Data Warehouse就业班
我们移民海外都希望能积极地投入新生活，并逐渐地Build 相对稳定的、自身又擅长的Career。但很多朋友最大的痛苦是：不是不愿意努力，而是不知道该如何努力，以及在哪个方向、哪个领域内投入宝贵的时间和精力。其实，明智的职业选择，一方面应尽可能地发挥自己以往的优势和背景，另一个很重要的方面则是应该结合时代的需要，即所谓的“识时务者为俊杰”。我们正处于一个信息爆炸的年代，能够在第一时间内获得或者找到最有价值的信息和资源，则成为企业在激烈地竞争取胜很重要的因素。所以DW应运而生，并以惊人的速度得到快速、蓬勃的发展，特别2008年有越来越火的趋势，必然是需要大量的此方面的技术人员，正在观望或者犹豫的朋友们不妨可以考虑DW。其实，在北美有很多技术工作是适合移民的，并且竞争并不激烈，最关键，华人要善于开辟职业新天地，发挥原有的技术背景，再加以进修一些新技术，出奇制胜！
--------------------------------------------------------------------------------
为什么维多利亚在DW方面的就业率居高不下？！
名师Mr.Shen教授的“Data Warehouse就业班”果然是不同凡响，学员就业情况令人刮目相看，多名学员成功取得Data Warehouse的高薪Offer，甚至有的学员课程刚刚结束时就拿到Offer，更有学员一次获得多个Offer，比率之高超乎想象。学员们公认：成功的喜悦来自两方面，一方面无比感谢授课老师--Mr.Shen，学员的高就业率与沈老师的培训和推荐直接相关，沈老师以往的学员已有上百名成功走向Data Warehouse专业方向，就业率直达70%以上，其中三分之一是由老师直接推荐成功就业的，多名学员得到的是来加的第一份技术工作，最关键，他们均就职于北美著名的大公司、大银行，年薪可观，工作稳定，使Mr.Shen成为学员们公认的最佳教师，也使“Data Warehouse就业班”蝉联“就业明星班”；另一方面，也说明Data Warehouse方向的就业状况是“求大于供”，Data Warehouse正以迅雷不及掩耳之势成为就业市场的新宠，特别是银行业大举招聘Data Warehouse！
名师推荐沈老师：15年数据库高层工作经验，多年数据仓库开发经验，对目前设计和建立数据仓库的方法和常用的ETL和BI 主流工具软件有非常深入的了解，实战经验，无出其右。多伦多著名Data Warehouse培训专家，维多利亚教育集团“Data Warehousing and BI Co-op”权威授课老师，能结合工作中大量的实际例子应用和及教学，充分演绎目前在这个领域中市场上流行软件的精髓。以学识精湛、知识全面而深受历届学生的真心爱戴，在推荐学生成功就业方面更是有口皆碑！
Data Warehouse学员共同心声：
感谢沈老师令我们半年内年薪6万！虽然我们背景不同，但是的确全部成功就业！
2008年DW就业市场的持续火爆形式，维多利亚学院以最优秀的DW名师团队，使得DW学员均高薪快速就业，年薪全在6万以上。在2008年大好的就业环境下，他们都抓住了就业良机，成功就业了！
成功就业学员1：Mr. Tom，沈老师的DW学员，课程结束以后，经过沈老师细致的就业辅导，很快找到了多伦多大型Consulting公司的工作。
成功就业学员2：Ms. Sunny，非IT背景，从前是做Business工作，上期DW课程结束以后，成功转行进入了DW领域，找到了大银行年薪6万的工作。
成功就业学员3：Ms.Jing，这是我们发稿前刚刚得到的喜讯，Ms.Jing是沈老师七月份课程的学员，现在这期课程还尚未结束，她已经找到了金融企业的DW工作，年薪7万。
学员感言：两位老师在课堂上都会给学员很多市场第一手最新最急需的资料。而课后对学员的就业指导，简历修改也一丝不苟！感谢维多利亚让我们结识了这么好的老师，使我在加拿大的事业能够一帆风顺！
该课程将教会您:
设计和创建数据仓库的综合性解决方案
建立特殊的数据模型技术及元数据的确立
使用Erwin设计及多维数据库建模
使用Erwin创建及维护数据库的各种表，主外键，唯一键，视图，触发器等
采用Denormalization, Star Schema技术设计Multi-Dimensional 的数据仓库
源数据的采集，转移及数据仓库之数据的装载（ETL) 技术
商业智能(BI)的解决方案及 Cognos Impromptu, PowerPlay, and PowerPlay Transformer等BI 工具的应用.
