Il s'agit du deuxième cours de la spécialisation Data Warehousing for Business Intelligence. Dans ce cours, vous apprendrez les concepts et les compétences nécessaires à la conception d'entrepôts de données et à la création de flux de travail d'intégration de données. Il s'agit de compétences fondamentales pour les développeurs et les administrateurs d'entrepôts de données. Vous aurez une expérience pratique de la conception d'entrepôts de données et utiliserez des produits open source pour manipuler des tableaux croisés dynamiques et créer des flux de travail d'intégration de données. Pour la mission d'intégration de données, vous pouvez utiliser les bases de données Oracle, MySQL ou PostgreSQL. Vous acquerrez également des connaissances conceptuelles sur les modèles de maturité, les architectures, les modèles multidimensionnels et les pratiques de gestion, ce qui vous donnera une perspective organisationnelle sur le développement d'un entrepôt de données. Si vous êtes actuellement un professionnel des affaires ou des technologies de l'information et que vous souhaitez devenir un concepteur ou un administrateur d'entrepôt de données, ce cours vous apportera les connaissances et les compétences nécessaires. A la fin du cours, vous aurez l'expérience de la conception, les connaissances logicielles et le contexte organisationnel qui vous préparent à réussir les projets de développement d'entrepôts de données.

Dans ce cours, vous créerez des conceptions d'entrepôt de données et des flux de travail d'intégration de données qui répondent aux besoins de business intelligence des organisations. A l'issue de ce cours, vous serez capable de : * Evaluer la maturité d'un entrepôt de données et l'alignement de l'architecture d'entreprise ; * Créer une conception d'entrepôt de données et réfléchir à des méthodologies de conception alternatives et à des objectifs de conception ; * Créer des flux de travail d'intégration de données en utilisant des logiciels open source de premier plan ; * Réfléchir au rôle des données de changement, des contraintes de rafraîchissement, des compromis de fréquence de rafraîchissement et des objectifs de qualité des données dans la conception du processus d'intégration de données ; et * Effectuer des opérations sur des tableaux croisés dynamiques pour répondre à des demandes d'analyse commerciale typiques en utilisant des logiciels open source de premier plan

Relational Database Support for Data Warehouses est le troisième cours de la spécialisation Data Warehousing for Business Intelligence. Dans ce cours, vous utiliserez les éléments analytiques de SQL pour répondre aux questions de business intelligence. Vous apprendrez les caractéristiques des systèmes de gestion de bases de données relationnelles pour gérer les données sommaires couramment utilisées dans les rapports de veille stratégique. En raison de l'importance et de la difficulté de gérer les implémentations d'entrepôts de données, nous nous pencherons également sur les architectures de stockage, le traitement parallèle évolutif, la gouvernance des données et les impacts du big data. Pour les travaux de ce cours, vous pouvez utiliser soit Oracle, soit PostgreSQL.

Il s'agit du quatrième cours de la spécialisation Data Warehouse for Business Intelligence. Idéalement, les cours devraient être suivis dans l'ordre. L'exploitation efficace et efficiente des données est au cœur de la stratégie concurrentielle de toute entreprise moderne, et un entrepôt de données est un élément essentiel de cette exploitation. La capacité à revenir rapidement sur les premières tendances et à disposer de données exactes - correctement formatées - est essentielle à une bonne prise de décision. En permettant cette vue d'ensemble historique, un entrepôt de données permet aux décideurs de tirer des enseignements des tendances et des défis passés. Par essence, l'avantage d'un entrepôt de données est l'amélioration continue.

A la fin du cours, vous serez en mesure d'améliorer la conformité et la qualité des données en acquérant les connaissances et les compétences nécessaires pour utiliser les entrepôts de données à des fins d'intelligence économique et pour travailler en tant que développeur d'intelligence économique. Vous aurez l'occasion de travailler avec de grands ensembles de données dans un environnement d'entrepôt de données et apprendrez à utiliser les capacités de traitement analytique en ligne (OLAP) et de visualisation de MicroStrategy pour créer des visualisations et des tableaux de bord. Le cours donne une vue d'ensemble de la manière dont les technologies de business intelligence peuvent aider à la prise de décision dans un grand nombre de secteurs d'activité. Ces technologies ont eu un impact profond sur la stratégie, la performance et la compétitivité des entreprises et englobent largement les systèmes d'aide à la décision, les systèmes de veille stratégique et l'analyse visuelle. Les modules sont organisés autour des concepts, des outils et des applications de l'informatique décisionnelle, et de l'utilisation des entrepôts de données pour les rapports d'activité et le traitement analytique en ligne, pour la création de visualisations et de tableaux de bord, et pour la gestion des performances de l'entreprise et l'analyse descriptive. Ce cours est destiné aux étudiants universitaires en commerce et en informatique, aux professionnels de l'informatique, aux gestionnaires de programmes, aux analystes d'entreprise et à toute personne intéressée par une carrière dans l'informatique décisionnelle. Pour réussir ce cours, vous devez avoir suivi le cours 3 de la Specialization Data Warehousing for Business Intelligence ou avoir une expérience préalable de la visualisation de données et de la gestion de documents.

Le cours de synthèse, Conception et construction d'un entrepôt de données pour la mise en œuvre de la Business Intelligence, présente une étude de cas réelle qui intègre votre apprentissage à travers tous les cours de la spécialisation. En réponse aux exigences de l'entreprise présentées dans une étude de cas, vous concevrez et construirez un petit entrepôt de données, créerez des flux de travail d'intégration de données pour rafraîchir l'entrepôt, écrirez des instructions SQL pour répondre aux exigences de requêtes analytiques et sommaires, et utiliserez la plate-forme décisionnelle MicroStrategy pour créer des tableaux de bord et des visualisations. Dans la première partie du cours capstone, vous serez présenté à une entreprise de taille moyenne, découvrant son entrepôt de données et ses exigences en matière de décisionnel, ainsi que les sources de données existantes. Vous commencerez par concevoir un schéma d'entrepôt et un modèle dimensionnel pour un petit entrepôt de données. Vous créerez ensuite des workflows d'intégration de données à l'aide de Pentaho Data Integration pour rafraîchir votre entrepôt de données. Ensuite, vous écrirez des instructions SQL pour les requêtes analytiques et créerez des vues matérialisées pour prendre en charge la gestion des données récapitulatives. Pour les workflows d'intégration de données et les requêtes analytiques, vous pouvez utiliser Oracle ou PostgreSQL. Enfin, vous utiliserez les fonctionnalités OLAP de MicroStrategy pour obtenir des informations sur votre entrepôt de données. Dans le projet terminé, vous aurez construit un petit entrepôt de données contenant une conception de schéma, des flux de travail d'intégration de données, des requêtes analytiques, des vues matérialisées, des tableaux de bord et des visualisations que vous serez fier de montrer à vos employeurs actuels et potentiels.