NGÀY 2: GET STARTED WITH MICROSOFT DATA ANALYTICS
Sau khi đã tìm hiểu tổng thể về chương trình PL300, hôm nay chúng ta sẽ bắt tay vào học những nội dung đầu tiên. Mở đầu, chúng ta sẽ học learning path: Get started with Microsoft data analytics. Trong learning path này sẽ đi tổng quan về vai trò của công việc DA và những thành phần chính trong PowerBI. Dưới đây là những nội dung Vinh tóm tắt cho mọi người.
Đối với các thuật ngữ quen thuộc, Vinh sẽ giữ nguyên bằng tiếng Anh. Tuy nhiên, để giúp các bạn dễ hiểu và làm quen, Vinh có một bảng giải nghĩa ở cuối bài.
Module 1: Discover Data Analysis
1.1. Định nghĩa và Mục tiêu của Data Analysis
Data analysis là quá trình identifying, cleaning, transforming, và modeling dữ liệu để khám phá những thông tin giá trị, từ đó hỗ trợ việc ra quyết định.
Tầm quan trọng trong kinh doanh:
– Các doanh nghiệp data-driven sử dụng phân tích dữ liệu để đưa ra quyết định và đánh giá business impact.
– Giúp hiểu rõ customer sentiment, thực hiện market research, và xác định các trends.
Các thành phần cốt lõi của Analytics:
1. Descriptive: Phân tích dữ liệu lịch sử để trả lời what happened.
2. Diagnostic: Điều tra và giải thích why it happened.
3. Predictive: Dùng dữ liệu lịch sử để forecast future trends.
4. Prescriptive: Xác định actions cần thiết để đạt mục tiêu.
5. Cognitive: Sử dụng machine learning để rút ra kết luận và xây dựng các self-learning feedback loops.
Lợi ích chính:
– Giúp doanh nghiệp hiểu dữ liệu thông qua quy trình dựa trên dữ liệu.
– Hỗ trợ ra quyết định informed decisions một cách tự tin.
– Chuyển đổi dữ liệu thô thành thông tin dễ hiểu và có giá trị.
1.2. Vai trò trong Data
1. Business Analyst: Chuyên phân tích và trực quan hóa dữ liệu, làm việc sát sao với nhu cầu kinh doanh.
2. Data Analyst:Tối ưu giá trị dữ liệu qua visualization và reporting.
– Chịu trách nhiệm data profiling, làm sạch và chuyển đổi dữ liệu.
– Xây dựng semantic models và triển khai analytics capabilities.
– Quản lý tài sản Power BI và đảm bảo bảo mật dữ liệu.
– Làm việc với stakeholders để xác định yêu cầu dữ liệu.
3. Data Engineer:
– Xây dựng và quản lý hệ thống data platform technologies.
– Xử lý luồng dữ liệu structured và unstructured.
– Đảm bảo tính bảo mật khi tích hợp các loại database khác nhau.
4. Data Scientist:
– Thực hiện các phân tích nâng cao như predictive analysis và machine learning.
– Làm việc với deep learning và xây dựng custom algorithms.
5. Database Administrator:
– Đảm bảo database performance, sao lưu và phục hồi dữ liệu.
– Quản lý quyền truy cập và bảo mật dữ liệu.
1.3. Công việc của Data Analyst
1. Prepare: Làm sạch và chuyển đổi dữ liệu thô để đảm bảo integrity, accuracy, và tính bảo mật.
2. Model: Xác định mối quan hệ giữa các bảng và xây dựng semantic models chính xác.
3. Visualize: Tạo ra data stories qua báo cáo, giúp decision makers dễ dàng nắm bắt thông tin.
4. Analyze: Tìm kiếm các insights và dự đoán kết quả sử dụng khả năng phân tích của Power BI.
5. Manage: Quản lý tài sản Power BI, đảm bảo bảo mật và chia sẻ dữ liệu hiệu quả.
Module 2: Get Started Building with Power BI Microsoft Power BI cung cấp giải pháp phân tích dữ liệu toàn diện, bao gồm data preparation, visualization, và distribution. Semantic models và visualizations chính là nền tảng của Power BI.
Các thành phần chính của Power BI:
– Power BI Desktop: Dùng để xây dựng semantic models và tạo báo cáo trực quan.
– Power BI Service: Tạo dashboards từ các báo cáo đã xuất bản và phân phối nội dung thông qua apps.
– Power BI Mobile: Truy cập báo cáo mọi lúc mọi nơi, được tối ưu hóa cho thiết bị di động.
Hướng dẫn trong Power BI Service:
– Semantic Model: Kết nối dữ liệu, thực hiện transformations, tạo mối quan hệ và tính toán.
– Visualizations: Tạo trực quan trên Power BI Desktop với tính năng drag-and-drop tương tác.
– Dashboards: Xây dựng từ báo cáo đã xuất bản trên Power BI Service, cung cấp cái nhìn tổng quan qua tiles.
Đọc đến đây, Vinh tin chắc bạn đã có hình dung rõ ràng về cách vận dụng Power BI và vai trò quan trọng của Data Analyst trong tổ chức. Học DAX hay Power BI không khó, quan trọng là bạn cần học đúng cách và đúng mục tiêu!
GIẢI NGHĨA CÁC THUẬT NGỮ TRONG BÀI
1. Business Impact: Là hiệu quả hoặc ảnh hưởng của các quyết định hoặc chiến lược đối với hoạt động kinh doanh và kết quả tài chính.
