Data Analysis For Business

1. Career path ngành Data Analytics

2. Data-driven mindset
– Giới thiệu về Data-driven mindset
– Key process của Data-driven mindset: Data Collection, Data Analysis, Informed Decision-Making, Continuous Improvement, Transparency and Accountability
– Lợi ích và các bước chính để triển khai Data-driven Mindset

3. Data Analytical thinking và Data Storytelling
– Data Analysis Overview: bốn giao đoạn của Data Analysis, quy trình ETL
– Data Visualization & Data Storytelling: ý nghĩa và cách sử dụng các biểu đồ, Data Storytelling Techniques

1. Xử lý dữ liệu
Tăng hiệu suất làm việc trên dữ liệu Excel lớn và phức tạp, nhằm tiết kiệm thời gian và kiểm soát số liệu chặt chẽ, chính xác.

2. Tổ chức và quản lý dữ liệu
Tự động hóa việc kết nối, xử lý dữ liệu với Power Query và xây mô hình dữ liệu để tạo báo cáo đa bảng với Power Pivot.

3. Phân tích dữ liệu bằng Pivot Table
Phân tích số liệu hiệu quả, tổng hợp và trình bày thông tin nhanh chóng bằng Pivot Table.

4. Tự động hóa bằng Record Macro
Ứng dụng tự động hóa cơ bản các thao tác thường xuyên, hàng loạt bằng Record Macro.

5. Giới thiệu về Dashboard reporting
Tổng quan và nguyên tắc trình bày Dashboard Reporting

6. Các loại Chart và Dashboard
Trình bày dữ liệu hiệu quả bằng việc ứng dụng các loại Chart trong Excel

7. Các bước lập và trình bày Dashboard
Trực quan hóa dữ liệu, kết hợp các biểu đồ động và tạo Dashboard chuyên nghiệp

8. Giải đáp các thắc mắc và tình huống thực tế 

1. Giới thiệu SQL
Tổng quan về Microsoft SQL Server, database và ngôn ngữ truy vấn SQL

2. Xây dựng nền tảng xử lý dữ liệu
Học cách truy vấn dữ liệu từ một bảng bằng lệnh SELECT, kết hợp lọc, sắp xếp, và nhóm dữ liệu với WHERE, ORDER BY, GROUP BY, cùng các hàm xử lý dữ liệu. Nắm vững kỹ thuật tạo truy vấn có điều kiện bằng CASE WHEN.

3. Truy vấn dữ liệu từ nhiều bảng, tích hợp và phân tích chuyên sâu
Học cách tích hợp và phân tích dữ liệu từ nhiều bảng bằng các loại JOIN, hàm tổng hợp như SUM, COUNT, AVG, và kỹ thuật kết hợp dữ liệu với UNION. Thành thạo truy vấn phức hợp bằng truy vấn con và WITH để xử lý dữ liệu đa nguồn

4. Case study: Ứng dụng SQL trong kinh doanh

1. Làm quen với Python, cách cấu trúc lập trình cơ bản của Python
2. Lệnh lặp, hàm và modules
3. Numpy
4. Làm việc với dữ liệu trên Pandas Dataframe
5. Xử lý và trực quan hóa dữ liệu trên Python
6. Ứng dụng AI trong xử lý và trực quan hóa dữ liệu với Python

1. Giới thiệu về các loại mô hình dự báo trong phân tích dữ liệu
– Learning Task: Supervised Learning, Unsupervised Learning, Reinforcement Learning
– Model structure: Linear Models, Non-linear Models, Ensemble Methods
– Data Type: Numerical data, Categorical data, Text data, Time Series data, Image data

2. Các thuật toán thông dụng trong các mô hình thống kê
– Linear Regression, Logistic Regression, Decision Tree, Random forest, K-Means clustering
– Deep learning
– Time series models

1. Giới thiệu tổng quan về ứng dụng Power BI
2. Kết nối dữ liệu và Xử lý dữ liệu (get data & transform data)
3. Xây dựng mô hình dữ liệu (data model)
4. Trực quan hóa dữ liệu (data visualization) và xây dựng báo cáo BI
5. Trực quan hóa dữ liệu nâng cao (advanced data visualization)
6. Các phép tính DAX
7. Power BI mobile app và Power BI Service – nền tảng online
8. Case study ứng dụng thực tế

Bài tập thực hành tổng hợp cuối khóa học.