Font size
WorksheetsA. KHÁI NIỆM CƠ BẢN VỀ DỮ LIỆU
Total questions: 79
Worksheet time: 42mins
Dữ liệu là gì?
Các con số ngẫu nhiên
Tập hợp thông tin có thể được thu thập, lưu trữ và phân tích
Hệ thống phần mềm
Mã nguồn
Dữ liệu định tính dùng để:
Đo lường giá trị cụ thể
Mô tả đặc điểm, thuộc tính không số hóa
Dự đoán xu hướng
Tính toán độ lệch chuẩn
Dữ liệu định lượng thường biểu diễn:
Số liệu đo lường cụ thể
Màu sắc, hình ảnh
Mô tả bằng từ ngữ
Biểu đồ cảm xúc
Phân biệt chính giữa dữ liệu định tính và định lượng là:
Cách lưu trữ
Dữ liệu định lượng có thể tính toán bằng số
Dữ liệu định tính có màu sắc
Dữ liệu định lượng ít chính xác hơn
Một ví dụ về dữ liệu định tính là:
Bảng lương
Chiều cao
Giới tính
Thu nhập
Một ví dụ về dữ liệu định lượng là:
Nghề nghiệp
Màu tóc
Số năm kinh nghiệm
Tính cách
Mục tiêu của việc phân loại dữ liệu là:
Xóa bớt dữ liệu
Xác định cách thu thập và phân tích thích hợp
Giảm dung lượng bộ nhớ
Làm đẹp dữ liệu
“Chiến lược dữ liệu” đề cập đến:
Kế hoạch tổng thể để thu thập và sử dụng dữ liệu hiệu quả
Phần mềm thống kê
Quy tắc bảo mật
Hệ điều hành
Một chiến lược dữ liệu hiệu quả giúp:
Tăng tốc độ phân tích và cải thiện quyết định
Giảm chất lượng dữ liệu
Làm rối thông tin
Giảm tính bảo mật
Dữ liệu sơ cấp là:
Dữ liệu doanh nghiệp tự thu thập trực tiếp
Dữ liệu đã qua xử lý
Dữ liệu lấy từ đối tác
Dữ liệu không có nguồn
Dữ liệu thứ cấp là:
Dữ liệu gốc
Dữ liệu thu được từ bên ngoài hoặc đối tác khác
Dữ liệu không đúng được
Dữ liệu tạm thời
Dữ liệu tổng hợp là:
Dữ liệu sai lệch
Dữ liệu được góp từ nhiều nguồn
Dữ liệu riêng lẻ
Dữ liệu thô chưa xử lý
Phân tích dữ liệu là:
Quá trình kiểm tra, chuyển đổi và mô hình hóa dữ liệu
Sao chép dữ liệu
Thu thập dữ liệu
Xóa dữ liệu lỗi
Mục tiêu chính của phân tích dữ liệu là:
Tìm ra thông tin hữu ích và hỗ trợ quyết định
Giảm lượng dữ liệu
Lưu trữ dữ liệu
Tạo dữ liệu giả
Phân tích dữ liệu giúp doanh nghiệp:
Hiểu hành vi khách hàng và cải thiện hiệu quả
Giảm nhân sự
Giấu thông tin
Giảm đầu tư
Ngành học liên quan đến phân tích dữ liệu gồm:
Toán học, thống kê, công nghệ thông tin
Âm nhạc
Mỹ thuật
Ngôn ngữ học
Dữ liệu trong phân tích có thể đến từ:
Khách hàng, thị trường, đối tác
Trò chơi điện tử
Tài khoản mạng xã hội
Hệ điều hành
Phân tích dữ liệu là nền tảng cho:
A. Marketing, dự báo, quản lý rủi ro
B. Kế toán tài chính
C. Xây dựng phần mềm
Phân tích dữ liệu khác với thống kê ở chỗ:
Phân tích dữ liệu bao gồm quy trình xử lý, hiển thị và ứng dụng rộng hơn
Thống kê chỉ dùng trong học thuật
Phân tích dữ liệu không cần số liệu
Không có sự khác biệt
Dữ liệu chất lượng cao giúp:
Kết quả phân tích chính xác và đáng tin cậy
