Posted on Leave a comment

Chuyện nghề BI #001

Một bài Post trên group Data Analytics and Business Intelligence Vietnam

Khi mới bước chân vào ngành dữ liệu, chúng ta thường không khỏi hoang mang, một là vì thiếu thông tin, chưa hiểu rõ về ngành, hai là vì có quá nhiều luồng thông tin, không biết nên tin bên nào.

Thấu hiểu sự băn khoăn này, Datapot cùng các bạn tháo gỡ mốt số lầm tưởng, thắc mắc khi bước vào ngành dữ liệu nhé!

Chia sẻ một chút về tác giả bài viết.

Context: Mình làm nhiều role trong cả vòng đời dữ liệu: Data Clerk, Data Analyst/BI, DBA, Solution Architect, Department Manager (Data Managment and Analytics), Consultant, Trainer…(Mình không nhảy việc nhiều, thay đổi theo quá trình phát triển công việc)

Mình note lại một số quan điểm của mình (mình đã từng lầm tưởng hoặc đang phổ biến):

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business?

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev sịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình?

Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx…. Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình “nghèo” mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng?

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: “if all you have is a hammer, everything looks like a nail”. Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. :))

4. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu?

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics…. Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

5. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ?

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.

Tham khảo bài viết: 5 Lưu ý để trực quan hóa dữ liệu hiệu quả.

Tạm thế đã, các bạn ủng hộ đi rồi mình viết tiếp. :))

Posted on Leave a comment

10 Nội dung về SQL bạn nên biết khi tham gia phỏng vấn trong ngành dữ liệu (Phần 2)

SQL ngày càng quan trọng trong doanh nghiệp với rất nhiều ứng dụng. Tuy nhiên, với các buổi phỏng vấn trong ngành dữ liệu, sẽ có một số nội dung quan trọng mà hầu hết các công ty đều kiểm tra. Dưới đây là 10 nội dung xuất hiện nhiều nhất vì có tính ứng dụng cao trong thực tế công việc.

Đây cũng là những nội dung bạn nên ôn tập để chuẩn bị cho buổi phỏng vấn sắp tới. (Xem phần 1 tại đây)

6. Subqueries

Subquery, hay inner query, là truy vấn nằm trong 1 truy vấn khác với mệnh đề WHERE. Subquery có thể ứng dụng theo nhiều cách khác nhau để giải quyết những vấn đề phức tạp.

Câu hỏi ví dụ: Suppose that a website contains two tables, the Customers table and the Orders table. Write a SQL query to find all customers who never order anything.

7. String Formatting

Các hàm về chuỗi ký tự rất quan trọng khi làm việc với dữ liệu chưa được làm sạch. Chính vì vậy, nhiều công ty sẽ có bài test liên quan đến dữ liệu chuỗi ký tự để đảm bảo bạn có thể xử lý dữ liệu hiệu quả.

Các nội dung cơ bản về chuỗi ký tự:

LEFT, RIGHT

TRIM

POSITION

SUBSTR

CONCAT

UPPER, LOWER

COALESCE

Follow Fanpage Datapot từ để cập nhật những nội dung liên quan như ảnh dưới đây nhé.

8. Date-time Manipulation

Một nội dung phổ biến trong các bài test tuyển dụng chính là các câu hỏi liên quan đến dữ liệu date-time. Bạn có thể được yêu cầu nhóm các dữ liệu theo tháng hoặc chuyển định dạng từ DD-MM-YYYY sang chỉ hiển thị tháng.

2 hàm bạn cần chú ý là:

EXTRACT

DATEDIFF

Câu hỏi ví dụ: Given a Weather table, write a SQL query to find all dates’ Ids with higher temperature compared to its previous (yesterday’s) dates.

9. Window functions 

Window functions cho phép bạn tính các giá trị gộp (sum, max, count,…) của tất cả các hàng, thay vì  một hàng (như khi sử dụng Group by). Window functions rất hữu ích trong việc xếp hạng, tính lũy kế,…

Câu hỏi ví dụ: Write a query to get the empno with the highest salary. Make sure your solution can handle ties!

10. UNION

Cuối cùng chính là UNION. Tuy không quá phổ biến như các nội dung trên, tuy nhiên bạn cũng có khả năng gặp câu hỏi về UNION và chuẩn bị không bao giờ là thừa. Nếu bạn muốn gộp 2 bảng có 1 số cột giống nhau, đây là lúc sử dụng UNION (Google thêm để tìm hiểu chi tiết về UNION nhé).

Nguồn tham khảo: Towardsdatascience.com

Bên cạnh chỉ học thuộc các câu lệnh, việc hiểu rõ logic đằng sau mỗi câu lệnh, và cách áp dụng chúng trong những trường hợp cụ thể là rất quan trọng. Đây chính là sự khác biệt giữa một người biết SQL và một người có thể sử dụng SQL trong công việc.

Với đội ngũ giảng viên được đào tạo bài bản, nhiều năm kinh nghiệm phân tích và xử lý dữ liệu ở cả môi trường doanh nghiệp trong và ngoài nước, Datapot hướng tới mục tiêu cung cấp những khóa học đơn giản, hiệu quả và gắn liền với thực tiễn nhất có thể.

Tham khảo khóa học SQL for Data Analytics khai giảng 23/11.

Posted on Leave a comment

Bắt đầu học Python như thế nào để ứng dụng trong phân tích dữ liệu?

Là ngôn ngữ lập trình phổ biến nhất trên thế giới, Python thường được giới thiệu đầu tiên cho các bạn muốn theo ngành dữ liệu. Với một rừng tư liệu miễn phí, đầu tư thời gian và nỗ lực học Python có thật sự là lựa chọn lý tưởng?

Bạn có nên học Python hay không? Nên học những gì? Lộ trình như thế nào để phục vụ cho việc theo đuổi ngành dữ liệu? Để trả lời những câu hỏi trên, hãy tham khảo bài viết này nhé!

Ứng dụng của Python trong lĩnh vực Data Science như thế nào?

Ví dụ flow làm việc với Python của một Data Scientist

  1. Sử dụng Python và SQL để truy vấn dữ liệu từ cơ sở dữ liệu của doanh nghiệp.
  2. Sử dụng thư viện pandas của Python để làm sạch dữ liệu, sắp xếp vào các bảng để sẵn sàng cho việc phân tích.
  3. Với các thư viện pandas và matplotlib, chúng ta bắt đầu phân tích, khám phá và visualize.
  4. Sử dụng thư viện scikit-learn để xây dựng các model dự đoán từ dữ liệu sẵn có.
  5. Sắp xếp kết quả phân tích và dự đoán thành với format phù hợp để chia sẻ với các thành viên trong công ty.

