دوره طراحی بهینهٔ انباره داده، فرآیندهای ETL و بهینه‌سازی عملکرد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی بهینهٔ انباره داده، فرآیندهای ETL و بهینه‌سازی عملکرد

موضوع کلی: هوش تجاری و تحلیل داده

موضوع میانی: طراحی و پیاده‌سازی انباره داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش تجاری و اهمیت داده
• 2. مبانی انباره داده در سازمان
• 3. اهداف و مزایای پیاده‌سازی انباره داده
• 4. معماری‌های رایج انباره داده
• 5. تفاوت انباره داده با پایگاه داده عملیاتی
• 6. مفاهیم کلیدی در طراحی انباره داده
• 7. مدل‌سازی داده در انباره داده: مفاهیم پایه
• 8. مدل‌سازی ابعادی (Dimensional Modeling)
• 9. مفهوم Fact Table و انواع آن
• 10. مفهوم Dimension Table و انواع آن
• 11. طراحی Star Schema
• 12. طراحی Snowflake Schema
• 13. انتخاب بهترین طرحواره برای سناریوهای مختلف
• 14. شناخت ابعاد در مدل‌سازی ابعادی
• 15. شناخت Fact ها در مدل‌سازی ابعادی
• 16. طراحی طرحواره برای سناریوهای کسب‌وکار
• 17. طراحی طرحواره برای فروش و بازاریابی
• 18. طراحی طرحواره برای امور مالی
• 19. طراحی طرحواره برای منابع انسانی
• 20. طراحی طرحواره برای زنجیره تامین
• 21. شناخت انواع Fact ها: تراکنشی، تجمعی، اسنپ‌شات
• 22. مدیریت ابعاد کند (Slowly Changing Dimensions)
• 23. انواع SCD: Type 1, Type 2, Type 3
• 24. پیاده‌سازی SCD Type 1
• 25. پیاده‌سازی SCD Type 2
• 26. پیاده‌سازی SCD Type 3
• 27. مدیریت ابعاد نامتغیر (Static Dimensions)
• 28. مدیریت ابعاد هرمی (Hierarchical Dimensions)
• 29. طراحی ابعاد زمان (Date Dimension)
• 30. طراحی ابعاد جغرافیا (Geography Dimension)
• 31. طراحی ابعاد محصول (Product Dimension)
• 32. طراحی ابعاد مشتری (Customer Dimension)
• 33. طراحی ابعاد سازمان (Organization Dimension)
• 34. مقدمه‌ای بر فرآیندهای ETL
• 35. اجزای کلیدی در فرآیندهای ETL: Extract, Transform, Load
• 36. شناخت منابع داده در سازمان
• 37. روش‌های استخراج داده (Extract)
• 38. استخراج داده از پایگاه‌های داده رابطه‌ای
• 39. استخراج داده از فایل‌ها (CSV, XML, JSON)
• 40. استخراج داده از سیستم‌های ابری
• 41. استخراج داده از API ها
• 42. مراحل تبدیل داده (Transform)
• 43. پاکسازی داده (Data Cleansing)
• 44. استانداردسازی داده (Data Standardization)
• 45. اعتبارسنجی داده (Data Validation)
• 46. یکپارچه‌سازی داده (Data Integration)
• 47. تلفیق داده (Data Consolidation)
• 48. تغییر شکل داده (Data Reshaping)
• 49. محاسبات و تراکنش‌های داده
• 50. مدیریت داده‌های تکراری
• 51. بارگذاری داده (Load)
• 52. روش‌های بارگذاری داده: Full Load, Incremental Load
• 53. مدیریت خطا در فرآیندهای ETL
• 54. ابزارهای رایج ETL
• 55. معرفی ابزارهای ETL متن‌باز
• 56. معرفی ابزارهای ETL تجاری
• 57. طراحی و پیاده‌سازی فرآیندهای ETL با ابزارهای رایج
• 58. اصول بهینه‌سازی عملکرد انباره داده
• 59. شناخت شاخص‌ها (Indexes) در پایگاه داده
• 60. انواع شاخص‌ها و کاربرد آن‌ها
• 61. بهینه‌سازی کوئری‌ها (Query Optimization)
• 62. نکات کلیدی در نوشتن کوئری‌های بهینه
• 63. استفاده از View ها در انباره داده
• 64. مدیریت پارتیشن‌بندی (Partitioning)
• 65. بهینه‌سازی فضای ذخیره‌سازی
• 66. فشرده‌سازی داده‌ها (Data Compression)
• 67. مباحث پیشرفته در طراحی انباره داده
• 68. انباره داده مجازی (Virtual Data Warehouse)
• 69. انباره داده ابری (Cloud Data Warehouse)
• 70. مقدمه‌ای بر Data Lake و تفاوت آن با Data Warehouse
• 71. امنیت در انباره داده
• 72. مدیریت دسترسی و احراز هویت
• 73. حفظ حریم خصوصی داده‌ها
• 74. پایش و نگهداری انباره داده
• 75. برنامه‌ریزی برای مقیاس‌پذیری انباره داده
• 76. مطالعات موردی در پیاده‌سازی انباره داده
• 77. درس‌های آموخته از پروژه‌های انباره داده
• 78. آیندهٔ هوش تجاری و انباره داده
• 79. جمع‌بندی و گام‌های بعدی در تحلیل داده