Phân Tích Dữ Liệu Tiềm Năng (Potential Data Analytics), Google Data Analytics Certificate

High Potential Talent: chương trình dành cho bất kỳ ai muốn tráng lệ phát triển bản thân để giành được những thành công bền vững và nhanh chóng hơn. Xem bỏ ra tiết.

Giá trị cơ bản của câu hỏi phân tích

Tiếp theo, chúng ta có thể thấy rằng, việc tổ chức triển khai cần đến sự có mặt của những người làm phân tích là 1 trong điều đang trở đề xuất khá hiển nhiên vì chưng những tác dụng to khủng mà dữ liệu mang lại để giúp đỡ tổ chức cải cách và phát triển vượt bậc trong tương lai. Ví dụ hơn, các cá thể làm phân tích dữ liệu được mong muốn là tất cả khả năng:

Miễn là bạn thỏa mãn nhu cầu được 3 mong muốn trên (mình tạm call là “giá trị cốt lõi của câu hỏi phân tích”) thì bạn đã sở hữu thể lạc quan vào kĩ năng phân tích dữ liệu của chính bản thân mình dù cho mình sử dụng bất kỳ công cụ, ngôn ngữ lập trình, giỏi kỹ thuật mô hình hóa nâng cao nào.

Bạn sẽ rất dễ phát hiện những cuộc tranh luận hết sức gay cấn về việc một bạn làm so sánh thì nên biết những ngôn ngữ thiết kế như SQL với Python, v.v hay chỉ cần Excel cùng Power BI, v.v là đủ để triển khai việc.

Trước lúc đi vào chi tiết để đánh giá xem bạn sẽ cần học đồ vật gi là tương xứng nhất, mình xin kể chúng ta nghe một mẩu chuyện về một cuộc đối thoại ngắn thân (A) trưởng nhóm âu yếm khách hàng – Customer Experience Leader với (B) đơn vị khoa học dữ liệu – Data Scientist.

Trong cuộc đối thoại trên, chúng ta thấy rằng mình trọn vẹn không kể tới một công cụ cụ thể nào mặc dù chúng ta cũng có thể tự khoác định là A sẽ xem Dashboard trên power nguồn BI với dữ liệu được trích xuất từ Database thông qua ngôn ngữ SQL. Còn B sẽ ứng dụng ngôn ngữ lập trình Python cũng tương tự kiến thức sâu xa hơn về Machine Learning để tạo nên trợ lý ảo.

Liệu các bạn có nghĩ rằng phía trên chỉ là một trong những cuộc hội thoại bình thường trong một đội chức mà chưa phải là doanh nghiệp start-up technology hay ngân hàng? A trả toàn hoàn toàn có thể sử dụng Excel để tạo thành những phiên bản phân tích trước với sau ráng đổi. Còn B thì hoàn toàn có thể chẳng hề viết rước một cái lệnh nào cơ mà sử dụng những nền tảng dịch vụ sâu xa của Microsoft, Google, Amazon, v.v để kéo cùng thả ra được trợ lý ảo với các điều khiếu nại như đã dàn xếp trong cuộc hội thoại trên.

Yếu tố sản phẩm công nghệ 1: môi trường xung quanh làm việc

Điểm cốt yếu mà bạn muốn nói cho đó là vụ việc mà tổ chức đang cần xử lý và mối cung cấp lực cơ mà tổ chức đang sẵn có ra sao. Nếu như khách hàng ở trong một đội nhóm chức ở trong nhóm doanh nghiệp start-up công nghệ hay tài chủ yếu ngân hàng, thì bạn đang sống và làm việc trong một môi trường mà cơ sở dữ liệu tồn tại vô cùng nhiều.

Để có thể trích xuất dữ liệu được từ các hệ thống quản lý và vận hành trong những tổ chức này, bạn sẽ có thể được yêu cầu là biết về ngôn từ SQL hay Python nếu bạn là một DA.

