اپلیکیشن اندرویدی فلش‌کارت آموزشی کیت ابزار جامع انبار داده: طراحی، پیاده‌سازی و مدیریت سیستم‌های هوش تجاری پایدار

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کیت ابزار جامع انبار داده: طراحی، پیاده‌سازی و مدیریت سیستم‌های هوش تجاری پایدار

موضوع کلی: تحلیل و هوش تجاری

موضوع میانی: ساخت و توسعه انبار داده

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر هوش تجاری و انبار داده
• 2. چرا کسب‌وکارها به انبار داده نیاز دارند؟
• 3. تفاوت سیستم‌های پردازش تراکنش آنلاین (OLTP) و پردازش تحلیلی آنلاین (OLAP)
• 4. معرفی رویکرد کیمبال در برابر رویکرد اینمون
• 5. بررسی چرخه حیات کامل پروژه انبار داده (The Lifecycle)
• 6. برنامه‌ریزی پروژه انبار داده و تعریف اهداف
• 7. تعیین محدوده (Scoping) پروژه: هنر ممکن ساختن
• 8. توجیه کسب‌وکار (Business Justification) و محاسبه بازگشت سرمایه (ROI)
• 9. شناسایی ذینفعان کلیدی و تشکیل تیم پروژه
• 10. تعریف نقش‌ها و مسئولیت‌های تیم (Team Roles and Responsibilities)
• 11. ارزیابی آمادگی سازمانی برای پروژه هوش تجاری
• 12. ملاحظات فنی و انتخاب پلتفرم (Technology Stack Selection)
• 13. برنامه‌ریزی برای مدیریت ریسک در پروژه
• 14. مدیریت پروژه انبار داده با متدولوژی‌های چابک (Agile)
• 15. اهمیت حاکمیت داده (Data Governance) از روز اول
• 16. اهمیت گردآوری نیازمندی‌های کسب‌وکار
• 17. تکنیک‌های مصاحبه با کاربران و مدیران کسب‌وکار
• 18. برگزاری کارگاه‌های جمع‌آوری نیازمندی‌ها
• 19. ترجمه نیازمندی‌های کسب‌وکار به نیازمندی‌های فنی
• 20. معرفی معماری ماتریس باس (Business Process/Dimension Matrix)
• 21. شناسایی و تعریف فرآیندهای اصلی کسب‌وکار
• 22. انتخاب اولین فرآیند کسب‌وکار برای پیاده‌سازی
• 23. تعیین دانه‌بندی (Granularity) جداول فکت
• 24. شناسایی ابعاد و ویژگی‌های تحلیلی (Dimensions and Attributes)
• 25. شناسایی سنجه‌ها و حقایق (Measures and Facts)
• 26. اصول مدل‌سازی ابعادی (Dimensional Modeling)
• 27. معرفی اسکیمای ستاره‌ای (Star Schema)
• 28. مقایسه اسکیمای ستاره‌ای و اسکیمای دانه‌برفی (Snowflake)
• 29. جداول فکت (Fact Tables): قلب انبار داده
• 30. انواع جداول فکت: تراکنشی (Transactional)
• 31. انواع جداول فکت: اسنپ‌شات دوره‌ای (Periodic Snapshot)
• 32. انواع جداول فکت: اسنپ‌شات تجمعی (Accumulating Snapshot)
• 33. جداول فکت بدون فکت (Factless Fact Tables)
• 34. انواع سنجه‌ها: افزایشی، نیمه‌افزایشی و غیرافزایشی (Additive, Semi-Additive, Non-Additive)
• 35. جداول ابعاد (Dimension Tables): زمینه و بستر تحلیل
• 36. ویژگی‌های کلیدی یک جدول ابعاد با کیفیت
• 37. کلیدهای اصلی در سیستم‌های مبدأ (Natural Keys)
• 38. کلیدهای جایگزین (Surrogate Keys) و اهمیت آن‌ها
• 39. ویژگی‌های متنی توصیفی در جداول ابعاد
• 40. سلسله‌مراتب در ابعاد (Hierarchies)
• 41. ابعاد انحطاط یافته (Degenerate Dimensions)
• 42. ابعاد ایفای نقش (Role-Playing Dimensions)
• 43. مدیریت تغییرات در ابعاد: ابعاد به آرامی متغیر (Slowly Changing Dimensions)
• 44. پیاده‌سازی SCD نوع ۱: بازنویسی تاریخچه (Overwrite)
