Những gì mình học được từ Khoá học 2 của Google Data Analytics

2 công việc chính của Data Analytics là gì?

Xử lý dữ liệu và giải quyết vấn đề.

Data Analytics cần làm gì để giải quyết vấn đề?

Tư duy có chiến lược, đặt câu hỏi hay và sử dụng dữ liệu để đưa ra giải pháp.

Tư duy có chiến lược là gì?

Tư duy có chiến lược là tư duy có tính tổ chức và thực tế. Nó giúp chúng ta nhìn thấy bức tranh toàn cảnh, lập kế hoạch và biến suy nghĩ thành hành động để lấy lợi thế cạnh tranh trong kinh doanh.

Các câu hỏi về dữ liệu

Bạn sẽ mô tả từ “dữ liệu” cho người khác như thế nào?

Dữ liệu là tập hợp các sự kiện như số liệu, các phép thử, quan sát…

Dữ liệu đại diện cho cái gì?

Dữ liệu định tính là thông tin mô tả, còn dữ liệu định lượng là thông tin số liệu.

Dữ liệu dùng để làm gì?

Dữ liệu dùng để cung cấp cho chúng ta thông tin về các sự kiện hoặc chủ đề chúng ta quan tâm và giúp chúng ta đưa ra quyết định cũng như dự đoán được tương lai dựa trên dữ liệu.

Dữ liệu đến từ đâu?

Từ cơ sở dữ liệu, bảng tính, nội bộ, bên trong hoặc bên ngoài doanh nghiệp, dữ liệu công khai.

Dữ liệu định tính và định lượng là gì và sử dụng chúng khi nào?

Các công cụ dữ liệu định tính được sử dụng để hiểu rõ hơn về dữ liệu. Còn các công cụ dữ liệu định lượng hoạt động với những dữ liệu có thể đo lường được.
Với dữ liệu thu thập được, Data Analytics có thể thực hiện các bước sau để giải quyết vấn đề kinh doanh:

• Xác định mục tiêu kinh doanh của các bên liên quan
• Xác định dữ liệu cần thiết để trả lời các câu hỏi trong SMART
• Những dữ liệu mà các bên liên quan đã có
• Các nguồn dữ liệu có sẵn cho các dự án là gì
• Nguồn dữ liệu nào là định tính/định lượng
• Dữ liệu nào không có sẵn

6 vấn đề Data Analytics hay gặp phải

1. Đưa ra dự đoán — ví dụ: Công ty muốn biết các phương pháp quảng cáo tốt nhất để thu hút khách hàng mới.
2. Phân loại mọi thứ — ví dụ: Phân loại các cuộc gọi dịch vụ khách hàng dựa trên từ khóa hoặc điểm số.
3. Phát hiện điều bất thường — ví dụ: Đồng hồ theo dõi sức khỏe được thiết kế để báo động nếu có điều gì đó bất thường xảy ra.
4. Xác định chủ đề — Để giúp tìm ra và cải thiện các tính năng phù hợp cho sản phẩm
5. Tìm các kết nối — Ví dụ trong các bộ dữ liệu khác nhau hoặc phân tích một bộ dữ liệu để tìm ra mối liên hệ với một bộ dữ liệu khác (ví dụ: thời gian xe chở hàng chờ trong bến trung chuyển có thể làm thay đổi lịch trình để tăng số lượng đơn giao hàng)
6. Tìm các mẫu — Bạn có thể giảm thiểu thời gian ngừng hoạt động do máy bị lỗi bằng cách phân tích dữ liệu bảo trì.

Giải thích mô hình câu hỏi SMART

• S – Specific – Cụ thể: Câu hỏi có giải quyết được vấn đề không? Vấn đề có ngữ cảnh không?
• M – Measurable – Đo lường được: Câu hỏi có đưa ra câu trả lời có thể đo lường được không?
• A – Actionable – Định hướng hành động: Thông tin mà chúng ta nhận được có giúp chúng ta lập kế hoạch hành động không?
• R – Relevant – Định hướng hành động: Đó có là vấn đề cụ thể mà chúng ta đang cố gắng giải quyết không?
• T – Time Bound – Giới hạn thời gian: Các câu trả lời có liên quan đến thời gian cụ thể không?

3 loại câu hỏi nên tránh

Câu hỏi dẫn dắt — câu trả lời là một phần của câu hỏi — “Sản phẩm này đắt quá phải không?”
Câu hỏi đóng — chỉ có thể được trả lời bằng một từ hoặc một câu trả lời ngắn gọn — “Bạn có hài lòng với sản phẩm dùng thử không?
Câu hỏi mơ hồ – không cụ thể và không cung cấp ngữ cảnh – “Công cụ này có phù hợp với bạn không?”

