Posted on Leave a comment

DYNAMIC MEASURE trong Power BI

Dynamic measure

Trong xây dựng báo cáo, từ dữ liệu có sẵn, chúng ta có thể tạo ra nhiều chỉ số có ý nghĩa để có những đánh giá toàn diện hơn. Các chiều dữ liệu đóng vai trò context. Chúng ta đưa chỉ số vào trong các context cụ thể để tạo nên những visual khác nhau. Giả sử có n chỉ số và m chiều phân tích, chúng ta có thể kết hợp để tạo ra tối thiểu n x m visual. Chúng ta muốn thể hiện trong cùng 1 page báo cáo, tuy nhiên báo cáo trở nên rối, chiếm nhiều không gian và cảm giác lặp lại. Dynamic Measure là 1 tip hay để xử lý tình huống này.

Trong bài này, Datapot giới thiệu đến người đọc cách sử dụng Dynamic measure trong Power BI.

Download file Power BI Tại đây

(Tham khảo Các thao tác đơn giản để tạo báo cáo trên Power BI cho người mới bắt đầu Tại đây)

(Tham khảo Cách xây dựng Cohort Analysis trên Power BI Tại đây)

Xây dựng Dynamic Measure trên Power BI.


Giả sử chúng ta có một bảng dữ liệu có tên là “SalesTable” bao gồm 2 cột:
Customerkey: Cột chứa key định danh cho mỗi khách hàng mua dịch vụ.
OrderDate: Ngày ngày hàng có đặt hàng dịch vụ
Mỗi dòng dữ liệu là 1 giao dịch bán hàng.
Ngoài ra ta cũng có 1 bảng “Date”, có relationship với bảng “SalesTable” thông qua cột DateOrderDate

2 bảng trong Dynamic measure
Mối quan hệ giữa bảng Date và bảng SalesTable

Chúng ta có 2 chỉ số được tính toán như sau:  

  • Số lượng khách hàng  

No.Customers = DISTINCTCOUNT(‘SalesTable'[Customerkey]) 

  • Số lượng giao dịch  

No.Orders = COUNTROWS(SalesTable) 

Thông thường, chúng ta tạo ra 2 biểu đồ để thể hiện được số lượng khách hàng theo từng tháng và số lượng order theo từng tháng:

2 biểu đồ theo tháng
Biểu đồ để thể hiện được số lượng khách hàng theo từng tháng và số lượng order theo từng tháng

Tuy nhiên, chúng ta có thể có thể sử dụng Dynamic measure để kết hợp chúng lại trong 1 visual duy nhất, và sử dụng Slicer để lựa chọn visual sẽ hiển thị theo chỉ số nào.

Để tạo dynamic measure, chúng ta sẽ làm lần lượt các bước sau:  

Bước 1: Tạo 1 bảng đặt tên là “Disconnected_table”, bảng này có 2 cột là “id” và cột “measure”.

Trong đó cột “measure” có giá trị là tên các measure mà chúng ta muốn thể hiện trong báo cáo. Cụ thể, ở đây là 2 measure No.CustomersNo.Orders. Cột “id” là thứ tự xuất hiện của từng measure.  

Sử dụng luôn tùy chọn Enter data trong Power BI. Lưu ý trong cột measure, chúng ta không nhất thiết phải đặt tên giống hệt tên measure, có thể đặt khác đi nhưng phải đảm bảo ý nghĩa để end user sử dụng sau này. Ví dụ thay vì “No.Customers” chúng ta gõ “Number of Customers”.

Bước 1 tạo Dynamic measure
Bảng Disconnected _table

Bảng “Disconnected_table” không cần tạo relationship với các bảng khác trong data model.

Bước 2: Sort cột measure theo cột id

Sort cột measure theo cột id
Sort cột measure theo cột id

Bước 3: Tạo 1 measure điều khiển chỉ số xuất hiện trong visual.

Dynamic_measure =
IF(HASONEVALUE(Disconnected_table[measure]),
SWITCH(TRUE(),
VALUES(Disconnected_table[measure]) = “No.Customers”, [No.Customers],
VALUES(Disconnected_table[measure]) = “No.Orders”, [No.Orders]
))

Bước 4: Tạo Slicer sử dụng để lựa chọn chỉ số xuất hiện trong visual thông qua cột measure trong bảng.

Slicer
Lựa chọn chỉ số xuất hiện trong visual

Bước 5: Tạo visual, ví dụ thể hiện chỉ số theo tháng. Trong tùy chọn Values, ta kéo “Dynamic measure” vào.

