Chưa có sản phẩm trong giỏ hàng.
Power BI Day 6: Nhiệm vụ, kỹ năng và công việc thực tế của Data Analyst
Chúng ta đang sống trong kỷ nguyên của thiết bị công nghệ, nơi dữ liệu được sinh ra mỗi giây, ước tính rằng tổng lượng dữ liệu được tạo ra trên toàn thế giới mỗi ngày là 2,5 triệu byte. Và câu hỏi được đặt ra những dữ liệu này có thể tạo ra những giá trị gì? Chúng ta sẽ sử dụng chúng như thế nào để không phí hoài thứ đang được gọi là “vàng đen” của thế giới? Để trả lời câu hỏi này, những năm gần đây các doanh nghiệp liên tục tuyển dụng các vị trí liên quan đến ngành Phân tích dữ liệu (Data Analyst) với mức lương cực kỳ hấp dẫn. Điều này đã khiến cho các thông tin liên quan đến vị trí này được tìm kiếm rất nhiều trên mạng xã hội.
Nếu bạn cũng có cùng mối quan tâm này, hãy cùng Datapot khám phá những nhiệm vụ và kỹ năng của một Data Analyst điển hình nhé.
Mục lục
- 1 Các nhiệm vụ của một Data Analyst
- 1.1 1. Khai thác dữ liệu (Data mining)
- 1.2 2. Chuẩn bị dữ liệu (Data preparation)
- 1.3 3. Đảm bảo chất lượng (Quality Assurance)
- 1.4 4. Chuẩn bị báo cáo (Preparing Reports)
- 1.5 5. Duy trì cơ sở dữ liệu (Maintaining databases)
- 1.6 6. Duy trì tính bảo mật của dữ liệu (Maintaining the confidentiality)
- 1.7 7. Xử lý sự cố (Troubleshooting)
- 1.8 8. Kết nối công việc với các nhóm khác (Collaboration)
- 2 Kiến thức và kỹ năng cần có của một Data Analyst
- 3 Mô tả cách Data Analyst xây dựng một báo cáo
Các nhiệm vụ của một Data Analyst
Dưới đây là tổng quan về các nhiệm vụ phổ biến nhất mà bạn sẽ tìm thấy trong mô tả công việc của nhà phân tích dữ liệu:
1. Khai thác dữ liệu (Data mining)
Tìm kiếm và phân tích các tập dữ liệu thô lớn để xác định các tập mẫu theo xu hướng và trích xuất thông tin hữu ích.
2. Chuẩn bị dữ liệu (Data preparation)
Dữ liệu được thu thập từ nhiều nguồn sẽ luôn có lỗi, dư thừa, thiếu giá trị, v.v., điều đó có nghĩa là dữ liệu ở định dạng thô. Do đó, sau khi trích xuất dữ liệu, cần phải chuyển đổi dữ liệu thô thành dữ liệu có cấu trúc bằng cách giải quyết các lỗi trong dữ liệu, xóa dữ liệu không liên quan và xác định dữ liệu tiềm năng.
3. Đảm bảo chất lượng (Quality Assurance)
Hầu hết các tổ chức dựa vào dữ liệu của các nhân viên Data Analyst để theo dõi tình hình kinh doanh hàng ngày. Do đó, cần phải có được dữ liệu chất lượng để nâng cao năng suất của tổ chức.
4. Chuẩn bị báo cáo (Preparing Reports)
Đây là một trong những công việc thường xuyên và chiếm phần lớn thời gian của một Data Analyst. Thông thường, các báo cáo này giúp doanh nghiệp theo dõi hướng tăng trưởng của họ bằng cách phân tích các yếu tố như lợi nhuận, phân tích thị trường, hoạt động nội bộ, v.v.
5. Duy trì cơ sở dữ liệu (Maintaining databases)
Thiết kế và duy trì hệ thống cơ sở dữ liệu, bao gồm tạo, cập nhật và xóa cơ sở dữ liệu.
6. Duy trì tính bảo mật của dữ liệu (Maintaining the confidentiality)
Dữ liệu là nguồn tài nguyên tối quan trọng trong bất kỳ doanh nghiệp nào (ví dụ như thông tin khách hàng, chi phí sản xuất, giá đấu thầu…) nên dữ liệu cần được bảo mật và đây là trách nhiệm cần thiết của Data Analyst.
