Nên học công cụ gì khi phân tích dữ liệu (PTDL)?
Hay nên chuẩn bị background gì khi muốn chuyển sang công việc PTDL.
Hôm nay mình xin phép chia sẻ góc nhìn cá nhân mình về câu hỏi này.
Chúng ta thấy có 03 nhóm bạn:
Nhóm bạn 1: Muốn ứng dụng dữ liệu vào hoạt động kinh doanh (BI Analyst)
Về mặt công cụ: các bạn học các công cụ cho trực quan hóa dữ liệu (Data Visualization) như Excel, Power BI, Google Data Studio,… và ngôn ngữ truy vấn vào dữ liệu (SQL) Về mặt background: các bạn học về cơ sở dữ liệu (Database), Kho dữ liệu (Data warehouse) và các tư duy phân tích số liệu đa chiều (OLAP cube) , thống kê, KPI,..Nhóm bạn 2: Muốn làm nghề Phân tích dữ liệu (Data Analyst)
Về mặt công cụ:
các bạn học các công cụ cho trực quan hóa dữ liệu (Data Visualization) như Excel, Power BI, Google Data Studio,… và ngôn ngữ truy vấn vào dữ liệu (SQL) Các công cụ lập trình: Python, Java Về mặt background: các bạn học về cơ sở dữ liệu (Database), Kho dữ liệu (Data warehouse) Tư duy phân tích số liệu đa chiều (OLAP cube) , thống kê, Khai phá dữ liệu,.. Đặc biệt là tư duy giải quyết vấn đề (Problem Solving).
Nhóm bạn 3: Muốn làm nghề Khoa học dữ liệu(Data Science).
Nhóm sẽ nghiên cứu sâu về các thuật toán, phương pháp học máy, trí tuệ nhân tạo,…
Về mặt công cụ: các bạn học các công cụ cho trực quan hóa dữ liệu (Data Visualization) như Excel, Power BI, Google Data Studio,… và ngôn ngữ truy vấn vào dữ liệu (SQL) Các công cụ lập trình: Python, Java,… Về mặt background: các bạn học về cơ sở dữ liệu (Database), Kho dữ liệu (Data warehouse) Tư duy khai phá dữ liệu, học máy, phân tích số liệu đa chiều (OLAP cube) , thống kê,….. Đặc biệt là cần nền tảng toán học vững vàng.Có một thực tế là rất nhiều bạn IT, Math muốn theo đuổi hướng thứ ba này. Các bạn có nền tảng CNTT cũng như Toán sâu nhưng khi triển khai vào thực tế lại có rất nhiều vướng mắc, mà cụ thể là không có người sử dụng/người dùng. Lý do là ở Việt Nam hiện nay chưa được quy trình hóa thành các khâu riêng biệt như đóng gói, UI UX, …. nên các bạn nắm được phần MÁY nhưng lại thiếu đi phần NGƯỜI (hay hồn) khi triển khai. Điều này thực sự là đáng tiếc.
Tuy nhiên, nó cũng có lời giải cho việc đó.
Các bạn xem thêm các hình ảnh minh họa đi kèm bài viết nhé! Các bạn cũng có thể comment chia sẻ thảo luận mở để chúng ta cùng học hỏi lẫn nhau.
Bạn có thể đánh giá trình độ phân tích dữ liệu tại đây để có thêm keyword cho lĩnh vực này.
Bạn cần tìm hiểu về khóa học Phân tích dữ liệu thì có thể đăng ký tại đây.