Tốn thời gian
Giảm tốc độ hệ thống
Mất thông tin
Phân tích dữ liệu thường bắt đầu bằng:
Xác định câu hỏi nghiên cứu
Vẽ biểu đồ
Xóa dữ liệu
Báo cáo
Một quy trình phân tích dữ liệu tiêu chuẩn gồm:
Mục tiêu – Câu hỏi – Thu thập – Phân tích – Diễn giải – Báo cáo
Lưu trữ – Xuất file – Chia sẻ
Tạo – Xóa – Sao chép
Dự đoán – Hành động
Phân tích dữ liệu tuyến tính là:
Làm từng bước theo thứ tự cố định
Làm ngẫu nhiên
Không có kế hoạch
Không cần kiểm tra
Ưu điểm của quy trình tuyến tính là:
Có cấu trúc rõ ràng, dễ học
Linh hoạt cao
Không cần thứ tự
Giảm chất lượng
Hạn chế của quy trình tuyến tính là:
Thiếu linh hoạt, khó thích ứng thay đổi
Tăng hiệu suất
Không có kế hoạch
Dễ hiểu hơn
Phân tích dữ liệu theo chu trình (vòng lặp) cho phép:
Điều chỉnh và cải tiến liên tục
Không kiểm tra lại
Dừng giữa chừng
Dừng giữa chừng
Một ưu điểm của cách tiếp cận chu trình là:
“Câu hỏi nghiên cứu” giúp:
Xác định loại dữ liệu cần thu thập và phương pháp phân tích
Làm đẹp báo cáo
Tăng dung lượng
Giảm bước xử lý
Dữ liệu có thể thu thập từ:
Khảo sát, phỏng vấn, quan sát, tài liệu
Phần mềm trò chơi
Video
Ảnh
Một kế hoạch thu thập dữ liệu tốt cần trả lời câu hỏi:
Thu ở đâu, khi nào, bao nhiêu, và lưu thế nào
Ai viết báo cáo
Ai ký duyệt
Ai thiết kế trang bìa
Khi viết báo cáo, cần:
Trình bày rõ ràng, phù hợp đối tượng
Viết dài dòng
Dùng nhiều thuật ngữ khó
Không cần biểu đồ
Trước khi phân tích, cần kiểm tra dữ liệu để:
Phát hiện lỗi, dữ liệu thiếu, hoặc sai
Giảm kích thước file
Tăng màu sắc
Thay đổi định dạng
Big Data là gì?
Tập dữ liệu lớn, phức tạp, khó xử lý bằng công cụ truyền thống
Dữ liệu nhỏ
Hệ điều hành
Chương trình học
AI (Artificial Intelligence) có vai trò trong phân tích dữ liệu là:
Tự động học và suy luận để rút ra kết quả
Lưu trữ dữ liệu
Giảm bảo mật
Tạo biểu đồ
Machine Learning (Học máy) là:
Một phần của AI, giúp máy học từ dữ liệu
Công cụ vẽ đồ thị
Hệ thống lưu trữ
Ngôn ngữ lập trình
Deep Learning là:
Nhánh nâng cao của học máy sử dụng mạng nơ-ron sâu
Dạng dữ liệu văn bản
Phần mềm văn phòng
Hệ điều hành
Data Visualization (Trực quan hóa dữ liệu) giúp:
Hiểu nhanh kết quả phân tích thông qua biểu đồ
Thay thế dữ liệu
Giảm kích thước file
Sao lưu dữ liệu
Data Governance là:
Quản trị dữ liệu, đảm bảo tính chính xác và bảo mật
Hệ điều hành
Mã nguồn mở
Kiểm toán
Data Warehouse (Kho dữ liệu) dùng để:
Lưu trữ dữ liệu từ nhiều nguồn để phân tích
Xóa dữ liệu
Sao chép dữ liệu
Làm báo cáo
Công cụ BI (Business Intelligence) hỗ trợ:
Tổng hợp, báo cáo và ra quyết định dựa trên dữ liệu
Lưu trữ văn bản
Gửi email
Giảm dữ liệu
Phân tích mô tả (Descriptive Analysis) có mục đích là gì?