Vậy có phải cứ muốn theo đuổi ngành dữ liệu là nên học Python đầu tiên?

Nếu các bạn định hướng trở thành Data Scientist, bạn có thể lựa chọn giữa Python và R. Nhình chung thì Python đang là ngôn ngữ phổ biến hơn (R thường phổ biến trong học thuật và nghiên cứu).

Tuy nhiên, với các bạn định hướng trở thành Data Analyst, BI Analyst, thì như các bạn có thể tìm hiểu trên các tin tuyển dụng, Python sẽ là 1 điểm cộng, chứ không hẳn là công cụ bắt buộc. Nên tùy vào nhu cầu công việc, các bạn có thể lựa chọn học Python hay không.

Học Python như thế nào?

Bước 1: Học các nội dung căn bản về lập trình với Python

Nếu bạn chưa biết code, hoặc chưa sử dụng python bao giờ, bạn sẽ cần bắt đầu từ những khái niệm căn bản nhất như biến, vòng lặp, các câu lệnh cơ bản, logic trong ngôn ngữ lập trình và cách kết hợp chúng như thế nào để thực hiện được 1 tác vụ, giải một bài toán nào đó.

Bước 2: Học về Ứng dụng Python trong phân tích dữ liệu

Các ứng dụng có thể chia làm 4 nhóm chính

  1. Data collecting: Thu thập dữ liệu từ các nguồn khác nhau như file Excel, Database, crawl website,…
  2. Data manipulation: Phần lớn các dữ liệu trong thực tế đều cần xử lý, biến đổi trước khi đưa vào phân tích, nên đây sẽ là kỹ năng bạn cần thành thạo.
  3. Data visualization: Đây sẽ là thử thách cả về lập trình lẫn trình bày, thiết kế (tuy nhiên bạn cũng có thể sử dụng các tool khác chuyên về visualization để hỗ trợ).
  4. Machine Learning: Cần có các kiến thức về thống kê cũng như kinh nghiệm trong lĩnh vực cụ thể để ứng dụng.  

Các thư viện bạn có thể tìm hiểu: NumPy, pandas, Matplotlib, scikit-learn,…

Bước 3: Thực hành với các dự án thực tế

Bạn có thể thấy rằng từ tìm hiểu về tất cả các nội dung trên cho đến có thể thực hành thành thạo và ứng dụng trong công việc không phải là một con đường dễ dàng. Chính vì vậy, các bạn cần xác định rõ mục tiêu, nhu cầu của bản thân và lựa chọn lộ trình học phù hợp để có thể sử dụng Python hiệu quả nhất và không lãng phí thời gian của bản thân.

Với nhiều năm kinh nghiệm làm việc và đào tạo trong ngành dữ liệu, đội ngũ Datapot thiết kế khóa học Python for Data Analytics, tập trung vào ứng dụng Python cơ bản và thiết thực trong phân tích dữ liệu. 

Nguồn tham khảo: Dataquest

Posted on Leave a comment

10 Nội dung về SQL bạn nên biết khi tham gia phỏng vấn trong ngành dữ liệu (Phần 1)

SQL ngày càng quan trọng trong doanh nghiệp với rất nhiều ứng dụng. Tuy nhiên, với các buổi phỏng vấn trong ngành dữ liệu, sẽ có một số nội dung quan trọng mà hầu hết các công ty đều kiểm tra. Dưới đây là 10 nội dung xuất hiện nhiều nhất vì có tính ứng dụng cao trong thực tế công việc.

Đây cũng là những nội dung bạn nên ôn tập để chuẩn bị cho buổi phỏng vấn sắp tới.

1. Case when

Bạn sẽ gặp nhiều câu hỏi yêu cầu sử dụng Case when, đơn giản vì sự đa dạng trong ứng dụng. Case when cho phép bạn viết các câu lệnh điều kiện phức tạp, xác định những giá trị hoặc nhóm nhất định phụ thuộc vào các biến khác.

Bên cạnh đó, Case when còn giúp bạn tạo pivot table.

Một câu hỏi VD: Write an SQL query to reformat the table so that there is a revenue column for each month.

2. Select distinct

Select distinct là một nội dung bạn cần nắm rõ, rất phổ biến khi kết hợp với aggregate functions.

VD: Nếu bạn có bảng về Customer orders (đơn hàng), bạn thường được yêu cầu tính số đơn hàng trung bình mỗi khách hàng mua. Trong trường hợp này, bạn sẽ tính Tổng số đơn hàng/ Tổng số khách hàng, như dưới đây:

3. Aggregate Functions

Liên quan đến ý bên trên, bạn cần nắm rõ các Aggregate Functions như min, max, sum, count,… Điều này cũng có nghĩa là bạn cần hiểu rõ về cách sử dụng GROUP BY và HAVING. Ở phần này, bạn nên dành nhiều thời gian thực hành, vì với cùng 1 câu hỏi có thể có nhiều cách khác nhau để sử dụng aggregate functions.

VD: Write a SQL query to find all duplicate emails in a table named Person.

4. Left Joins và Inner Joins

Với các bạn mới học SQL, Left Joins và Inner Joins thường dễ gây nhầm lẫn. Bạn cần hiểu rõ với từng phép join sẽ trả về kết quả khác nhau như thế nào. Trong các câu hỏi phỏng vấn, bạn sẽ được yêu cầu thực hành nội dung này, và biết nên sử dụng loại join nào chính là điều quan trọng nhất để trả lời đúng.

5. Self-joins

Chúng ta sẽ đến với một nội dung thú vị – self-join. Việc này phổ biến hơn bạn tưởng bởi vì trong thực tế, khi dữ liệu được lưu trong những bảng lớn thay vì nhiều bảng nhỏ, self-join được sử dụng để giải quyết một số vấn đề đặc biệt như ví dụ dưới đây.

Example Question: Given the Employee table below, write a SQL query that finds out employees who earn more than their managers. For the above table, Joe is the only employee who earns more than his manager.

Nguồn tham khảo: Towardsdatascience.com

Bên cạnh chỉ học thuộc các câu lệnh, việc hiểu rõ logic đằng sau mỗi câu lệnh, và cách áp dụng chúng trong những trường hợp cụ thể là rất quan trọng. Đây chính là sự khác biệt giữa một người biết SQL và một người có thể sử dụng SQL trong công việc.

