Bài viết này mình sẽ chia sẻ ý kiến cá nhân của mình về khóa học Google Data Analytics Professional Certificate trên Coursera nhé. Đối với mình đây là một khóa hơi bị “hardcore” nên cũng chuẩn bị tinh thần và thời gian rất kỹ để có thể hoàn thành khóa học này. Các bạn cùng đọc ủng hộ mình cũng như tham khảo xem liệu có nên dành thời gian học không nhé. Bắt đầu nào.
Course 1 Foundation of Data Analytics
Chương này giúp cho cả những ai chưa từng tiếp cận về “data”, hiểu rõ data là gì, đóng vai trò quan trọng như thế nào ngay cả trong đời sống thường ngày. Chương nhắc đi nhắc lại nhiều về các bước của Data analytics, bao gồm: Ask, Prepare, Process, Analyze, Share, Act.
Hầu hết các bài kiểm tra đều dạng lý thuyết, kiểu list ra công việc và hỏi việc này nằm trong bước nào trong 6 bước trên.
Phần mình thấy thích của course này là chủ đề của tuần 5, mô tả tổng quan những Job description của một Data Analyics, ứng dụng của Data Analytics trong các ngành ra sao.
Course 2 Ask Question To Make Data-Driven Decisions
Đây là phần mình có cảm giác hào hứng nhất khi mới đọc qua mô tả từng khóa, vì nó rất tương đồng với công việc Digital Marketing của mình. Coure giúp bạn học cách “hỏi sao cho đúng”. Đây là kỹ năng vô cùng quan trọng đối với bất kỳ ai theo đuổi ngành Digital hay Data Analyitcs.
Hình minh họa thể hiện 6 vấn đề mà các nhà phân tích dữ liệu thường phải làm việc cùng.
1. Dự Đoán
Vấn đề thường gặp của dạng này là dự đoán kênh quảng cáo tốt nhất để đem lại nhiều khách hàng. Nhà phân tích dữ liệu cần tìm hiểu các thông tin như: vị trí, kênh tiếp cận, số lượng khách hàng đã tiếp cận của các kênh quảng cáo đã từng chạy trước đó để dự đoán vị trí quảng cáo tốt nhất giúp tiếp cận khách hàng mục tiêu.
2. Phân Loại
Ví dụ bạn tìm ra nhóm các câu hỏi mà khách hàng thường xuyên đặt ra để tạo ra chatbox phù hợp với người dùng khi tư vấn.
3. Phát Hiện Điều Bất Thường
Một công ty bán đồng hồ thông minh giúp mọi người theo dõi sức khỏe sẽ quan tâm đến việc thiết kế phần mềm giúp phát hiện điều gì đó bất thường. Các nhà phân tích đã phân tích dữ liệu sức khỏe tổng hợp có thể giúp các nhà phát triển sản phẩm xác định các thuật toán phù hợp để phát hiện và thiết lập cảnh báo khi một số dữ liệu nhất định có xu hướng không bình thường bình thường.
4. Xác định chủ đề
Thông thường các UX Designer sẽ cần Data Analytics gips tìm ra nhóm các tính năng sản phẩm mà người dùng đang quan tâm nhiueef nhất để giúp cải tiến sản phẩm.
Bạn có thể thắc mắc liệu có sự khác biệt giữa phân loại mọi thứ và xác định chủ đề hay không. Cách tốt nhất để nghĩ về nó là: phân loại mọi thứ liên quan đến việc gán các mục vào các danh mục; việc xác định chủ đề đưa các danh mục đó tiến thêm một bước bằng cách nhóm chúng thành các chủ đề rộng hơn.
5. Khám phá sự liên quan
Đây có thể là điều mà bạn cảm thấy khá quen thuộc. Ví dụ như tìm kiếm sự tương quan giữa việc trải nghiệm của khách hàng đối với dịch vụ vận chuyển với tần suất mua lại của khách hàng.
6. Tìm ra các mẫu tương tự
Giảm thiểu thời gian chết do lỗi máy là một ví dụ về vấn đề yêu cầu các nhà phân tích tìm ra các mẫu trong dữ liệu. Ví dụ: bằng cách phân tích dữ liệu bảo trì, họ có thể phát hiện ra rằng hầu hết các lỗi đều xảy ra nếu việc bảo trì thường xuyên bị trì hoãn hơn 15 ngày.