Programme SQL SERVER BI : ANALYSIS SERVICES
Durée : 5 jours - 35 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Une expérience de Reporting Services serait utile mais n'est pas nécessaire pour réussir ce cours.
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
Concevoir un modèle dimensionnel unifié (UDM)
- Identifier les mesures et leur granularité appropriée
- Ajouter de nouveaux groupes de mesures et créer des mesures personnalisées
Créer les dimensions
- Mettre en œuvre les schémas en étoile et en flocon
- Identifier les dimensions à jeux de rôle
- Ajouter des attributs et propriétés dimensionnels
Créer des hiérarchies
- Création de hiérarchies naturelles
- Créer des relations d'attributs
- Hiérarchies équilibrées vs hiérarchies déséquilibrées
- Discrétiser les valeurs d'attributs avec les algorithmes Clusters et zones égales
Relations de type parent-enfant
- Définir le parent et les attributs clés
- Générer des niveaux de légende avec la fonctionnalité Modèle de nom
- Supprimer les entrées répétées avec la propriété MembersWithData
Stocker les données dimensionnelles dans des tables de faits
- Créer une dimension dégénérée
- Configurer des relations de faits
Économiser de l'espace avec les relations dimensionnelles référencées
- Identifier les candidats pour des relations référencées
- Utiliser l'onglet Dimension Usage pour configurerles relations référencées
Inclure des dimensions avec des relations plusieurs à plusieurs
- Mettre en œuvre des groupes de mesures et des dimensions intermédiaires
- Faire un rapport sur les dimensions plusieurs à plusieurs sans double comptage
Mettre en oeuvre une base de modèle tabulaire
- Analyses perspicaces via Vertipaq et PowerPivot
- Comparer le mode Direct query au langage MDX classique
- Définir le rôle de SharePoint
Concevoir le stockage et les agrégations
- Modes de stockage ROLAP, MOLAP et HOLAP
- Partitionnement du cube pour de meilleures performances
- Concevoir des agrégations avec l'assistant Conception d'agrégation
- Exploiter l'assistant Optimisation basée sur l'utilisation
Automatiser le traitement
- Exploiter les scripts XMLA et SSIS
- Réactualiser les cubes avec la mise en cache proactive
Récupérer des données avec MDX
- Définir les tuples, les ensembles et les membres calculés
- Exécuter des requêtes sur les cubes avec MDX
- Utiliser les fonctions des ensembles
Surveiller les performances métier avec les KPI
- Créer un statut des objectifs et des expressions de tendance
- Utiliser PARALLEL PERIOD
Créer des calculs avec MDX
- Ajouter des calculs d'exécution au cube
- Comparer les calculs MDX avec les colonnes calculées
Déterminer quel est le bon modèle
- Identifier les tâches métier pour l'exploration de données
- Apprentissage et test des algorithmes d'exploration de données
- Comparer les algorithmes au graphique de précision et à la matrice de classification
- Optimiser les retours avec le graphique des bénéfices
Réaliser des prédictions réalistes
- Classement avec les arbres de décision, le réseau neuronal et l'algorithme MNB (Microsoft Naive Bayes)
- Prédiction avec l'algorithme MTS (Microsoft Time Series)