Kéo Dynamic measure  vào Values
Kéo Dynamic measure vào tùy chọn Values

Như vậy ta đã hoàn thành xong Dynamic measure.

Tuy nhiên có 1 vấn đề là title của chart chưa được dynamic. Để xử lý, ta có 1 số bước sau:

⦁ Bước 1: Trong bảng “Disconected_table”, ta tạo thêm 1 cột mới là “title”.

Cột này sẽ sử dụng để điều khiển title của visual.
title = SWITCH(Disconnected_table[measure], “No.Customers”, “Number of Customers by Month”, “Number of Orders by Month”)
Chúng ta có thể tạo ra cột title ngay từ đầu khi tạo bảng “Disconnected_table

⦁ Bước 2: Trong tùy chọn Title ở phần Format. Ta chọn biểu tượng fx

Tùy chọn Title
Tùy chon Title ở Format

Tại hộp thoại Title text, tại Based on filed, chọn cột “title” trong bảng “Disconnected_table

Chọn cột Title
Chọn cột “title” trong bảng “Disconnected_table

Kết quả ta được

Tham khảo kết quả tại: Dynamic measure report


Ví dụ trên chúng ta chỉ có 2 measure, trong bài toán thực tế, các bạn có thể tạo ra dynamic measure gồm nhiều loại measure khác nhau.

Nội dung sắp tới, chúng ta sẽ cùng nghĩ cách để có thể thực hiện conditional formating với những visual đang sử dụng dynamic measure.

Tham gia group ôn thi DA-100 tại: https://www.facebook.com/groups/da100vn
Chuỗi Video Hướng dẫn thực hành Lab và sử dụng các tài nguyên của Microsoft: https://www.youtube.com/c/Datapotvn/videos
Update tài nguyên từ Microsoft, DA-100 exam questions và exam topics tại Fanpage của Datapot: https://www.facebook.com/DatapotAnalytics/

Khóa học Ôn thi DA-100
Combo khóa học dành cho các bạn Fresher
Posted on 1 Comment

Các thao tác đơn giản để tạo báo cáo trên Power BI cho người mới bắt đầu

Bài viết này giới thiệu nhanh về cách tạo hình ảnh trực quan trong báo cáo, được áp dụng cho cả Power BI Service và Power BI Desktop. Đối với những thao tác chuyên sâu và tùy chỉnh nâng cao, Datapot sẽ update ở những phần sau bạn nhé!

Điều kiện tiên quyết

Hướng dẫn này sử dụng tệp PBIX của bộ phận Sale & Marketing. Link Download: https://docs.microsoft.com/en-us/power-bi/visuals/power-bi-report-add-visualizations-i

  • Từ phần trên bên trái của thanh menu Power BI Desktop, chọn Tệp> Mở
  • Tìm bản sao của tệp PBIX mẫu file Sale & Marketing của bạn
  • Mở tệp PBIX mẫu Sale & Marketing trong chế độ xem báo cáo.
  • Chọn để thêm một trang mới.

Note: File của bạn có thể được chia sẻ cho đồng nghiệp khi cả hai bạn phải có tài khoản Power BI Pro cá nhân.

Thêm hình ảnh trực quan vào báo cáo

  1. Tạo hình ảnh trực quan bằng cách chọn một trường từ dải tùy chọn. Bạn có thể bắt đầu với một trường số như Bán hàng> Tổng Doanh thu. Power BI cho phép bạn tạo biểu đồ cột với một cột duy nhất.


Screenshot of a column chart with a single column.
Hoặc bạn có thể bắt đầu với một trường danh mục, chẳng hạn như Tên hoặc Sản phẩm. Power BI tạo một bảng và thêm trường đó vào Giá trị.
Screenshot of a table with four categories
Hoặc, bạn có thể bắt đầu với một trường địa lý, chẳng hạn như Địa lý> Thành phố. Power BI và Bing Maps giúp ta tạo ra một bản đồ trực quan.
Screenshot of a map visualization.

Thay đổi loại hình trực quan hóa

Sau khi bạn tạo hình ảnh trực quan trong báo cáo, nếu muốn thay đổi chúng để nâng cao hiệu quả minh họa, bạn có thể thực hiện các bước sau:

  1. Chọn Sản phẩm> Vào phần Danh mục rồi chọn Sản phẩm> Số lượng Sản phẩm để thêm cả hai vào Giá trị hiển thị
    Screenshot of the Fields pane with the Values well called out.
  2. Thay đổi hình ảnh trực quan thành biểu đồ cột bằng cách chọn biểu tượng biểu đồ cột xếp chồng.
    Screenshot of the Visualizations pane with the Stacked column chart icon called out.
  3. Để thay đổi cách sắp xếp hình ảnh, hãy chọn Tác vụ khác (…). Sử dụng các tùy chọn sắp xếp để thay đổi hướng sắp xếp (tăng dần hoặc giảm dần) và thay đổi cột đang được sử dụng để sắp xếp (Sắp xếp theo…)
    Screenshot of the More actions dropdown.

