Tối giản việc đọc tin nổi bật, comment chất lượng nhiều reaction trên voz cho các fen bận rộn.

VozFen.com: Data Analytics - Chia sẻ chuyện nghề.

@thuocdo181 Joined: 12/2010
#1
Ưng 84

Data Analytics - Chia sẻ chuyện nghề.

@Sephirothkylee 01/2014
#2
Ưng 10
Vàng quan điểm
respect, đọc dần đã
có biết vài đứa làm BA, lương 1k8 - 2k mà đầu óc sunsee như con nít, lại không biết trái biết phải.

@MustDie 12/2009
#27
Ưng 5
Làm SDE, nhìn DA chán vãi lúa vì cv quá nhiều SQL
  • gom data từ mọi nơi đổ về
  • làm công thức, select, join, tính toán trên đống dữ liệu ấy
như này mới chỉ là để show ra dữ liệu, nhiều khi xong việc cũng dek phản ánh được thực tế, lại ngồi lần mò xem có lấy thiếu ở đâu ko, công thức đã đúng chưa, toàn số là số mệt vl.
---
dám chắc nhiều người nghe data oách, lương nghìn $$ nên lao đầu vào chứ chả có tí năng lực lẫn đam mê nào

@thuocdo181 12/2010
#44
Ưng 6
Vàng quan điểm
Cảm ơn các bác đã ủng hộ. Mình sẽ sắp xếp chia sẻ thêm về các vấn đề mọi người quan tâm và update lên #1.

Có backgroud finace, audit sử dụng tương đối tốt excel, cơ bản về PowerQuery, DAX (đang học để nâng cao BI desktop) có việc nào làm thêm cho ké 1 slot với nhé fen

Bạn luyện tay với test này xem.
https://docs.google.com/document/d/1noQ2gXwzrqC0kDe5asb_IaL267hQor_NbsoL6rNDW3Y/

Ra đề cũng là 1 bên outsource về mảng dữ liệu, họ đưa test để tuyển cộng tác viên part time.

Đề bài: lấy dữ liệu từ SQL Db, xây báo cáo theo yêu cầu trên Power BI. Không yêu cầu phân tích.
(Khá gần công việc BI Dev)

Có tiền thưởng 1tr cho bạn nào làm tốt nhất.

@thuocdo181 12/2010
#46
Ưng 5
Mình cũng vừa chuyển sang nghề DA này đc vài tháng, vừa apply ddc nên còn nhiều điều cần học hỏi. Sắp tới sẽ có nhiều thắc mắc hi vọng bác hỗ trợ. Lót dép đặt chỗ trước nha .
Hai tuần nay ngồi tìm hiểu về Dwh của công ty và đọc các phụ lục thông báo mà muốn trầm cảm. Gần tới deadline mà sếp dí quá trong khi nhiều số mình còn chưa biết tìm ở đâu ra. Ngoài ra còn nỗi sợ con số mình đưa ra trong báo cáo có đúng k luôn thường trực nữa, k biết bác có kinh nghiệm về cách check k chia sẻ giúp mình với nhé.

Chia sẻ kinh nghiệm apply cho các bạn khác đi bác.

Khi tiếp cận hệ thống mới mình thường chia theo subject area, xem mảng nghiệp vụ nào quan trọng thì tìm hiểu trước. Vẽ lại mô hình kinh doanh để hiểu ý nghĩa chỉ số, dữ liệu trước khi đào vào db. Bên bạn có DWH nếu kiến trúc tốt thì cũng dễ thở.

Sếp dí mà nhiều số không biết tìm ở đâu thì liệt kê ra hỏi lại sếp hoặc đồng nghiệp. Làm 1 cái danh sách để hỏi 1 thể.

Dữ liệu chưa có công thức cụ thể, không biết đúng sai như thế nào thì bác tách rõ vai trò ra, ví dụ:
  1. Định nghĩa công thức, logic tính toán.
  2. Xác định nguồn dữ liệu trong db.
  3. Tính toán chỉ số đưa ra báo cáo, thực hiện các phân tích khác.
1 cần có tài liệu hoặc người hiểu về nghiệp vụ, 2 cần tài liệu hoặc người hiểu về db. Nếu 1 và 2 đều không có thì mình tự định nghĩa, tự mò cũng được nhưng làm xong sẽ viết lại rõ ràng và xác nhận với các bên liên quan. Sau khi đó mới thực hiện tính toán.