7. Xử lý sự cố (Troubleshooting)
Khắc phục sự cố liên quan đến thông tin, báo cáo và cơ sở dữ liệu.
8. Kết nối công việc với các nhóm khác (Collaboration)
Trong một số công việc đặc thù, vai trò của Data Analyst là phối hợp với các nhóm phát triển này để truyền đạt thông tin cần thiết liên quan đến dữ liệu. Nhóm phát triển này có thể là Data Scientist, Machine Learning Engineers.
Kiến thức và kỹ năng cần có của một Data Analyst
1. Kỹ năng làm sạch và chuẩn bị dữ liệu
Công việc chiếm phần lớn thời gian của Data Analyst là làm sạch và chuẩn bị dữ liệu, việc này ảnh hưởng rất nhiều đến kết quả phân tích. Do đó, đây được xem là một trong những kỹ năng quan trọng nhất. Một số tool hữu ích có thể hỗ trợ cho kỹ năng này là Excel (Power Query), SQL và Python.
2. Kỹ năng phân tích và khám phá dữ liệu
Thông thường chúng ta sẽ có 2 tình huống chính khi phân tích và khám dữ liệu: a/ Phân tích dữ liệu dựa trên việc đặt câu hỏi và trả lời câu hỏi liên quan đến nhu cầu kinh doanh của doanh nghiệp; b/ Thăm dò, tìm kiếm các xu hướng hoặc các mối quan hệ trong bộ dữ liệu để khám phá các insight giá trị. Các tool được đề xuất có thể kể đến như Power BI, Python
3. Có kiến thức về xác suất thống kê
Xác suất thống kê là những kỹ năng phân tích dữ liệu quan trọng. Việc hiểu số liệu thống kê sẽ giúp bạn đảm bảo phân tích của mình hợp lệ và sẽ giúp bạn tránh được những sai lầm hoặc lỗi logic phổ biến. Bạn có thể tham khảo tool Python với các thư viện đi kèm hữu ích cho kiến thức này.
4. Kỹ năng trực quan hóa dữ liệu
Hầu hết chúng ta sẽ dễ dàng hiểu biều đồ nhanh hơn so với bảng tính, vì vậy trực quan hóa dữ liệu giúp chúng ta thể hiện các xu hướng dữ liệu rõ ràng hơn. Kỹ năng này được đánh giá thông qua cách bạn lựa chọn đúng các biểu đồ, sử dụng màu sắc hợp lý, tránh gây hiểu lầm cho người đọc. Một trong những công cụ trực quan hóa dữ liệu phổ biến nhất trong ngành hiện nay là Power BI do Micorsoft phát triển, các bạn có thể tham khảo thêm về các khóa học Power BI của Datapot.
5. Kỹ năng xây dựng dashboard và báo cáo
Công việc xây dựng dashboard và báo cáo cũng là một trong những công việc chính của Data Analyst. Kỹ năng này được thể hiện thông qua cách bạn sắp xếp bố cục trang báo cáo, xây dựng bộ lọc dữ liệu linh hoạt hoặc cách bạn dẫn dắt người dùng hiểu rõ tình hình kinh doanh thông qua khả năng kể chuyện bằng dữ liệu của mình.
6. Kỹ năng giao tiếp
Kỹ năng giao tiếp sẽ bao gồm bằng văn bản và lời nói. Bạn cần viết văn bản rành mạch rõ ràng khi trình bày các phân tích hoặc giải thích về các dữ liệu của mình. Tương tự, khi cần trao đổi hoặc ghi nhận các ý kiến từ đồng đội , những người không chuyên về kỹ thuật, kỹ năng giao tiếp bằng lời nói sẽ đóng vai trò hết sức quan trọng.
7. Kiến thức chuyên ngành
Bất kể bạn đang làm công việc gì, nếu bạn không hiểu ngành nghề hoặc cách doanh nghiệp vận hành, bạn không thể phân tích đúng thực trạng của công việc đó. Ví dụ, nếu bạn đng làm cho công ty về kinh doanh trực tuyến, bạn cần nắ rõ các chỉ số về ngành Thương mại điện tử. Trong lĩnh vực phân tích dữ liệu, việc bạn am hiểu sâu về ngành nghề sẽ là một điểm cộng lớn khi bạn ứng tuyển vào các vị trí Data Analyst.