Với đội ngũ giảng viên được đào tạo bài bản, nhiều năm kinh nghiệm phân tích và xử lý dữ liệu ở cả môi trường doanh nghiệp trong và ngoài nước, Datapot hướng tới mục tiêu cung cấp những khóa học đơn giản, hiệu quả và gắn liền với thực tiễn nhất có thể.

Tham khảo khóa học SQL for Data Analytics khai giảng 21/9 với đầy đủ các nội dung nêu trên.

Posted on Leave a comment

Review Bài thi DA-100

Với một năm rưỡi kinh nghiệm làm việc với Power BI, hôm nay mình đã thi & pass bài thi DA-100.

Vì vậy trong bài viết này, mình sẽ chia sẻ kinh nghiệm thi của mình và 1 số lưu ý, mong là sẽ hữu ích cho các bạn chuẩn bị thi trong thời gian tới.

Lưu ý: Các nội dung thi sẽ thay đổi sau ngày 24/9/2020. Bạn có thể xem các nội dung thi & phân bổ ở link này.

https://query.prod.cms.rt.microsoft.com/cms/api/am/binary/RE4qlRu

Tài liệu ôn thi

Mình không tham gia khóa học nào, thi hoàn toàn dựa trên kinh nghiệm làm việc với Power BI tại công ty. Ngoài ra, bạn có thể tham khảo lộ trình ôn thi chính thức của Microsoft tại đây.

https://docs.microsoft.com/en-us/learn/certifications/exams/da-100

Thời gian thi: 210 phút, thoải mái để hoàn thành bài thi

Cấu trúc bài thi: Có tất cả 56 câu hỏi trắc nghiệm, trong đó 8 câu hỏi cuối liên quan đến case study.

Review và một số lưu ý: Dưới đây là phân bổ điểm của mình để các bạn biết mình làm ok và không ok ở những phần nào. Mình sẽ tóm tắt lại về một số nội dung mà các bạn sẽ gặp trong bài thi cũng như lưu ý về các nội dung đó để các bạn có thể ôn tập.

Prepare the Data

Ở công ty mình thường chỉ kết nối dữ liệu từ SQL databases. Vì vậy, tuning functions hay data aggregations đều khá lạ lẫm. Nếu bạn cũng làm việc trong các công ty nhỏ như mình, thì bạn có thể ôn tập về các từ khóa như ‘Query Diagnostics’, ‘Query Parameters’ và ‘Data Aggregations’. “Data Profilling” cũng là một topic bạn cần tìm hiểu.

Model the Data

Data Modelling và Dax đều nằm trong chủ đề này. Các bạn sẽ được thử thách với câu hỏi về Changing the “filter context of a measure” using CALCULATE. Bạn nên ôn tập về Time Intelligence Functions và M code (ở mức cơ bản, mình đã luyện phần này khi thi bài thi 70 – 778 – analyzing and visualizing with Power BI). Về phần Data Model, các bạn cần hiểu kỹ về topic “Cardinality and Relationship”.

Visualize the data

Mình không có lưu ý gì về phần này. Các bạn có thể mò thêm với “analytics pane” của line chart. Mặc dù mình nghĩ là mình đã trả lời đúng hết các câu hỏi phần này nhưng kết quả thì không phải vậy.

Analyze the Data

Đây là phần mình làm tốt nhất. Sử dụng ‘Q/A Visuals’ và ‘Quick Insights’ là 2 tính năng bạn cần để ý.

Deploy and Maintain Deliverables

Với vai trò là Power BI admin, bạn sẽ được kiểm tra về việc phân quyền trong môi trường làm việc với những yêu cầu bảo mật khác nhau. Nên bạn cần ôn nội dung về “Row-Level Security” với cả Power BI Desktop và Service. 2 chức năng khác mà bạn cần chú ý là “Data Refreshes” và “Data Gateways”.

Kết luận

Trong bài test không có các nội dung về tính năng của Power BI Premium, nhưng bạn có thể xem qua về các khác biệt cơ bản giữa Power BI Pro và Power BI Premium. Nếu bạn đã có trên 1 năm sử dụng Power BI, thì khả năng cao là bạn sẽ pass DA-100, tuy nhiên để đạt điểm cao thì bạn nên xem Lộ trình học từ Microsoft và ôn tập thêm.

Khi Exam 70-778 hết hạn vào năm 2021, thì đây là điểm thích hợp để bạn cập nhật những tính năng mới về Power BI, pass DA-100 và sở hữu chứng chỉ Data Analyst Associate từ Microsoft.

Tham gia group ôn thi DA-100 tại https://www.facebook.com/groups/da100vn

Nguồn: https://controlflow.blog/da100-review/

Posted on Leave a comment

Về các chứng chỉ Microsoft trong lĩnh vực dữ liệu.

Exam DA-100 mình thi thử từ lúc mới bắt đầu Beta từ tháng 4 cũng đã go-live chính thức và trả kết quả. Cũng nhiều bạn inbox hỏi về bài test này nên mình viết bài này để tổng hợp một số bài thi + chứng chỉ phù hợp với các bạn mới bắt đầu và nghiêm túc theo đuổi mảng dữ liệu.

Có kết quả lúc nào cũng chẳng biết :))

Tại sao phải thi chứng chỉ?

Trong thời buổi người người học Data, nhà nhà học Data với ma trận các loại công cụ và kỹ năng khiến cho người học khó xác định mục tiêu cụ thể, nhà tuyển dụng khó xác định được trình độ ứng viên. Việc học và thi một chứng chỉ sẽ giúp các bạn củng cố và hoàn thiện một tập hợp kỹ năng cụ thể, được công nhận bởi Microsoft và được đánh giá chính xác hơn từ doanh nghiệp, nhà tuyển dụng. Vừa xác định chính xác mục tiêu học tập vừa được công nhận từ Microsoft, quá ổn.

Về hệ thống chứng chỉ của Microsoft

Các chứng chỉ của Microsoft xác nhận khả năng sử dụng một công nghệ (tech-based certificate ) hoặc khả năng đảm nhiệm một vị trí công việc cụ thể (role-based certificate) sử dụng chủ yếu các công nghệ của Microsoft.

Xem thêm tại: https://docs.microsoft.com/en-us/learn/certifications/browse/

Để đạt được một chứng chỉ (certificate) bạn cần pass qua một số bài thi (exam) theo yêu cầu, có thể cần một chứng chỉ là điều kiện tiên quyết cho chứng chỉ còn lại. VD: Microsoft Certified Solution Expert (MCSE) thường yêu cầu học viên phải có Microsoft Certified Solution Associate (MCSA) và pass qua các bài test quy định.