———–

Tạo hình ảnh trực quan mới

Tiếp theo, Datapot sẽ hướng dẫn bạn cách sử dụng tính năng kéo và thả và vận dụng đầy đủ các Trường tùy chọn cũng như trực quan hóa để tạo và sửa đổi các hình ảnh minh họa báo cáo.

Trong hướng dẫn này, chúng ta sẽ đi sâu vào tập dữ liệu Phân tích Bán lẻ và tạo một vài hình ảnh.

Điều kiện tiên quyết

Hướng dẫn này sử dụng tệp PBIX mẫu phân tích bán lẻ.

  • Từ phần trên bên trái của thanh menu Power BI Desktop, chọn Tệp> Mở
  • Tìm bản sao của tệp PBIX mẫu Phân tích Bán lẻ của bạn
  • Mở tệp PBIX mẫu Phân tích Bán lẻ trong chế độ xem báo cáo Ảnh chụp màn hình của biểu tượng chế độ xem báo cáo.
  • Chọn biểu tượng (+) để thêm một trang mới.

Thêm hình ảnh trực quan vào báo cáo

Tạo hình ảnh trực quan bằng cách chọn một trường từ ngăn Trường. Loại hình ảnh trực quan được tạo sẽ phụ thuộc vào loại trường được chọn. Power BI sử dụng kiểu dữ liệu để xác định hình ảnh nào sẽ sử dụng để hiển thị kết quả. Bạn có thể thay đổi hình ảnh minh họa được sử dụng bằng cách chọn một biểu tượng khác từ ngăn “Visualizations pane”. Một lưu ý nhỏ rằng, không phải tất cả các hình ảnh trực quan đều có thể hiển thị dữ liệu của bạn.

Ví dụ: Dữ liệu về khu vực địa lý sẽ không thể được minh họa tốt khi sử dụng biểu đồ cột.

Thêm biểu đồ để đối chiếu Doanh thu năm nay so với năm ngoái

  1. Từ bảng Doanh thu, hãy chọn Doanh thu năm nay > Giá trị và Doanh thu năm ngoái. Power BI tạo biểu đồ cột đôi cạnh nhau như vậy để so sánh. 
  1. Từ bảng Thời gian, kéo Tháng tài chính vào vùng Trục.
  1. Thay đổi hình ảnh trực quan thành biểu đồ vùng: 

Có nhiều loại hình ảnh trực quan để bạn lựa chọn – Hãy nghiên cứu kĩ mô tả về mỗi loại, mẹo về các phương pháp hay nhất để cân nhắc ra quyết định bạn sẽ lựa chọn loại nào. Khi muốn tạo biểu đồ vùng, từ ngăn Hình ảnh hóa, ấn chọn biểu tượng biểu đồ vùng.

  1. Sắp xếp hình ảnh bằng cách chọn Tác vụ khác (…) và chọn Sắp xếp theo > Tháng tài chính.
  1. Thay đổi kích thước hình ảnh trực quan bằng cách chọn hình ảnh trực quan, lấy một trong các vòng tròn phác thảo và kéo thả, điều chỉnh cho nó đủ rộng để loại bỏ thanh cuộn và vừa đủ để có khoảng trống cho các hình ảnh cần thiết khác.
  2. Ấn lưu báo cáo.

Thêm hình ảnh bản đồ để thể hiện Doanh thu bán hàng theo vị trí

  1. Từ bảng Cửa hàng, chọn Lãnh thổ. Kéo Tổng số cửa hàng vào khu vực Kích thước. Power BI sẽ nhận ra rằng Lãnh thổ là một vị trí và tạo hình ảnh bản đồ.Area chart
  2. Thêm một chú giải. Để xem dữ liệu theo tên cửa hàng, hãy kéo Cửa hàng> Chuỗi vào vùng Chú giải.
    report canvas with arrow from Chain in fields list to Chain in Legend bucket

Tham khảo nguồn bài viết: https://docs.microsoft.com/en-us/power-bi/visuals/power-bi-report-add-visualizations-i?fbclid=IwAR3lfUVCOn0dZQkZ2C0pW4BrNNtT71nLF8GleuYwdGI0zU3XyVYoN8UbI6s