Tóm tắt và trình bày dữ liệu hiện tại
Giải thích nguyên nhân hiện tượng
Dự đoán tương lai
Đưa ra hành động tối ưu
Phân tích chẩn đoán (Diagnostic Analysis) giúp:
Giải thích lý do vì sao sự việc xảy ra
Chỉ mô tả dữ liệu
Dự đoán kết quả tương lai
Loại bỏ dữ liệu lỗi
Phân tích dự đoán (Predictive Analysis) tập trung vào:
Dự đoán xu hướng hoặc kết quả có thể xảy ra trong tương lai
Chỉ tóm tắt dữ liệu hiện tại
Giải thích nguyên nhân
Đề xuất hành động tối ưu
Phân tích khuyến nghị (Prescriptive Analysis) là:
Đưa ra hành động tối ưu dựa trên dữ liệu và dự đoán
Tóm tắt dữ liệu
Chỉ mô tả hiện tượng
Phân tích dự đoán thường dùng mô hình:
Hồi quy hoặc phân loại
Mô tả
Thống kê mô tả
Đa biến
Phân tích mô tả thường dùng biểu đồ:
Cột, đường, tròn
Văn bản
Âm thanh
Video
Phân tích văn bản (Text Analytics) có thể dùng để:
Trích xuất cảm xúc, ý kiến, chủ đề từ nội dung văn bản
Đo lường tốc độ nhập liệu
Đếm số ký tự
Mã hóa dữ liệu
Phân tích thống kê (Statistical Analysis) là:
Phân tích dữ liệu dựa trên xác suất và các công cụ thống kê mẫu
Dự đoán hành vi khách hàng
Lưu trữ dữ liệu lớn
Tự động hóa quy trình
Lợi ích chính của phân tích dữ liệu là:
Hỗ trợ quyết định dựa trên bằng chứng
Giảm nhân viên
Xóa dữ liệu
Giảm chi phí máy tính
Trong kinh doanh, phân tích dữ liệu giúp:
Phát hiện xu hướng, tối ưu chiến lược
Thay đổi cấu trúc nhân sự
Tăng thuế
Giảm doanh số
Trong marketing, AI giúp:
Dự đoán nhu cầu và hành trình khách hàng
Tự động in ấn
Giảm dữ liệu
Gửi email
Trong y tế, dữ liệu được ứng dụng cho:
X-quang, hồ sơ sức khỏe điện tử, phân tích hình ảnh
Nông nghiệp
Hóa học
Trong an ninh, phân tích dữ liệu giúp:
Phát hiện gian lận và rủi ro
Tăng tốc mạng
Giảm dữ liệu
Sao lưu
Trong vận tải và logistics, phân tích dữ liệu giúp:
Tối ưu hóa tuyến đường và chi phí vận hành
Xóa đơn hàng
Tăng phí
Lưu trữ hóa đơn
Trong du lịch, phân tích dữ liệu:
Dự đoán xu hướng đặt tour
Tạo website
Lưu trữ tài liệu
Xóa lịch trình
Thách thức lớn nhất của phân tích dữ liệu là:
Dữ liệu lớn, phức tạp, khó tích hợp
Thiếu nhân viên
Không có phần mềm
Tốc độ mạng
Một dữ liệu tốt cần:
Chính xác – đầy đủ – kịp thời – phù hợp
Dễ hiểu
Nhiều màu sắc
Ít biến số
Bảo mật dữ liệu giúp:
Đảm bảo quyền riêng tư và độ tin cậy
Giảm dung lượng
Tăng màu sắc
Sao lưu tạm thời
Trực quan hóa dữ liệu kém có thể dẫn đến:
Hiểu sai kết quả
Dễ học
Tăng chính xác
Giảm chi phí
Vai trò của nhà phân tích dữ liệu:
Biến dữ liệu thành thông tin hữu ích để ra quyết định
Chỉ thu thập dữ liệu
Quản lý thiết bị
Vẽ biểu đồ
Quá trình phân tích dữ liệu giúp:
Biến dữ liệu thô thành kiến thức
Giảm chi phí lưu trữ
Mất dữ liệu
Đổi định dạng
Một hệ thống dữ liệu tốt phải đảm bảo:
Truy cập nhanh, chính xác và an toàn
Nhiều người dùng truy cập
Không cần bảo mật
Tự động xóa
Khi dữ liệu sai, kết quả phân tích sẽ:
Sai lệch
Chính xác hơn
Không đổi
Đẹp hơn
Dữ liệu lớn (Big Data) yêu cầu:
Công nghệ lưu trữ, xử lý và phân tích đặc biệt
Chỉ dùng Excel
Giảm kích thước dữ liệu
Dùng bảng tạm
Big Data thường có các đặc trưng được gọi là “5V”, bao gồm:
A. Volume, Variety, Velocity, Veracity, Value
B. Value, View, Vote, Voice, Vision
C. Virtual, Vector, Variant, Value, Verify
D. Variable, Visual, Version, Verify, View
Trí tuệ nhân tạo (AI) trong phân tích dữ liệu giúp:
Mô phỏng trí thông minh con người để ra quyết định
Chỉ lưu trữ dữ liệu
Chặn quyền truy cập
Mã hóa tệp tin
Học máy (Machine Learning) trong phân tích dữ liệu có thể:
Học từ dữ liệu và tự cải thiện độ chính xác
Xóa dữ liệu không hợp lệ
Mô tả dữ liệu tĩnh tính
Giảm tốc độ xử lý
Một thuật toán học máy có thể được đào tạo bằng:
Một tập mẫu dữ liệu đầu vào đã gắn nhãn
Dữ liệu trống
Dữ liệu văn bản không cấu trúc
Không cần dữ liệu
Phân tích dữ liệu và trí tuệ nhân tạo thường kết hợp để:
Phân tích và quyết định và tự động hóa quy trình
Thay thế dữ liệu
Giảm hiệu năng
Trong thời đại số, phân tích dữ liệu trở thành:
Nền tảng cho mọi hoạt động tổ chức và kinh doanh
Một môn phụ
Công cụ ít được dùng
Bước tùy chọn
Kho dữ liệu (Data Warehouse) được thiết kế để:
Lưu trữ và tổng hợp dữ liệu lịch sử phục vụ phân tích
Lưu tạm thời
Xóa dữ liệu
Sao chép tệp
Khai phá dữ liệu (Data Mining) là:
Quá trình tìm ra các mẫu, quy luật trong tập dữ liệu lớn
Quá trình sao lưu
Gửi email
Giảm dữ liệu
Data Pipeline (Đường ống dữ liệu) là:
Chuỗi các bước xử lý, di chuyển dữ liệu từ nguồn đến đích
Bộ nhớ trong
Hệ thống thống kê
Ổ đĩa cứng
ETL (Extract – Transform – Load) trong phân tích dữ liệu nghĩa là:
Trích xuất – Biến đổi – Nạp dữ liệu
Xóa – Tạo – Lưu trữ
Phân loại – Tổng hợp – Lưu
Nén – Giải nén – Sao chép
Một thách thức lớn trong quản lý dữ liệu là:
Kết hợp dữ liệu từ nhiều nguồn có cấu trúc và phi cấu trúc
Không có phần mềm
Dữ liệu ít
Không có người nhập
Khi dữ liệu bị thiếu hoặc sai, người phân tích cần:
Làm sạch và kiểm tra lại nguồn dữ liệu
Bỏ qua dữ liệu lỗi
Xóa toàn bộ
Lưu trữ liệu ngẫu nhiên
Đảm bảo quyền truy cập dữ liệu hợp lý nhằm:
Giữ cho chỉ những người có quyền riêng tư cho người dùng
Cho phép mọi người truy cập
Không cần bảo vệ
Giấu thông tin
Tính bảo mật dữ liệu là yếu tố then chốt để:
Duy trì niềm tin và tuân thủ quy định pháp lý
Tăng tốc độ xử lý
Giảm chi phí
Tăng dung lượng lưu trữ
Kết luận tổng quát của chương 1 là:
Phân tích dữ liệu là công cụ thiết yếu trong thời đại số, giúp ra quyết định, tối ưu hóa hoạt động và tạo giá trị cho tổ chức
Chỉ hữu ích trong nghiên cứu học thuật
Chỉ áp dụng trong lĩnh vực công nghệ thông tin
Không cần thiết với doanh nghiệp nhỏ
