Nhận tư vấn lộ trình học tập miễn phí

Về MindX

Tổng quan thị trường & Định hướng công việc

Lộ trình tự học phân tích dữ liệu

Câu hỏi thường gặp

PHẦN I:
TỔNG QUAN THỊ TRƯỜNG & ĐỊNH HƯỚNG PHÁT TRIỂN 

1.   TỔNG QUAN THỊ TRƯỜNG NGÀNH DATA ANALYTICS HIỆN NAY

Nổi lên tại Việt Nam chỉ từ 3-4 năm trước, được mệnh danh là nghề "sexy" nhất thế kỷ 21 với các thông tin về mức lương rất hấp dẫn và nhiều cơ hội phát triển, liệu ngành Data Analytics (Phân tích dữ liệu) có còn là "mảnh đất màu mỡ" dành cho người mới bắt đầu?

Video "Tổng quan thị trường ngành Data Analytics" sẽ giúp bạn nắm được:
    Tình hình phát triển của ngành phân tích dữ liệu tại Việt Nam.
   Nhu cầu và các yêu cầu tuyển dụng thực tế của ngành phân tích dữ liệu ở thời điểm hiện tại.
    Nên học và theo đuổi phân tích dữ liệu theo hướng nào là phù hợp nhất?

2.   ĐỊNH HƯỚNG PHÁT TRIỂN TRONG NGÀNH DATA ANALYTICS DÀNH CHO NGƯỜI MỚI  

Ngành Data Analytics (Phân tích dữ liệu) rất rộng lớn và có nhiều vị trí công việc khác nhau. Những vị trí này lại có những yêu cầu chuyên môn riêng biệt mà người mới tìm hiểu rất hay bị nhầm lẫn.

Video "Định hướng phát triển trong ngành Data Analytics" sẽ giúp bạn:
   Phân biệt được những vị trí chuyên môn trong ngành phân tích dữ liệu.
  Định hướng lựa chọn nghề nghiệp phù hợp với background và mong muốn của mỗi người.

PHẦN II:
LỘ TRÌNH TỰ HỌC PHÂN TÍCH DỮ LIỆU & TÀI LIỆU HỮU ÍCH

1.    LỘ TRÌNH TỰ HỌC PHÂN TÍCH DỮ LIỆU

Dưới đây là tổng hợp các kiến thức về Technical Skill, Domain Knowledge và Softskill cần thiết cho người mới khi muốn học và làm về phân tích dữ liệu, dựa trên kinh nghiệm của các Senior Data Analyst, người đã chuyển ngành thành công và các yêu cầu về kỹ năng chuyên môn trong JD tuyển dụng của đa số các doanh nghiệp hiện nay. 
(1) Big Data là gì?

(2) Các loại dữ liệu: dữ liệu cấu trúc, bán cấu trúc và không cấu trúc.

(3) Quy trình phân tích dữ liệu
- Thu thập dữ liệu.
- Xử lý và phân tích dữ liệu.
- Trích xuất thông tin và ra quyết định.

(4) Các loại phân tích dữ liệu
- Phân tích mô tả (Descriptive Analytics).
- Phân tích chẩn đoán (Diagnostic Analytics).
- Phân tích dự đoán (Predictive Analytics).
- Phân tích đề xuất (Prescriptive Analytics).

(5) Xác suất thống kê, kiểm định mẫu ở mức cơ bản.
1. KNOWLEDGE FOUNDATION
  •  
  •  
Business Understanding: Kiến thức về sản phẩm/lĩnh vực bạn đang làm việc
Ví dụ: Marketing, Tài chính, Tuyển dụng, Pr, Bất động sản,... "
3. DOMAIN KNOWLEDGE

  •  
  •  
  •  
(1) Communication: Kỹ năng giao tiếp

(2) Problem Solving: Kỹ năng giải quyết vấn đề.

(3) Presentation & Story Telling: Kỹ năng trình bày và kể chuyện bằng dữ liệu.