Cách có một cuộc trò chuyện tốt

Ưu tiên các câu hỏi — Có sự chuẩn bị trước để hỏi những câu hỏi quan trọng và thú vị nhất.

Tận dụng thời gian — duy trì chủ đề chính trong suốt cuộc trò chuyện.

Kiểm tra lại nội dung — dành thời gian để tóm tắt các câu trả lời nhằm đảm bảo bạn hiểu chúng một cách chính xác.

Báo cáo và bảng điều khiển: So sánh các trường hợp sử dụng và sự khác biệt

Báo cáo (Report) là một tập hợp dữ liệu tĩnh. Báo cáo được tạo ra để phân tích dữ liệu định kỳ và dữ liệu lịch sử (historical data), thiết kế nhanh chóng.ư\
Bảng điều khiển (Dashboard) là trang kỹ thuật dùng để thu thập và tổng quan dữ liệu trực tiếp. Cung cấp các bộ lọc, thiết kế lâu hơn và cần được bảo trì.

Số liệu là gì?

Số liệu (Metric) là một loại dữ liệu có thể định lượng được sử dụng để đo lường. Thường là các công thức toán học đơn giản. Ví dụ: doanh thu = số lượng sản phẩm * giá bán. Doanh thu bây giờ là số liệu. Một số chỉ số khác: lợi tức đầu tư, tỷ lệ giữ chân khách hàng…

Lợi tức đầu tư ROI là gì và nó được tính như thế nào?

ROI là một công thức cho thấy doanh nghiệp đang đầu tư hiệu quả như thế nào bằng cách so sánh lợi nhuận và chi phí đầu tư.

Tỷ lệ giữ chân khách hàng là gì?

So sánh số lượng khách hàng vào đầu và cuối một giai đoạn để thấy các chiến lược tiếp thị của doanh nghiệp có hiệu quả không.

Lợi ích của việc sử dụng bảng điều khiển (dashboard)

• Tập trung hóa – Các nguồn dữ liệu đều được hiển thị trong một trang.
• Trực quan hóa – Hiển thị dữ liệu trực tiếp để phát hiện các xu hướng mới
• Đa nguồn – Lấy dữ liệu có liên quan từ các bộ dữ liệu khác nhau
• Tùy chỉnh – Tùy chỉnh bảng điều khiển cho các lĩnh vực khác nhau

Sự khác biệt giữa dữ liệu lớn và dữ liệu nhỏ

Dữ liệu nhỏ (small data) – là tập dữ liệu gồm các số liệu cụ thể trong một khoảng thời gian ngắn, thường ở dạng bảng tính, được sử dụng bởi các doanh nghiệp vừa và nhỏ, đơn giản dùng để thu thập, lưu trữ, sắp xếp và trình bày trực quan.
Dữ liệu lớn (big data) – là tập dữ liệu ít cụ thể hơn trong một khoảng thời gian dài, thường là trong cơ sở dữ liệu, được sử dụng bởi các tổ chức lớn, mất thời gian và công sức để thu thập, lưu trữ và quản lý… cần được chia thành các phần nhỏ hơn để sắp xếp và phân tích.

Những khó khăn khi làm việc với big data

Quá tải dữ liệu và nhiều thông tin không liên quan. Dữ liệu quan trọng bị ẩn sâu bên trong dữ liệu rác và không phải lúc nào cũng có thể truy cập được. Bạn phải mất thời gian để tìm các dữ liệu có liên quan.

Lợi ích khi làm việc với big data

Có thể giúp các tổ chức phát hiện ra các xu hướng, phân tích các bộ dữ liệu big data giúp các doanh nghiệp hiểu rõ hơn về các điều kiện thị trường.

4V trong big data

• volume — Lượng dữ liệu
• variety – Các loại dữ liệu khác nhau
• velocity – Tốc độ xử lý dữ liệu
• veracity – Chất lượng và độ tin cậy của dữ liệu

3 loại bảng điều khiển và khi nào nên sử dụng

Chiến lược  – Tập trung vào các chiến lược dài hạn, có khung thời gian dài nhất, và cũng nhiều số liệu nhất.
Hoạt động – Theo dõi hiệu suất ngắn hạn và các mục tiêu trung gian (ví dụ: dịch vụ khách hàng).
Phân tích – Bao gồm các bộ dữ liệu và công thức được sử dụng, phân tích và dự đoán. Nhiều kỹ thuật nhất, thường được thực hiện bởi các nhà khoa học dữ liệu.