数据仓库之优化技术等.
该课程适应的对象：
该课程适用于数据仓库管理员，数据仓库设计、开发人员及数据仓库经理，系统分析员，系统工程师，系统资讯人员， ETL程序员及所有参与创建数据仓库项目的相关人员等。参加者具有ORACLE 关系型数据库管理系统的基础知识对学习该课程有帮助。
2008年DW因为高薪、稳定，在数据领域一枝独秀；并且由于工作多在大银行、大企业，加之真正会做的人少，使DW成为“IT就业的新贵”！而且我们发现，大部份华人技术移民具有很好的IT基础、快速Pick Up新技术的能力，只要能够得到专家的悉心教授和最有效的就业指导以及必需的工作推荐，就业DW领域还是近在咫尺的。恰逢现在DW的市场需求是明显的“求大于供”，成功就业的机率则大为增加，维多利亚“Data Warehouse就业班”配备独家内部培训教材及实战演练真实环境，负责推荐工作，就业率最高！
出奇制胜的找工之道！维多利亚聘请到具有6年著名北美大银行工作经验的Data Warehouse专家沈老师执教，沈老师博大精深的数据库基础、无与伦比的实践经验以及重点突出的精彩授课，使的此课大放异彩，并且，沈老师是一位极其敬业、认真负责的老师，课程内容设置直接针对就业，课程涵盖找工作必会的全部的核心技术和最流行的工具，每堂课后配备大量实例练习，确保基础不强的学员亦可通过努力学到真才实学，还有，因为Data Warehouse是一个新兴技术，学校和老师针对大部分学员缺乏相关经验，提供Data Warehouse专门的简历样本、面试指导、工作推荐等“就业一条龙”服务！
“Data Warehouse就业班”以独特的方式，理论结合实践地传授您创建数据仓库的方法及北美最新的数据仓库的相关产品及技术。更精讲核心技术---Data Warehousing 设计和实施以及D W常用工具(如Cognos, Crystal Report等)的使用，最重要的是通过该课程的学习，能得到诸如Oracle, Erwin, Cognos Impromptu and PowerPlay, PowerPlay Transformer等的核心技术及DW相关的实战经验，无论在北美寻求高薪职业还是海归，都是最佳选择！学完此课，您会掌握Data Warehousing项目的真谛，站在一个更高的Level考虑计算机软件行业的发展方向！
Data Warehouse成为北美就业市场的新宠！
“如果你问为什么大量的企业都在应用商业智能(BI)，那么最好的答案就是：他们为了做出更出色的决策。”这是权威公司Gartner Inc.的副总裁Frank Buytendijk在伦敦的商业智能峰会上发表的结论，这是通过对30多个国家的1300多个CIO的问卷调查后得出的如下结论。2008年IT就业的好形势下，最为盛行的数据库领域已迅猛的速度发展为又一就业热点，与此相关的职位增加迅猛，特别是银行业大举招聘Data Warehouse--通过2008年各大银行更将不断增加对Data Warehouse的招聘可以发现，Data Warehouse等BI领域相关职位已经突破瓶颈，为广大求职者提供了广阔的发展空间，也给更多欲在BI领域大展拳脚的华人朋友注射了一剂强心针，使他们对未来的发展更加充满信心。
什么是Data Warehouse？
众所周知，自90 年代开始，ERP系统成了企业界追逐的宠儿，企业的优化管理机制，提高生产力，控制成本等一系列的目标，在实施一套好的ERP系统后都得到了不同程度的改善。但是，由于ERP 系统的性质决定了它每天要处理大量事物性过程，即每天产生大量TRANSACTION 数据，随着时间的推移，企业将产生大量的事物性数据，IBM研究报告表明，只有7%的数据为企业在做战略决策时所采用，而如何将其中有用的数据经过提炼、加工成为、分析，帮助企业管理者做出更好的商业决策，既数据仓库(Data Warehouse)及相关数据挖掘(Data Mining)、商业智能(Business Intelligence)技术成为IT继ERP后的又一大产业，而这些技术都以Data Warehouse为核心。Warehouse是将企业的事物性数据经过提炼、加工和集成为对企业有用的信息，是面向主题的、稳定的、随时间变化的，主要用于决策支持的数据库系统。既数据仓库是定期更新的，将会存放大量的有用数据，经由OLAP工具、数据挖掘工具、加上决策规划人员的专业知识，从数据中获得有用的信息，帮助企业获取利润。数据仓库的用途决定了其设计，实施都与传统的OPERATIONAL SYSTEM 不同。一个成功的数据仓库的创造和实施，不仅需要良好的数据模型和优化的实现技术，而且需要把众多相关的因素很好地进行集成和组织，形成一套有效的设计方法和实施规则。
为什么Data Warehouse是技术移民明智的职业选择？！
所谓的就业“识时务者为俊杰”包括：一方面应尽可能地发挥自己以往的优势和背景，另一个很重要的方面则是应该结合时代的需要。因为任何一个新行业的崛起以及相关职位的增多均来源于市场的呼唤，随着时代的发展，提高工作效率已成为当今所有企业的共同目标，如何能够在浩瀚如海、堆积如山的数据中最快速的得到有效数据，则成为其中重要的一环，市场呼唤技术，90年代初，Data Warehouse 应运而生，并且随着IT业的几次革命，呈现出越来越热的趋势，尤其从2005年开始，随着北美经济的火爆，各大银行、金融、保险机构等，由于业务发展的需要，更是广招Data Warehouse方面的专业技术人员，求贤若渴，但由于Data Warehouse发展迅速，对此有所了解的技术人员寥寥可数，能够真正掌握其中的核心技术并且能够熟练应用相关工具的人材就更是凤毛鳞角，所以，虽然近一、两年，随着技术移民的大量涌入，北美IT就业市场竞争日益激烈，但Data Warehouse 则一枝独秀，因为高薪、稳定、工作多在大银行、大企业真正会做的人少、与数据相关等优势而成为“IT就业的新贵”! 而在中国，Data Warehouse 更是炙手可热，这方面的技术人员纷纷成为各大IT公司、猎头公司“挖角”的对象！