(4) Critical thinking: Tư duy phân tích.

(5) Data mindset: Tư duy về dữ liệu.
4. SOFT SKILLS

  •  
  •  
  •  
(1) Học theo lộ trình cụ thể, tập trung vào các kiến thức, kỹ năng mà nhà tuyển dụng yêu cầu nhiều nhất; phân chia thành từng giai đoạn nhỏ trong lộ trình. Mỗi giai đoạn nên đặt ra mục tiêu hoàn thành.

(2) Phải thực hành xuyên suốt quá trình học (chiếm 50-70% thời lượng học tập). Bạn có thể ứng dụng các kiến thức phân tích dữ liệu vào thực hiện các dự án công ty/cá nhân bạn đang phụ trách hoặc tham gia các cuộc thi về giải case kinh doanh của doanh nghiệp/trường đại học tổ chức.

(3) Nên có mentor đồng hành. Bạn hãy tìm cho mình một người mentor hỗ trợ hướng dẫn, giải đáp thắc mắc trong quá trình học sẽ giúp bạn tránh hiểu sai và tiến bộ nhanh hơn thay vì tự học.

(4) Học thêm công nghệ mới: Ngoài những công nghệ, kiến thức nêu trên, bạn có thể tìm hiểu và học thêm 1 vài công nghệ mới để làm giàu thêm vốn kỹ năng, tăng khả năng cạnh tranh khi đi ứng tuyển việc làm.
5. PHƯƠNG PHÁP HỌC PHÂN TÍCH DỮ LIỆU HIỆU QUẢ
  •  
1. SQL - TRUY VẤN DỮ LIỆU TRONG CSDL (DATABASE)

(1) Cơ bản:

Cấu trúc cơ bản của SQL:
- Các câu lệnh SELECT, INSERT, UPDATE, DELETE, FROM, WHERE, UPDATE / INSERT / DROP / TRUNCATE / CREATE / ALTER,...)
- Các toán tử so sánh, toán tử logic
- Các hàm aggregate (SUM, AVG, COUNT,…)
Kiểu dữ liệu:
- Hiểu rõ các kiểu dữ liệu cơ bản (INT, VARCHAR, DATE,…)
- Cách sử dụng các kiểu dữ liệu trong truy vấn
Cơ sở dữ liệu:
- Hiểu khái niệm về bảng, cột, khóa chính
- Các mối quan hệ giữa các bảng (1:1, 1:n, n:n)

(2) Nâng cao:

Nâng cao với SQL:
- Hiểu biết về các biểu thức điều kiện phức tạp và sử dụng các toán tử logic (AND, OR, NOT).
- Sử dụng các hàm chuỗi (STRING FUNCTIONS) và hàm ngày tháng (DATE FUNCTIONS) để xử lý dữ liệu chuỗi và ngày tháng.
- Hiểu biết về việc tạo, sửa đổi và xóa dữ liệu từ bảng sử dụng các câu lệnh INSERT, UPDATE và DELETE.
Tối ưu hóa câu lệnh SQL:
- Nắm vững cách tối ưu hóa hiệu suất câu lệnh SQL bằng cách sử dụng các chỉ mục (index) và viết câu lệnh một cách tối ưu.
- Hiểu biết về cách sử dụng kế hoạch thực hiện câu lệnh (query execution plan) để đánh giá và tối ưu hóa hiệu suất câu lệnh.
Quản lý Dữ liệu:
- Hiểu biết về các câu lệnh DDL (Data Definition Language) như CREATE TABLE, ALTER TABLE, DROP TABLE để quản lý cấu trúc của cơ sở dữ liệu.
- Sử dụng các câu lệnh DML (Data Manipulation Language) như INSERT, UPDATE, DELETE để quản lý dữ liệu trong bảng.
Bảo mật Dữ liệu:
- Hiểu biết về các biện pháp bảo mật cơ bản như phân quyền (GRANT, REVOKE) để kiểm soát quyền truy cập vào dữ liệu.
- Nắm vững về việc sử dụng các biện pháp bảo mật như mã hóa (encryption) và kiểm tra toàn vẹn (integrity constraints) để bảo vệ dữ liệu."
2. POWER BI - XÂY DỰNG BÁO CÁO DỮ LIỆU VỚI POWER BI

