數據管理培訓心得

我國內數據分析行業目前的發展狀況和未來發展是良好的。你知道數據管理培訓心得是怎樣的嗎?今天本站小編為大家整理了關於數據管理培訓心得，歡迎大家閲讀!

數據管理培訓心得篇一

3月24日我參加了“全國數據管理學習班”的培訓，通過三天的學習，感覺收穫良多，回到公司，我在部門進行了三次集中培訓，將所學的知識共享給大家，大家反應很好，並引發了很多的討論。現就學習與部門培訓情況簡單總結如下：

“全國數據管理學習班”共分三天的課程：

第一天， 由高復先教授講解《信息資源規劃》，主要講解了IRP的概念、重要性、原理及實施步驟，結合眾多案例，生動地對IRP的整個理念及實施過程進行了介紹。之前我也一直在關注這一理論的發展，高復先是這一理論的發起者，他通過對國外數據管理的多年研究，經過引進、消化、吸收和創新過程，使得這一理論在中國的大地上開花並結果，付出了很多的心血。通過他的親身講授，我更加深刻地領會到了他理論的精髓。

第二天， 《知識管理與數據挖掘》，由信息產業部系統集成室主任，清華大學研究生蔣波主講，主要講授了知識管理的原理及實施過程，並通過幾個典型案例引申出數據挖掘的重要性，對知識管理和數據挖掘領域現今廣為流行的應用工具也多有涉獵，應該説這些內容，是我們將來發展到領導決策支持應用階段時應該考慮的內容，因此具有很強的前瞻性和可參考性。

第三天， 由業界知名人士楊大川講授《商業智能》，商業智能(BI)是目前信息化發展的最高境界，但是它需要有強大的和海量的數據做基礎，它是領導決策的智能化工具，目前有很多企業在用一些BI的工具來進行客户和市場的分析，他們從浩瀚的數據庫中鑽取自己有用的信息來進行決策層的智能分析，我想這應該是我們發展的目標和方向。

回公司後，我針對自己所學的知識，找出自己領會最深刻、與目前我們公司信息發展關係最密切的部分專門製作了PPT，向各位同事做了彙報和交流，由於大家對這些內容的濃厚興趣，使得本來打算利用晚上兩個小時講完的內容，分了三個晚上共十多個小時才完成。

通過學習彙報，我感覺大家對我所學到的東西有了一個整體認識，通過內部交流，也更加加速了消化和吸收，當然更重要的是在今後的工作中自覺地結合所學達到致用的目的。

數據管理培訓心得篇二

這段時間，公司出錢讓我們幾人去參加培訓了，項目數據分析師培訓，講師全部都是從北京請過來的，都是該領域的專家級人物，既有紮實的理論經驗，也有豐富的實戰經驗。雖然老師的實戰經驗學不到多少，但是老師給予的精彩講解，也讓我學到了許多有用的東西，自己可以在以後的工作中積累實踐經驗。

培訓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，但是沒軟件應用起來方便。還有他自己做的一些“系統”，這些系統都是EXCEL與水晶易表做的。在這之前我就瞭解過EXCEL做的系統是怎樣做的，但自己還未曾去動手做過，不過也學了一些之前都沒用過的EXCEL小技巧。

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，但因為當時這個軟件看起來不是非常實用，加上工作忙、軟件是英文的，所以就沒去研究它。現在再來看這個軟件，在老師的手中居然可以那樣出神入化，這樣再一次激發我去學習水晶易表的慾望，在課間已經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鏈接。

這次主要由於參加培訓的學員大部分都沒接觸過數據分析，所以老師也沒深入講授數據挖掘，後來再我們的要求下就繼續介紹了一些。當然也從培訓學到了一些分析方法，不過那些方法都是在最基本一些原理基礎上的，如：正態分佈、餘弦定理、邊緣分佈等，這些都是基本原理，但我們都忘光了，也不知道可以應用在這些方面，現在更加體會到中國的教育與社會實際脱節的嚴重性。在老師面前我都不敢説我是學數據分析專業的，自己的專業都沒有應用在實際工作中，真是慚愧。

數據分析在我來現在的公司前就已經意識到將在我現在的工作具有重要的作用，之前也想過要進行學習，但是看了一點資料不知道為什麼就沒繼續下去了，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，沒有什麼效果，或者説沒有感覺，只有自己去動手操作後，遇到一些困難問題，再去看書，這樣才能理解書中的內容，想想是非常有道理的。