Còn nếu như bạn là một BA, đội hình IT hoặc domain authority sẽ chuẩn bị dữ liệu bao hàm tất cả đều gì bạn phải và bạn chỉ câu hỏi lấy dòng đó ra với một dòng lệnh SQL cơ phiên bản là “SELECT * FROM clean_table” dưới dạng một tệp tin CSV hoặc vào trực tiếp Excel trải qua Power Query. Sau khi dữ liệu được trích xuất thành công, bạn sẽ cần phải trình bày dữ liệu này cho cung cấp trên hoặc gồm khi là mang lại chính bản thân bạn.

Công nạm bạn cần phải có sẽ có thể vẫn chỉ là Excel hay những Power BI hoặc thậm chí mình thích dùng Python thì chúng ta có thể dùng. Miễn sao bạn luôn hướng về “giá trị chủ đạo của việc phân tích” như đang đề cập làm việc trên.

Nếu chúng ta ở trong một đội chức không thuộc nhóm trên và cũng chưa hẳn là bỏ ra nhánh của các tập đoàn nhiều quốc gia, nhân loại của các bạn sẽ không vĩnh cửu cơ sở tài liệu để mà áp dụng SQL đâu. Hoặc nếu có tồn tại thì cơ sở dữ liệu đó thường xuyên là một phần đi kèm của một hệ thống vận hành nào này mà bạn cũng không thể truy cập được bởi nhiều vì sao kỹ thuât.

Mình lời khuyên bạn dành thời gian đọc kỹ trên sao ai ai cũng nên học tập kỹ năng so với dữ liệu (data analytics)? nhằm hiểu về 3 nhóm tổ chức triển khai mà mình sẽ phân loại dựa vào giai đoạn đối chiếu mà tổ chức đó kĩ năng cao là sẽ trải qua).

Như vậy, dữ liệu của công ty đang ở những phòng ban, trong vô số nhiều File Excel khác nhau, và điểm quan trọng đặc biệt là mọi tín đồ xung quanh chúng ta đang giao tiếp với nhau bởi File Excel. Liệu biết Python nhằm tổng hợp dữ liệu và trình diễn trên một áp dụng khá chuyên biệt như dòng jupiter Notebook sẽ khiến cho mọi tín đồ xung quanh nể phục. Xác xuất cao là bạn sẽ cảm thấy mình cực kỳ lạc lỏng.

Yếu tố thứ 2: cảm giác kinh doanh

Làm giải pháp nào mà để từ các con số hay các biểu trang bị mà có thể đưa ra lời khuyên hoặc ra quyết định kinh doanh?

Đây là thắc mắc mà hoàn toàn có thể bạn trăn trở không hề ít vào đầy đủ ngày đầu theo đuổi nghề nghiệp phân tích dữ liệu. Khi nói đến việc gửi ra lời khuyên hay một quyết định marketing cụ thể, các bạn bắt buộc cần được hiểu được tế bào hình kinh doanh của tổ chức triển khai mà nhiều người đang làm việc bao hàm các yếu tố như

Bạn hãy tìm hiểu thêm về “Business mã sản phẩm Canvas” để tăng cường độ tinh tế với vận động kinh doanh của mình (còn hotline là “Business Sense”). Đây là 1 phạm trù mà bạn sẽ cần hiểu hết sức rõ trong vòng vài mon tới vài năm để rất có thể sẵn sàng lên vị trí làm chủ trong mảng đối chiếu dữ liệu.

Tư duy (Mindset) và giải pháp tiếp cận vụ việc (Framework) cần phải có là gì để rất có thể định hướng trả lời gấp rút cho các vấn đề áp dụng dữ liệu?

Công cố thì có thể học rất dễ dàng dàng, tuy thế khi nói tới tư duy hay phương pháp tiếp cận sự việc thì bạn sẽ cần buộc phải được tiếp cận với tự trải nghiệm. Có nghĩa là biết về tư tưởng và thực hành khái niệm đó.

