MS_20463 Implementing a Data Warehouse with Microsoft SQL Server

Transcripción

1 Gold Learning Gold Business Intelligence Silver Data Plataform Implementing a Data Warehouse with Microsoft SQL Server Por favor no imprimas este documento si no es necesario.

2 Introducción. Este curso describe cómo implementar una plataforma Data Warehouse para apoyar una solución de BI. Los estudiantes aprenderán cómo crear un Data Warehouse con Microsoft SQL Server 2014, ejecutar ETL con SQL Server Integration Services, validar y limpiar datos con SQL Server Data Quality Services y SQL Server Master Data Services. Nota: Este curso está diseñado para los clientes que están interesados en el aprendizaje de SQL Server. Cubre las nuevas características de SQL Server 2014 y también las capacidades importantes en toda la plataforma de datos SQL Server. Duración. 5 Días. Perfil. Este curso está dirigido a profesionales de bases de datos que necesitan crear y apoyar una solución de almacenamiento de datos; sus responsabilidades primarias incluyen: Implementación de un Data Warehouse. Desarrollo de paquetes SSIS para la extracción, transformación y carga de datos. Hacer cumplir la integridad de datos mediante el uso de Master Data Services. Limpieza de datos mediante el uso de Data Quality Services. Al finalizar. Después de completar este curso, los estudiantes serán capaces de: Describir los conceptos de Data Warehouse y consideraciones de arquitectura. Seleccionar una plataforma de Hardware adecuada para un Data Warehouse. Diseñar e implementar un Data Warehouse. Implementar flujo de datos en un paquete SSIS. Implementar control de flujo en un paquete SSIS. Depurar y resolver problemas de paquetes SSIS. Implementar una solución ETL que admite la extracción de datos incrementales. Implementar una solución ETL que soporte la carga incremental de datos. Implementar la limpieza de datos mediante el uso de Microsoft Data Quality Services. Implementar Master Data Services para hacer cumplir la integridad de datos. Extender SSIS con Scripts y componentes personalizados. Implementar y configurar paquetes SSIS. Describir cómo las soluciones de BI pueden consumir datos del Data Warehouse. Requisitos previos. Además de su experiencia profesional, los estudiantes ya deben tener los siguientes conocimientos: Al menos 2 años de experiencia de trabajar con bases de datos relacionales, incluyendo: El diseño de una base de datos normalizada. Creación de tablas y relaciones. Consultas con Transact-SQL. Pag. 1

3 Una exposición a construcciones de programación básicas (por ejemplo, bucles y ramificaciones). Es deseable un conocimiento de las prioridades del negocio clave tales como contabilidad financiera, ingresos y rentabilidad. El manual de este curso está en Inglés. Para obtener el mayor beneficio de este curso, los alumnos deben tener un buen conocimiento de este idioma y cumplir todos los requisitos previos. Examen. El examen por requerimiento es el Material del curso y software. El kit del estudiante incluye un libro de trabajo comprensivo y otros materiales necesarios para esta clase. Temario Módulo 1: Introducción a Data Warehousing. Este módulo proporciona una introducción a los componentes clave de una solución de almacenamiento de datos y las consideraciones de alto nivel que debe tener en cuenta a la hora de embarcarse en un proyecto de Data Warehousing. Descripción general de Data Warehousing. Consideraciones para una solución de Data Warehouse. Laboratorios: Explorando una solución de Data Warehousing. Exploración de fuentes de datos. Explorar proceso ETL. Exploración de un Data Warehouse. Describir los elementos clave de una solución de almacenamiento de datos. Describir las consideraciones clave para un proyecto de almacenamiento de datos. Módulo 2: Planificación de infraestructura Data Warehouse. Este módulo discute las consideraciones para la selección de hardware y distribución de instalaciones de SQL Server en los servidores. Consideraciones para la infraestructura del Data Warehouse. Planificación de Hardware para el Data Warehouse. Laboratorio: Planificación de Infraestructura del Data Warehouse. Planificación de Hardware para el Data Warehouse. Describir las consideraciones clave para la infraestructura de BI. Planificar la Infraestructura del Data Warehouse. Pag. 2

4 Módulo 3: Diseño e implementación de un Data Warehouse. Este módulo describe las consideraciones clave para el diseño lógico de un Data Warehouse y luego analiza las mejores prácticas para su implementación física. Resumen de diseño de Data Warehouse. Diseño de tablas de dimensiones. Diseño de tablas de hechos. Diseño físico de un Data Warehouse. Laboratorios: Implementación de un Data Warehouse. Implementar un esquema en estrella. Implementar un esquema de copo de nieve. Implementar una dimensión de tiempo. Describir un proceso para diseñar un modelo tridimensional de un Data Warehouse. Diseñar tablas de dimensiones para un Data Warehouse. Diseñar tablas de hechos para un Data Warehouse. Diseñar e implementar estructuras eficaces de datos físicos para un Data Warehouse. Módulo 4: Creación de una solución ETL con SSIS. Este módulo analiza las consideraciones para la implementación de un proceso ETL y entonces se centra en Microsoft SQL Server integración Services (SSIS) como una plataforma para crear soluciones ETL. Introducción a ETL con SSIS. Exploración de fuentes de datos. Aplicación de flujo de datos. Laboratorios: Implementación de flujo de datos en un paquete SSIS. Exploración de fuentes de datos. Transferencia de datos mediante Data Flow Task. Usando transformaciones en un flujo de datos. Describir las principales características de SSIS. Explorar la fuente de datos para una solución ETL. Implementar un flujo de datos mediante SSIS. Módulo 5: Implementación de control de flujo en un paquete SSIS. Este módulo describe cómo implementar soluciones ETL que combinan múltiples tareas y la lógica del flujo de trabajo. Introducción al control de flujo. Creación de paquetes dinámicos. Pag. 3

5 Uso de contenedores. Gestión de consistencia. Laboratorios: Implementación de control de flujo en un paquete SSIS. Uso de tareas y precedencia en un flujo de control. Uso de variables y parámetros. Uso de contenedores. Laboratorios: Uso de transacciones y puntos de control. Uso de transacciones. Uso de puntos de comprobación. Implementar un flujo de control con tareas y las restricciones de precedencia. Crear paquetes dinámicos que incluyan variables y parámetros. Usar contenedores en un paquete de flujo de control. Hacer cumplir la coherencia con las transacciones y puntos de control. Módulo 6: Depuración y solución de problemas de paquetes SSIS. Este módulo describe cómo se pueden depurar paquetes para encontrar la causa de los errores que se producen durante la ejecución. A continuación se analiza la funcionalidad de registro integrado en SSIS que se puede utilizar para registrar eventos para solucionar problemas. Finalmente, el módulo describe los enfoques comunes para el manejo de errores en el flujo de control y flujo de datos. Depurar un paquete SSIS. Registro de paquetes de eventos SSIS. Manejo de errores en un paquete SSIS. Laboratorios: Depuración y solución de problemas de paquetes SSIS. Depurar un paquete SSIS. Registro de la ejecución del paquetes SSIS. Implementación de un controlador de eventos. Manejo de errores en un flujo de datos. Depurar un paquete SSIS. Implementar el registro para un paquete SSIS. Manejar errores en un paquete SSIS. Módulo 7: Implementar una solución de extracción de datos. Este módulo describe las técnicas que puede utilizar para implementar un proceso de actualización del almacén de datos incrementales. Planificación de extracción de datos. Extracción de datos modificados. Pag. 4

