Posted on Leave a comment

Bắt đầu trong ngành dữ liệu với chứng chỉ nào? So sánh 3 chứng chỉ dành cho Data Analyst, BI Analyst

Triển vọng của lĩnh vực BI tại Việt Nam

Trong kỷ nguyên của dữ liệu, khi vai trò của dữ liệu với thành công của doanh nghiệp ngày càng lớn, lĩnh vực Business Intelligence ngày càng phát triển. Với một chiến lược và một team BI tốt, doanh nghiệp có thể thực hiện các phân tích cần thiết hỗ trợ cho các quyết định kinh doanh dựa trên dữ liệu.

Báo cáo trong Glassdoor và PayScale cho thấy, nếu bạn mới vào nghề (có 1- 2 năm kinh nghiệm), bạn có thể tính vào mức lương trung bình 66.000 đô la. Khi bạn đã đạt được một vài năm kinh nghiệm và bạn đã mài giũa kỹ năng thuyết phục của mình, mức lương trung bình hàng năm của bạn có thể đạt 79.000 đô la.

Tại Việt Nam, dù chưa có số liệu thống kê chính thức, nhưng nếu xem qua các tin tuyển dụng, bạn có thể thấy mức lương của BI Analyst dưới 2 năm kinh nghiệm ở Việt Nam dao động trong khoảng 10 – 25 triệu/ tháng.

Lĩnh vực có nhu cầu cao về BI Analyst hiện nay là Ngân hàng, bán lẻ, tài chính, thương mại điện tử,.. vì có lượng khách hàng phổ thông lớn, lượng dữ liệu nhiều.

Thi chứng chỉ tạo lợi thế cạnh tranh cho bạn trong ngành dữ liệu như thế nào?

Kiến thức, kỹ năng là những thứ khó có thể đo lường, xác định rõ ràng, với cả ứng viên và nhà tuyển dụng. Chính vì vậy, với mọi ngành nghề, lĩnh vực, sẽ đều có những chứng chỉ, bài thi như một thang đo để đánh giá năng lực. Ví dụ như CFA với ngành tài chính, MOS cho tin học văn phòng hay IELTS/ TOEFL cho tiếng Anh.

Với ngành dữ liệu – cụ thể là lĩnh vực Data Analytics, Business Intelligence, việc học và thi chứng chỉ chưa thực sự phổ biến tại Việt Nam. Tuy nhiên việc thi chứng chỉ mang lại 3 lợi ích rõ ràng như sau:

1. Có mục tiêu học tập và lộ trình ôn luyện rõ ràng. Không bị lan man.

2. Được xác nhận trên một mức level cụ thể của một kĩ năng (không chỉ với người khác mà với chính bản thân bạn, vì khi biết rõ level của bạn thân bạn sẽ biết mình cần phát huy gì, cần cải thiện gì).

3. Là 1 cách để đảm bảo, chứng minh khả năng của bản thân với nhà tuyển dụng, nhất là với các bạn sinh viên, fresher, người chuyển ngành muốn theo đuổi mảng dữ liệu nghiêm túc nhưng chưa có kinh nghiệm làm việc.

So sánh 3 chứng chỉ dành cho BI Analyst, Data Analyst

Với 3 công cụ BI phổ biến nhất hiện nay là Power BI, Tableau và Qlik, chúng ta có 3 chứng chỉ tương ứng như sau:

Bắt đầu với chứng chỉ nào?

Với các bạn đã đi làm, các bạn có thể lựa chọn chứng chỉ dựa theo công cụ công ty bạn đang làm  (hoặc muốn làm ) sử dụng. Tuy nhiên, với những bạn mới ra trường hay chưa xác định được công ty, thi chứng chỉ Data Analyst Associate là lựa chọn hợp lý hơn vì 3 lý do sau:

1, Được cấp bởi Microsoft  & Sự phổ biến của Power BI

Với sự phổ biến của các công cụ Microsoft Office tại Việt Nam như Excel, PowerPoint,… Power BI cũng là công cụ được ưu tiên lựa chọn bởi các doanh nghiệp Việt Nam, vì có cùng hệ sinh thái cũng như có những điểm vượt trội nhất định. Chính vì vậy, với DAA thì bạn sẽ có nhiều cơ hội về công việc hơn cũng như tạo một sự tin tưởng cho nhà tuyển dụng.

