 数据采集日志和错误管理方法
|
| 数据存储空间的治理 |
结合案例讲解：数据存储空间的治理的方法与实践
- 数据存储空间典型的划分模式
- 数据存储空间要考虑的问题
- 如何分析数据容量增长需求规划数据存储空间策略
- 典型的数据存储空间治理原则
- 各个数据存储空间之间的数据同步策略
- 数据仓库的数据备档和应用分析设计
|
| 数据扩展设计 |
结合案例讲解：数据扩展设计的方法与实践
- 数据存在哪些扩展需求
- 数据扩展带来的变更成本分析
- 数据扩展对业务和应用的影响分析
- 数据结构扩展的设计方法
- 数据容量的扩展设计方法
- 如何建立具有可持续扩展能力的数据架构
|
| 数据安全设计 |
结合案例讲解：数据安全设计的方法与实践
- 数据安全管理范围
- 分析整个数据架构存在哪些安全风险
- 数据安全的建模
- 数据资源使用场景分析
- 数据入侵的风险和检测方法
- 数据并发造成的不一致问题
- 数据安全设计原则
- 数据安全的典型处理策略
- 数据安全技术架构
- 数据安全生命周期管理
|
| 数据仓库的建模与设计 |
结合案例讲解：数据仓库的建模与设计的方法与实践
数据仓库的建模方法
- 数据仓库模型解决什么问题?
- 数据仓库环境的数据结构是什么?
- 为什么多维模型是整个数据仓库的模型基础?
- 数据仓库中还需要E-R模型吗?
- 星型模式解决的问题
- 雪花模式解决的问题
结合案例讲解：元数据的定义与设计方法与实践
数据仓库的设计
- 如何从分析业务
- 定义业务模型
- 执行策略分析的方法
- 使用业务处理矩阵分析业务模型
- 如何从业务中识别业务测量指标和维
- 如何定义颗粒度
- 确定业务定义和规则的重要性
- 编制元数据
- 业务元数据元素
|
| 数据建模的逻辑模型 |
结合案例讲解：数据建模的逻辑模型方法与实践
数据建模逻辑模型
- 定义逻辑模型
- 定义维模型
- 星型维模式
- 星型维模式优点
- 实事表的特征
- 非可加性事实和半可加性事实的设计方法
- 事实表事实如何选取
- 识别基本事实指标和驱动事实指标
- 维表特点
- 缓慢变化维
- 数据库键类型
- 定义维的层次
- 明细业务事实粒度选取
- 如何对事实进行汇总
- 数据钻取
|
| 数据建模的物理模型 |
结合案例讲解：数据建模的物理模型的方法与实践
数据建模物理模型
- 定义物理模型
- 转换维模型到物理模型
- 物理模型架构要求
- 硬件设计(cpu架构,ssd,?内存)
- 大数据存储设计和性能设计
- 大数据评估数据库容量
- 大数据数据分区优化技术
- 大数据索引优化设计
- 星型查询优化
- 大数据并行数据处理优化技术
- 大数据使用聚合优化技术
- 设计数据仓库的安全性
|
| 数据治理案例介绍 |
|