Các bài thi (exam) không cần đúng thứ tự, chỉ cần bạn pass qua đủ các bài thi yêu cầu, chứng chỉ tương ứng sẽ tự động được thêm vào profile của bạn. Một bài thi có thể được dùng cho nhiều chứng chỉ khác nhau.

Chi phí và cách thức thi

Chi phí: Các bài thi của Microsoft có giá tại US và $160/exam, nếu chuyển location về Việt Nam, chi phí chỉ còn $80/Exam. Mức giá hợp lý so với chi phí thi các chứng chỉ khác. ( Tableau lên đến $600 :-s )

Hình thức thi: Microsoft ủy quyền việc tổ chức thi cho Pearson Vue. Bạn có thể đến các trung tâm khảo thí được ủy quyền của Pearson Vue hoặc đăng ký thi online. Mình thường thi online vì chủ động thời gian và không phải đi lại. Tuy là thi online nhưng bạn vẫn “được” giám sát thông qua camera và micro nên đừng nghĩ đến chuyện cheating gì cả nhé. :)) Mình có cậu em bị hủy kết quả thi chỉ do có bóng người đi ngang qua lúc đang thi :RIP: Chi tiết quá trình đăng ký và cách thức thi, những lưu ý để không bị bay màu mình sẽ có một bài riêng sau.

Bài thi 100% trắc nghiệm, điểm pass của các bài thi là 700/1000, cơ chế phân phối và cách chấm điểm khác nhau nên không phải cứ làm đúng 70% số câu hỏi là pass, các bạn lưu ý. Hình thức và câu hỏi mẫu mình sẽ làm 1 bài review chi tiết trong group kín (Microsoft cấm các trao đổi về nội dung bài thi).

Thời gian mỗi exam là 180 phút cho ~50 câu hỏi (tùy bài test). Khá dài, như 4 bài mình từng thi thì chỉ dùng hết 60-90 phút. Các bạn không được ăn uống, đi lại hay rời khỏi máy tính trong thời gian này nếu không sẽ bị loại.

Ngôn ngữ thi: Tiếng Anh (Có một số tùy chọn ngôn ngữ khác, nhưng không có tiếng Việt). Bạn cũng sẽ giao tiếp với proctor bằng tiếng Anh, giao tiếp cơ bản thôi nên bạn không phải lo.

Các chứng chỉ: MCSA, MCSE và Microsoft Certified: Data Analyst Associate

Hệ thống chứng chỉ của Microsoft nhiều như quân nguyên, trước đây mình có viết một bài cập nhật những thay đổi gần đây trong hệ thống chứng chỉ. Các bạn có thể xem tại đây: Link

Các bạn có thể xem các chứng chỉ và bài thi của Microsoft tại: Link

Trong phạm vi bài viết này mình sẽ nói về 3 chứng chỉ trong career path Data Management and Analytics. Phù hợp với các bạn định hướng làm Business Intelligent, Data Analyst

Data Management & Analytics Path

Trong hệ thống chứng chỉ hiện tại, MCSE – Microsoft Certified Solution Expert được Microsoft đánh giá tương đương 05 năm kinh nghiệm làm việc chuyên sâu trong lĩnh vực và công nghệ tương ứng. MCSA – Microsoft Certified Solution Associate được đánh đánh giá tương đương 02 năm kinh nghiệm. Để đạt được MCSE, các bạn cần đạt được ít nhất 01 trong 05 chứng chỉ MCSA và pass ít nhất 01 elective exam trong danh sách.

Dễ thấy với các bạn làm thiên về BI và phân tích dữ liệu sẽ phù hợp nhất với MCSA: BI Reporting. Để đạt được chứng chỉ này các bạn cần vượt qua 2 bài test 70-778: Analyzing and Visualizing Data with Microsoft Power BI và 70-779: Analyzing and Visualizing Data with Microsoft Excel.

Mình thi thử thấy 70-778 và 70-779 giống nhau đến 80%. Chỉ khác nhau công cụ sử dụng là Power BI và Excel (Power Pivot + Power Query). Phía bài thi Power BI có khó hơn một chút do có các câu hỏi liên quan đến Power BI Service. Có thể nói nếu bạn tự tin với 70-778 thì bạn hoàn toàn có thể pass 70-779, bài thi 70-779 là không cần thiết(phí 80 trump tệ ;))). Đây có lẽ cũng là lý do khi Micosoft quyết định chuyển đổi sang chứng chỉ Microsoft Certified: Data Analyst với chỉ một bài thi duy nhất xoay quanh Power BI.

Với các bạn đang ôn hoặc chuẩn bị thi MCSA: BI Reporting, việc chuyển đổi sang Microsoft Certified: Data Analyst có một số lợi thế như sau:

Giản lược về cấu trúc: MCSA: BI Reporting gồm 2 bài thi 70-778 (Power BI) và 70-779 (Excel Power Pivot), Microsoft Certified: Data Analyst Associate chỉ có một bài thi duy nhất DA-100 (Power BI).

Nâng cấp về nội dung: So với 70-778, DA-100 bổ sung them các topic về Analyze the data (10-15%) và Deploy and maintain deliverables (10-15%). Việc giảm cấu phần các vấn đề technical và tăng cấu phần các hoạt động liên quan trực tiếp đến hiệu quả công việc Analyze, Deploy & Maintain Deliverables cho thấy Microsoft đã update các yêu cầu chứng chỉ để gần hơn với nhu cầu công việc thực tế.

Bài thi mới và cung cấp dài hạn hơn so với MCSA sẽ ngừng cung cấp vào tháng 01-2021. (chứng chỉ đã nhận được vẫn còn hiệu lực)

Có thể nói, DA-100: Analyzing Data with Microsoft Power BI là một sự lựa chọn hợp lý và tối ưu hơn nhiều so với hai exam 70-778 và 70-779.

Thông tin về DA-100 trên trang chủ Microsoft: Link

Bài viết tiếp theo mình sẽ review kỹ hơn về nội dung 4 exam mình đã làm qua. Sẽ có tài liệu và road map cho các bạn muốn theo đuổi mảng này.

  1. 70-778: Analyzing and Visualizing Data with Microsoft Power BI
  2. 70-779: Analyzing and Visualizing Data with Microsoft Excel
  3. 70-768: Developing SQL Data Models
  4. DA-100: Analyzing Data with Microsoft Power BI
Sưu tập món này vui phết.