Vòng đời dữ liệu trong bảng tính

Plan – Phát triển các tiêu chuẩn bằng cách định dạng các ô để dễ nói chuyện và đảm bảo tính nhất quán.
Capture – Kết nối bảng tính với các nguồn dữ liệu khác như khảo sát trực tuyến, ứng dụng trực tuyến hoặc cơ sở dữ liệu để đảm bảo thông tin luôn được cập nhật và chính xác.
Manage – Lưu trữ, sắp xếp, lọc và cập nhật thông tin để giữ cho dữ liệu có thể truy cập, an toàn và bảo mật.
Analyze –  Áp dụng các công thức và hàm để tổng hợp dữ liệu nhằm tạo các báo cáo, bảng tổng hợp để có hình ảnh rõ ràng và dễ sử dụng.
Archive – Lưu trữ để sử dụng trong tương lai.
Destroy – Nếu không sử dụng dữ liệu nữa thì phá hủy chúng, vì lý do pháp lý hoặc bảo mật.

Các thủ thuật hay khi làm việc với dữ liệu trong bảng tính

• Lọc dữ liệu để làm cho bảng tính ít phức tạp và rõ ràng hơn
• Cố định tiêu đề
• Nhân các số bằng *
• Bắt đầu công thức và chức năng bằng =
• Nếu bạn mở dấu ngoặc đơn thì nên thêm dấu đóng ngoặc đơn ngay
• Sử dụng phông chữ dễ đọc
• Định dạng dữ liệu dưới dạng bảng
• Lưu dữ liệu thô (và không làm việc trực tiếp trên chúng) và luôn làm việc với bản sao của dữ liệu thô trên một trang tính khác

Các lỗi phổ biến nhất trong bảng tính

#DIV/0! – Chia cho 0
#ERROR! – Lỗi phân tích cú pháp
#N/A – Công thức không thể tìm thấy dữ liệu
#NAME? – Tên của công thức hoặc chức năng không đúng
#NUM!  – Hàm chứa giá trị số không hợp lệ
#REF! – Tham chiếu không hợp lệ
#VALUE! – Dữ liệu đầu vào không thống nhất

Các chức năng của bảng tính là gì?

Chức năng là các lệnh tự động thực hiện một quy trình hoặc tác vụ cụ thể bằng cách sử dụng dữ liệu trong bảng tính. Chúng ta có thể dùng chắc năng để thực hiện các phép tính, từ các công thức đơn giản đến các phương trình phức tạp.

Miền vấn đề là gì?

Miền vấn đề là lĩnh vực chuyên môn hoặc ứng dụng cần được kiểm tra để giải quyết vấn đề. Miền vấn đề chỉ đơn giản là xem xét các chủ đề bạn quan tâm và loại trừ những thứ không liên quan. Đó là lĩnh vực thuộc về các vấn đề mà bạn cần phải giải quyết.

Phạm vi công việc (SOW) là gì?

Phạm vi công việc bạn sẽ thực hiện trong một dự án. Nó bao gồm chi tiết các công việc, lịch trình và báo cáo.

SOW của các nhà phân tích dữ liệu là gì?

Chuẩn bị dữ liệu, xác nhận, phân tích các bộ dữ liệu định lượng và định tính, kèm theo:

• Sản phẩm bàn giao – Những gì đã hoàn thành, những gì đang được tạo ra như là kết quả của dự án và những gì dự kiến ​​sẽ được chuyển giao cho các bên liên quan.
• Cột mốc quan trọng – Các bước chính trong dự án, liên quan đến timeline.
• Dòng thời gian – Các bước liên quan đến thời gian của dự án (các mốc quan trọng). Xác định mỗi bước sẽ mất bao lâu.
• Báo cáo – tần suất sẽ được thống nhất với các bên liên quan và báo cáo sẽ chứa có những thông tin gì.

Ngữ cảnh là gì và tại sao nó quan trọng?

Ngữ cảnh là điều kiện và môi trường của sự kiện xảy ra. Nó giúp chúng ta  sàng lọc một lượng lớn dữ liệu vô tổ chức để biến nó thành thứ gì đó có ý nghĩa.

Những câu hỏi cơ bản chúng ta cần đặt ra để xác định ngữ cảnh là gì?

Để xác định ngữ cảnh, chúng ta cần hỏi những câu sau:

• Ai đã tạo, thu thập và tài trợ cho việc thu thập dữ liệu
• Những thứ  mà dữ liệu sẽ tác động đến
• Nguồn gốc của dữ liệu
• Thời gian dữ liệu được tạo hoặc thu thập
• Tại sao dữ liệu được tạo hoặc thu thập
• Cách tạo hoặc thu thập dữ liệu

Các bên liên quan gồm những ai

Những người đã đầu tư thời gian, sự quan tâm và nguồn lực vào các dự án mà chúng ta đang thực hiện.