Quá trình này có thể lặp lại nhiều lần mới ra kết quả đúng. Tách rõ ra bác sẽ biết và giải trình được vấn đề ở đâu; sau này có ai kế thừa cũng đỡ khổ.

Các dữ liệu quen tay rồi cũng nên double check cẩn thận trước khi đẩy ra ngoài. (Filter xem thử các dòng ntn, so chéo với nguồn dữ liệu khác...)

@Thiều Bảo Trump 02/2021
#51
Ưng 4
Người ta hỏi là "sợ dữ liệu đưa lên báo cáo không chính xác" thì liên quan gì đến mấy cái buzzword thím liệt kê ra thế?
ý mình là quá nhiều thớt DA ở voz toàn tập trung SQL lấy dữ liệu r làm sạch bla bla mà chả thấy ai cố trả lời bài toán kinh doanh.

Người trả lương cho mấy thím cần thứ khác: Tôi phải bán cho ai, nhóm này nên quảng cáo khác thế nào với nhóm kia, những ng có đặc điểm này mang lại bao nhiêu tiền, thường sau bao lâu cần promotion để giữ chân... ít người bàn mấy cái này quá.

@thuocdo181 12/2010
#58
Ưng 6
Vàng quan điểm
ý mình là quá nhiều thớt DA ở voz toàn tập trung SQL lấy dữ liệu r làm sạch bla bla mà chả thấy ai cố trả lời bài toán kinh doanh.

Người trả lương cho mấy thím cần thứ khác: Tôi phải bán cho ai, nhóm này nên quảng cáo khác thế nào với nhóm kia, những ng có đặc điểm này mang lại bao nhiêu tiền, thường sau bao lâu cần promotion để giữ chân... ít người bàn mấy cái này quá.

Mình có vài góp ý thế này, bạn xem sao nhé:

1. Về cách bạn ném buzzword vào comment: Mấy buzzword bạn ném ở trên không liên quan gì đến nội dung mình đang trả lời. Nếu bạn có câu hỏi hoặc muốn phát triển topic theo hướng nào có thể comment đặt câu hỏi hoặc chia sẻ quan điểm một cách rõ ràng.

2. Về nội dung các buzzword: dimension reduction là một kỹ thuật biến đổi dữ liệu; classification, segmentation, forecasting là mấy dạng bài toán phổ biến, bạn có thể kể thêm detection, clustering... nữa cho đủ bộ. Ở đây cũng chưa support gì đến ý ở dưới bạn diễn giải là không ai cố trả lời bài toán kinh doanh. Mình có thể kể cho bạn một mớ bài toán thực tế có giá trị mà không cần đàm buzzword lộn xộn ở trên.

3. "Về người trả lương cho mấy thím": mình không biết người trả lương cho bạn (nếu có) như thế nào chứ mình biết người trả tiền cho mình họ cần để tạo ra giá trị dữ liệu trong suốt vòng đời chứ không phải lên mạng chọn mấy bài toán hay ho về rồi chém cho vui.

Mấy bài toán bạn viết ở trên có bài toán nào không bắt đầu từ việc thu thập, xử lý và làm sạch dữ liệu.

Trong ngành này Garbage in, Garbage out. Bạn cứ tư duy kiểu mì ăn liền là vào doanh nghiệp xong chọn bài toán nào đấy rồi nó đưa dữ liệu ra sẵn như kiểu lên kaggle tải về chắc?

Data mining chỉ là một phần nhỏ trong vòng đời dữ liệu. Các nhu cầu về dữ liệu cũng tùy doanh nghiệp, đôi khi doanh nghiệp chỉ cần có được dữ liệu đúng đủ, chính xác đã ngon lắm rồi. Tùy mỗi hoàn cảnh và mức độ trưởng thành sẽ có những ưu tiên khác nhau, thứ tự ưu tiên về phân tích thường là Descriptive --> Diagnostic --> Predictive --> Prescriptive --> Cognitive

@thuocdo181 12/2010
#67
Ưng 5
Em đang làm dev backend, nhưng background của e là finance, thím có chỗ nào nhận em chuyển nghề k ạ.
Và mức lương trả cho fresher hay junior tầm bn ạ
Bạn học finance mà dev backend được thì khả năng cày cũng khủng rồi. Move dần sang làm Data Engineer là bước đi hợp lý.
Range lương fresher khá rộng, mấy team mình biết đang tuyển khoảng trên dưới 10.
Junior hoặc có kinh nghiệm ngành khác đi sang thì giá khác.

cầu cứu thớt, mình đang làm tài chính ngân hàng 5 năm, muốn chuyển nghề thì hướng đi ngành này như thế nào ợ, từ entry level đi lên, tự thấy bản thân chăm tìm tòi học hỏi, thích thú các lĩnh vực khtn

Tính viết 1 bài dài chút về lộ trình hoặc định hướng mà nhưng chắc để cuối tuần.

Start đơn giản nhất thì bạn nên bắt đầu với:
  • Excel, google sheet phải có là tất nhiên rồi.
  • SQL, học để truy vấn dữ liệu. Nắm logic cơ bản, tự tin xử lý mấy case join nhiều điều kiện, truy vấn con phức tạp là okie.
  • Một công cụ BI (Power BI, Tableau, Qlik...). Dùng visualize dữ liệu. Recommend là Power BI vì học nhanh, đang phổ biến mạnh và kết hợp với excel tiện.
  • Một ngôn ngữ lập trình. Python nếu không có ưu tiên gì đặc biệt. R cũng ok.

Về phỏng vấn:
Kiếm dataset về làm một số báo cáo, phân tích mẫu để đưa vào hồ sơ sẽ cho nhà tuyển dụng cân nhắc hơn.
Còn nhiều thứ khác phải học nhưng kiếm job nào phù hợp apply đã mới có chỗ mà thực hành. Đã đi làm 5 năm thì nên tìm job nào trong cùng domain của mình apply sẽ dễ thở hơn.


Xin hóng 1 khóa học căn bản. Tks..

Gửi từ Samsung SM-N970F bằng vozFApp
Tham khảo combo này bạn nhé: https://home.datapot.vn/product/combo-data-analytics-foundation/
Nói luôn đây là trung tâm mình đang dạy, kẻo mấy thanh niên lại ý kiến vụ seeding.


Ae sinh năm bao nhiêu thế

via theNEXTvoz for iPhone

Mình 92 bạn nhé,


mình tò mò về quá trình data cleansing. Thớt có case nào hay k share với. Mình làm việc với DB hubspot mà dữ liệu đầu vào của user nhập rối tung rối mù (inherit từ DB cũ), ngay từ cái cơ bản như First last name, địa chỉ...

Nỗi đau muôn thuở. Dữ liệu quan trọng thì thay đổi quy trình, form biểu nhập liệu, có chế tài cụ thể. Dữ liệu cũ đem ra clean rồi update lại 1 lượt.
Trường hợp xấu thì cut off dữ liệu cũ rồi xử lý sau.
Mình hay dọa mấy stakeholder là quy tắc về chi phí dữ liệu: 1:10:100.
1 là chi phí làm đúng dữ liệu ngay từ đầu
10 là chi phí sửa lại nếu có làm sai
100 là chi sẽ mất nếu không làm


Ngoài chứng chỉ DA 100 thì có chứng chỉ nào thêm trong ngành ko bác.
DA-100 thân thiện dễ thi rồi. Entry level thi hợp lý.
DP-100 không có giá trị mấy (Quan điểm cá nhân).
MS thì có chứng chỉ cho SQL hoặc level trên là Solution Expert (Đang cho nghỉ hưu dần).
Các hãng khác cũng có Tableau, Qlik....
Mấy khóa MOOC của các trường đại học, hãng công nghệ như Ggle AWS


Chào bạn Tô ma hốc
Chào bạn. Tiên Pfizer rồi về VN thôi bạn ơi.

@F.Terminator
#138
Ưng 4
Power BI nó dễ dùng quá dẫn đến cái false sense là t thành master sau 1 tuần ấy.
Mấy thanh niên học tủ thi xong cái DA-100 ra chém gió đi dạy quá trời.
Trong khi có team doanh nghiệp làm việc với Power BI cả mấy năm rồi, mời mình về dạy Advanced Dax and Data Modeling phải tẩy não lại từ đầu do cái tư tưởng dùng Power BI thay cho vẽ chart trên Excel.

Còn chuyện SQL thì nên học, nhưng vì các bạn không có môi trường để thực hành nên sẽ không ngấm sâu được. Mình vẫn recommend các bạn hướng về cái gì tạo ra sản phẩm cho mình trước mới đi tiếp được.

À đương nhiên SQL là cần biết, mình không phản đối cái đó. Mình đang muốn các bạn newbie có cái nhìn đúng hơn về PBI thôi, không thì cứ thấy kéo thả là lên chart thì nghĩ là ngon

Mình cũng có vài case nhìn thấy mình làm, nhìn thấy tương tác bắt mắt thì hỏi, mình cũng hướng dẫn, cũng headsup là nó không dễ vậy đâu, vẫn nghĩ là dễ, xong bỏ ngang.

Riêng cái việc data chưa model chuẩn, kéo vào cái chart thì PBI tự group vào các năm/quý/tháng/ngày, là đã không sử dụng được rồi.

Thứ nhất là mình có nói phía trên, nắm được SQL về tư duy giải thuật và cấu trúc dữ liệu. Nắm chắc được SQL + trải nghiệm dự án thật ít cũng phải 6 tháng - 1 năm.
Thứ hai là DAX hay Power Query bản chất nó là gì? SQL là gì? Structure Query Language. Mình nói là học SQL cho chắc đã, được chưa?

Thứ ba,Tất nhiên là 1 tuần thì hơi quá, nhưng ở Việt Nam, cái group này nó dạy power BI 4 củ trong 2 ngày thì theo bạn là dạy được DAX và Power Query chuyên sâu ở tầm ceiling như bạn nói không?

Sao aggressive vậy thím, mình chỉ muốn đưa đủ context, đặc biệt là cho các bạn mới thôi

Mình nghĩ SQL không có tương đương với M, từ mục đích sử dụng tới logic tới syntax. Thím đưa một bạn thành thạo SQL vào Power Query rồi hỏi dùng, kể cả hỏi logic thôi, đảm bảo bị cứng ngay.

Quan điểm của mình nhé, chưa hiểu filter context, chưa viết được một cái CALCULATE(FILTER) nào, chưa sử dụng được time intelligence thì không thể gọi là "biết dùng PBI". Cái đó với mình mới là floor thôi ấy...

Hồi trước mình cũng dạo một vòng mấy course trên mạng về PBI, thì thấy chủ yếu nội dung xoay quanh "import data set siêu sạch này, load data xong, giờ kéo cái field này vào chart, xong, bạn đã biết Power BI". Cái đó dẫn tới ấn tượng sai, và cả cách làm sai nữa.

@F.Terminator
#139
Ưng 4
Ai muốn học Power BI thì có thể cày cuốn The Definitive Guide to DAX, cuốn này được coi là kinh thánh của DAX. Heads up trước là không dễ, với lại đôi khi phải có tình huống thực tế mới thực sự hiểu & áp dụng được. Bản thân mình cũng chưa đọc & dùng hết kiến thức trong đây (tự thấy bản thân vẫn còn thiếu nhiều thứ trong nghề này lắm).

Cuốn trên không có cover Power Query, M Is for (Data) Monkey mình thấy cũng hay được mọi người nhắc tới.

Link share đều từ OneDrive public của mình.

@lugach 10/2017
#182
Ưng 5
Mình tuổi đời thì ít hơn thím chủ thread, tuổi nghề thì ít hơn khá nhiều cao nhân trong đây, những cũng có kinh nghiệm tương đối trong ngành. Mình xin chia sẻ với các bạn đang chuẩn bị chuyển sang ngành này hoặc đang có ý định chuyển ngành như sau.
1. Môi trường VN hiện tại có rất nhiều cơ hội cho ngành này phát triển, các công ty outsource tuyển 1 lúc vài trăm người là bình thường. Quan điểm cá nhân của mình là ngành này đang khát nhân lực nhưng thừa người dở và thiếu người làm được việc. Nên bạn cần chuẩn bị kỹ tâm lý là Apply nhiều nơi nhưng không thấy phản hồi.
2. Mình thấy hiện tại tuyển rất nhiều Level nhưng toàn Junior đổ lên, cơ hội cho Fresher mình thấy khá hiếm, nên thay vì chọn những trung tâm đào tạo nhan nhản hiện tại, hay tìm hiểu kỹ, chỗ nào có thể giới thiệu việc làm ở mức độ fresher một cách uy tín thì hẵng xuống tiền đi học.
3. Tiếng anh rất cần thiết, mình không có ý chê bai mấy khóa học hiện nay nhưng nếu các bạn có vốn tiếng anh tương đối, ở nhà các bạn cũng có thể học được những thứ mà bất cứ trung tâm nào ở VN dạy với giá cả phải chăng hơn hoặc free. Cho nên quay lại vấn đề thứ 2 bạn cần tìm mentor tốt chứ không phải trung tâm hoặc giảng viên nào có thể đào tạo bạn mà không có cam kết gì hết.