  • Khóa học tham khảo: Power BI and Analytical thinking (PBIDA): https://home.datapot.vn/product/powerbi-and-analytical-thinking/
  • Khóa học tham khảo: Combo Data Analytics Foundation (CDAF): https://home.datapot.vn/product/combo-data-analytics-foundation/

Posted on Leave a comment

Công Ty TNHH Wilmar Marketing CLV – Tuyển dụng vị trí Chuyên viên vận hành dự án 2021

Wilmar CLV (Campuchia – Lào – Việt Nam) thuộc Wilmar International Limited – một trong những tập đoàn kinh doanh nông nghiệp hàng đầu châu Á – được thành lập năm 1991 và có trụ sở tại Singapore. Wilmar có hơn 500 nhà máy sản xuất và mạng lưới phân phối rộng khắp Trung Quốc, Ấn Độ, Indonesia và khoảng 50 quốc gia khác. Tập đoàn có có trụ sở tại khoảng 20 quốc gia trên khắp bốn châu lục với lực lượng lao động khoảng 90.000 người, bao gồm Wilmar CLV (Campuchia – Lào – Việt Nam). Wilmar CLV đã thành lập từ năm 1997, đến nay, chúng tôi là một trong những doanh nghiệp hàng đầu không những về thực phẩm, thức ăn chăn nuôi, hóa chất sinh học và phân phối mà còn về trách nhiệm cộng đồng, xã hội.

CHI TIẾT CÔNG VIỆC

Vận hành chương trình Wilmar Plus (tích điểm online) theo đúng định hướng chính sách chiến lược đề ra của tập đoàn Wilmar CLV

  • Phân tích dữ liệu khách hàng
  • Quản lý kho quà. Quản lý hệ thống, giấy tờ, văn bản, xác nhận của khách hàng
  • Quản lý hệ thống vận hành
  • Đào tạo cho hệ thống nhà phân phối, khách hàng về hệ thống.
  • Nghiên cứu và phát triển để cải thiện hệ thống.
  • Các công việc khác liên quan:
  • Kịch bản các chương trình tương tác như các trò chơi, sự kiện,…Bộ câu hỏi FAQ cho người dùng
  • Nhận diện và xử lý các rủi ro vận hành của hệ thống WPP
  • Nghiên cứu và phát triển để cải thiện hệ thống
  • Phối hợp để thực hiện những công việc khác phát sinh liên quan tới dự án
  • Phối hợp nhận diện và xử lý các rủi ro vận hành của hệ thống WPP
    Thời gian làm việc: 8:00 – 17:00 Thứ 2 – 6
    Địa điểm làm việc: Tầng 10, tòa Corner Stone, số 16 Phan Chu Trinh, Hoàn Kiếm, Hà Nội

YÊU CẦU

Độ tuổi: 22 – 30

  • Kỹ năng thống kê, phân tích, đánh giá dựa trên số liệu , giỏi Excel, BI xử lý dữ liệu, các công cụ Office
  • Tốt nghiệp đại học chuyên ngành Marketing, Kinh Tế, Quản Trị Kinh Doanh, IT hoặc chuyên ngành liên quan
  • Có khả năng đàm phán và thuyết trình tốt vì thường xuyên gặp gỡ đối tác
  • Có kỹ năng làm việc nhóm, làm việc dưới áp lực cao. Nhiệt tình, chịu khó học hỏi, năng động, sáng tạo. Cẩn thận, tỉ mỉ trong công việc.
  • Ưu tiên có ít nhất 1 năm kinh nghiệm quản lý dự án. Ưu tiên có kinh nghiệm về IT

QUYỀN LỢI

  • Thời gian làm việc: 8:00 – 17:00 Thứ 2 – 6
  • Dự kiến thưởng cuối năm theo năng lực: 03 – 05 tháng lương, review năng lực 1 năm/ lần
  • BHXH, BH tai nạn 24/24, BH sức khỏe Bảo Việt
  • Khám sức khỏe định kỳ
  • Tham gia các hoạt động gắn kết: du lịch, Hội thao, ngày hội Gia đình, Tiệc Tân niên
  • Trải nghiệm Văn hóa học tập & Chia sẻ để học hỏi và phát triển

Rank lương: 12.000.000 – 14.000.000 đồng

THÔNG TIN LIÊN HỆ

  • Gửi CV về email contact@datapot.vn
    • Chủ đề [Tuyển dụng Tháng 5 – 2021] Công ty ứng tuyển_Vị trí ứng tuyển _ Họ Tên
    • Bạn note rõ về khóa học đã tham gia tại Datapot trong email (nếu có)

Chi tiết xem tại JD đính kèm: https://drive.google.com/file/d/1jWzLjU_KzkHZ1gSCdOVaboAbmcnuQtXM/view?usp=sharing

Posted on Leave a comment

Công ty Cổ phần Đầu tư Công nghệ F99 – Tuyển dụng vị trí Data Analyst 2021

F99 là 1 start-up về công nghê, hướng tới xây dựng các sản phẩm công nghệ giúp ích được cho cuộc sống của người dùng.

