數(shù)據(jù)管理培訓(xùn)心得

1、數(shù)據(jù)管理培訓(xùn)心得數(shù)據(jù)管理培訓(xùn)心得篇一3月24日我參加了全國數(shù)據(jù)管理學(xué)習(xí)班的培訓(xùn)，通過三天的學(xué)習(xí)，感覺收獲良多，回到公司，我在部門進行了三次集中培訓(xùn)，將所學(xué)的知識共享給大家，大家反應(yīng)很好，并引發(fā)了很多的討論。現(xiàn)就學(xué)習(xí)與部門培訓(xùn)情況簡單總結(jié)如下：全國數(shù)據(jù)管理學(xué)習(xí)班共分三天的課程：第一天，由高復(fù)先教授講解信息資源規(guī)劃，主要講解了IRP的概念、重要性、原理及實施步驟，結(jié)合眾多案例，生動地對IRP的整個理念及實施過程進行了介紹。之前我也一直在關(guān)注這一理論的發(fā)展，高復(fù)先是這一理論的發(fā)起者，他通過對國外數(shù)據(jù)管理的多年研究，經(jīng)過引進、消化、吸收和創(chuàng)新過程，使得這一理論在中國的大地上開花并結(jié)果，付生了很多的心血

2、。通過他的親身講授，我更加深刻地領(lǐng)會到了他理論的精髓。第二天，知識管理與數(shù)據(jù)挖掘，由信息產(chǎn)業(yè)部系統(tǒng)集成室主任，清華大學(xué)研究生蔣波主講，主要講授了知識管理的原理及實施過程，并通過幾個典型案例引申由數(shù)據(jù)挖掘的重要性，對知識管理和數(shù)據(jù)挖掘領(lǐng)域現(xiàn)今廣為流行的應(yīng)用工具也多有涉獵，應(yīng)該說這些內(nèi)容，是我們將來發(fā)展到領(lǐng)導(dǎo)決策支持應(yīng)用階段時應(yīng)該考慮的內(nèi)容，因此具有很強的前瞻性和可參考性。第三天，由業(yè)界知名人士楊大川講授商業(yè)智能，商業(yè)智能（BI）是目前信息化發(fā)展的最高境界，但是它需要有強大的和海量的數(shù)據(jù)做基礎(chǔ)，它是領(lǐng)導(dǎo)決策的智能化工具，目前有很多企業(yè)在用一些BI的工具來進行客戶和市場的分析，他們從浩瀚的數(shù)據(jù)庫中鉆

3、取自己有用的信息來進行決策層的智能分析，我想這應(yīng)該是我們發(fā)展的目標和方向?；毓竞螅裔槍ψ约核鶎W(xué)的知識，找由自己領(lǐng)會最深刻、與目前我們公司信息發(fā)展關(guān)系最密切的部分專門制作了PPT,向各位同事做了匯報和交流，由于大家對這些內(nèi)容的濃厚興趣，使得本來打算利用晚上兩個小時講完的內(nèi)容，分了三個晚上共十多個小時才完成。通過學(xué)習(xí)匯報，我感覺大家對我所學(xué)到的東西有了一個整體認識，通過內(nèi)部交流，也更加加速了消化和吸收，當(dāng)然更重要的是在今后的工作中自覺地結(jié)合所學(xué)達到致用的目的。數(shù)據(jù)管理培訓(xùn)心得篇二這段時間，公司由錢讓我們幾人去參加培訓(xùn)了，項目數(shù)據(jù)分析師培訓(xùn)，講師全部都是從北京請過來的，都是該領(lǐng)域的專家級人物，既

4、有扎實的理論經(jīng)驗，也有豐富的實戰(zhàn)經(jīng)驗。雖然老師的實戰(zhàn)經(jīng)驗學(xué)不到多少，但是老師給予的精彩講解，也讓我學(xué)到了許多有用的東西，自己可以在以后的工作中積累實踐經(jīng)驗。培訓(xùn)期間老師給我們看了他操作的一些實用軟件，還包括配色軟件，雖然自我感覺配色還行，但是沒軟件應(yīng)用起來方便。還有他自己做的一些系統(tǒng)，這些系統(tǒng)都是EXCELS水晶易表做的。在這之前我就了解過EXCEL做的系統(tǒng)是怎樣做的，但自己還未曾去動手做過，不過也學(xué)了一些之前都沒用過的EXCEL、技巧。另外一個水晶易表這個軟件在老師上課的時候就我一個人知道，其實是在去年就知道了，也拿到了中文版教程和軟件，也與部分朋友分享過，但因為當(dāng)時這個軟件看起來不是非常實