• 45. پیاده‌سازی SCD نوع ۲: ایجاد سطر جدید برای نگهداری تاریخچه (Add New Row)
• 46. پیاده‌سازی SCD نوع ۳: افزودن ستون برای تاریخچه محدود (Add New Attribute)
• 47. تکنیک‌های ترکیبی SCD: نوع ۴، ۶ و ۷
• 48. ابعاد سازگار (Conformed Dimensions): چسب انبار داده
• 49. ابعاد آشغال (Junk Dimensions) برای مدیریت شاخص‌ها و پرچم‌ها
• 50. مینی-ابعاد (Mini-Dimensions) برای ویژگی‌های سریع‌التغییر
• 51. ابعاد پل (Bridge Tables) برای روابط چند به چند
• 52. مدل‌سازی ابعادی برای فرآیند فروش و سفارشات
• 53. مدل‌سازی ابعادی برای فرآیند موجودی انبار
• 54. مدل‌سازی ابعادی برای فرآیند مالی و حسابداری
• 55. مدل‌سازی ابعادی برای فرآیند منابع انسانی
• 56. مدل‌سازی ابعادی برای فرآیند بازاریابی و کمپین‌ها
• 57. ملاحظات طراحی فیزیکی پایگاه داده
• 58. انتخاب نوع پایگاه داده: ستونی (Columnar) در مقابل سطری (Row-based)
• 59. استراتژی‌های ایندکس‌گذاری برای انبار داده (Bitmap, B-Tree)
• 60. پارتیشن‌بندی (Partitioning) جداول فکت بزرگ
• 61. طراحی و استفاده از جداول تجمیعی (Aggregates)
• 62. استراتژی‌های فشرده‌سازی داده‌ها (Data Compression)
• 63. ملاحظات سخت‌افزاری و تنظیمات سرور
• 64. معماری انبار داده در محیط‌های ابری (Cloud Data Warehousing)
• 65. امنیت در انبار داده: احراز هویت و مجوزها
• 66. طراحی امنیت در سطح سطر (Row-Level Security)
• 67. معماری جامع سیستم استخراج، تبدیل و بارگذاری (ETL)
• 68. زیرسیستم استخراج داده (Extract): اتصال به منابع مختلف
• 69. زیرسیستم مدیریت کیفیت داده (Data Quality Subsystem)
• 70. پروفایل‌سازی داده‌ها (Data Profiling) برای درک منابع
• 71. زیرسیستم پاک‌سازی و استانداردسازی داده‌ها (Data Cleansing)
• 72. زیرسیستم تطبیق داده‌ها (Conforming Data)
• 73. مدیریت کلیدهای جایگزین در فرآیند ETL
• 74. پیاده‌سازی منطق SCD در ETL
• 75. زیرسیستم مدیریت خطا و داده‌های طرد شده (Error Handling)
• 76. زیرسیستم حسابرسی، توازن و کنترل (Audit, Balance, Control)
• 77. بارگذاری ابعاد و مدیریت وابستگی‌ها
• 78. بارگذاری جداول فکت
• 79. استراتژی‌های بارگذاری: کامل (Full) در مقابل افزایشی (Incremental)
• 80. زمان‌بندی و ارکستراسیون فرآیندهای ETL
• 81. بهینه‌سازی عملکرد و موازی‌سازی در ETL
• 82. مستندسازی فرآیندهای ETL و نگاشت داده‌ها
• 83. مدیریت فراداده (Metadata Management) در سیستم ETL
• 84. معرفی ابزارهای ETL/ELT مدرن
• 85. طراحی برنامه‌های کاربردی هوش تجاری (BI Applications)
• 86. ساخت گزارش‌های استاندارد و عملیاتی
• 87. طراحی داشبوردهای مدیریتی اثربخش
• 88. ابزارهای تحلیل موقت (Ad-hoc Query Tools) برای کاربران حرفه‌ای
• 89. مقدمه‌ای بر تحلیل‌های پیشرفته و علم داده روی انبار داده
• 90. استراتژی‌های استقرار (Deployment) انبار داده
• 91. برنامه‌ریزی تست: تست واحد، تست یکپارچه‌سازی و تست پذیرش کاربر
• 92. آموزش کاربران نهایی و ترویج استفاده از سیستم
• 93. نگهداری، پشتیبانی و رشد انبار داده
• 94. مانیتورینگ عملکرد و بهینه‌سازی کوئری‌ها
• 95. جمع‌بندی چرخه حیات و نگاهی به آینده هوش تجاری