Hiện nay, F99 đang xây dựng các sản phẩm thuộc nhiểu lĩnh vực: thực phẩm, quản trị, giáo dục, … với quy trình làm việc và các công nghệ mới nhất.

CHI TIẾT CÔNG VIỆC

  • Phân tích dữ liệu hành vi của khách hàng
  • Phân tích dữ liệu khách hàng có sẵn và dữ liệu để kết nối với các bên
  • Phân tích hiệu quả của các giải pháp Marketing
  • Xác định các thông số phục vụ việc phân tích khách hàng

YÊU CẦU ỨNG VIÊN

  • Từ 2 năm kinh nghiệm tại vị trí tương đương
  • Thành thạo SQL, Power BI
  • Tốt nghiệp các ngành liên quan như: Hệ thống thông tin, Quản lý thông tin hoặc Công nghệ
    thông tin.
  • Có khả năng phân tích tốt.
  • Có kinh nghiệm sử dụng các công cụ phân tích dữ liệu và Code cơ bản để xử lý các mô hình
    dự báo

QUYỀN LỢI ĐƯỢC HƯỞNG

  • 12 ngày phép/năm
  • Review lương định kỳ hàng năm dựa theo kết quả hoàn thành công việc
  • Thưởng lễ tết đầy đủ
  • Được hưởng đầy đủ các chế độ theo quy định của pháp luật (BHYT, BHXH, BHTN)
  • Được tham gia vào các hoạt động: du lịch hàng năm, team building theo quý, Party, sinh nhật
    hàng tháng…
  • Happy time hàng ngày; trà, coffee, hoa quả free…
  • Môi trường làm việc trẻ trung, năng động, thân thiện; Được tạo điều kiện để học hỏi và phát
    triển mỗi ngày

THÔNG TIN LIÊN HỆ

  • Gửi CV về email contact@datapot.vn
    • Chủ đề [Tuyển dụng Tháng 5 – 2021] Công ty ứng tuyển_Vị trí ứng tuyển _ Họ Tên
    • Bạn note rõ về khóa học đã tham gia tại Datapot trong email (nếu có)

Chi tiết xem tại JD đính kèm: https://drive.google.com/file/d/15PdgVqkBxkW7-2Fp_CQiwX3yqXxnBN7f/view?usp=sharing

Posted on Leave a comment

DAX Cheat Sheet (Part 1)

Data Analysis Expressions (DAX) là một thư viện các hàm và phép tính mà có thể kết hợp với nhau để xây dựng các công thức, biểu thức trong Power BI và Power Pivot trong Excel.

Tìm hiểu về DAX là gì? Ví dụ về cách sử dụng, các bạn có thể tham khảo video này:

Trong bài viết này, Datapot sẽ chia sẻ với bạn nội dung DAX Cheat sheet về các hàm tính toán cơ bản và hàm MTD để bạn có thể tham khảo và áp dụng trong công việc nhé!

Month To Date Sales
• Month-to-date (MTD): là một khoảng thời gian bắt đầu từ đầu tháng và kết thúc ở ngày hiện tại trong tháng đó.
• Month-to-date được sử dụng trong nhiều trường hợp, điển hình là để tính kết quả của một hoạt động trong khoảng thời gian từ đầu tháng đến ngày hiện tại. Ví dụ: nếu ngày hôm nay là ngày 15, bạn được sếp yêu cầu tính sales trong tháng hiện tại, bạn sẽ tính tổng sales từ ngày 1 đến ngày 14 (ngày 15 chưa kết thúc).

Các bạn hãy tiếp tục theo dõi các bài viết tiếp theo của Datapot để tìm hiểu về Dax nhé!

Posted on Leave a comment

Ví dụ về Tư duy phân tích & ứng dụng dữ liệu để trả lời câu hỏi

Đây là ví dụ tôi thường dùng để giúp mọi người bắt đầu với dữ liệu (với 1 cây bút, giấy và máy tính).