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Data Warehousing and BI With Real Project
1. Course Introduction
This hands-on course provides the knowledge and skills needed to design and build a data warehouse using North America leading-edge products. The most important point is that you will gain practical Data warehousing and BI project experience working with Oracle and SQLServer, Erwin, DataStage and complete Microsoft BI solution including SSIS, SSRS and SSAS.
You Will Learn How To:
Design and build comprehensive Oracle Data Warehousing solutions
Implement special data modeling techniques and define metadata
Analyze business requirements
Develop a data model & generating a multidimensional database using Erwin.
Generate and maintain database objects such as Tables, Primary Key, Foreign Key, Unique Key, Indexes, Views, and Triggers etc. using Erwin.
Define Extraction, transformation and loading (ETL) process and use ETL tool – DataStage to load data into data warehouse
Develop comprehensive ETL project by using Microsoft SSIS
Develop Business Intelligence (BI) solutions with SSRS and SSAS.
Extend data mining by using Microsoft enterprise miner
Who Should Attend:
This course is valuable for Data Warehouse Administrators / Designers / Developers / Managers, System Analyst, System Engineers, Consultants, ETL Developers, and others involved in building data warehouse. Basic knowledge of Oracle RDBMS is helpful.
2. Course Objectives
Upon completion of this course, you should be able to:
Thorough understanding with Data Warehouse philosophy, purpose and technology.
Understanding with D/W development life cycle, including define business requirements, system analysis, system design, construction and deployment.
Data Warehousing experience in Data Architecture, Data Modeling and logical and physical Database Design
Developing a multidimensional data model and generating Oracle database structures using ERwin
Build indexes and partitioning tables to improve the performance
Defining, managing and central control enterprise reference data, and metadata
Extracting, transforming and loading (ETL) data to Data Warehouse using ETL tool – DataStage
Design ETL project by using Microsoft SQLServer Integration Service (SSIS)
Design ETL meta data management database
Optimizing query performance
Develop various kinds of business reports by using Microsoft Reports Server (SSRS) and to do online analytical process by using Microsoft Analysis Service (SSAS.)
Defining dimensions, hierarchies, measures, and populating data cubes using SSAS.
3. Course Content （40 hrs ）
Module 1: Introduction-- The role of a data warehouse
• What is Data Warehouse
• What data can be stored in Data Warehouse
• Uses and objectives of a data warehouse
• Glossary of data warehousing terms
• Data warehousing conceptual architecture
• Central Reference Database
• Data Warehouse
• Information access and analysis tools
• The vision of Data Warehousing
Module 2: Data Warehouse development lifecycle
• Planning A Data Warehouse
• Business Requirements
• Analysis – Functional Specifications
• Design – System Design Specifications
• Construction – Coding / Testing
• Deployment – Implementation
• Post Review & Enhancement
Module 3: Data Modeling With Erwin
Data Modeling Concepts
• Understanding Data Modeling concepts
• Understanding Entities
• Understanding Attributes
• Understanding Relationships
Introducing ERwin
• Getting started with Erwin
• Introducing Erwin Menus and Tools
• Reverse Engineering and Report Generation in Erwin
• Gathering information requirements, Metadata, and Business Rules
Creating the Logical Model
• Developing the Logical Data Model
• Building Logical Relationships
• Organizing and Enhancing the logical data model
• Reviewing the logical data model
• Delivering the logical data model
• Advanced features for the logical model
Creating the Physical Model
• Developing the physical model
• Building the physical model in Erwin
• Building Physical Relationships
• Reviewing the Physical data Model
• Delivering the physical data model
• Advanced features for the physical model
Module 4: Data Warehouse Design
• Data Warehouse E-R modeling techniques
• Dimensional modeling
• Star schemas benefit
• Star schema
• Snowflake schema
• Constellation schema design
• Implementing database partitioning
• Dimensional vs. traditional approaches
• Data Mart Vs. Data Warehouse
• Meta data introduction
• Define the metadata and metadata model sample
• Case study – dimensional modeling
• Design a Data Warehouse Logical model sample
• Design a Data Warehouse Physical model sample
• Create a Data Warehouse Database in ORACLE RDBMS
Module 5: Data Warehouse Data Population
• Defining the ETL process
• Extracting source data
• Transferring data to target D/W Server
• Loading data into staging area using SQL*Loader and database links
• Implementing data validation rules
• Mapping data sources to targets
• Maintaining referential integrity
• Executing the ETL processes
• Parallel operations for load processing
• Central Reference Database Implementation
• Central Reference Data Maintenance and interface
• Central Reference and Data Warehouse data synchronization
• Data Warehouse DB data Load and data operation
Module 6: Indexing the Data Warehouse
• Index approaches
• Index types
• Single column or composite indexes
• Indexing dimension tables
• Indexing fact tables
• Optimizing the index creation process
• Index creation and maintenance guidelines
Module 7: Advanced SQL
• SET operators
• Oracle DATETIME functions
• ROLLUP, CUBE operators and GROUPING SETS
• Hierarchical queries
• Correlated subqueries
• Multitable inserts
• External Tables
Module 8: ETL Tool – DataStage
• Understanding the role of ETL Tool, such as DataStage
• DataStage Architecture
• DataStage Components
• Using Data Stage Client
o DataStage Administrator
o DataStage Manager
o DataStage Desighner
o DataStage Director
• Developing ETL Project using DataStage
• Running and Testing DataStage Jobs
Module 9: Microsoft ETL SSIS project
• The introduction of SSIS Tool.
• SSIS Tasks
• Containers and Data Flow
• Creating an End to End Package
• Advanced tasks and Transformations
• Advanced Tasks and Transformations
• Accessing heterogeneous Data
• Error And event Handling
• Design ETL Solution for data migration project
Module 10: Business Reporting by using SSRS
• Reporting Service Architecture
• Business Intelligence Defined
• Reporting with Relation Data (OLTP)
• Reporting with Data Warehouses
• Reporting with Multidimensional Sata
• The Reporting Lifecycle
• Designing Reports
• Designing Data Access
• Parameter Concepts
• Report Parameters
• Basing a Parameter on a Query
Module 11: Advanced Report Design
• Grouping Data
• Drill-Down Reports
• Drill-Through Reports
• Recursive Relationships
• Sub-reports
• Designing Matrix Reports
Module 12: OLAP with SSAS
• Introduction of Multidimensional Database
• online Analytical processing
• Creating a Multidimensional database
• Processing a Multidimensional database
• Queering a Multidimensional database
• Administering a Multidimensional database
• processing Cubes
• Backup and Restore
• Summary
Instructor：Jeff Shen
Senior Data Warehousing and BI Consultant. Over 15 Years in IT industry and over 10 years in various kinds of Data warehousing and BI projects including Mutual found, Energy, Insurance and Retail Industry. Over 8 Years Data Warehousing and BI Teaching Experience.