3 nhóm liên quan chính và họ chịu trách nhiệm gì

1. Nhóm điều hành – đặt mục tiêu, phát triển chiến lược và đảm bảo chiến lược đó được thực hiện hiệu quả. Họ có thể bao gồm phó chủ tịch, giám đốc tiếp thị và các chuyên gia cấp cao. Điểm chung của nhóm này là quyền hạng mà họ có thường rất cao.
2. Nhóm tiếp xúc với khách hàng – bất kỳ ai có tương tác với khách hàng. Họ là người tổng hợp thông tin, đặt kỳ vọng và truyền đạt phản hồi của khách hàng. Họ có mục tiêu riêng và có thể đi kèm với các nhiệm vụ cụ thể.
3. Nhóm khoa học dữ liệu – tổ chức dữ liệu trong một công ty với các nhà phân tích dữ liệu, nhà khoa học dữ liệu và kỹ sư dữ liệu.

Làm gì để làm việc hiệu quả hơn với các bên liên quan? (W4L1)

Thảo luận về các mục tiêu, lập kế hoạch cho những điều không mong muốn (lập danh sách các thử thách tiềm năng), hiểu cách dự án của bạn kết nối với công ty, bắt đầu bằng một bản mô tả và hình ảnh rõ ràng, giao tiếp thường xuyên và sử dụng nhật ký để ghi lại các thay đổi.

4 điều bạn nên biết để giao tiếp rõ ràng

1. Khán giả của bạn là ai
2. Những thứ mà họ đã biết
3. Những gì mà họ cần biết
4. Làm thế nào để bạn giao tiếp hiệu quả với họ

3 điều bạn nên tập trung

1. Ai là bên liên quan chính – Thường là phó chủ tịch nhân sự. Người quản lý dự án, các thành viên trong nhóm và các nhà phân tích khác là các bên liên quan thứ cấp.
2. Ai đang quản lý dữ liệu – Tác nhà phân tích dữ liệu khác.
3. Ai là người có thể giúp đỡ bạn – Có thể là người quản lý dự án

Hạn chế của dữ liệu và cách xử lý chúng

1. Dữ liệu không đầy đủ và không tồn tại – Khi bạn không có đủ dữ liệu để đưa ra kết luận. Bạn có thể vẫn sử dụng một nguồn dữ liệu khác, nhưng bạn sẽ cần đảm bảo kết luận.
2. Dữ liệu bị sai lệch – Các nhóm khác nhau có thể sử dụng các quy tắc kinh doanh khác nhau, do đó, một nhóm có thể xác định và đo lường dữ liệu khác với các nhóm khác. Trong những trường hợp này, việc thiết lập cách đo lường mọi thứ sớm sẽ chuẩn hóa dữ liệu để có độ tin cậy và độ chính xác cao hơn.
3. Dữ liệu bẩn – Dữ liệu chứa lỗi. Điều này có thể dẫn đến giảm năng suất, tăng kích thước và đưa ra kết luận sai lệch.

Làm sạch dữ liệu là quá trình sửa hoặc xóa dữ liệu không chính xác, bị hỏng, sai định dạng, trùng lặp hoặc không đầy đủ trong bộ dữ liệu.

Cách thể hiện dữ liệu rõ ràng

• So sánh cùng một loại dữ liệu – dữ liệu có thể bị lẫn lộn khi bạn lập biểu đồ để trực quan hóa. Vậy nên bạn cần đảm bảo so sánh các loại dữ liệu giống nhau.
• Cẩn thận khi trực quan hóa dữ liệu – Bạn nên đặt trục Y thành 0.
• Thêm các biểu đồ không cần thiết – nếu một bảng kể một câu chuyện, thì đừng thêm các hình ảnh không cần thiết.
• Kiểm tra ý nghĩa của số liệu thống kê – Nếu hai bộ dữ liệu có thể trông khác nhau, thì bạn cần phải tìm sự khác biệt và xem nó có quan trọng hay không. Bạn có thể sử dụng các bài kiểm tra thống kê để xem mức độ khác biệt.
• Chú ý đến kích thước mẫu – thu thập nhiều dữ liệu. Nếu cỡ mẫu nhỏ, một vài dữ liệu bất thường có thể làm sai lệch kết quả.

Cách để có một cuộc họp hiệu quả

1. Có sự chuẩn bị
2. Đến đúng giờ
3. Tập trung, chú ý
4. Đặt câu hỏi

Các loại dữ liệu bẩn và hệ quả của chúng

• Dữ liệu trùng lặp – Số liệu hoặc phân tích sai lệch.
• Dữ liệu lỗi thời – Có cái sai, dẫn đến việc ra quyết định và phân tích không chính xác.
• Dữ liệu không đầy đủ – Giảm hiệu suất, thông tin chi tiết không chính xác, không thể hoàn thành yêu cầu cơ bản.
• Dữ liệu không chính xác – Thông tin chi tiết không chính xác có thể dẫn đến mất doanh thu.
• Dữ liệu không nhất quán – Dẫn đến dễ nhầm lẫn, không thể phân loại khách hàng.

Tác động đến kinh doanh của dữ liệu bẩn

Ngân hàng: Hao hụt chi phí của công ty từ 15% đến 25% doanh thu.