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

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

Những cập nhật mới nhất về chứng chỉ Data Analyst Associate của Microsoft

Update: 2020-03-01

Chúng ta vốn không lạ gì với các hệ thống chứng chỉ của Microsoft, từ phổ biến nhất là MOS-Chứng chỉ tin học văn phòng đang được công nhận thay cho điểm môn tin học tại một số trường đại học. Cho đến các chứng chỉ MCSE, MCSD và MCSA là các chứng chỉ dành cho các chuyên gia công nghệ. Trong quá trình thay đổi sang hệ thống chứng chỉ theo vị trí công việc (role-based certification paths), Microsoft đã thông báo chính thức về kế hoạch tạm dừng các chứng chỉ MCSE, MCSD và MCSA cùng với các bài test liên quan. Tổng cộng, sẽ có 15 chứng chỉ và 43 bài test tương ứng được thông báo sẽ “nghỉ hưu” (retired) vào 31 tháng 1 năm 2021.

MCSE, MCSD và MCSA sẽ “nghỉ hưu” vào 31 tháng 1 năm 2021.

Với kế hoạch cách mạng hệ thống chứng chỉ, Microsoft sẽ tạm dừng các chứng chỉ Microsoft Certified Solution Expert (MCSE – Chuyên gia), Microsoft Certified Solution Developer (MCSD-Nhà phát triển), and Microsoft Certified Solution Associate (MCSA-Chuyên viên). Dưới đây là danh sách các chứng chỉ sẽ ngừng cung cấp trong thời gian tới:

  • MCSA: BI Reporting
  • MCSA: Dynamics 365 for Operations
  • MCSA: SQL 2016 BI Development
  • MCSA: SQL 2016 Database Admin
  • MCSA: SQL 2016 Database Dev
  • MCSA: SQL Server 2012/2014
  • MCSA: Universal Windows Platform
  • MCSA: Web Applications
  • MCSA: Windows Server 2012
  • MCSA: Windows Server 2016
  • MCSD: App Builder
  • MCSE: Business Applications
  • MCSE: Core Infrastructure
  • MCSE: Data Management & Analytics
  • MCSE: Productivity

Và 43 bài thi để đạt được các chứng chỉ này cũng sẽ dừng lại:

  • 70-333: Deploying Enterprise Voice with Skype for Business 2015
  • 70-334: Core Solutions for Microsoft Skype for Business 2015
  • 70-339: Managing Microsoft SharePoint Server 2016
  • 70-345: Designing and Deploying Microsoft Exchange Server 2016
  • 70-457: Developing Mobile Apps
  • 70-410: Installing and Configuring Windows Server 2012
  • 70-411: Administering Windows Server 2012
  • 70-412: Configuring Advanced Windows Server 2012 Services
  • 70-413: Designing and Implementing a Server Infrastructure
  • 70-414: Implementing an Advanced Server Infrastructure
  • 70-417: Upgrading Your Skills to MCSA Windows Server 2012
  • 70-461: Querying Microsoft SQL Server 2012/2014
  • 70-462: Administering Microsoft SQL Server 2012/2014 Databases
  • 70-463: Implementing a Data Warehouse with Microsoft SQL Server 2012/2014
  • 70-464: Developing Microsoft SQL Server 2012/2014 Databases
  • 70-465: Designing Database Solutions for Microsoft SQL Server
  • 70-466: Implementing Data Models and Reports with Microsoft SQL Server
  • 70-467: Designing Business Intelligence Solutions with Microsoft SQL Server
  • 70-480: Programming in HTML5 with JavaScript and CSS3
  • 70-483: Programming in C#
  • 70-486: Developing ASP.NET MVC Web Applications
  • 70-487: Developing Microsoft Azure and Web Services
  • 70-537: Configuring and Operating a Hybrid Cloud with Microsoft Azure Stack
  • 70-705: Designing and Providing Microsoft Licensing Solutions to Large Organizations
  • 70-740: Installation, Storage, and Compute with Windows Server 2016
  • 70-741: Networking with Windows Server 2016
  • 70-742: Identity with Windows Server 2016
  • 70-743: Upgrading Your skills to MCSA: Windows Server 2016
  • 70-744: Securing Windows Server 2016
  • 70-745: Implementing a Software-Defined Datacenter
  • 70-761: Querying Data with Transact-SQL
  • 70-762: Developing SQL Databases
  • 70-764: Administering a SQL Database Infrastructure
  • 70-765: Provisioning SQL Databases
  • 70-767: Implementing a Data Warehouse using SQL
  • 70-768: Developing SQL Data Models
  • 70-777: Implementing Microsoft Azure Cosmos DB Solutions
  • 70-778: Analyzing and Visualizing Data with Microsoft Power BI
  • 70-779: Analyzing and Visualizing Data with Microsoft Excel
  • MB2-716: Microsoft Dynamics 365 Customization and Configuration
  • MB6-894: Development, Extensions and Deployment for Microsoft Dynamics 365 Finance
  • MB6-897: Microsoft Dynamics 365 for Retail
  • MB6-898: Microsoft Dynamics 365 Human Resources

Nếu bạn đang ôn tập cho một trong các bài thi phía trên và muốn lấy chứng chỉ tương ứng, bạn cần phải hoàn thành bài thi trước ngày 30 tháng 06 năm 2020. Sau thời gian đó, các bài thi này sẽ không còn được cung cấp nữa.

Sự thay đổi hướng tới chứng chỉ theo các vị trí công việc (Role-based Microsoft Certifications)

Có rất nhiều chứng chỉ bị khai tử trong thời gian này, tôi tin rằng đây là lần thay đổi lớn nhất các hệ thống chứng chỉ và bài thi trong một vòng đời. Hãy cùng nhìn vào những gì Microsoft đang hướng tới.

Cùng xem xét kỹ hơn về hệ thống chứng chỉ dành cho mảng dữ liệu.

MCSE: Data Management and Analytics

Sẽ bắt đầu với một trong các bài test:

  • Azure Database Administrator
  • Azure Data Engineer Associate
    • Azure AI Engineer Associate
    • Azure Data Scientist Associate

Chúng ta có thể thấy số bài thi ít hơn với hệ thống chứng chỉ MCSA-MCSE: Data Management and Analytics trước đây. Tuy nhiên, các bài thi sẽ tập trung hơn vào các kĩ năng cần có để làm được một vị trí công việc cụ thể (role-based) nên dễ dàng hơn cho việc lựa chọn và đánh giá, ngoài ra Microsoft luôn cải tiến và bổ sung các bài thi để phủ kín các vị trí liên quan trong từng lĩnh vực.

