Centre de formation ACF Grenoble

87, rue Général Mangin - 38000 Grenoble
Tel : 04 76 23 20 50 / 06 81 73 19 35
contact@audit-conseil-formation.com

Demander un Devis
puce

Demande de devis

Formation
Cadre
Nom/Prénom
Société
E-mail
Téléphone
Adresse
Période
Evaluer mon niveau

Formation SQL SERVER BI : ANALYSIS SERVICES

DomaineCERTIFICATION ET FORMATION LEARNING TREE INTERNATIONAL

Programme de cours SQL SERVER BI : ANALYSIS SERVICES :

Durée de la formation : 5 (jours)
Participants : À ceux qui conçoivent, créent ou développement des cubes d'analyse à partir d'une base de données.
Pré-requis : Une expérience de Reporting Services serait utile mais n'est pas nécessaire pour réussir ce cours.
Objectifs : Cette formation vous offrira un tour d'horizon complet de Microsoft SQL Server Analysis Services. Vous apprendrez à importer et à analyser des données provenant de sources hétérogènes. Les nombreux exercices pratiques qui vous seront proposés au cours de cette formation illustreront des problèmes concrets et proposeront des solutions pratiques que vous pourrez mettre en application immédiatement sur votre lieu de travail.
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
  • Passage de certification(s) dans le cadre du CPF
  • Mise en place de la Charte contrôle et qualité OPCA
  • Notre plateforme d'évaluation :
    • Evaluation des besoins et objectifs en pré et post formation
    • Evaluation technique des connaissances en  pré et post formation
    • Evaluation générale du stage
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)
Tarif (indicatif) en € : 3500


Pour d'autres cours, Contactez-nous