2. Chứng chỉ Role-Based thay vì Tech-based

Khác với 2 chứng chỉ của Qlik và Tableau tập trung vào khả năng sử dụng công cụ (cụ thể bạn có thể xem ở website của 2 chứng chỉ này), DAA tập trung vào các kỹ năng cần thiết để trở thành một Data Analyst (và việc sử dụng Power BI để thực hành các kỹ năng này). Dưới đây là list các kỹ năng bạn sẽ cần học và ôn luyện cho chứng chỉ DAA:

  • Prepare the data
  • Model the data
  • Visualize the data
  • Analyze the data
  • Deploy and maintain deliverable

3. Tiết kiệm chi phí và thời gian học.

Tìm hiểu thêm về DAA tại: https://docs.microsoft.com/en-us/learn/certifications/data-analyst-associate#certification-exam-disclaimers

Tìm hiểu về khóa học Luyện thi chứng chỉ DAA tại Việt Nam tại:

Posted on Leave a comment

Các loại câu lệnh SQL

Mọi người đa phần đều đã thao tác với các câu lệnh SQL tuy nhiên ít ai để ý đến việc phân loại các câu lệnh này. Trong bài viết này Datapot sẽ phân loại và giới thiệu mục đích sử dụng của các loại câu lệnh phổ biến trong SQL. Save bài viết này để khi gặp môt yêu cầu nào đó mà không biết dùng loại câu lệnh nào, bạn có thể tra cứu lại nhé!

Image may contain: text
No photo description available.
No photo description available.
Image may contain: text
Image may contain: text
Image may contain: text
Image may contain: text

Ngoài ra, để được hướng dẫn chi tiết hơn về cách ứng dụng SQL trong Phân tích dữ liệu & trong môi trường doanh nghiệp, tham khảo khóa học SQL Redash for Data Analytics Online (Khai giảng 3/6) tại Datapot nhé!

Posted on Leave a comment

Kỹ năng nào là cần thiết với một BA mới vào nghề?

Nếu bạn đang tìm hiểu về vị trí Business Analyst và thắc mắc bạn cần chuẩn bị những kỹ năng và kinh nghiệm gì thì bài viết này dành cho bạn.

Các nhóm kỹ năng cần thiết đối với một BA mới vào nghề phải kể đến: 

  1. Nhóm kỹ năng nền tảng
  2. Nhóm kỹ năng chuyên môn
  3. Nhóm kỹ năng mềm.

1. NHÓM KỸ NĂNG NỀN TẢNG

Kỹ năng giao tiếp

BA phải là một người giỏi giao tiếp. Họ có thể tổ chức thành công các buổi họp không chỉ gặp mặt trực tiếp mà ngay cả các buổi họp trực tuyến, biết lắng nghe và tiếp nhận các ý kiến cũng như biết cách đặt vấn đề để khai thác tối đa các nguồn thông tin trong buổi họp.

Kỹ năng giải quyết vấn đề

Không một dự án nào là không có vấn đề. Trên thực tế, toàn bộ dự án đã chính là một giải pháp cho một vấn đề. BA được xem như là người tạo điều kiện giúp mọi người nắm được thông tin chung về vấn đề, các giải pháp khả thi và xác định phạm vi của dự án. BA cũng là người hỗ trợ giải quyết các thách thức kỹ thuật, đặc biệt trong việc giải quyết các vấn đề phát sinh giữa bên kinh doanh và kỹ thuật.

Kỹ năng tư duy phản biện

BA là người chịu trách nhiệm đánh giá các lựa chọn trước khi cùng team giải quyết một vấn đề. Khi xác định được vấn đề cần giải quyết, BA cần lắng nghe nhu cầu của các bên liên quan đồng thời phải xem xét các nhu cầu đó và đặt câu hỏi thăm dò để hiểu rõ và nắm được nhu cầu thực sự. Đây cũng chính là lý do tư duy phản biện trở nên quan trọng với các BA.