Ví dụ này sẽ không biến bạn trở thành chuyên gia về dữ liệu, tuy nhiên sẽ giúp bạn cảm thấy quen thuộc hơn với dữ liệu cũng thấy được những cơ hội từ việc phân tích dữ liệu.

Chúng ta sẽ bắt đầu với một hiện tượng – trễ giờ họp.

Xác định câu hỏi: Có phải các cuộc họp luôn diễn ra muộn hơn so với thời gian dự kiến. Điều này có đúng không?

Tiếp theo, hãy nghĩ đến các dữ liệu có thể giúp bạn trả lời câu hỏi này cũng như một kế hoạch để tìm ra chúng. Viết ra các định nghĩa và quy trình để thu thập dữ liệu. VD, định nghĩa về thời điểm cuộc họp bắt đầu. Đó là lúc có người nói “Chúng ta bắt đầu họp nào!” ? Và bạn có thể để ý, khi có thêm người mới (đặc biệt là lãnh đạo), cuộc họp gần như sẽ bắt đầu lại từ đầu. Vậy bạn nên chọn mốc thời gian nào?

Tiếp theo bạn có thể bắt đầu việc trình bày. Việc trình bày tốt giúp bạn hiểu rõ dữ liệu cũng như trao đổi, truyền đạt với mọi người dễ dàng hơn. Có nhiều công cụ nhưng trong ví dụ này tôi sẽ vẽ tay. Tôi có một biểu đồ như hình dưới với trục x là thời gian trong ngày (các ngày trong tuần) và trục y là số phút muộn họp. 

Chúng ta hãy trở lại với câu hỏi ban đầu và đưa ra một số nhận xét. Theo biểu đồ, trong vòng 2 tuần, 10% cuộc họp diễn ra đúng giờ, và số phút muộn trung bình là 12 phút. 

Bạn không nên dừng lại ở đây. Hãy tiếp tục đặt câu hỏi: Thì sao? Nếu như 2 tuần này là điển hình, thì tôi lãng phí 1 giờ mỗi tuần, điều này tiêu tốn của công ty 1 số tiền x mỗi năm.

Sự phân tích sẽ kết thúc nếu bạn không đặt thêm các câu hỏi. Nếu như 80% các cuộc họp diễn ra trong khoảng vài phút so với giờ hẹn ban đầu thì chúng ta có thể trả lời câu hỏi ban đầu rằng các cuộc họp diễn ra đúng giờ và dừng việc phân tích.

Nhưng trong trường hợp này, ta có thể phân tích thêm.

Cùng tìm hiểu về phương sai (variation). Theo như biểu đồ thì thời gian muộn từ 8 – 20 phút là điển hình. 1 số cuộc họp diễn ra đúng giờ, 1 số khác lại muộn đến 30 phút. Sẽ là lý tưởng nếu bạn có thể kết luận rằng nếu đi muộn 10 phút thì sẽ đúng lúc cuộc họp bắt đầu, tuy nhiên phương sai ở đây là quá lớn để kết luận như vậy.

Từ dữ liệu chúng ta còn có thể biết thêm gì nữa? Trong 6 cuộc họp diễn ra đúng giờ, nếu tìm hiểu kỹ hơn, có thể thấy 6 cuộc họp này đều do Phó giám đốc về tài chính phụ trách. Từ đây bạn có thể làm gì tiếp?

Ở mức độ cá nhân, để tiết kiệm thời gian, chúng ta có thể học tập phó giám đốc để tìm ra những cách giúp cuộc họp diễn ra đúng giờ.

Ở mức độ công ty, chúng ta chưa rõ kết quả này đã là điển hình hay chưa, liệu các lãnh đạo khác có giúp việc họp diễn ra đúng giờ như Phó giám đốc về tài chính hay không. Từ đó có thể đặt ra một số câu hỏi như: Kết quả có đồng nhất giữa người tổ chức họp hay không, có ngày cụ thể nào trong tuần ảnh hưởng đến việc họp muộn hay không. Hay xa hơn là nên họp qua video call hay họp trực tiếp? Hoặc có mỗi quan hệ giữa cấp bậc của người tổ chức họp và số phút muộn hay không?

Với mỗi hoặc 1 vài câu hỏi như thế này, bạn quay lại bước đầu, thực hiện lại các bước, từ đó tìm ra kết luận. Với dữ liệu, bạn có thể hiểu rõ hơn về hiện tượng trễ giờ họp, từ đó đưa ra một số hướng giải quyết.

Việc sử dụng Tư duy phân tích và phân tích dữ liệu không hề xa lạ, mà nếu được thực hiện hiệu quả, có thể giúp cải thiện hoạt động của tổ chức.