Tiếp cận gồm nghĩa là bạn phải biết và hình dung được điều nhưng bạn chưa chắc chắn (“Bạn trù trừ rằng bạn không biết”). Nghe thì có vẻ như rất trừu tượng nhưng bạn có thể hình dung nó qua ví dụ đơn giản dễ dàng sau. Nếu khách hàng chưa từng nghe nói tới các cạm bả phân tích (Decision Biases) nghĩa là có một phần tư duy đặc biệt của người làm phân tích cơ mà bạn không được tiếp cận.

Hay khi bạn chưa từng nghe tới 4 loại phân tích (Analytics Type), bạn sẽ không hình dung được bản thân đang làm cái gi và còn phải làm gì.

Tự từng trải nghĩa là dù chúng ta đã tiếp cận được phần tứ duy này rồi, nó không có nghĩa là bạn đã thống trị và thực hành thực tế thành nhuần nhuyễn nó. Khác với học sử dụng công cụ, khi bạn đã học là chúng ta đã biết dùng gần như là thuần thục cái tác dụng mà bạn đã học. Bốn duy và cách tiếp cận vấn đề cần thời gian để thành thạo.

10 lý lẽ vàng để thành công trong việc phân tích dữ liệu

Yếu tố đồ vật 3: Các khả năng thiết yếu

Những kĩ năng thiết yếu đuối để chúng ta theo đuổi nghề nghiệp và công việc phân tích chuyên nghiệp hóa không chỉ có kỹ năng sử dụng điều khoản hay phần mềm ví dụ nào đó. Các bạn còn cần được trau dồi thêm về:

Yếu tố thiết bị 4: lao lý chuyên dụng

Phần to mọi người khi bước đầu hoặc chuyển hướng sang các nghề về so với dữ liệu thường hay rơi vào cảnh “vòng xoáy công cụ”, có nghĩa là học hết luật pháp này tới cách thức khác cơ mà không thực thụ hiểu một cách sâu sát rằng khi nào thì mới phải dùng tới cơ chế này.

Một lời khuyên cho bạn đó là có không ít công ráng có tính năng tương từ nhau được áp dụng vào trong mảng phân tích tài liệu trong doanh nghiệp. Nếu còn muốn học rõ ràng thì nên biết chính xác công ty đó dùng luật gì.

Chính vày vậy nhưng bạn nên làm học công cụ bao gồm tính phổ quát cao nhất để con kiến thức rất có thể dễ dàng áp dụng thay đổi theo tình trạng thực tế.

Ngoài ra, nếu có “Người phía dẫn” (Mentor) thì vấn đề hỏi và nhận câu trả lời sẽ giúp tăng tốc kỹ năng tự học lẫn khả năng tra cứu Google lên gấp các lần so với bài toán tự tìm hiểu hoặc tự đk học một khóa nào đó về công cụ mà không có sự giải đáp và tò mò đầy đủ.

Việc thực hiện công nạm gì nhờ vào vào mục tiêu mà ai đang muốn thực hiện. Một giải pháp nói khác kia là bạn đang ở cách nào của quy trình chuyển hóa dữ liệu thành thông tin cung cấp ra quyết định. Để ghi lưu giữ một bí quyết cô ứ đọng thì quá trình này gồm bao gồm 3 bước chính:

Công cụ tất cả tính càng nhiều và đồ vật tự ưu tiên nghiên cứu

(Excel Power* là 1 trong tập hợp các tính năng chuyên sâu trên Excel mang đến mục đích thao tác làm việc với tài liệu và phân tích bao gồm có nguồn Query, power nguồn Pivot với Power Visual – Đây không phải là những kiến thức Excel thông dụng).