(1) Cơ bản:

Kết nối và xử lý dữ liệu:
- Cách Import dữ liệu và sử dụng Power BI để vẽ các biểu đồ như Column, Pie, Donut cũng như các table, card để trực quan hoá dữ liệu.
- Cách kết nối Power Bi với các nguồn dữ liệu khác nhau (Excel, SQL Server,...).
- Cách sử dụng Power Queries để tiền xử lý dữ liệu trước khi phân tích.
Tạo báo cáo:
- Xây dựng Data Modeling với các dữ liệu phức tạp, nhiều bảng dựa trên các chuẩn 1NF, 2NF, 3NF.
- Sử dụng các loại biểu đồ và đồ thị khác nhau để trực quan hóa dữ liệu
- Tạo các filter và slicer để tương tác với báo cáo.

(2) Nâng cao

Ngôn ngữ công thức DAX
- Sử dụng các biểu thức Measure, Calculated Column để tạo các phép tính, các biến, tham số và giải quyết các bài toán yêu cầu tính toán trên dữ liệu của nhiều bảng.
- Xây dựng các báo cáo tự động theo thời gian và các tính năng trong PBI Services.
Ngôn ngữ chức năng M (Power Queries)
- Học ngôn ngữ M để truy vấn và chuyển đổi dữ liệu nâng cao.
- Sử dụng M để tạo các custom columns và tables.
Tối ưu hoá và tinh chỉnh
- Khả năng tối ưu hóa hiệu suất của báo cáo và truy vấn dữ liệu trong Power BI.
- Hiểu biết về cách tinh chỉnh cấu trúc dữ liệu để tối ưu hóa hiệu suất và thời gian phản hồi."
3. PYTHON - XỬ LÝ DỮ LIỆU VỚI NGÔN NGỮ LẬP TRÌNH PYTHON 

(1) Cơ bản

Thông tin chung:
- Cú pháp cơ bản của Python: biến, kiểu dữ liệu, cấu trúc điều khiển (if, for, while), hàm.
- Hiểu biết về các thư viện cơ bản của Python như NumPy, Pandas, Matplotlib, và Seaborn.
Thống kê với Python:
- Hiểu biết về các khái niệm cơ bản trong thống kê như mean, median, mode, variance, standard deviation.
- Sử dụng Python để tính toán các thống kê mô tả và thực hiện kiểm định giả thuyết cơ bản.

(2) Nâng cao

NumPy (Numerical Python):
- Hiểu biết về NumPy arrays và cách sử dụng chúng để thực hiện các phép toán số học và thống kê.
- Sử dụng NumPy để thực hiện các phép toán ma trận và xử lý dữ liệu đa chiều.
Pandas
- Hiểu biết về DataFrame trong Pandas và cách sử dụng chúng để thực hiện các phân tích dữ liệu.
- Sử dụng Pandas để đọc và ghi dữ liệu từ và vào các nguồn dữ liệu khác nhau như CSV, Excel, SQL databases.
- Thực hiện các thao tác xử lý dữ liệu như lọc, sắp xếp, gom nhóm, và biến đổi dữ liệu.
Visualizations với Matplotlib và Seaborn:
- Hiểu biết về cách sử dụng Matplotlib và Seaborn để tạo các biểu đồ và đồ thị trực quan.
- Sử dụng các chức năng của Matplotlib và Seaborn để tinh chỉnh và làm đẹp biểu đồ.
Machine Learning (tùy chọn):
- Nắm vững về các thư viện machine learning như Scikit-learn và TensorFlow.
- Hiểu biết về các thuật toán machine learning cơ bản như hồi quy tuyến tính, phân loại, gom cụm.
- Sử dụng Python để xây dựng và đánh giá các mô hình machine learning trên dữ liệu thực tế.
SQL (tùy chọn):
- Hiểu biết về cách sử dụng Python kết hợp với SQL để trích xuất và xử lý dữ liệu từ cơ sở dữ liệu.
- Sử dụng thư viện như SQLAlchemy để tương tác với cơ sở dữ liệu từ Python.