5、用，加上工作忙、軟件是英文的，所以就沒去研究它。現(xiàn)在再來看這個軟件，在老師的手中居然可以那樣由神入化，這樣再一次激發(fā)我去學(xué)習(xí)水晶易表的欲望，在課間已經(jīng)請教了老師一些基本操作，剩下的就是進行動手實踐及深入研究動態(tài)鏈接。這次主要由于參加培訓(xùn)的學(xué)員大部分都沒接觸過數(shù)據(jù)分析，所以老師也沒深入講授數(shù)據(jù)挖掘，后來再我們的要求下就繼續(xù)介紹了一些。當(dāng)然也從培訓(xùn)學(xué)到了一些分析方法，不過那些方法都是在最基本一些原理基礎(chǔ)上的，如：正態(tài)分布、余弦定理、邊緣分布等，這些都是基本原理，但我們都忘光了，也不知道可以應(yīng)用在這些方面，現(xiàn)在更加體會到中國的教育與社會實際脫節(jié)的嚴重性。在老師面前我都不敢說我是學(xué)數(shù)據(jù)分析專業(yè)的，自己

6、的專業(yè)都沒有應(yīng)用在實際工作中，真是慚愧。數(shù)據(jù)分析在我來現(xiàn)在的公司前就已經(jīng)意識到將在我現(xiàn)在的工作具有重要的作用，之前也想過要進行學(xué)習(xí)，但是看了一點資料不知道為什么就沒繼續(xù)下去了，可能是看了大堆的文字資料，覺得有些枯燥。老師也提到如果之前就去看書一般是看不進去的，沒有什么效果，或者說沒有感覺，只有自己去動手操作后，遇到一些困難問題，再去看書，這樣才能理解書中的內(nèi)容，想想是非常有道理的。通過這次的數(shù)據(jù)分析師培訓(xùn)，讓我了解到了國內(nèi)數(shù)據(jù)分析行業(yè)目前的發(fā)展狀況和未來良好的發(fā)展趨勢，也堅定了我從事數(shù)據(jù)分析的信心和決心。數(shù)據(jù)管理培訓(xùn)心得篇三8月16日至19日，我有幸參加了在哈爾濱舉辦的數(shù)據(jù)集成與數(shù)據(jù)分析的高級

7、培訓(xùn)班。報完名后，工作人員給我發(fā)放了本次培訓(xùn)教材。拿到培訓(xùn)教材后，我趕緊瀏覽了一遍，對本次培訓(xùn)的全部知識點有了大致了解，這次培訓(xùn)內(nèi)容主要包括如下內(nèi)容：商業(yè)智能、數(shù)據(jù)集成實戰(zhàn)、數(shù)據(jù)倉庫與多維數(shù)據(jù)建模、數(shù)據(jù)分析方法以及OLAP分析演示。本次培訓(xùn)方式采取老師在每介紹完相關(guān)知識后，再介紹微軟在該方面的解決方案，如：SQL數(shù)據(jù)庫中的SSASSSR湃。通過三天緊張的培訓(xùn)，主要的心得體會是商業(yè)智能核心技術(shù)數(shù)據(jù)倉庫的功能非常強大，具有數(shù)據(jù)抽取、清洗、加載、集成、分析以及將快速得由的分析結(jié)果進行各種圖形化展示功能，可以通過MSExcel將數(shù)據(jù)庫中的圖形效果直接展示給用戶，也可以通過Servlet和FLAS蝕術(shù)在

8、門戶或決策支持系統(tǒng)進行展示。一、數(shù)據(jù)倉庫與主數(shù)據(jù)管理的關(guān)系（一）共同之處：減少數(shù)據(jù)冗余和不一致性，提升對數(shù)據(jù)的洞察力，都是跨業(yè)務(wù)系統(tǒng)的依賴很多相同的技術(shù)手段，都涉及到ETL技術(shù)、都強調(diào)數(shù)據(jù)質(zhì)量。建設(shè)方法類似，都需要數(shù)據(jù)規(guī)范作指導(dǎo)，都需要統(tǒng)一的安全策略。（二）不同之處：處理類型不同：主數(shù)據(jù)管理（MDM）系統(tǒng)是偏實時交互的應(yīng)用，為各個業(yè)務(wù)系統(tǒng)提供聯(lián)機交易服務(wù)；而數(shù)據(jù)倉庫是面向是分析型的應(yīng)用，是在大量歷史數(shù)據(jù)的基礎(chǔ)上進行多維分析。實時性不同：主數(shù)據(jù)管理在運行中要大量依賴實時整合的方式來進行主數(shù)據(jù)的集成和同步，對實時性要求高，而數(shù)據(jù)倉庫存儲的是歷史數(shù)據(jù)，對實時性要求較低。數(shù)據(jù)量不同：數(shù)據(jù)倉庫存儲的是海