Như vậy, nếu khách hàng là một bạn mới, trả toàn chưa tồn tại kinh nghiệm gì về làm việc chuyên sâu cùng phân tích dữ liệu. Bạn nên chọn lựa phát triển kỹ năng Excel power vì thực chất là Microsoft đã thi công hết sức công tích và rất là thành công vào việc trình làng các khái niệm đặc điểm về mảng này trải qua các chức năng mới trên một vẻ ngoài mà hầu hết mọi người đều có thể tiếp cận được và thông dụng toàn cầu đó là Excel.

Không phải tự nhiên mà Excel lại có mặt trong danh sách những công cụ chuyên sử dụng về Business Intelligence. Cùng càng ko phải tự nhiên và thoải mái mà số lượng người dùng công cố này một cách chuyên sâu trên toàn thế giới lại rất là đông đảo. Chúng ta cũng có thể dễ dàng trao đổi các chủ đề này với các chuyên gia quốc tế cùng trên những diễn bầy quốc tế của Microsoft.

Lộ trình đổi thay một tín đồ làm phân tích tài liệu – Analytics Professional (BA/DA/BI)

Để giúp đỡ bạn hiểu được phần còn sót lại của bài viết này một cách tốt nhất có thể thì các bạn thật sự rất cần được đọc qua Tại sao ai ai cũng nên học năng lực phân tích dữ liệu (data analytics)? cùng bức tranh toàn cảnh các quá trình xoay quanh so sánh dữ liệu.

Cho tới thời điểm này, để bước đầu hành trình trở thành một fan làm phân tích dữ liệu chuyên nghiệp, bạn phải xem xét 2 nhân tố sau:

Từ dịp những bài viết đầu tiên về nghề Data Analyst lên sóng, blog của chính bản thân mình được số đông người chào đón với tương đối nhiều phản hồi tích cực. Tín hiệu giỏi này góp Maz củng thay thêm tinh thần vào giá bán trị thuở đầu trong bài toán “cầm cây viết lên mà lại viết xuống” là để gọt giũa năng lực của bản thân cùng cùng sát cánh với rất nhiều ai bao gồm cùng say mê trong chiếc nghề này.

Với Maz, khi làm một quá trình sáng chế tạo ra nội dung, tính đúng chuẩn là đk tiên quyết đề nghị đảm bảo. Cho dù Maz tất cả bảo fan xem bắt buộc kiểm hội chứng lại vì những thông tin ở chỗ này chỉ mang tính chất tìm hiểu thêm dựa trên trải đời của mình. Nhưng mà đâu có đồng nghĩa với việc, tác giả muốn viết gì thì viết, nếu như viết không nên thì mình đã “làm hại” rất nhiều người khác. Vì vậy, mỗi một khi gõ từng con chữ là những lần chắt chiu.

Chuỗi bài viết này, Maz ước ao dành nhằm cùng sát cánh cùng mọi fan trong hành trình khám phá và làm nghề Data Analyst. Dựa vào những tay nghề và sự khám phá trong rộng 3 năm “chơi cùng dữ liệu” vẫn qua, Maz hi vọng sẽ giúp được chúng ta còn đang trăn trở trong kim chỉ nan của bạn dạng thân.

Trong phân mục “tâm sự thuộc Maz”, mình đã nhận được 34 câu hỏi. Ở đây mình sẽ tinh lọc những câu chữ mà bản thân nghĩ, ngoài bạn hỏi đã làm được mình ý kiến thì cũng trở nên rất ý nghĩa sâu sắc với đa số chúng ta khác thân thiện tới nghề Data Analyst.

Với technical skills, nó sẽ giúp đỡ DA xong giai đoạn Preparation, Exploratory và Modeling. Các bạn sẽ hoàn toàn từ tin vày mình có thể xử lý data “end-to-end” từ tiến trình thu thập cho đến khi tạo ra những nhỏ số, biểu trang bị “biết nói”.