Thương mại kỹ thuật số: Có tới 25% liên hệ của cơ sở dữ liệu B2B chứa thông tin không chính xác.

Tiếp thị và bán hàng: 8 trong số 10 công ty đã nói rằng dữ liệu bẩn cản trở các chiến dịch bán hàng.

Chăm sóc sức khỏe: Hồ sơ trùng lặp có thể chiếm 10% và thậm chí lên đến 20% hồ sơ sức khỏe điện tử của bệnh viện.

Các sự cố thường gặp liên quan đến dữ liệu bẩn

• Lỗi chính tả và các lỗi văn bản khác
• Nhãn mô tả không nhất quán
• Định dạng và độ dài của trường dữ liệu
• Thiếu dữ liệu
• Trùng lặp dữ liệu

Mình hy vọng bạn sẽ thấy bài viết này hữu ích, vì những kiến thức trên là những kiến thức quan trọng nhất trong khóa học. Hẹn gặp lại các bạn ở khóa 3 nhé. Bạn có thể xem cách đăng ký khóa học tại đây.

Câu hỏi thường gặp

Khóa học Google Data Analytics 2 tập trung vào những gì?

Khóa học này tập trung vào việc đặt câu hỏi hiệu quả để đưa ra quyết định dựa trên dữ liệu, bao gồm việc hiểu các loại dữ liệu, phương pháp phân tích và cách trình bày kết quả.

Làm thế nào để đặt câu hỏi hiệu quả trong phân tích dữ liệu?

Hãy sử dụng mô hình SMART (Specific, Measurable, Actionable, Relevant, Time-bound) để đảm bảo câu hỏi của bạn cụ thể, đo lường được, định hướng hành động, có liên quan và giới hạn thời gian.

Sự khác biệt chính giữa báo cáo và bảng điều khiển là gì?

Báo cáo là tập hợp dữ liệu tĩnh, được tạo ra để phân tích dữ liệu định kỳ và lịch sử. Bảng điều khiển là trang kỹ thuật số hiển thị dữ liệu trực tiếp, cho phép tương tác và lọc thông tin.

Thông tin về khoá học

Đây là khóa học đầu tiên trong Chứng chỉ Google Data Analytics. Các khóa học này sẽ trang bị cho bạn những kỹ năng cần thiết để áp dụng cho các công việc phân tích dữ liệu ở mức cơ bản. Các tổ chức thuộc mọi loại hình đều cần các nhà phân tích dữ liệu để giúp họ cải thiện quy trình, xác định cơ hội và xu hướng, ra mắt sản phẩm mới và đưa ra quyết định. Trong khóa học này, bạn sẽ được giới thiệu về thế giới phân tích dữ liệu thông qua chương trình giảng dạy thực hành do Google phát triển. Khoá học bao gồm nhiều chủ đề phân tích dữ liệu và được thiết kế để cung cấp cho bạn cái nhìn tổng quan về những gì sẽ có trong Chứng chỉ Google Data Analytics. Các nhà phân tích dữ liệu hiện tại của Google sẽ hướng dẫn cho bạn các cách thực hành để hoàn thành các nhiệm vụ phân tích dữ liệu thông thường bằng các công cụ và tài nguyên tốt nhất.

Những người học hoàn thành chương trình chứng chỉ này sẽ được trang bị những kiến thức và kỹ năng để ứng tuyển vào các công việc ở cấp độ cơ bản với tư cách là nhà phân tích dữ liệu. Không có kinh nghiệm nào trước đây.

Đến cuối khóa học này, bạn sẽ:

• Có được sự hiểu biết về các phương pháp và quy trình được sử dụng bởi một nhà phân tích dữ liệu trong công việc hàng ngày của họ.
• Tìm hiểu về các kỹ năng phân tích chính (làm sạch dữ liệu, phân tích dữ liệu, trực quan hóa dữ liệu) và các công cụ (bảng tính, SQL, ngôn ngữ R, Tableau).
• Khám phá nhiều thuật ngữ và khái niệm liên quan đến vai trò của nhà phân tích dữ liệu, chẳng hạn như vòng đời dữ liệu và quy trình phân tích dữ liệu.
• Đánh giá vai trò của phân tích trong hệ sinh thái dữ liệu.
• Tự đánh giá tư duy phân tích.
• Khám phá các cơ hội việc làm dành cho bạn sau khi hoàn thành chương trình và tìm hiểu về các phương pháp hay nhất để tìm kiếm việc làm.

Cách để nhận được khoá học

Để nhận được khoá học này, các bạn có thể mua trực tiếp từ trang web coursera. Hoặc đăng ký chương trình học bổng phát triển nhân tài số (NIC) của chính phủ tại đây.