9、量的歷史數(shù)據(jù)和各個維度的匯總數(shù)據(jù)，而主數(shù)據(jù)管理存儲的僅僅是組織機構(gòu)、項目工程等基本信息，存儲的數(shù)據(jù)量較小。服務(wù)對象不同：主數(shù)據(jù)管理的服務(wù)對象是服務(wù)對象是OA人力資源、供應(yīng)鏈、財務(wù)等業(yè)務(wù)系統(tǒng)，而數(shù)據(jù)倉庫的服務(wù)對象是各層領(lǐng)導(dǎo)和業(yè)務(wù)分析、業(yè)務(wù)決策人員等。二、數(shù)據(jù)倉庫與數(shù)據(jù)集市、ODS操作數(shù)據(jù)倉庫）的關(guān)系數(shù)據(jù)倉庫：存儲歷史的業(yè)務(wù)處理明細數(shù)據(jù)和維度的匯總數(shù)據(jù)。數(shù)據(jù)集市：為滿足各種特定分析需要，存儲個性化分析匯總后的數(shù)據(jù)，為用戶提供快捷的訪問。ODS存儲實時的業(yè)務(wù)數(shù)據(jù)。三、數(shù)據(jù)倉庫的設(shè)計(1)數(shù)據(jù)倉庫的設(shè)計不可能一步到位，應(yīng)按用戶需求和業(yè)務(wù)需要逐步完善。(2)數(shù)據(jù)倉庫的設(shè)計范式應(yīng)滿足第三范式，即雪花型數(shù)據(jù)

10、模型設(shè)計。(3)數(shù)據(jù)倉庫的設(shè)計盡量不使用視圖，而使用事實表，并且表之間一定要有嚴格的約束。(4)數(shù)據(jù)倉庫事實表中要設(shè)置自身的主鍵(建議創(chuàng)建數(shù)字主鍵)，不建議使用業(yè)務(wù)系統(tǒng)中的主鍵，盡管可能是一樣的，可以將其設(shè)置為事實表的代理?。槐M量不用業(yè)務(wù)系統(tǒng)中的備注字段，避免引用描述性屬性；字段類型為字符類型的，使用nvarchar,而不用varchar。(5)數(shù)據(jù)權(quán)限的控制：數(shù)據(jù)庫角色的權(quán)限只能控制到表的操作權(quán)限，而數(shù)據(jù)倉庫的角色可以控制到數(shù)據(jù)倉庫中字段的操作權(quán)限。(6)根據(jù)業(yè)務(wù)分析需要，當(dāng)數(shù)據(jù)倉庫中的數(shù)據(jù)超過了分析周期時，可以將其遷移到磁帶庫中。四、數(shù)據(jù)抽取和數(shù)據(jù)挖掘(1)數(shù)據(jù)抽取有兩種方式：增量抽取和完

11、全抽取。增量抽取中推薦采用時間戳法抽取，當(dāng)數(shù)據(jù)更新量不大時，可以采用觸發(fā)器法抽取。增量抽取方法并不一定優(yōu)于完全抽取方法，需要根據(jù)實際情況進行選擇。(2)數(shù)據(jù)抽取ETL的過程需要被監(jiān)控，對抽取失敗的數(shù)據(jù)應(yīng)重新同步。(3)數(shù)據(jù)挖掘的方法有：決策樹、聚類、時間序列、貝葉斯、關(guān)聯(lián)、神經(jīng)網(wǎng)絡(luò)、邏輯回歸、線性回歸、文本挖掘。五、數(shù)據(jù)分析SSAS(1)OLAP分析的維度、層次、Cube的了解根據(jù)Cube新建向?qū)?，?chuàng)建Cube,將維度和層次引入，利用MD炕詢多維數(shù)據(jù)，并根據(jù)需要，可以選擇KPI中的值、目標、狀態(tài)指示燈、趨勢、趨勢信號燈方式進行展示，展示后，可以對其單元格中的數(shù)據(jù)進行數(shù)據(jù)鉆取獲取明細數(shù)據(jù)，每次鉆取都會向數(shù)據(jù)倉庫發(fā)生一條查詢語句。(2)聚類分析聚類分析有三種：MOLAPROLAPHOLAPMOLAP!將聚合數(shù)據(jù)和明細數(shù)據(jù)都存放在Cube中，是非實時的，存放于一個文本文件；ROLA