Những điều cần lưu ý

Với việc thay đổi hàng loạt chứng chỉ như hiện nay cho thấy Microsoft chủ động cập nhật lại hệ thống chứng chỉ cho phù hợp với nhu cầu thị trường. Ngoài ra, việc giảm bớt các chứng chỉ xoay quanh công nghệ (tech-based certifications) mà tập trung vào các chứng chỉ tập trung vào các kĩ năng cần có để hoàn thành một công việc cụ thể (role-based certifications) sẽ giúp cho các ứng viên dễ dàng hơn để lựa chọn chứng chỉ theo đúng career path mình theo đuổi. Đồng thời, nhà tuyển dụng cũng dễ dàng hơn trong việc cân nhắc-đánh giá ứng viên có chứng chỉ theo một role-based cụ thể, role-based certifications không chỉ chứng minh khả năng về mặt công nghệ mà còn chứng minh khả năng kết hợp các kĩ năng liên quan để đạt được yêu cầu công việc.

Một số lưu ý:

  • Những bạn đang theo đuổi 1 trong các chứng chỉ trong danh sách ngừng cung cấp: Nếu muốn tiếp tục lấy chứng chỉ theo dự kiến, các bạn cần hoàn thành các bài thi liên quan trước ngày 31 tháng 1 năm 2020. Hoặc các bạn có thể chuyển hướng sang ôn luyện và thi các chứng chỉ mới cập nhật hơn. Trên Microsoft Training, có một topic của các người tham gia đang yêu cầu lùi deadline ngừng cung cấp các chứng chỉ cũ, bạn có thể follow tại đây.
  • Những bạn đã có các chứng chỉ MCSA-MCSE: Chứng chỉ vẫn được giữ nguyên trong danh sách bạn đã đạt được và sẽ chuyển sang dach sách inactive trong 2 năm tới. Các bạn có thể cân nhắc thi lại chứng chỉ theo định hướng mới để tiếp tục đạt những chứng chỉ cao hơn.
  • Những bạn đang chuẩn bị theo đuổi chứng chỉ liên quan: Chuẩn bị sẵn sàng cho bài test mới để có thể có được chứng chỉ theo chuẩn mới nhất. Về nội dung ôn tập Microsoft đã bắt đầu công bố outline và tiếp tục cập nhật đến các training partner.

Một số câu hỏi thường gặp:

Q: Em mới ra trường-chưa có kinh nghiệm về Data Analystic, chứng chỉ nào phù hợp cho Fresher hoặc Junior Data Analyst?

A: Trước đây, bạn có thể chọn kì thi MCSA: BI Reporting. Nếu bây giờ bạn mới bắt đầu, bạn có thể bắt đầu ôn tập ngay cho Microsoft Certified: Data Analyst Associate. Quá trình hoàn thành chứng chỉ này sẽ đảm bảo bạn có được đầy đủ kiến thức và kĩ năng để làm được công việc của Data Analyst Asscicate trong doanh nghiệp.

Q: Em đã có chứng chỉ MCSA: BI Reporting, có nên thi lại để lấy Microsoft Certified: Data Analyst Associate hay không?

A: Bạn có thể cân nhắc tùy thuộc vào mục đích của bạn. Chứng chỉ MCSA: BI Reporting vẫn đang được Microsoft công nhận. Nếu bạn đã đang làm việc như một Data Analyst, việc thi lại là không cần thiết.
Nếu bạn quyết định theo đuổi các chứng chỉ cao hơn – MCSE: Data Management and Analytics. Bạn cần thi Microsoft Certified: Data Analyst Associate.

Q: Em đang ôn thi MCSA: BI Reporting, có nên chuyển sang thi Microsoft Certified: Data Analyst Associate.

Có, hãy dành thêm một chút thời gian để lấy được chứng chỉ mới nhất, cũng là thời gian để rèn luyện những kĩ năng phù hợp cho công việc.

Q: MCSA: BI Reporting và Microsoft Certified: Data Analyst Associate có nhiều khác biệt không?

A: Microsoft đã cung cấp outline ôn tập chi tiết Microsoft Certified: Data Analyst Associate cho các training partner. Dựa trên outline chúng ta có thể rút ra các nhận xét sau:

Giản lược về cấu trúc: MCSA: BI Reporting gồm 2 bài thi 70-778 (Power BI) và 70-779 (Excel Power Pivot), Microsoft Certified: Data Analyst Associate chỉ có một bài thi duy nhất DA-100 (Power BI). Điều này hoàn toàn hợp lý, bởi vì việc sử dụng được Power BI và pass được 70-778 thì gần như chắc chắn ứng viên có thể pass được 70-779. Việc đưa bài thi excel vào là thừa thãi không cần thiết.

Nâng cấp về nội dung: So với 70-778, DA-100 bổ sung them các topic về Analyze the data (10-15%) và Deploy and maintain deliverables (10-15%). Việc giảm cấu phần các vấn đề technical và tăng cấu phần các hoạt động liên quan trực tiếp đến hiệu quả công việc Analyze, Deploy & Maintain Deliverables cho thấy Microsoft đã update các yêu cầu chứng chỉ để gần hơn với nhu cầu công việc thực tế.

Có thể nói, DA-100: Analyzing Data with Microsoft Power BI là một sự lựa chọn hợp lý và tối ưu hơn nhiều so với combo 70-778 và 70-779.

Q: Có nên bắt đầu ôn thi Microsoft Certified: Data Analyst Associate từ bây giờ.

A: Bài thi duy nhất để đạt được Microsoft Certified: Data Analyst Associate là DA-100: Analyzing Data with Microsoft Power BI. DA-100 sẽ được release vào 02/04/2020. Các tài liệu ôn luyện cho chứng chỉ này đã được Microsoft cung cấp đến các đối tác. Quá trình ôn luyện từ hoàn toàn chưa biết gì đến khi thi được sẽ kéo dài khoảng 3 tháng. Bạn nên bắt đầu ôn luyện từ bây giờ để có thể tự tin thi chứng chỉ vào thời điểm sớm nhất.

Tham khảo khóa học phù hợp với lộ trình luyện thi chứng chỉ DAA.

Thông tin tham khảo: https://www.microsoft.com/en-us/learning/community-blog-post.aspx?BlogId=8&Id=375282

Để được trao đổi, hỏi đáp về chuyên môn và cơ hội nghề nghiệp ngành dữ liệu, hãy tham gia Group Data Analytics and Business Intelligence Vietnam.