2. Data-Driven: Là phương pháp ra quyết định dựa trên việc phân tích dữ liệu thực tế, thay vì sử dụng cảm tính hoặc kinh nghiệm chủ quan.
3. Semantic Model: Là mô hình dữ liệu được xây dựng để xác định các mối quan hệ giữa dữ liệu, giúp việc phân tích và trực quan hóa dữ liệu trở nên dễ dàng hơn.
4. Visualization: Là quá trình trình bày dữ liệu dưới dạng biểu đồ, đồ thị hoặc hình ảnh trực quan để giúp người xem dễ dàng hiểu và phân tích thông tin.
5. Filter Context: Là bối cảnh áp dụng các bộ lọc trong DAX để xác định dữ liệu nào sẽ được tính toán và hiển thị trên báo cáo.
6. Row Context: Là bối cảnh áp dụng các phép tính toán trên từng hàng cụ thể trong bảng dữ liệu, thường được sử dụng trong các cột tính toán của DAX.
7. Context Transition: Là quá trình chuyển đổi từ row context sang filter context khi một hàm DAX như CALCULATE được sử dụng để thực hiện tính toán.
8. Descriptive Analytics: Là phương pháp phân tích dữ liệu nhằm mô tả và tóm tắt thông tin lịch sử để trả lời câu hỏi “Chuyện gì đã xảy ra?”.
9. Diagnostic Analytics: Là phương pháp phân tích dữ liệu giúp tìm hiểu nguyên nhân đằng sau các sự kiện hoặc kết quả, trả lời câu hỏi “Tại sao điều đó xảy ra?”.
10. Predictive Analytics: Là phương pháp phân tích sử dụng dữ liệu lịch sử và mô hình thống kê để dự đoán các xu hướng hoặc kết quả trong tương lai.
11. Prescriptive Analytics: Là phương pháp phân tích cung cấp các khuyến nghị cụ thể về hành động cần thực hiện để đạt được mục tiêu mong muốn.
12. Cognitive Analytics: Là phương pháp phân tích kết hợp machine learning và AI để tự động học hỏi từ dữ liệu và rút ra các kết luận hoặc đề xuất một cách tự động.
13. Data Profiling: Là quá trình đánh giá dữ liệu thô để hiểu rõ cấu trúc, nội dung và chất lượng của dữ liệu đó.
14. Data Transformation: Là quá trình chuyển đổi dữ liệu từ định dạng hoặc cấu trúc này sang một định dạng khác để phù hợp với mục đích phân tích.
15. Power BI Assets: Là các tài sản được quản lý trong Power BI như
báo cáo, dashboards, workspaces và datasets phục vụ cho việc phân tích và chia sẻ dữ liệu.
16. Data Silo: Là tình trạng dữ liệu bị phân tách và lưu trữ rời rạc trong các bộ phận hoặc hệ thống khác nhau của tổ chức, gây khó khăn trong việc chia sẻ và phân tích dữ liệu tổng thể.
17. Data Governance: Là tập hợp các chính sách, quy trình và tiêu chuẩn nhằm đảm bảo tính chính xác, bảo mật và quản lý dữ liệu hiệu quả trong tổ chức.
18. Machine Learning: Là nhánh của AI cho phép máy tính học hỏi từ dữ liệu và cải thiện kết quả dự đoán hoặc phân tích mà không cần được lập trình trực tiếp.
19. Context Transition: Là sự chuyển đổi bối cảnh khi sử dụng các hàm như CALCULATE trong DAX, biến row context thành filter context trong quá trình tính toán.
20. Implicit Filtering: Là các bộ lọc được áp dụng tự động trong quá trình tính toán dựa trên các mối quan hệ trong mô hình dữ liệu.
21. Explicit Filtering: Là bộ lọc được áp dụng một cách tường minh bằng cách sử dụng các hàm như FILTER hoặc CALCULATE trong DAX để xác định phạm vi dữ liệu.
22. Debugging: Là quá trình tìm kiếm và khắc phục lỗi trong các công thức hoặc quá trình tính toán để đảm bảo kết quả chính xác.
23. Performance Optimization: Là việc cải thiện tốc độ và hiệu suất của mô hình dữ liệu hoặc báo cáo bằng cách tối ưu hóa các truy vấn và cấu trúc dữ liệu.
24. Dashboards: Là các bảng điều khiển được tạo trong Power BI Service, tập hợp các biểu đồ và chỉ số quan trọng để cung cấp cái nhìn tổng quan nhanh về dữ liệu.
25. Data Storytelling: Là kỹ năng sử dụng dữ liệu, kết hợp với hình ảnh trực quan và bối cảnh để kể một câu chuyện rõ ràng, giúp người xem dễ dàng hiểu và ra quyết định.
– Xem ngay Lộ trình học Data Analyst chuyển ngành thành công trong vòng 6 tháng
– Xem ngay Lộ trình học Marketing Analytics Coaching 1 on 1 để upgrade kỹ năng phân tích cho Marketer
– Tham gia Vietnam Data Analyst Forum – #1 Informative Group để học hỏi và chia sẻ kiến thức về Data Analytics
– Cập nhật lịch khai giảng, chương trình ưu đãi và nhận tư vấn chuyển ngành miễn phí tại Data Coaching 1 on 1 – UniGap