2. TECHNICAL SKILLS
2.   TÀI LIỆU HỌC PHÂN TÍCH DỮ LIỆU HỮU ÍCH DÀNH CHO NGƯỜI MỚI
Nguyễn Quang Huy
Với một số vị trí chuyên môn trong ngành data như Data Analyst hay Business Intelligence Analyst, bạn không cần phải quá giỏi về toán nhưng vẫn cần biết các kiến thức cơ bản về thống kê. Nếu bạn có định hướng theo Data Scientist hay Data Engineer, thì giỏi Toán là một trong những năng lực quan trọng, hỗ trợ bạn học tốt hơn. Còn nếu không giỏi Tiếng Anh thì sẽ là một rào cản lớn trong việc tìm và đọc hiểu các tài liệu giá trị về phân tích dữ liệu. Vì thế, bạn nên trau dồi kỹ năng này. 
MindX Technology School

PHẦN III:
CÂU HỎI THƯỜNG GẶP

Gửi ngay

Phải giỏi Excel trước rồi mới học SQL đúng hay không? Excel hay Google Sheet khác gì so với SQL?
Trần Tuấn Anh
Bạn hoàn toàn có thể học SQL mà không cần phải giỏi Excel hay Google Sheet. Vì trong quá trình phân tích dữ liệu, nếu bạn cần tự lấy dữ liệu từ database thì excel không hỗ trợ được vấn đề này mà chỉ có thể sử dụng các công cụ trích xuất như SQL,... Bên cạnh đó, SQL có thể lưu trữ và xử lý đồng loạt hàng trăm đến hàng triệu bảng dữ liệu. Điều này đối với Excel hay Google Sheet dường như không thể thực hiện. 
MindX Technology School
Kiến thức về Python trong Data Analysis có thể dùng để code ứng dụng hay phần mềm được không?
Lê Trang Linh
Python là ngôn ngữ lập trình phổ biến nhất hiện nay. Tuy nhiên, Python trong làm lập trình khác với Python trong phân tích dữ liệu. Nên bạn học ngôn ngữ lập trình Python trong DA hay DS thì những kiến thức này chưa thể sử dụng để lập trình website hay các ứng dụng khác. 
MindX Technology School
Học Data Analysis, mình có bắt buộc phải giải Toán hay giỏi Tiếng Anh không?
Làm CV/Portfolio thế nào để chinh phục nhà tuyển dụng dù không có nhiều kinh nghiệm làm việc?
Hoàng Đức Minh
Điều đầu tiên và quan trọng nhất để làm cho Portfolio hay CV của mình nổi bật hơn các ứng viên khác. Đó chính là cần phải tìm hiểu xem nhà tuyển dụng đang cần gì ở một ứng viên. Mình sẽ học những kỹ năng đó và học thêm những thứ mà người ta đánh giá đó là kỹ năng cao và phân biệt mình với những người khác. Ngoài ra, bạn cần phải: 
MindX Technology School
  • Tạo Portfolio khoa học, thể hiện được điểm mạnh và kỹ năng của bản thân. 
  • Làm dày thêm kinh nghiệm thực chiến bằng việc thông qua các cuộc thi giải case hay thực hành làm dự án song song với quá trình học lý thuyết. 
  • Ngoài các kiến thức cần thiết, bạn cần dành thời gian học thêm các công nghệ mới và các kiến thức nâng cao để tăng khả năng cạnh tranh so với các ứng viên khác. 
Sau khi kết thúc khoá học, học viên được luyện phỏng vấn thử với các Senior Data Analyst và đại diện nhà tuyển dụng; được tư vấn làm CV/Portfolio; được giới thiệu danh sách các công ty tuyển dụng và lên chiến lược ứng tuyển thành công.