Với sự bảo trợ của Trung tâm Đổi mới sáng tạo Quốc gia, Google cam kết tài trợ miễn phí tài khoản khóa học với thời hạn 12 tháng, trị giá 168 USD/tài khoản cho người lao động làm việc tại các cơ quan nhà nước, các tổ chức, doanh nghiệp, lao động tự do; các cán bộ, giảng viên và sinh viên năm cuối các trường Đại học, Cao đẳng trên toàn quốc tham gia học tập trực tuyến một số khóa học do đội ngũ Chuyên gia uy tín của Google thiết kế, đào tạo trên hệ thống Coursera. Thời gian học linh hoạt theo thời khóa biểu cá nhân của từng Học viên.

Khi được xét duyệt nhận học bổng, Học viên sẽ được Google cung cấp tài khoản với 5 khóa học của Chương trình bao gồm: Phân tích dữ liệu (Data Analytics), Hỗ trợ kỹ thuật công nghệ thông tin (IT Supports), Quản lý dự án (Project Management), Thiết kế UX (UX Design) và Tiếp thị Kỹ thuật số và Thương mại điện tử (Digital Marketing & E-Commerce). Hoàn thành mỗi khóa học trên hệ thống, Học viên sẽ được cung cấp Chứng nhận nghề nghiệp bởi Google (Google Career Certificate).

Những gì mình học được từ khoá học Google Data Analytics Professional

Tuần đầu tiên

Trong tuần đầu tiên, mình đã học về Dữ liệu, Khoa học dữ liệu, Data Analyst, Data Analysis, Data Analytics và Quy trình phân tích dữ liệu. Mình biết được rằng Dữ liệu (Data) là tập hợp các sự kiện hoặc thông tin, thông qua tập dữ liệu (dataset), một chuyên gia dữ liệu được gọi là nhà phân tích dữ liệu, có thể đưa ra kết luận và đưa ra dự đoán cũng như quyết định phân tích dữ liệu. Quyết định dựa trên dữ liệu (data-driven) là một khái niệm chiến lược để thúc đẩy hoạt động kinh doanh một cách chính xác. Nó được định nghĩa là sử dụng thông tin để quyết định chiến lược kinh doanh.

Có sáu giai đoạn của quá trình phân tích dữ liệu: Hỏi, chuẩn bị, xử lý, phân tích, chia sẻ, hành động.

Hỏi: Một nhà phân tích dữ liệu sẽ cố gắng hiểu loại dự án và kết quả của dự án là gì bằng cách đặt những câu hỏi hiệu quả. Để xác định những điều này, họ đã hỏi những người có thể giúp họ giải quyết vấn đề này chẳng hạn như các nhà lãnh đạo hoặc quản lý.

Chuẩn bị: Sau khi hoàn thành bước trên, nhà phân tích cần dữ liệu lập kế hoạch. Họ cần xác định mốc thời gian cho dự án này và bắt đầu thu thập dữ kiện dựa trên câu hỏi được đặt ra. Thực tế quan trọng nhất trong giai đoạn này là xác định được thời gian và thu thập dữ liệu.

Xử lý: Sau khi thu thập dữ liệu, chúng ta cần kiểm tra dữ liệu, có thông tin nào bị thiếu không. Chúng ta cần quản lý và lưu trữ dữ liệu an toàn. Quá trình làm sạch dữ liệu là nhiệm vụ quan trọng nhất trong giai đoạn này.

Phân tích: Đây là nhiệm vụ chính của nhà phân tích dữ liệu. Họ cần thể hiện kinh nghiệm, kiến ​​thức và sự sáng tạo. Và phân tích tất cả các sự kiện để tìm ra tất cả các câu trả lời cho câu hỏi được đặt ra.

Chia sẻ: Trong giai đoạn này, nhà phân tích chia sẻ kết quả của họ với các bên liên quan và trò chuyện với các thành viên trong nhóm của dự án.

Hành động:  Ở giai đoạn cuối, nhà phân tích dữ liệu và các thành viên khác trong nhóm sẽ cố gắng triển khai cho công ty những quyết định được dựa trên dữ liệu.

Hơn nữa, một hệ sinh thái (ecosystem) là một nhóm các yếu tố tương tác với nhau. Tương tự, hệ sinh thái dữ liệu (data ecosystems) là một nhóm các yếu tố tương tác với nhau để sản xuất, quản lý, lưu trữ, tổ chức, phân tích và chia sẻ dữ liệu.

Vòng đời chung của phân tích dữ liệu:

• Hỏi: Chấp nhận thử thách kinh doanh, tìm mục tiêu và câu hỏi.
• Chuẩn bị: Tạo dữ liệu, thu thập, lưu trữ và quản lý.
• Xử lý: Làm sạch dữ liệu/đảm bảo tính toàn vẹn dữ liệu.
• Phân tích: Khám phá, trực quan hóa và phân tích dữ liệu.
• Chia sẻ: Truyền đạt và giải thích kết quả.
• Hành động: Sử dụng quyết định từ phân tích để giải quyết vấn đề.

Tuần thứ 2

Trong tuần thứ hai, mình đã học về Kỹ năng phân tích dữ liệu, Kỹ năng phân tích, Quyết định dựa trên dữ liệu.

Kỹ năng phân tích là những phẩm chất và đặc điểm liên quan đến việc giải quyết vấn đề bằng cách sử dụng dữ kiện. Có 5 kỹ năng cần thiết của Nhà phân tích dữ liệu: Tò mò, Hiểu ngữ cảnh, Có tư duy kỹ thuật, Thiết kế dữ liệu, Chiến lược dữ liệu.

Tư duy phân tích liên quan đến việc xác định vấn đề, sau đó giải quyết nó bằng cách sử dụng dữ liệu theo cách có tổ chức, từng bước. Có năm thứ chính để xây dựng tư duy phân tích: Trực quan hóa, Chiến lược, Định hướng vấn đề, tương quan, tư duy tổng thể và định hướng chi tiết.

Trực quan hóa là một số biểu diễn đồ họa của thông tin, giúp chúng ta hiểu dữ liệu. Chiến lược có nghĩa là họ muốn đạt được giải pháp gì và họ có thể đạt được như thế nào. Nhà phân tích dữ liệu sử dụng tư duy Định hướng vấn đề để xác định, mô tả và giải quyết vấn đề. Mối tương quan giống như mối quan hệ giữa dữ liệu, tư duy tổng thể có nghĩa là nhìn thấy tất cả mọi thứ trong một bức tranh. Tư duy định hướng chi tiết là tìm ra tất cả mọi thứ để thực hiện kế hoạch. Sử dụng dữ liệu, chúng ta có thể hiểu sâu hơn, xác minh lý thuyết, hiểu rõ hơn về vị trí kinh doanh, hỗ trợ và lập kế hoạch kinh doanh. Quyết định dựa trên dữ liệu có thể cải thiện bất kỳ doanh nghiệp nào theo nhiều cách.

Tuần 3

Trong tuần thứ ba, mình đã học được vòng đời của dữ liệu, sơ lược về quy trình phân tích dữ liệu và các công cụ phân tích dữ liệu.

Vòng đời dữ liệu bao gồm sáu bước: Lập kế hoạch, Thu thập, Quản lý, Phân tích, Lưu trữ và Hủy. Trong các giai đoạn đó, lập kế hoạch là giai đoạn quan trọng nhất. Bởi vì chúng ta cần hiểu loại dữ liệu nào chúng ta cần thu thập, cách chúng ta có thể quản lý nó trong suốt vòng đời, ai sẽ chịu trách nhiệm về dữ liệu đó và tối ưu kết quả.

Giai đoạn tiếp theo là thu thập, nơi chúng ta cần thu thập dữ liệu từ các nguồn. Một giai đoạn quan trọng khác là quản lý, trong giai đoạn này, chúng ta cần lưu trữ dữ liệu đúng cách và đảm bảo nó an toàn. Tiếp theo là Phân tích, không phân tích gì thì chúng ta không thể rút ra kết luận. Trong giai đoạn này, chúng ta cần giải quyết vấn đề. Lưu trữ có nghĩa là lưu trữ dữ liệu ở một nơi vẫn có sẵn nhưng không được sử dụng lại. Cuối cùng, chúng ta cần hủy dữ liệu để bảo vệ dữ liệu.

Sau đó, chúng ta sẽ thảo luận về quy trình phân tích dữ liệu. Trong phân tích dữ liệu, bảng tính, ngôn ngữ truy vấn và trực quan hóa được sử dụng phổ biến nhất. Có rất nhiều bảng tính. Nhưng hai tùy chọn phổ biến là bảng tính Microsoft và Bảng tính Google.

Ngôn ngữ truy vấn là ngôn ngữ lập trình máy tính cho phép bạn truy xuất hoặc thao tác với dữ liệu từ cơ sở dữ liệu. Ngôn ngữ truy vấn phổ biến nhất là SQL. Cơ sở dữ liệu là tập hợp các kho dữ liệu trong một hệ thống máy tính.

Và, mình đã sử dụng kỹ thuật trực quan hóa, giúp mình hiểu tập dữ liệu một cách dễ dàng. Trực quan hóa là một biểu diễn đồ họa của dữ liệu. Đồ thị, bản đồ và bảng là những ví dụ về trực quan hóa. Các công cụ trực quan phổ biến nhất là Tableau và Looker.