8. Kỹ năng giải quyết vần đề
Là một Data Analyst, bạn cần đối mặt với nhiều vấn đề khi phân tích dữ liệu như xử lý lỗi hoặc vượt qua các rào cản về nguồn lực hạn chế, ví dụ các nguồn dữ liệu đôi khi không có sẵn để kết nối mà phải sử dụng các phần mềm hoặc ngôn nữ mã hóa đặc biệt, điều này yêu cầu bạn phải nghiên cứu và tìm kiếm nhiều giải pháp mới.
Mô tả cách Data Analyst xây dựng một báo cáo
Ví dụ: Anh Bình là một chuyên viên Data Analyst có thâm niên 02 năm trong một công ty kinh doanh trong lĩnh vực Thương mại điện tử (Ecommerce). Anh ấy nhận được yêu cầu xây dựng báo cáo về Customer Relationship cho phòng Customer Service (CS). Sau đây là các bước mà anh Bình đã thực hiện để hoàn thành công việc của mình.
| STT | Các bước thực hiện | Chi tiết |
| Bước 1 | Xác định nhu cầu của Stakeholders | Đối tượng sử dụng báo cáo: CS Manager & CS Executive |
| Mục đích báo cáo: – Theo dõi các chỉ số liên quan đến khách hàng | ||
| Các chỉ số chính: – GMV/ NMV: Giá trị đơn hàng được đặt hàng/ Giá trị đơn hàng giao thành công – Gross Order/ Net Order: Số lượng đơn hàng được đặt/ Số lượng đơn hàng giao thành công – Retention rate: Tỷ lệ giữ chân khách hàng – Average Customer Lifetime: thời gian trung bình khách hàng tiếp tục mua hàng – Average Order Frequency: số lần trung bình khách hàng mua hàng ( ví dụ: nếu chỉ số này là 1 thì khách mua 1 lần, nếu là 2 thì khách mua 2 lần) – Customer Lifetime Value: Doanh thu trung bình khách hàng đã bỏ ra trong vòng đời mua sắm – Customer Churn rate: Tỷ lệ khách hàng rời bỏ ……………….. | ||
| Các chiều phân tích: – Thời gian – Khu vực địa lý – Nhóm sản phẩm – Kênh bán hàng | ||
| Bước 2 | Xác định nguồn dữ liệu | Dữ liệu nguồn: Hệ thống bán hàng và CRM Datawarehouse: SQL Server |
| Bước 3 | Làm sạch dữ liệu | Sử dụng SQL để query các bảng biểu cần thiết: – FactSales, FactSales Return – DimCustomer, DimOrder, DimProduct, DimRegion, DimChannel |
| Sử dụng Power Query để làm sạch các dữ liệu lỗi, thừa hoặc thiếu thông tin | ||
| Xây dựng Data Model trong Power BI | ||
| Bước 4 | Transform data | Sử dụng Poer Bi để tạo các measure hoặc các calculated column cần thiết: – GMV = sum([Revenue]) – Gross Orders = DISTINCTCOUNT([Order ID]) – Retention Rate = [Returning Customers]/[Total Customers] …………… |
| Bước 5 | Xây dựng báo cáo | Xác định cấu trúc báo cáo, gồm 2 trang chính: – Overview: trang tổng hợp các chỉ số chính quan trọng – Customer Analyst: trang chi tiết, trình bày tất cả các chỉ số theo nhiều chiều phân tích khác nhau |
Mẫu báo cáo Customer Relationship
Chúng ta đã cùng tìm hiểu qua những nhiệm vụ và kỹ năng quan trọng của một Data Analyst, bạn thấy mình có phù hợp với ngành nghề này không? Nếu bạn phù hợp và cũng có niềm đam mê với công việc này, hãy tự tin gia nhập nhé. Còn nếu bạn vẫn còn nhiều băn khoăn về những kỹ năng trên, hãy tham khải thêm các bài viết và khóa học của Datapot để bổ sung thêm nhiều kiến thức mới trong lĩnh vực này. Chúng tôi tin rằng, một hành trình vạn dặm đều bắt đầu từ những bước chân đầu tiên. Chúc các bạn thành công trong sự nghiệp của mình nhé.
Các bài viết tham khảo:
