🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: ساخت انبار داده: راهنمای جامع مدل‌سازی ابعادی با کیمبال

موضوع کلی: انبار داده و هوش تجاری

موضوع میانی: مدل‌سازی ابعادی برای انبار داده

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر انبار داده و هوش تجاری
• 2. چرا به انبار داده نیاز داریم؟
• 3. اهداف کلیدی هوش تجاری
• 4. تفاوت انبار داده با پایگاه داده عملیاتی (OLTP)
• 5. مفاهیم اساسی در مدل‌سازی ابعادی
• 6. اصول طراحی انبار داده
• 7. تفاوت بین OLTP و OLAP
• 8. معماری انبار داده
• 9. انواع معماری انبار داده: دیلتا لیک، دیتامارت، انبار داده مرکزی
• 10. فریم‌ورک Kimball و رویکرد آن
• 11. چرخه حیات توسعه انبار داده
• 12. مراحل تحلیل نیازمندی‌ها برای انبار داده
• 13. تشخیص فرآیندهای کسب و کار
• 14. شناسایی ابعاد کسب و کار
• 15. شناسایی سنجه‌های کلیدی کسب و کار
• 16. طراحی مدل داده ابعادی
• 17. مفهوم جدول فکت (Fact Table)
• 18. انواع جداول فکت: فکت تراکنشی، فکت اسنپ‌شات، فکت تراکنش-اسنپ‌شات
• 19. مفهوم جدول بُعد (Dimension Table)
• 20. ویژگی‌های کلیدی در جداول بُعد
• 21. جداول بُعد و نرمال‌سازی
• 22. جداول بُعد و تکرار داده (Data Denormalization)
• 23. طراحی جدول فکت: سنجه‌ها (Measures)
• 24. انواع سنجه‌ها: سنجه‌های جمع‌پذیر (Additive)، نیمه جمع‌پذیر (Semi-Additive)، غیر جمع‌پذیر (Non-Additive)
• 25. طراحی جدول فکت: کلیدهای خارجی (Foreign Keys)
• 26. پیوند جداول فکت و بُعد
• 27. انتخاب سطح دانه‌بندی (Granularity) برای جداول فکت
• 28. طراحی جدول فکت: سنجه‌های محاسباتی
• 29. طراحی جداول بُعد: کلیدهای جانشین (Surrogate Keys)
• 30. چرا از کلیدهای جانشین استفاده می‌کنیم؟
• 31. مدیریت نسخه‌های بُعد (Slowly Changing Dimensions - SCD)
• 32. انواع SCD: نوع 1 (تغییر در محل)، نوع 2 (اضافه کردن سطر جدید)، نوع 3 (اضافه کردن ستون جدید)
• 33. پیاده‌سازی SCD نوع 2: تاریخچه، وضعیت فعال، تاریخ انقضا
• 34. مدیریت SCD نوع 1
• 35. مدیریت SCD نوع 3
• 36. سایر انواع SCD (نوع 4، نوع 6)
• 37. جداول بُعد پوشیدنی (Junk Dimensions)
• 38. کاربرد و مزایای جداول بُعد پوشیدنی
• 39. طراحی جداول بُعد پوشیدنی
• 40. جداول بُعد تکرار شونده (Role-Playing Dimensions)
• 41. مفهوم نقش‌های مختلف یک بُعد
• 42. پیاده‌سازی جداول بُعد تکرار شونده
• 43. جداول بُعد سلسله مراتبی (Hierarchical Dimensions)
• 44. مدل‌سازی سلسله مراتب در جداول بُعد
• 45. پیاده‌سازی سلسله مراتب: روش والد-فرزند (Parent-Child)
• 46. پیاده‌سازی سلسله مراتب: روش درخت (Tree)
• 47. جداول بُعد انحرافی (Degenerate Dimensions)
• 48. شناسایی و مدل‌سازی جداول بُعد انحرافی
• 49. جداول بُعد تک‌سطحی (Flat Dimensions)
• 50. انتخاب بین ابعاد تک‌سطحی و سلسله مراتبی
• 51. طراحی سنجه‌های ترکیبی (Composite Measures)
• 52. مدل‌سازی سنجه‌های تراکنشی (Transactional Facts)
• 53. مدل‌سازی سنجه‌های اسنپ‌شات (Snapshot Facts)
• 54. مدل‌سازی سنجه‌های اسنپ‌شات دوره‌ای (Periodic Snapshot Facts)
• 55. مدل‌سازی سنجه‌های اسنپ‌شات تجمعی (Accumulating Snapshot Facts)
• 56. مدیریت مقادیر پیش‌فرض (Default Values) در جداول بُعد
• 57. مدیریت مقادیر ناشناخته (Unknown Values)
• 58. طراحی و پیاده‌سازی استار اسکیما (Star Schema)
• 59. مفهوم و مزایای استار اسکیما
• 60. مثال کاربردی استار اسکیما
• 61. طراحی و پیاده‌سازی اسنیک‌فلیک (Snowflake Schema)
• 62. مفهوم و مزایای اسنیک‌فلیک
• 63. مقایسه استار اسکیما و اسنیک‌فلیک
• 64. انتخاب بین استار اسکیما و اسنیک‌فلیک
• 65. قواعد طراحی مدلسازی ابعادی (Dimensional Modeling Rules)
• 66. اصول نام‌گذاری در مدل‌سازی ابعادی
• 67. مستندسازی مدل ابعادی
• 68. تست و اعتبارسنجی مدل ابعادی
• 69. فازهای توسعه انبار داده
• 70. مراحل ETL (Extract, Transform, Load)
• 71. استراتژی‌های استخراج داده (Extraction)
• 72. استراتژی‌های تبدیل داده (Transformation)
• 73. استراتژی‌های بارگذاری داده (Loading)
• 74. انواع ابزارهای ETL
• 75. کاربرد داده‌کاوی (Data Mining) در انبار داده
• 76. مفاهیم اولیه داده‌کاوی
• 77. تکنیک‌های داده‌کاوی برای تحلیل انبار داده
• 78. نقش هوش تجاری (Business Intelligence)
• 79. ابزارهای هوش تجاری
• 80. کاربردهای عملی انبار داده
• 81. مدیریت عملکرد کسب و کار (Business Performance Management - BPM)
• 82. تحلیل داده‌های فروش
• 83. تحلیل داده‌های مالی
• 84. تحلیل داده‌های بازاریابی
• 85. تحلیل داده‌های عملیاتی
• 86. امنیت در انبار داده
• 87. مدیریت کیفیت داده (Data Quality Management)
• 88. اهمیت کیفیت داده برای هوش تجاری
• 89. ابزارها و تکنیک‌های مدیریت کیفیت داده
• 90. فازهای نگهداری و توسعه انبار داده
• 91. راهنمایی‌ها و بهترین شیوه‌ها (Best Practices)
• 92. چالش‌های متداول در مدل‌سازی ابعادی
• 93. آینده انبار داده و هوش تجاری