6 Laboratorios: Extraer datos modificados. Usando una columna de fecha y hora. Uso de captura de datos modificados. Uso del control de tareas CDC. Utilizando el seguimiento de cambios. Planear la extracción de datos. Extraer datos modificados. Módulo 8: Cargar datos en un Data Warehouse. Este módulo describe las técnicas que puede utilizar para implementar el proceso de carga del Data Warehouse. Planificación de las cargas de datos. Utilizar SSIS para cargas incrementales. Utilizando técnicas de carga de Transact-SQL. Laboratorios: Carga de un Data Warehouse. Carga de datos de las tablas de salida CDC. Utilizando una transformación Lookup para insertar o actualizar datos de dimension. Implementación de una variación de dimensión lenta. Uso de la instrucción Merge. Describir las consideraciones para la planificación de cargas de datos. Utilizar SQL Server Integration Services (SSIS) para cargar tanto datos nuevos como datos modificados en un Data Warehouse. Usar técnicas de Transact-SQL para cargar datos en un Data Warehouse. Módulo 9: Cumplimiento de la calidad de datos. Este módulo introduce Microsoft SQL Server Data Quality Services (DQS) y describe cómo se puede utilizar para limpiar y duplicar datos. Introducción a la calidad de los datos. Uso de los servicios de calidad para depurar los datos. Laboratorios: Limpieza de datos. Creación de una base de conocimientos DQS. Uso de un proyecto DQS para limpiar datos. Uso de DQS en un paquete SSIS. Describir cómo los servicios de calidad de datos puede ayudarle a gestionar la calidad de los datos. Utilizar los servicios de calidad de datos para limpiar sus datos. Utilizar servicios de calidad de datos para igualar los datos. Pag. 5

7 Módulo 10: Master Data Services. Master Data Services ofrece una manera para que las organizaciones puedan estandarizar los datos y mejorar la calidad, consistencia y fiabilidad de los mismos, los cuales guían las decisiones clave de negocio. Este módulo introduce Master Data Services y explica los beneficios de su uso. Introducción a Master Data Services. Implementación de un modelo de Master Data Services. Gestión de datos maestros. Creación de un concentrador de datos maestros. Laboratorios: Implementación Master Data Services Creación de un modelo de Master Data Services. Uso de Master Data Services Add-In para Excel. Hacer cumplir las reglas de negocio. Cargando datos en un modelo. Consumo información de Master Data Services. Describir los principales conceptos de Master Data Services. Implementar un modelo de Master Data Services. Utilizar las herramientas de Master Data Services para gestionar datos maestros Utilizar las herramientas de Master Data Services para crear un concentrador de datos maestros. Módulo 11: Ampliar SQL Server Integration Services. Este módulo describe las técnicas que puede utilizar para extender SSIS. El módulo no está diseñado para ser una guía completa para el desarrollo de soluciones personalizadas SSIS, sino proporcionar un conocimiento de los pasos fundamentales necesarios para utilizar los componentes y Scripts personalizados en un proceso ETL que se basa en SSIS. Uso de Scripts en SSIS. Uso de componentes personalizados en SSIS. Laboratorio: Uso de Scripts personalizados. Uso de un procedimiento de tareas. Incluir Scripts personalizados en un paquete SSIS. Describir cómo los componentes personalizados se pueden utilizar para extender SSIS. Módulo 12: Implementación y configuración de paquetes SSIS. En este módulo, los estudiantes aprenderán cómo implementar paquetes y sus dependencias a un servidor y la forma de gestionar y supervisar la ejecución de los paquetes implementados. Pag. 6

8 Visión general del despliegue de SSIS. Implementación de proyectos de SSIS. Planificación de la ejecución del paquete de SSIS. Laboratorios: Implementación y configuración de paquetes SSIS. La creación de un catálogo de SSIS. Implementación de un proyecto de SSIS. Ejecución de un paquete SSIS en SQL Server Management Studio. Programación de paquetes SSIS con SQL Server Agent. Describir las consideraciones para la implementación SSIS. Implementar proyectos de SSIS. Planificar la ejecución del paquete SSIS. Módulo 13: Consumo de datos en un Data Warehouse. Este módulo introduce las soluciones de inteligencia de negocios (BI) y describe cómo se puede utilizar un Data Warehouse como la base de la empresa y de autoservicio de BI. Introducción a la inteligencia de negocios. Enterprise Business Intelligence. Autoservicio de BI y Big Data. Laboratorios: Uso de un Data Warehouse. Exploración de una solución empresarial BI. Explorando una solución de autoservicio BI. Describir BI y escenarios comunes. Describir como un Data Warehouse puede ser utilizado en escenarios de BI empresariales y de autoservicio. Por favor no imprimas este documento si no es necesario.