• Thu thập dữ liệu:

• Các nguồn và các dạng lưu trữ dữ liệu
• Dữ liệu có cấu trúc
• Dữ liệu phi cấu trúc

• Tiền xử lý dữ liệu:

• Làm sạch dữ liệu:

  Dữ liệu bị trùng lặp Lọc dữ liệu/Sắp xếp dữ liệu Scaling Normalization

• Biến đổi dữ liệu

  Xử lý dữ liệu dạng văn bản Encoding

• Trực quan hoá dữ liệu
• Phân tích dữ liệu

• Yêu cầu phân tích: Xác định mục tiêu và yêu cầu của phân tích.
• Hiểu dữ liệu:
  • Dữ liệu đã có sẵn chưa? ⇒ Nếu có: Xác định cơ sở dữ liệu, bảng và trường dữ liệu đang chứa dữ liệu mình cần. ⇒ Nếu chưa: Xác định nguồn lấy và cách lấy.
• Thu thập dữ liệu:
  • Nếu lưu trong cơ sở dữ liệu: sử dụng câu truy vấn.
  • Nếu trong cơ sở dữ liệu chưa có: Xác định các nguồn và các dạng lưu trữ dữ liệu. ⇒ Dữ liệu có cấu trúc ⇒ Dữ liệu bán cấu trúc ⇒ Dữ liệu phi cấu trúc
• Khám phá dữ liệu:
  • Variable Identification
  • Univariate Analysis (continuous variables and categorical variables)
  • Missing value
  • Dữ liệu bị trùng lặp
  • Dữ liệu ngoại lai
• Tiền xử lý dữ liệu:
  • Làm sạch dữ liệu: ⇒ Dữ liệu bị trùng lặp ⇒ Dữ liệu bị khuyết ⇒ Dữ liệu ngoại lai ⇒ Lọc dữ liệu/Sắp xếp dữ liệu ⇒ Scaling ⇒ Normalization

• Biến đổi dữ liệu ⇒ Xử lý dữ liệu dạng văn bản ⇒ Xử lý dữ liệu thời gian ⇒ Encoding

• Trực quan hoá dữ liệu
• Phân tích dữ liệu

• Tần suất: tuyệt đối và tương đối, histogram
• Xu hướng tập trung: trung bình, mốt, trung vị, phân vị
• Độ phân tán:
  • Cực tiểu, cực đại và khoảng dữ liệu
  • Tứ phân vị và khoảng tứ phân vị
  • Độ lệch chuẩn
  • Phương sai
• Sự kết hợp của hai biến:
  • Bảng liên hợp
  • Tương quan
• Ước lượng khoảng tin cậy
• Kiểm định giả thuyết:
  • Xây dựng giả thuyết
  • Kiểm định giả thuyết

• EDA và tiền xử lý dữ liệu:
  • Xử lý dòng bị trùng
  • Xử lý missing value
  • Xử lý outlier
• Một số phân tích đơn giản:
  • Pivot table
  • Solver và phân tích what-if

• Analysis Toolpak:
  • Thống kê mô tả
  • Kiểm định thống kê

Vận dụng được Excel cơ bản và nâng cao và kiến thức đã được học để xử lý dữ liệu và phân tích

• Giới thiệu về Data Storytelling
• Các loại báo cáo
  • Chiến lược
  • Vận hành
  • Phân tích
• Các chú ý khi thiết kế báo cáo
• Giới thiệu các loại biểu đồ, bảng biểu
  • Định nghĩa
  • Những lỗi cần tránh
• Giới thiệu về trực quan hóa dữ liệu và công cụ trực quan hóa dữ liệu (ưu nhược điểm).
  • Tableau
  • Power BI
  • Google Data Studio
  • Ngoài ra có thể sử dụng Python hoặc R. (Nêu một số thư viện để visualize).

• Ôn tập quy trình phân tích dữ liệu.
• Giới thiệu các khái niệm dimension, metric và kpi.
• Kỹ thuật phân tích vấn đề.
• Phương pháp đọc số liệu.
• Các lỗi thường gặp trong quá trình phân tích và đọc số liệu.

• Marketing và digital marketing
• Customer
• Product
• Sale

• Giới thiệu về Data modeling.
• Giới thiệu các khái niệm trong Data modeling.
  • Primary key và Foreign key.
  • Relationships.
  • Start schema, snowflake schema và galaxy schema.
• Dimensions, measures và hierarchies

• Giới thiệu về Power BI.
• Kết nối dữ liệu với nhiều nguồn khác nhau.
• Power Query và tiền xử lý dữ liệu.

• DAX level 1
• DAX level 2
• DAX level 3

• Thiết kế và tạo report.
• Thiết kế và tạo real-time dashboard.
• Thiết kế và tạo paginated report.

• Phân tích nâng cao:
  • Pareto chart
  • Key influencer
  • Decomposition Tree
  • Water fall
  • What-if
• Machine learning
  • Forecasting
  • Clustering

• Tạo và quản lý Workspace
• Quản lý datasets
• Row-level security

Phân tích và trực quan hóa một tập dữ liệu.