Nguồn: Thomas C. Redman – Havard Business Review Press

Posted on Leave a comment

Business Analyst – Làm sao để đương đầu với những yêu cầu mơ hồ?

Đối với một BA, việc phải giải quyết những vấn đề mơ hồ, không đủ thông tin hoặc tham gia vào các dự án không rõ yêu cầu, không rõ định hướng là một chuyện hết sức quen thuộc. Bản thân stakeholder khi đó có thể chưa thực sự biết mình muốn gì, vấn đề họ gặp phải là gì hay sản phẩm họ cần hình hài sao? Vậy BA cần phải làm gì trong những tình huống này?

Thay vì lao vào nghĩ đủ giải pháp để giải quyết vấn đề stakeholder đưa ra, công việc của BA là đặt câu hỏi và làm rõ yêu cầu, làm rõ vấn đề cần giải quyết để đưa ra được giải pháp tối ưu nhất. Lúc này, kỹ năng khơi gợi yêu cầu thực sự sẽ phát huy sức mạnh nếu BA có thể linh hoạt sử dụng cho từng tình huống. Vậy Khơi gợi yêu cầu liệu có phải chỉ là ngồi phỏng vấn stakeholder hay không?Trên thực tế, Khơi gợi yêu cầu là quá trình thu thập thông tin từ stakeholder để làm rõ nhu cầu của họ từ đó làm tiền đề cho việc đề xuất giải pháp tối ưu. Để thực hiện quá trình này, BA có thể linh hoạt kết hợp nhiều kỹ thuật khác nhau tùy vào từng điều kiện cụ thể của dự án để đạt được mục đích của mình. Các kỹ thuật thường được sử dụng trong quá trình khơi gợi yêu cầu bao gồm:

  • Phỏng vấn
  • Survey
  • Quan sát
  • Phân tích tài liệu
  • Prototyping
  • Brainstorming
  • Workshop

Hầu hết BA đều sẽ quen thuộc với kỹ thuật Phỏng vấn stakeholder để lấy thông tin, tuy nhiên các bạn cần lưu ý việc hỏi “đúng người”, hỏi “đúng trọng tâm” để nhận được “thông tin đầy đủ và đúng” phục vụ cho dự án, tránh làm mất thời gian của cả hai bên.

Sau khi đã làm rõ nhu cầu của stakeholder, không ít bạn vẫn thường gặp rối không biết bắt đầu từ đâu làm gì trước, làm gì sau, không biết như vậy đã đủ yêu cầu chưa, như thế nào thì dự án mình tham gia được đánh giá là hiệu quả?

Hãy dừng nhận việc và lao vào làm như thiêu thân rồi nhận lại những cái lắc đầu của stakeholder do sản phẩm không đạt yêu cầu? Vậy mục tiêu của dự án là gì, bạn cần làm rõ ngay khi bắt đầu vào dự án. Việc xác định rõ mục tiêu của dự án sẽ giống kim chỉ nam giúp bạn vạch ra được các công việc cần làm, xác định được con đường cần đi chứ không phải đi “mò”. Việc xác định rõ mục tiêu từ đầu cũng giúp bạn có thể xác định được các yêu cầu lưu trữ dữ liệu cần thiết phục vụ đo đạc hiệu quả và phân tích hành vi người dùng.

Hiểu được những vấn đề các bạn BA thường gặp phải trong quá trình làm việc, Datapot đã cùng cùng với chị Nhân Cao – một Trading Products Manager với gần 10 năm kinh nghiệm trong lĩnh vực phát triển sản phẩm/ phần mềm, thiết kế khóa học Essential Skills for Data Driven Business Analyst với mong muốn hỗ trợ các bạn cải thiện hiệu suất và hiệu quả công việc, cũng như nâng cao năng lực cạnh tranh của bản thân trong doanh nghiệp.

Posted on Leave a comment

Các loại hình phân tích dữ liệu

Phân tích dữ liệu (Data Analysis) là một quá trình bao gồm: xác định, làm sạch, biến đổi & mô hình hóa, trực quan hóa dữ liệu để khám phá ra những thông tin ý nghĩa và hữu ích. Những thông tin này được thể hiện qua những báo cáo phân tích, từ đó hỗ trợ cho quá trình ra quyết định.

Hoạt động phân tích dữ liệu có thể phân loại như sau

  • Descriptive (Mô tả)
  • Diagnostic
  • Predictive (Dự đoán)
  • Prescriptive
  • Cognitive

Descriptive analytics

Descriptive analytics (Phân tích mô tả) giúp trả lời các câu hỏi về điều gì đã xảy ra dựa trên các dữ liệu quá khứ. Các kỹ thuật phân tích mô tả sẽ tổng hợp lượng dữ liệu lớn và từ đó đưa ra kết quả.