Thế còn tên miền knowledge, problem solving skill vẫn là kim chỉ nam giúp tín đồ phân tích:

Mình đã từng có lần nghĩ technical skills là tất cả để trở thành Data analyst. Nhưng chúng ta thấy đó, thực sự Technical skills cùng Domain knowledge quan trọng 50-50. Kết hợp việc sử dụng “công cụ” để buổi tối ưu hóa quy trình phân tích tài liệu + tứ duy giải quyết và xử lý vấn đề của business của product. Có như thế bạn bắt đầu phát huy cực hiếm thật sự của một người DA. Vì chưng vậy hãy tự tín vào say đắm của phiên bản thân, rèn luyện cùng trau dồi cả hai yếu tố này nhé! không có background IT chưa hẳn là trở ngại to con lắm đâu. Mình đã làm được, nhiều người khác cũng học được các kiến thức này. Và bạn cũng có thể làm được mà, đúng chứ!

Maz mong nhắn nhủ cùng với bạn. Nếu như bạn là bạn đang mày mò và gồm ý định phi vào nghề data, hãy khám phá thật kĩ các bước trong nghành nghề dịch vụ này (nó nhiều vị trí, nó nhiều đầu câu hỏi trong thực tế như vậy nào), hãy chiêm nghiệm lại giá chỉ trị bạn dạng thân và xác định bạn bao gồm cảm thấy phù hợp, gồm đam mê? bởi vì lẽ, chỉ khi hình dung rõ ràng về mục tiêu bạn có nhu cầu đạt được vào tương lai, các bạn sẽ đi đúng với đi nhanh hơn khôn xiết nhiều.

Q2: Anh gồm thể chia sẻ thêm các trang page/ sách/ youtube để học những công cố gắng như SQL, BI, Python. Với em vướng mắc là domain name knowledge của anh ý là do đi làm hay mình cần phải có trước ạ?

Về learning resources, mình đã trải qua giai đoạn mày mò rất không ít trong suốt quãng thời gian làm việc. Mặc dù nhiên, tài sản kiến thức thì bao la, hầu như gợi ý của bản thân mình ở đây, hi vọng để giúp đỡ ích mọi bạn phần nào nhé.

Với Domain Knowledge, Maz cũng đều có nhắc cho trong blog trên, ngoài những nguồn tìm hiểu thêm ra thì phần lớn mình sẽ tiến hành tôi luyện trong môi trường các bước thực tế. Chúng ta cũng chớ quá hoang mang, bởi lẽ mỗi công ty, mỗi sản phẩm sẽ luôn có phần lớn đặc tính riêng. Bản thân chỉ hoàn toàn có thể học những kiến thức bao quát về một ngành nghề như những kiến thức nhưng trường đh dạy, hoặc hoàn toàn có thể học trên google. Các công ty sẽ sẵn sàng training nhân viên nên là mọi bạn hãy yên ổn tâm. Điều cốt lõi khiến mình ăn được điểm trước nhà tuyển dụng chính là potential (tiềm năng) của bản thân, là một trong người gồm critical thinking, kỹ năng problem solving tốt. Đó là hầu hết core values mà chúng ta có thể dùng nhằm làm bất cứ thứ gì trong môi trường công việc.

Q3: “Để theo xua ngành nghề, nghành nghề này thì rất cần được có những qualification gì ạ?”

Thật sự các tiêu chuẩn để tìm kiếm kiếm một bạn làm nghề Data Analyst hiện thời rất khác biệt ở những công ty. Tuy nhiên, Maz thuận tiện nhận ra nó sẽ bao gồm 3 đội yếu tố đó là : Techical skills (ngôn ngữ xử trí dữ liệu: SQL, Python; visualization tools: PBI, Tableau; kiến thức về các đại lý dữ liệu, statistics), domain knowledge (kiến thức siêng ngành) và Soft skills (problem solving, critical thinking, communication). Chúng ta cũng có thể tham khảo một trong những JD sau: