专题一： 
数据仓库基础知识

内容一：BI的架构
1、BI体系介绍
2、ETL介绍
3、多维数据库介绍
4、前端展现介绍
5、数据挖掘介绍

内容二： SQL Server 2005 BI工具介绍
1、ETL工具---SSIS介绍
2、OLAP工具---SSAS介绍
3、报表工具---SSRS介绍
4、数据挖掘工具---SSAS中的挖掘模型

内容三、BI在行业中的应用 
1、现代企业BI需求概述 
2、互联网行业案例分析
3、生产制造行业案例研究
4、医药行业案例分析
5、BI系统数据更新与维护

专题二： 
ETL设计部分

内容一、SSIS 简介
1、控制流介绍
2、数据流介绍
3、事件处理
4、包浏览器

内容二、控制流任务组件详解
1、循环容器
2、执行SQL任务
3、文件系统任务
4、执行进程任务
5、执行DTS2000包任务
6、脚本任务
7、发送邮件任务

内容三：数据流任务组件详解
1、条件拆分
2、数据转换
3、派生列
4、排序
5、缓慢变化维度
6、合并联接
7、分播
8、查找和模糊查找
9、分组和模糊分组

内容四：创建SSIS包
1、创建控制流任务
2、创建数据流任务
3、使用数据源和数据源视图
4、使用变量
5、使用约束
6、使用表达式
7、使用连接管理器

内容五：管理SSIS包
1、使用日志功能
2、使用配置文件
3、使用检查点
4、使用安全性设置

内容六：监视和优化SSIS包
1、使用数据查看器
2、使用包浏览器
3、SSIS包的性能优化

专题三：
海量数据优化部分

内容一：海量数据的特点 
1、什么是海量数据 
2、海量数据的特点 
3、海量数据与行业应用

内容二：16种海量数据优化方法详解 
1、海量数据分区处理 
2、使用中间表和临时表 
3、分批次处理 
4、建立广泛的索引 
5、建立缓存机制 
6、使用文本和二进制格式进行处理 
7、定制强大的清洗规则和出错处理机制 
8、建立视图或者物化视图 
9、其他优化方法 

内容三：数据仓库中海量数据的处理方式 
1、数据仓库中的海量数据特点 
2、数据仓库中的海量数据的处理方式 
3、分布式数据仓库的特点及应用 

内容四：海量数据高级应用 
1、大型项目中海量数据的优化案例分析 
2、使用海量数据优化工具 
3、数据仓库的性能调优技巧

专题四： 
数据仓库项目案例分析

内容一：Novartis大型数据仓库项目 
1、项目介绍 
2、复杂多系统多数据源的特点 
3、ODS的使用 
4、整体项目架构设计 
5、ETL流程设计 
6、缓慢变化维度的使用 
7、MDM的使用与元数据管理 
8、抽取策略的制定
9、数据仓库更新技巧

内容二：Search Funnel数据仓库设计 
1、项目介绍 
2、项目中的海量数据 
3、ETL流程中的程序设计 
4、如何设计抽取策略 

内容三：AdventureWorks数据仓库流程详解 
1、案例介绍 
2、ETL流程详解 
3、SSAS流程详解 
4、SSRS流程详解

专题五： 
构建多维数据库

内容一：创建多维数据库
1、定义数据源
2、定义数据源视图
3、创建维度
4、创建多维数据集
5、设置量度组成员

内容二：统一维度模型（UDM）
1、定义业务实体
2、定义业务逻辑
3、定义计算成员 

内容三：MDX语言
1、MDX概念
2、MDX语法结构
3、MDX的查询功能
4、使用MDX定制商务逻辑
5、MDX复杂案例分析
6、MDX与权限管理

内容四：OLAP的聚合方式
1、ROLAP聚合方式
2、MOLAP聚合方式
3、HOLAP聚合方式

内容五：SSAS高级特性
1、维度层次
2、货币转换
3、本地化
4、使用文件夹
5、透视
6、使用Action
7、关键性能指标（KPI）

专题六： 
前端报表展现分析

内容一：使用Report Model开发报表 
1、Report Model介绍 
2、创建数据源 
3、使用报表控件 
4、使用参数 
5、使用级连报表

内容二：使用Report Builder开发报表 
1、Report Builder介绍 
2、创建数据源 
3、使用向导 
4、使用参数 

内容三：使用二维表数据源设计报表
1、数据源的特点
2、设计报表
3、根据数据源更新报表

内容四：报表管理 
1、权限管理 
2、角色定义 
3、报表配置 

内容五：报表分发和定制 
1、报表分发 
2、报表定制 

内容六：使用ProClarity开发报表 
1、ProClarity功能介绍
2、使用ProClarity开发报表 
3、ProClarity报表管理

专题七： 
数据挖掘相关技术

内容一：SQL Server 2005中九种新型数据挖掘算法模型 
1、 九种挖掘算法模型应用的背景 
2、 决策树算法与模型设计 
3、 聚类算法与模型设计 
4、 关联规则算法与模型设计 
5、 贝叶斯算法与模型设计 
6、 时间序列算法与模型设计 
7、 其他挖掘算法与模型设计 

内容二：常用挖掘模型详解 
1、决策树算法详解及工具实现 
2、聚类算法详解及工具实现 
3、关联规则算法详解及工具实现 
4、贝叶斯算法详解及工具实现 
5、时间序列算法详解及工具实现 
6、数据挖掘模型评估

内容三：DMX语言 
1、DMX语法结构 
2、使用DMX将挖掘结果导出 
3、使用DMX进行参数设置 

内容四：挖掘模型与SSIS的整合 
1、数据挖掘查询任务 
2、数据挖掘模型训练任务 
3、SSAS处理任务中的挖掘模型处理
内容五：基于挖掘模型的二次开发 
1、CS结构的开发
2、BS结构的开发