Tuần 4

Trong tuần thứ tư, khoá học sẽ giới thiệu khá đơn giản về bảng tính và SQL. Vào ngày 17 tháng 10 năm 2019, Google đã tổ chức lễ kỷ niệm 40 năm bảng tính máy tính. Tên đầu tiên của bảng tính máy tính là VisiCalc. Một bảng tính bao gồm một số lượng lớn các ô và tất cả các ô được xác định theo cột và hàng.

Trong tập dữ liệu, nhãn cột thường được gọi là thuộc tính. Một thuộc tính là một đặc điểm hoặc chất lượng của dữ liệu. Mặt khác, hàng gọi là quan sát. Một quan sát bao gồm tất cả các thuộc tính cho một cái gì đó có trong một hàng của bảng dữ liệu.

Chúng ta có rất nhiều cách để làm việc trên bảng tính bao gồm hàm và công thức. Hơn nữa, SQL có thể thực hiện nhiều thao tác tương tự với dữ liệu. Bạn có thể sử dụng SQL để lưu trữ, sắp xếp, phân tích dữ liệu. Cuối cùng, họ giới thiệu Qwiklabs.

Tuần 5

Trong tuần thứ năm, Google nói về lý do tại sao chúng ta nên học những kỹ năng Google Data Analytics Professional . Có rất nhiều công ty cần phân tích hoạt động kinh doanh bao gồm công nghệ, tiếp thị, tài chính, chăm sóc sức khỏe,… để cải thiện hoạt động kinh doanh của họ.

Đó là lý do tại sao họ cần một nhà phân tích dữ liệu. Ngoài ra, họ nói về tầm quan trọng của các quyết định kinh doanh công bằng, nơi họ thảo luận về các vấn đề của công ty. Một vấn đề là một chủ đề và đối tượng để điều tra. Một câu hỏi được thiết kế để khám phá thông tin và vấn đề là một trở ngại cần phải giải quyết.

Tiếp theo, Google thảo luận về cách chúng ta có thể tìm ra công việc mơ ước của mình. Để làm được điều này, chúng ta cần tập trung vào một số yếu tố chung: bạn thích làm việc trong ngành nào, công cụ nào cần thiết cho bạn, địa điểm làm việc thích hợp, phương tiện đi lại và văn hóa công ty. Tất cả các yếu tố trên đều có ý nghĩa rất lớn đối với một nhà phân tích dữ liệu.

Có rất nhiều vị trí cho một nhà phân tích dữ liệu:

• Nhà phân tích kinh doanh: phân tích dữ liệu để cải thiện quy trình kinh doanh, sản phẩm hoặc dịch vụ.
• Business Intelligence Analyst: phân tích dữ liệu về tài chính hoặc thị trường.
• Nhà tư vấn phân tích dữ liệu: phân tích hệ thống hoặc mô hình để sử dụng dữ liệu.
• Kỹ sư dữ liệu: chuẩn bị và tích hợp dữ liệu từ các nguồn khác nhau để phân tích.
• Nhà khoa học dữ liệu: sử dụng các kỹ năng chuyên môn về công nghệ và khoa học xã hội để tìm ra xu hướng thông qua phân tích dữ liệu.
• Chuyên gia dữ liệu: tổ chức hoặc chuyển đổi dữ liệu để sử dụng trong cơ sở dữ liệu hoặc hệ thống phần mềm.
• Nhà phân tích hoạt động: Phân tích dữ liệu để cải thiện hiệu suất của các hoạt động kinh doanh và quy trình công việc.

Cuối cùng là thi cấp chứng chỉ cuối khoá. Mình đã được cấp chứng chỉ và chuẩn bị học tiếp khoá học thứ 2 trong tổng số 8 khoá học của chứng chỉ này. Mình vẫn sẽ tiếp tục chia sẻ những gì mình học được sau khi hoàn thành chứng chỉ này. Vậy nên các bạn nhớ đón xem nhé.

Ngoài ra, bạn cũng có thể tham khảo thêm các khoá học miễn phí khác trên Anonyviet tại đây.

Câu hỏi thường gặp

Chứng chỉ Google Data Analytics Professional Certificate có hoàn toàn miễn phí không?

Có, bài viết đề cập đến việc nhận được chứng chỉ này hoàn toàn miễn phí thông qua chương trình học bổng phát triển nhân tài số (NIC) của chính phủ, với tài trợ từ Google.

Tôi cần những kỹ năng gì trước khi bắt đầu khóa học?

Bài viết nhấn mạnh rằng không cần kinh nghiệm trước đó. Khóa học sẽ trang bị cho bạn các kỹ năng phân tích dữ liệu cơ bản cần thiết.

Khóa học bao gồm những nội dung gì?

Khóa học bao gồm các chủ đề như làm sạch dữ liệu, phân tích dữ liệu, trực quan hóa dữ liệu, sử dụng các công cụ như bảng tính, SQL, và giới thiệu về vòng đời dữ liệu và quy trình phân tích dữ liệu.