La suite Microsoft SQL Server 2016 BI répond à tous les besoins d’une architecture décisionnelle. Vous mettrez en œuvre un Datawarehouse avec SSIS, construirez des cubes multidimensionnels avec SSAS et mettrez à disposition, notamment sur SharePoint, des rapports professionnels avec SSRS. Enfin, vous découvrirez la solution d’analyse Power BI et les services « SQL Server R Services » pour la Data Science.
Description
Durée : 28 heures
Modalités techniques d’évaluation : Évaluation des connaissances par QCM, évaluation des compétences au travers de travaux pratiques et de cas d’études. Contrôle de l’acquisition des connaissances et des compétences pendant la formation par le formateur.
Moyens pédagogiques : Apports théoriques réalisés en classe et complétés par de nombreux travaux pratiques permettent aux participants de disposer d’une expérience concrète. A l’issue des sessions magistrales, réalisation de cas d’études tutorés.
Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
- Comprendre l’architecture de la suite
- Aborder les concepts de Change Data Capture, Data Quality et Master Data Services
- Créer un flux de contrôle et mettre en œuvre des transformations de données avec l’ETL SSIS
- Créer une base Analysis Services et mettre en place des dimensions d’analyse
- Comprendre les concepts de PowerPivot et Powerview, requêtes DAX pour l’analyse
- Créer et mettre en forme des rapports avec SSRS
- Découvrir Power BI
Méthodes pédagogiques
Introduction à la Business Intelligence
- Les raisons qui sous-tendent l’initiation de projets BI.
- Qu’est-ce qu’un entrepôt de données (Data Warehouse) ?
- Les composants d’une Solution Data Warehouse.
- Les étapes de modélisation d’un DW (Ralph Kimball).
- Comprendre les principes de la modélisation (étoile, flocon, constellation).
- SQL Server BI, plateforme de DataWarehouse.
- Architecture des outils de BI de SQL Server 2016.
Démonstration
Exemples de mise en œuvre et d’utilisation de SQL Server 2016 Business Intelligence.
Data Quality et Master Data Management (MDM)
- La notion de référentiel qualité des données.
- Objectifs du Master Data Management (MDM). L’application de règles de gestion afin d’assurer la validité des données.
- Les Master Data Services.
- Le composant de Master Data Management DQS Cleansing (nettoyage des données).
- La déduplication des données.
Exemple
Présentation de modèles qualité.
Integration Services (SSIS), les objets manipulés
- Comprendre les principes et le modèle de l’ETL. Vue d’ensemble.
- La notion de Package, la notion de Workflow.
- La définition du flux de contrôle et du package.
- Les différentes tâches d’un flux de contrôle : script SQL, envoi de mail, mise à jour de cube.
- La tâche « Change Data Capture ».
- Add-in de tâches (filewatcher).
- Conteneur de séquence.
- Conteneur de boucle ForEach.
Travaux pratiques
Création et modification de flux de contrôle.
Integration Services (SSIS), savoir alimenter les tables
- Sources, destinations et transformations.
- Les différentes transformations : fractionnement conditionnel, colonne dérivée, regroupement…
- Les dimensions à variation lente.
- Déploiement, exécution de packages.
- Ordonnancement et configuration des paquets.
- Journalisation, sécurité.
Exercice
Alimentation d’une table. Mise en œuvre des transformations. Création et utilisation de packages. Utilisation de la journalisation.
Analysis Services (SSAS), construire des cubes et des schémas en étoile
- Introduction aux cubes multidimensionnels.
- Les modèles tabulaires SSAS
- Utilisation de tables de dimension et tables de faits.
- Introduction aux cubes tabulaires et à PowerPivot.
- Création de cubes dans SSDT.
- Conception de la dimension.
- Les hiérarchies utilisateur.
- Les relations d’attribut.
- Clés composites.
Exercice
Création d’une base Analysis Services. Mise en place de dimensions. Création de cube.
SSAS, éléments avancés
- Introduction au langage MDX.
- Membres calculés et ensembles nommés.
- Extraction et rapports.
- Partitions et conception d’agrégation.
- Requêtes graphiques de prédiction DMX.
- Sauvegarde et restauration des cubes.
- Mises à jour incrémentielles et sécurité des cubes.
Travaux pratiques
Manipulation du langage MDX. Écriture de requêtes. Mise en œuvre de calculs simples et complexes. Sauvegarde et restauration de cubes.
Data Science avec R et SQL Server
- Présentation de la Data Science.
- Introduction au langage R.
- Présentation de SQL Server R Services.
Réflexion collective
Illustration des présentations à l’aide de démonstrations. Exercice : développement R, exécution de scripts exemples.
Reporting Services (SSRS), construire des rapports
- Le serveur de rapports.
- Report Designer versuss Report Builder
- Utiliser les Tablix (tableaux et matrices).
- Éléments de mise en forme.
- Mise en forme conditionnelle.
- Éléments simple de présentation.
Exercice
Edition de requêtes. Utilisation et mise en forme des tablix.
SSRS, fonctionnalités avancées
- Enrichir ses rapports avec des graphiques et jauges.
- Utilisation des paramètres.
- Tris et filtres.
- Éléments d’analyse avancée : expressions, sparkline, KPI…
- Rapports sur cube MDX, extraction de données avec MDX.
- Actions et sous-rapports.
Exercice
Création de rapports incluant des graphiques. Intégration des paramètres et des tris. Utilisation des jauges, indicateurs. Rapport sur une source Analysis Services.
SSRS, déployer et gérer des rapports
- Gestionnaire de configuration.
- Gestion du serveur en mode natif.
- Déploiement de rapports.
- Export de rapports sous Excel et PDF, Word.
- Mise en cache, captures instantanées de rapport.
- Sécurité.
- Rapports liés, KPI, présentation des rapports mobiles et Power BI.
Exercice
Publication de rapports. Exporter un rapport sous Excel. Création et gestion d’abonnement. Création d’un KPI.