通過這次的數據分析師培訓，讓我瞭解到了國內數據分析行業目前的發展狀況和未來良好的發展趨勢，也堅定了我從事數據分析的信心和決心。

數據管理培訓心得篇三

8月16日至19日，我有幸參加了在哈爾濱舉辦的數據集成與數據分析的高級培訓班。報完名後，工作人員給我發放了本次培訓教材。拿到培訓教材後，我趕緊瀏覽了一遍，對本次培訓的全部知識點有了大致瞭解，這次培訓內容主要包括如下內容：商業智能、數據集成實戰、數據倉庫與多維數據建模、數據分析方法以及OLAP分析演示。本次培訓方式採取老師在每介紹完相關知識後，再介紹微軟在該方面的解決方案，如：SQL數據庫中的SSAS、SSRS等。通過三天緊張的培訓，主要的心得體會是商業智能核心技術—數據倉庫的功能非常強大，具有數據抽取、清洗、加載、集成、分析以及將快速得出的分析結果進行各種圖形化展示功能，可以通過MS Excel將數據庫中的圖形效果直接展示給用户，也可以通過Servlet和FLASH技術在門户或決策支持系統進行展示。

一、 數據倉庫與主數據管理的關係

(一)共同之處：

Ø 減少數據宂餘和不一致性，提升對數據的洞察力，都是跨業務系統的。

Ø 依賴很多相同的技術手段，都涉及到 ETL 技術、都強調數據質量。

Ø 建設方法類似，都需要數據規範作指導，都需要統一的安全策略。

(二)不同之處：

Ø 處理類型不同：主數據管理 (MDM) 系統是偏實時交互的應用，為各個業務系統提供聯機交易服務;而數據倉庫是面向是分析型的應用，是在大量歷史數據的基礎上進行多維分析。

Ø 實時性不同：主數據管理在運行中要大量依賴實時整合的方式來進行主數據的集成和同步，對實時性要求高，而數據倉庫存儲的是歷史數據，對實時性要求較低。

Ø 數據量不同：數據倉庫存儲的是海量的歷史數據和各個維度的彙總數據，而主數據管理存儲的僅僅是組織機構、項目工程等基本信息，存儲的數據量較小。

Ø 服務對象不同：主數據管理的服務對象是服務對象是OA、人力資源、供應鏈、財務等業務系統，而數據倉庫的服務對象是各層領導和業務分析、業務決策人員等。

二、 數據倉庫與數據集市、ODS(操作數據倉庫)的關係

數據倉庫：存儲歷史的業務處理明細數據和維度的彙總數據。

數據集市：為滿足各種特定分析需要，存儲個性化分析彙總後的數據，為用户提供快捷的訪問。

ODS：存儲實時的業務數據。

三、 數據倉庫的設計

(1)數據倉庫的設計不可能一步到位，應按用户需求和業務需要逐步完善。

(2)數據倉庫的設計範式應滿足第三範式，即雪花型數據模型設計。

(3)數據倉庫的設計儘量不使用視圖，而使用事實表，並且表之間一定要有嚴格的約束。

(4)數據倉庫事實表中要設置自身的主鍵(建議創建數字主鍵)，不建議使用業務系統中的主鍵，儘管可能是一樣的，可以將其設置為事實表的代理健;儘量不用業務系統中的“備註”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)數據權限的控制：數據庫角色的權限只能控制到表的操作權限，而數據倉庫的角色可以控制到數據倉庫中字段的操作權限。

(6)根據業務分析需要，當數據倉庫中的數據超過了分析週期時，可以將其遷移到磁帶庫中。

四、 數據抽取和數據挖掘

(1)數據抽取有兩種方式：增量抽取和完全抽取。增量抽取中推薦採用時間戳法抽取，當數據更新量不大時，可以採用觸發器法抽取。增量抽取方法並不一定優於完全抽取方法，需要根據實際情況進行選擇。

(2)數據抽取ETL的過程需要被監控，對抽取失敗的數據應重新同步。

(3)數據挖掘的方法有：決策樹、聚類、時間序列、貝葉斯、關聯、神經網絡、邏輯迴歸、線性迴歸、文本挖掘。

五、 數據分析SSAS

(1)OLAP分析的維度、層次、Cube的瞭解

根據Cube新建嚮導，創建Cube，將維度和層次引入，利用MDX查詢多維數據，並根據需要，可以選擇KPI中的“值”、“目標”、“狀態指示燈”、“趨勢”、“趨勢信號燈”方式進行展示，展示後，可以對其單元格中的數據進行數據鑽取獲取明細數據，每次鑽取都會向數據倉庫發出一條查詢語句。

(2)聚類分析

聚類分析有三種：MOLAP、ROLAP、HOLAP。MOLAP是將聚合數據和明細數據都存放在Cube中，是非實時的，存放於一個文本文件;ROLAP是實時的，只存放Cube框架，包括層次、維度等，用户在進行分析時，數據需要進行實時統計分析;HOLAP介於 MOLAP與ROLAP之間，聚合數據存放在Cube中，明細數據仍存放在數據倉庫中。推薦使用MOLAP。

(3)報表分析SSRS

可以通過報表分析對事實表或數據表以及矩陣進行任意的集成，展示後，不能對其單元格中的數據進行數據鑽取獲取明細數據。