2. NHÓM KỸ NĂNG CHUYÊN MÔN

Kỹ năng kết nối và chuẩn hóa tài liệu

Các kỹ thuật liên kết giúp BA nắm rõ và hiểu chính xác nhu cầu thực sự của các bên liên quan trong quá trình khám phá thông tin. Glossary và User Stories được coi là một trong các kỹ thuật để nắm bắt và truyền đạt thông tin liên quan đến yêu cầu với các bên liên quan.

BA cũng cần phải quản lý và lưu trữ được các tài liệu về dự án. Các yêu cầu, nội dung các cuộc họp, trao đổi, các tài liệu xoay quanh dự án đều cần được sắp xếp và tổ chức khoa học.

Kỹ năng phân tích

BA sử dụng rất nhiều kĩ thuật để phân tích vấn đề và giải pháp. Khi mới vào nghề, bạn sẽ phân tích vấn đề một cách tự nhiên. Nhưng khi có nhiều kinh nghiệm hơn bạn sẽ biết cách sử dụng các kĩ thuật để tiến hành phân tích và mổ xẻ vấn đề một cách hiệu quả hơn.

Với mỗi trường hợp, BA sẽ áp dụng các kĩ thuật phân tích phù hợp như:

–          Business-Level: BA sẽ áp dụng các a textual model visual model (flow diagram) để phân tích một quy trình kinh doanh.

–          Software-level: usercasewireframe được sử dụng để phân tích cách một phần mềm hỗ trợ quy trình kinh doanh.

–          Information-level: BA sử dụng data modeling techniques như Mô hình quan hệ thực thể (ERD), data dictionary, data map, and system context diagram để hiểu dữ liệu và thông tin được lưu trữ và duy trì như thế nào.


Các công cụ hỗ trợ việc phân tích

Ngoài việc thành thạo các ứng dụng văn phòng như: Word, Excel, PowerPoint, BA cần biết sử dụng một số công cụ khác: Công cụ để modeling như Visio hoặc Enterprise Architech; Công cụ để quản lý yêu cầu như DOORS hoặc Caliber; Công cụ để quản lý dự án như: Microsoft Project; Công cụ phân tích như: Power BI, Tablue,..

3. NHÓM KỸ NĂNG MỀM

Kỹ năng xây dựng quan hệ

Đầu tiên và quan trọng nhất trong danh sách các kỹ năng mềm là kỹ năng xây dựng quan hệ, thường được gọi là quan hệ giữa các bên liên quan. Bên liên quan là bất cứ ai có đóng góp cho dự án của bạn và thường bạn sẽ làm việc với nhiều bên liên quan từ doanh nghiệp đến đội kỹ thuật.

Kỹ năng này liên quan đến việc xây dựng niềm tin và BA có vai trò lãnh đạo nhóm dự án để thu hẹp khoảng cách giữa các bên.

Kỹ năng tự quản lý công việc

BA không phải là người quản lý dự án, tuy nhiên việc tự quản lý công việc là một kỹ năng quan trọng với một người BA thành công. Ngoài ra, BA cũng cần trang bị thêm các kỹ năng như: kỹ năng quản lý thời gian, kỹ năng đặt mục tiêu, kỹ năng quản lý rủi ro.

Kỹ năng “Thick Skin”

BA sẽ nhận được một loạt các phản hồi về tài liệu và các giải pháp đã được đề xuất. Để trở thành một BA thành công, bạn cần công tư phân minh, nghĩa là có khả năng tách biệt các phản hồi về tài liệu với các ý kiến về cá nhân bạn.