Với việc phát triển các chỉ tiêu đo lường hiệu quả (KPI), việc theo theo dõi thành công hay thất bại của các mục tiêu sẽ trở nên dễ dàng hơn. Chỉ tiêu như ROI (return on investment) được sử dụng trong rất nhiều lĩnh vực. Và ở mỗi lĩnh vực, lại có những chỉ tiêu chuyên môn riêng được phát triển để đo lường hiệu quả.

Một ví dụ của phân tích mô tả là chính là các báo cáo theo dõi kết quả hoạt động bán hàng hoặc tình hình tài chính của doanh nghiệp.

Diagnostic analytics

Phân tích chuẩn đoán giúp trả lời câu hỏi tại sao tình trạng này lại diễn ra. Phân tích chuẩn đoán bao gồm các phân tích mô tả cơ bản, sử dụng những kết quả của phân tích mô tả để từ đó tìm ra nguyên nhân của các sự kiện. Từ đó, những chỉ số đo lường hiệu quả được phân tích kỹ hơn. Quá trình này thường bao gồm 3 bước:

  1. Tìm ra những điểm bất thường trong dữ liệu. Những điểm này thường là một biến đổi không lường trước được ở một chỉ số hoặc một thị trường nào đó.
  2. Thu thập các dữ liệu liên quan đến những điểm bất thường này.
  3. Sử dụng các kỹ thuật thống kê để tìm ra mối quan hệ và xu hướng giúp giải thích những điểm bất thường này.

Predictive analytics

Phân tích dự đoán giúp trả lời các câu hỏi về điều gì sẽ xảy ra trong tương lai. Phân tích dự đoán sử dụng các dữ liệu quá khứ để xác định các xu hướng cũng như khả năng xảy ra của xu hướng đó. Những công cụ phân tích dự đoán cung cấp những thông tin giá trị về tình hình tương lai. Các kỹ thuật phân tích dự đoán đa dạng bao gồm cả các kỹ thuật thống kê lẫn học máy (machine learning) như neural networks, decision trees và hồi quy (regression).

Prescriptive analytics

Phân tích đề xuất giúp trả lời các câu hỏi về hành động nào nên được thực hiện để đặt được một mục tiêu nhất định. Bằng cách sử dụng các kết quả từ phân tích đề xuất, các tổ chức có thể ra quyết định dựa trên dữ liệu. Phương pháp này giúp các tổ chức đưa ra các quyết định trong các hoàn cảnh không chắc chắn. Phân tích đề xuất dựa trên học máy (machine learning) để tìm ra các pattern trong các dataset lớn. Bằng cách phân tích các quyết định & sự kiện trong quá khứ, các tổ chức có thể ước lượng xác suất xảy ra của các kết quả.

Cognitive analytics

Cognitive analytics diễn giải từ các dữ liệu và các pattern đã có, đưa ra các kết luận dựa trên kiến thức hiện tại, sau đó lại thêm những kết quả này vào vốn kiến thức hiện tại để tiếp tục đưa ra các diễn giải về tương lai, tạo ra một vòng lặp tự học hỏi. Cognitive analytics giúp bạn tìm hiểu điều gì sẽ xảy ra nếu tình hình thay đổi và quyết định bạn nên giải quyết các tình huống đó như thế nào.
Các diễn giải không phải là những truy vấn có cấu trúc trên những dữ liệu quy chuẩn, thay vào đó, là những dự đoán không có cấu trúc được thu thập từ nhiều nguồn với độ tin cậy thay đổi. Cognitive analytics hiệu quả phụ thuộc vào các thuật toán học máy, và sẽ sử dụng các concept về xử lý ngôn ngữ tự nhiên để phân tích các nguồn dữ liệu chưa được dùng tới, ví dụ như nhật ký cuộc gọi bán hàng hay review sản phẩm.

Các nội dung trên được Microsoft cung cấp cho các ứng viên tham gia thi chứng chỉ Data Analyst Associate. Đây là chứng chỉ role-based của Microsoft, nhằm đánh giá các kỹ năng của Data Analyst, ứng dụng công cụ BI là Power BI.

Theo dõi các bài viết tiếp theo, trao đổi kinh nghiệm & tài liệu luyện chi chứng chỉ của Microsoft cho Data Analyst tại group Microsoft Certified: Data Analyst Associate Việt Nam (DA-100).

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!