Hỗ trợ việc làm trọn đời sau khóa học
Học viên sẽ được định hướng ngành nghề và lộ trình học tập cá nhân hoá phù hợp với background (Kinh tế, IT, v.v.) và mục tiêu của mỗi người (chuyển ngành, bổ sung kỹ năng,....). Điều này giúp bạn học được kiến thức trọng tâm, tiết kiệm thời gian & công sức. 
Lộ trình cá nhân hoá cho từng người 
Học viên có kinh nghiệm ngay trong quá trình học nhờ được ứng dụng các kỹ năng - kiến thức vào công việc. Trong đó, mỗi kỳ học học viên sẽ được làm một hoặc một phần dự án. Kỳ cuối, được làm dự án thực tế do doanh nghiệp đề ra.
Chương trình học mô phỏng môi trường làm việc thực tế
Học viên được đào tạo toàn diện kiến thức và kỹ năng của 1 DA/BI như: kỹ năng sử dụng công cụ (tool sets); kỹ năng phân tích, tìm kiếm insight, kỹ năng mềm; tư duy về phân tích dữ liệu (data mindset). Ngoài ra, còn được trang bị thêm kiến thức nâng cao về quản trị dữ liệu, xây dựng hệ thống,...để có thể chuyển sang khác vị trí khác trong ngành Data. 

Mô hình học T-Shaped (Sâu về chuyên môn - Rộng về kiến thức) 

CÙNG MINDX, CHINH PHỤC DATA ANALYTICS VỚI

SAU KHOÁ HỌC, SẼ GIÚP BẠN: 

  • Nắm vững kiến thức nền tảng và trọng tâm về phân tích dữ liệu, tạo cơ sở để bạn phát triển career path bền vững trong tương lai. Từ Data Analyst trở thành Analyst Specialist → Data Scientist → Director of Data Analytic hoặc rẽ hướng sang Product Manager hay Business Strategy.
  • Đủ kiến thức về phân tích dữ liệu ở bậc Fresher/Junior tại các doanh nghiệp. Bạn sẽ đóng vai trò là Business Intelligence Analyst - Người nghiên cứu, xử lý dữ liệu, tìm ra insight và đề xuất giải pháp từ những insight đó để phục vụ cho mục đích phát triển của doanh nghiệp.
  • Biết ứng dụng kỹ năng phân tích dữ liệu vào công việc chuyên môn hiện tại như: Marketing, Kế toán, Nhân sự, Nghiên cứu,.... Đồng thời, được bổ trợ thêm các kỹ năng mềm để phục vụ cho công việc như kỹ năng giao tiếp, thương thuyết, làm việc nhóm, etc và các nhóm kỹ năng phục vụ cho giai đoạn xin việc như: kỹ năng làm CV, phỏng vấn, v.v.

NHẬN TƯ VẤN CHI TIẾT

VỀ CHÚNG TÔI

MindX Technology School là hệ sinh thái giáo dục công nghệ - khởi nghiệp hàng đầu tại Việt Nam và Đông Nam Á. Chúng tôi cung cấp các chương trình học bám sát quy trình làm việc thực tế tại các doanh nghiệp và lộ trình học cá nhân hoá phù hợp với nền tảng và mục tiêu của mỗi người. Không chỉ đào tạo sâu về chuyên môn, học viên còn được trau dồi kỹ năng mềm và các kiến thức liên ngành để đáp ứng chân dung ứng viên nhà tuyển dụng yêu cầu hiện nay, tăng khả năng cạnh tranh khi đi xin việc, đủ nền tảng để "go global" - làm việc tại các công ty công nghệ toàn cầu.

NHẬN TƯ VẤN LỘ TRÌNH HỌC TẬP MIỄN PHÍ