Kỹ năng đối mặt với “sự mơ hồ”

BA coi “sự mơ hồ” là kẻ thù không đội trời chung. Sự mơ hồ trong các yêu cầu kỹ thuật có thể dẫn đến những lỗ hổng không lường trước được. Sự mơ hồ trong cuộc trò chuyện có thể dẫn đến những xung đột không cần thiết. Ở mỗi giai đoạn của một dự án, nhiệm vụ của BA là làm rõ và giải quyết sự mơ hồ.

Tuy nhiên, khi bắt đầu một dự án, trước khi hiểu đầy đủ vấn đề và đưa ra giải pháp, một BA phải có khả năng nắm bắt sự mơ hồ và làm việc hiệu quả thông qua sự mơ hồ đó. Quản lý sự mơ hồ có nghĩa là nắm bắt được thông tin mới và tìm hiểu ngay khi nó xuất hiện.

Trên đây là những kỹ năng cần thiết nhất đối với một người mới bước chân vào nghề BA. Nếu bạn đang quan tâm đến nghề BA hoặc bạn đang làm việc với vai trò BA thì hãy trang bị cho mình các kỹ năng này ngày một nhuần nhuyễn nhé.

Nguồn: https://www.bridging-the-gap.com/business-analyst-skills-important/

https://home.datapot.vn/product/data-for-ba/

Posted on Leave a comment

Lời chào tạm biệt Big Data?

Trước đây, khi học Thạc sĩ về Data Science, các topic về Big Data luôn khiến tôi hào hứng. Tôi muốn tìm hiểu về 3Vs, muốn phân tích các dòng dữ liệu, mô hình hóa, trực quan hóa, biến đổi,… Đến bây giờ, khi ai đó nhắc đến Big Data, tôi nghĩ ngay đến một đống Buzzwords và những kỳ vọng mơ hồ.  

“Buzzword” is “a word or expression from a particular subject area that has become fashionable by being used a lot, especially on television and in the newspapers”.

“Buzzword” là “những từ, cụm từ có tính chuyên ngành nhưng được sử dụng rộng rãi theo cách thời thượng, xu hướng, đặc biệt là bởi giới truyền thông”.

Cambridge Dictionary

Có phải Big Data đã mất đi sức hấp dẫn? Hay do tôi trở nên ngày càng hoài nghi?

Khoảng cách giữa Buzzword và Thực tế

Tôi trở nên khá dị ứng với các “buzzword”. Chúng thường được thổi phồng quá mức so với ý nghĩa thực tế. Một ví dụ là bạn sẽ thấy một câu quen thuộc như thế này: Big Data mang đến những đột phá trong kỷ nguyên digital. Nghe rất hứa hẹn tuy nhiên trong thực tế chúng ta vẫn đang vẫn đang mắc kẹt với những sheet Excel.

Big Data khiến mọi người háo hứng bởi ý tưởng về kho báu, hay nguồn tài nguyên khổng lồ mà chúng ta có thể tận dụng. Ấn tượng của tôi ban đầu cũng như vậy, rằng trong lượng dữ liệu khổng lồ đó, chắc chắn phải có gì đó giá trị. Điều này là có thể, tuy nhiên với mức chi phí là bao nhiêu?

Không thể sử dụng Big Data nếu không có cơ sở hạ tầng phù hợp

Làm việc với lượng dữ liệu khổng lồ yêu cầu những công nghệ nhất định, cách lưu trữ và các công cụ phù hợp để chuyển đổi dữ liệu. “Nút cổ chai” xảy ra thường xuyên hơn bạn nghĩ, khi công nghệ phát triển và dễ tiếp cận với các nền tảng điện toán đám mây, việc sử dụng và duy trì các các nền tảng này cũng tốn một chi phí rất lớn. Đây cũng là một trong những bài học thế kỷ về dữ liệu:

Khi dữ liệu trở nên quý như vàng đối với một số người, thì nó lại làm lãng phí nơi lưu trữ với một số người khác.

Các công ty lưu trữ dữ liệu và trả chi phí lưu trữ, sau đó mới biết được dữ liệu có hữu dụng hay không. Vậy tại sao không quyết định dữ lữu nào sẽ hữu dụng trước sau đó mới lưu trữ?

Big Data không phải lúc nào cũng là “Interesting Data”

“Garbage in, garbage out” (Đầu vào kém thì đầu ra cũng kém) là một trong những câu nói quan trọng nhất trong lĩnh vực Khoa học dữ liệu.  Và rất nhiều dữ liệu được coi là “Big Data” nằm trong nhóm này, nghĩa là đó là những dữ liệu không đáng tin cậy,  chưa được xử lý và cần tốn rất nhiều công sức mới có thể sử dụng được. Đôi khi, lượng thông tin rất nhỏ rút ra được từ lượng dữ liệu cực lớn đó không đáng với thời gian, công sức và tiền bạc bỏ ra.

Theo báo cáo của Forrester, ít nhất 60% lượng dữ liệu của các tập đoàn không được sử dụng đến.

Tại sao không sử dụng chi phí lưu trữ những dữ liệu này để đầu tư vào cơ sở hạ tầng cho những dữ liệu thật sự hữu dụng?

Thời mà chúng ta tìm càng nhiều dữ liệu càng tốt cho AI đã qua. Mọi người phải nhận ra rằng, không phải tất cả các đặc điểm đều hữu ích (thậm chí còn gây hại) và chất lượng của dữ liệu quan trọng hơn là số lượng. Chúng ta cần những dữ liệu đo lường những thông tin có giá trị, một cách nhất quán và đáng tin cậy.  Bằng cách kiểm soát chất lượng của dữ liệu, chúng ta cũng đảm bảo một thời kỳ mà AI trở nên an toàn hơn.

Kỷ nguyên của việc triển khai và cơ sở hạ tầng tốt hơn.

Một khi đã có dữ liệu, chúng ta cần cơ sở hạ tầng để có thể sử dụng an toàn, chia sẻ, phân tích và tạo ra sự khác biệt giữa những dữ liệu vô dụng và những thông tin có giá trị. Chúng ta cũng cần phải xác định rằng AI là dành cho cả thế giới cùng sử dụng và hiểu được bằng cách đảm bảo cả chất lượng và độ tin cậy. Cần có nhiều người hiểu được rằn dữ liệu (như rất nhiều thứ khác) không nhất thiết phải lớn, tuy nhiên cần phải đáng tin cậy.

Tạm biệt Big Data, chào đón Reliable Data!

Nguồn: https://towardsdatascience.com/bye-bye-big-data-fbea187c7739

Posted on Leave a comment

Tổng hợp một số nền tảng thực hành SQL Online

SQL và sự cần thiết của nó với các bạn muốn làm chuyên sâu trong mảng dữ liệu là không thể bàn cãi.
Hiện có khá nhiều bạn đã từng học các khóa SQL nhưng chưa có cơ hội thực hành. Datapot tổng hợp lại các nguồn thực hành SQL online để các bạn có thể thực hành trực tiếp mà không phải cài đặt. Cực kỳ tiện lợi.

1. W3 school


Link: https://www.w3resource.com/sql-exercises/
Phiên bản SQL: PostgreSQL 9.4
Mô tả nhanh: Đầy đủ các câu lệnh cơ bản. Mô tả db rõ ràng. Giao diện dễ sử dụng. không cần đăng nhập.

2. PostgreSQL Exercises

Link: https://pgexercises.com/questions/basic/
Phiên bản SQL: PostgreSQL
Mô tả nhanh: Đầy đủ câu lệnh cơ bản, giao diện cực kỳ thân thiện, không cần đăng nhập. Các câu lệnh chia thành từng chủ đề rất dễ theo dõi.

3. Oracle Live

Link: https://livesql.oracle.com/
Phiên bản SQL: Oracle SQL (PL-SQL)
Mô tả nhanh: Giao diện cực kỳ khoa học, cho phép lựa chọn nhiều schema khác nhau, cung cấp công cụ để tạo lập vào follow các tutorial được thiết kế trước, quản lý session thông minh, lưu lại và theo dõi lịch sử học. Cần phải tạo một acc Oracle mới có thể đăng nhập và sử dụng được.