Theo dõi Fanpage Facebook của Datapot để không bỏ lỡ các bài viết tiếp theo.

Posted on Leave a comment

Bạn muốn làm dữ liệu? Hãy hiểu đúng về ngành!

Công việc hấp dẫn nhất thế kỷ 21?

Những từ khóa như Công việc Sexy nhất thế kỷ 21, mức lương nghìn đô,… đang thu hút rất nhiều bạn trẻ muốn tham gia vào ngành dữ liệu. Rất nhiều bạn đặt câu hỏi về việc học gì, làm gì để xin được việc trong ngành dữ liệu, và các bạn sẽ ngập tràn trong những câu trả lời về Python, R, về Machine Learning hay AI,…

Nhưng liệu có thật là sau khi học tất cả những thứ đó, bạn có thể bước chân vào ngành? Và đây liệu có phải công việc hấp dẫn nhất như những lời hứa hẹn phía trên?

Ngành dữ liệu – tài chính ngân hàng – marketing?

Nếu để ý kỹ, bạn sẽ thấy sự HOT của ngành dữ liệu hiện nay cũng giống như ngành Tài chính ngân hàng trước kia, hay ngành Marketing trong vài năm gần đây. Đó là thời điểm người người nhà nhà lựa chọn ngành chỉ vì cái tên Hot, vì mức lương hấp dẫn, để rồi lại hoang mang khi không tìm việc.

Và dù rất nhiều người lựa chọn ngành, nhưng khi được hỏi vậy cụ thể tài chính ngân hàng hay Marketing là gì thì lại không thể trả lời được.

Vậy khi lựa chọn ngành dữ liệu, bạn có chắc là mình đang không đi vào “vết xe đổ” này? Mình nghĩ câu hỏi đầu tiên cần cân nhắc, không phải là học gì để vào được ngành, mà phải là “Ngành dữ liệu là gì?”. Bởi vì chỉ khi hiểu về ngành, bạn mới có thể tìm được hướng đi phù hợp cho bản thân.

Muốn làm dữ liệu? Hãy hiểu đúng về ngành!

Series bài viết này định hướng cho các bạn mới vào hoặc dự định gia nhập “Data Industry”, và sẽ tập trung vào việc đưa đến các bạn một góc nhìn tổng quan về ứng dụng dữ liệu trong doanh nghiệp (cần phân biệt rõ với ứng dụng dữ liệu trong môi trường học thuật và nghiên cứu).

Mình sử dụng một số từ tiếng Anh “bồi” vì những từ này phổ biến nhưng dịch sang tiếng Việt sẽ không còn sát nghĩa nữa.

Mục tiêu sử dụng dữ liệu trong doanh nghiệp là gì?

Đã có quá nhiều bài viết nói về các vị trí trong ngành dữ liệu, tuy nhiên, để hiểu rõ bản chất, chúng ta cùng hướng đến mục tiêu của việc sử dụng dữ liệu trong doanh nghiệp. Xét về quan điểm đầu tư, mục tiêu chính của việc ứng dụng dữ liệu trong doanh nghiệp là tối đa lợi nhuận cho doanh nghiệp (Data Monetization). Ứng dụng dễ thấy nhất của dữ liệu trong doanh nghiệp đó là Data-Driven Decision Support.

Chúng ta sẽ đi qua từng bước để thấy rõ hơn quá trình này:

  1. Data capture: Thu thập dữ liệu. 
    1. Mục tiêu: Có được nhiều dữ liệu có giá trị nhất có thể.
    2. Dữ liệu có thể là dữ liệu có trên các hệ thống nội bộ của doanh nghiệp (CRM, ERP, HR…) hoặc claw từ các nguồn dữ liệu bên ngoài: Mạng xã hội, website.
  2. Data quality and Integration: Kiểm soát chất lượng dữ liệu và tích hợp giữa các nguồn dữ liệu.
    1. Mục tiêu: Đảm bảo dữ liệu chính xác, đồng nhất giữa các hệ thống.
    2. Ví dụ: Dữ liệu một tập đoàn có nhiều công ty con, mỗi công ty con có một hệ thống CRM riêng, một khách hàng sẽ có nhiều ID khác nhau trên từng hệ thống. Khi muốn phân tích hành vi khách hàng, bắt buộc phải chuẩn hóa thông tin về khách hàng – mỗi khách hàng có một Unique ID duy nhất và lịch sử mua hàng tương ứng trên tất cả các hệ thống.
  3. Data enrichment:
    1. Mục tiêu: Tạo ra thêm thông tin từ những thông tin đã có.
    2. Ví dụ: Tính toán các chỉ số về khách hàng như tỷ lệ quay lại, tỷ lệ rời bỏ, chi phí tốn để acquire một khách hàng, p&l trên từng khách hàng,  ngành hàng, khu vực…
    3. Chú ý: Machine learning hay AI nằm trong khâu Data Enrichment, chỉ là 1 phần trong quá trình sử dụng dữ liệu trong doanh nghiệp, cũng như không phải tất cả các doanh nghiệp đều cần sử dụng mảng này. Nên nếu lựa chọn học về Machine Learning hay AI bạn cần xác định bạn đang đi vào một nhánh rất hẹp của ngành dữ liệu.
  4. Analytics:
    1. Mục tiêu: Tìm kiếm insight để đưa ra quyết định.
    2. Ví dụ: Thông qua tính toán được CLV (customer lifetime value). Xác định được tập khách hàng tiềm năng để tập trung quảng cáo. 

Ngành dữ liệu và việc nấu ăn

Để các bạn dễ hình dung, chúng ta sẽ so sánh với một quy trình các bạn quen thuộc hơn, đó là dịch vụ ăn uống:

Data Business Food Business
Quy trình Data capture Thu hái, đi chợ mua đồ.
Data quality and Integration Kiểm tra chất lượng, sơ chế.
Data enrichment Tẩm ướp
Analytics Chế biến, phục vụ
Decision making Thưởng thức
Đối tượng, công cụ Dữ liệu thô: table, column, KPI. Nguyên liệu: Thịt cá, rau củ
Nguồn dữ liệu Chợ, siêu thị, vườn nhà
Database Tủ lưu trữ thực phẩm
Làm báo cáo, thực hiện phân tích Thực hiện việc nấu nướng
Báo cáo, Biểu đồ, Đồ thị, Dashboard Thức ăn được phục vụ theo nhiều các khác nhau.
Ứng dụng ETL Dao thớt, nồi niêu, bếp
Ứng dụng reporting Dĩa, đũa, muỗng, bàn ghế
End User – Decision Maker Thực khách

Cũng như trong nhà bếp, ngành dữ liệu cũng sẽ có những đặc thù, vị trí và mức độ chuyên môn hóa khác nhau, quan trọng là End User – người trả lương cho bạn kia ông ấy muốn gì. Chúng ta gọi đó là Business Requiments.

Doanh nghiệp cần gì?

Business Requiments trong Data sẽ có thể cân nhắc những yếu tố chính sau:

  1. Mức độ chính xác: Cần chính xác tuyệt đối như doanh thu, chi phí ghi nhận hay gần đúng dự phóng. Dữ liệu tổng hợp theo ngày hay tuần, tháng.
  2. Cách thức cung cấp: Mỗi ngày gửi một email, có trang web để vào tra cứu, có app trên điện thoại để notification ngay khi có những cập nhật.
  3. Cách thức trình bày: Bảng tính excel thuần số, Power Point, Biểu đồ có thể tương tác được, Báo cáo trên word…
  4. Mức độ sẵn có: Có dữ liệu ngay hay đợi 1-2 ngày để còn tổng hợp. Dữ liệu cập nhật tự động hàng ngày, tổng hợp sau mỗi tháng hay phải cập nhật theo thời gian thực.
  5. Chi phí: Chi phí nhân sự, Hạ tầng, Bản quyền phần mềm, Nhân sự các phòng ban hỗ trợ.

Từ Business Requiments và hiện trạng doanh nghiệp sẽ xác định được mảng dữ liệu sẽ cần những con người với khả năng sử dụng công cụ, kiến thức, kỹ năng khác nhau.

Kết luận

Từ bài viết này, các bạn cần nắm rõ được:

  1. Vai trò của dữ liệu trong doanh nghiệp là gì
  2. Quy trình sử dụng dữ liệu trong doanh nghiệp
  3. Doanh nghiệp cần gì – Business Requirement về dữ liệu

Sau khi đã có cái nhìn tổng quan về ngành, với các bài viết tiếp theo chúng ta sẽ cùng tìm hiểu:

  1. Thực trạng và xu hướng nhu cầu nhân lực có kỹ năng về dữ liệu trong các doanh nghiệp hiện nay.
  2. Các thức tự xây dựng lộ trình và đạt được những kỹ năng cần thiết trong ngành dữ liệu phù hợp với cá nhân bạn.
  3. Một số câu chuyện trong ngành. (Trong chăn mới biết chăn có rận)

Để được trao đổi, hỏi đáp về chuyên môn và cơ hội nghề nghiệp ngành dữ liệu, hãy tham gia Group Data Analytics and Business Intelligence Vietnam.

Theo dõi Livestream Chia sẻ câu chuyện ngành dữ liệu và lắng nghe chia sẻ từ chuyên gia trong ngành.

Theo dõi Fanpage Facebook của Datapot để không bỏ lỡ các bài viết tiếp theo.

Posted on Leave a comment

Tại sao ngày càng có nhiều công việc yêu cầu SQL?

SQL — Structured Query Language đang ngày càng trở nên thông dụng và phổ biến trong các doanh nghiệp. Dễ hiểu mà nói, SQL chỉ đơn giản là sử dụng một số câu lệnh để lấy dữ liệu chứa trong nhiều bảng khác nhau đã tạo.

Nhìn lại quá khứ, Excel cũng đã một thời là một thứ gì đó nghe hoành tráng. Nhiều công ty thời đó còn tuyển dụng các vị trí Excel Specialist nhưng rồi Excel đã dần hòa nhập và trờ thành 1 skill must have không riêng gì ai. Thử tưởng tượng bạn loại bỏ hết Excel ra khỏi các công việc hàng ngày và ngồi tính tay thì bạn sẽ đau đầu thế nào.

Tại sao nói SQL là Excel của tương lai?

Excel có gì, SQL có đó nhưng lại là một phiên bản nâng cấp hơn như kiểu thời bạn dùng điện thoại bàn rồi nâng đời sang smart phone cầm tay đó. SQL vẫn giữ nguyên đc các tính toán, các hàm công thức nhưng hơn nữa bạn có thể tự truy cập các dữ liệu có kích thước lớn hơn chỉ với vài câu lệnh mà không phải đợi hàng giờ ngồi load mấy file Excel nặng nề. Bạn sẽ chẳng cần phải ngồi mốc mỏ đợi 1 ai đó load cho bạn 1 file dữ liệu mà chỉ cần phân quyền cho bạn lấy cái bạn được lấy là xong.

Với các doanh nghiệp, SQL đang dần trở thành 1 skill được yêu cầu trong JD (VD vị trí Customer Support của Facebook cũng yêu cầu kỹ năng sử dụng SQL). Không chỉ riêng của team Data mà các vị trí Marketing, Operation hay kể cả các bạn BA, QA cũng đang hàng ngày ngồi query ầm ầm. Rõ ràng việc chủ động học thêm một thứ mới không chỉ đem lại lợi thế cạnh tranh thời điểm đầu mà còn khiến bạn không bị tụt hậu với sau này.

Nói chung là, SQL không phải thứ gì ghê gớm hay quá Technical, SQL chỉ đơn giản là giúp công việc của bạn trôi nhanh hơn, êm ả hơn và tự chủ hơn mà thôi. Còn chần chừ gì nữa mà không học SQL?

Với kinh nghiệm nhiều năm làm việc và đào tạo trong ngành dự liệu, đội ngũ Datapot nghiên cứu và thiết kế khóa học SQL for Data Analytics Online, mang đến trải nghiệm học SQL dễ dàng và hiệu quả hơn:

  • Học trực tuyến qua Meet – Tương tác trực tiếp với giảng viên .
  • Nội dung học sát thực tiễn, định hướng ứng dụng : Thay vì chỉ dạy các câu lệnh, giảng viên sẽ đưa ra các ví dụ từ chính kinh nghiệm làm việc của mình, giúp học viên hiểu rõ được mục đích của truy vấn. Với Redash, học viên có thể visualize và tạo ra báo cáo ngay sau khóa học .
  • Thực hàn trên Redash – Không cần cài đặt: Loại bỏ quá trình cài đặt phức tạp, học viên có thể tập trung hơn vào nội dung bài học và tư duy thay vì đi sửa lỗi cài đặt.

Tìm hiểu & đăng ký học tại: https://bit.ly/Datapot_SQL_Online