Font size
WorksheetsKiến thức về Thông tin và Dữ liệu
Total questions: 55
Worksheet time: 28mins
Thông tin (information) là gì?
Các con số thô
Ngữ cảnh giúp con người hiểu sự vật, hiện tượng
Dữ liệu chưa xử lý
Các tín hiệu vật lý
Dữ liệu (data) được hiểu đúng nhất là:
Kết quả của phân tích
Biểu diễn vật lý của thông tin
Kiến thức đã được diễn giải
Quyết định cuối cùng
Phát biểu nào đúng?
Thông tin là dữ liệu chưa xử lý
Dữ liệu tự nó luôn có ý nghĩa
Dữ liệu sau xử lý sẽ tạo ra thông tin
Dữ liệu và thông tin là giống nhau
Ví dụ “39°C → đang bị sốt” minh họa cho:
Dữ liệu
Thông tin
Cơ sở dữ liệu
Phân tích dự báo
Loại nào sau đây không phải dữ liệu trong thực tế?
Số liệu trong bảng
Chữ viết
Cảm xúc chủ quan
Tín hiệu vật lý
Dữ liệu nếu không được tổ chức và xử lý sẽ:
Trở thành thông tin
Có ý nghĩa rõ ràng
Không mang nhiều ý nghĩa
Tạo ra quyết định
Thông tin tồn tại như thế nào?
Chủ quan
Khách quan
Chỉ trong máy tính
Chỉ sau phân tích
Ví dụ nào là dữ liệu?
“Doanh thu tăng mạnh”
“Khách hàng hài lòng”
Doanh thu = 5 tỷ VNĐ
Quyết định mở rộng
Mối quan hệ đúng giữa dữ liệu và thông tin là:
Thông tin → dữ liệu
Dữ liệu → thông tin
Không liên quan
Thay thế nhau
Dữ liệu ban đầu thường được gọi là:
Insight
Raw data
Knowledge
Report
Nhiệt độ cơ thể đo được là:
Thông tin
Quyết định
Dữ liệu
Insight
Thông tin giúp con người đạt được điều gì?
Lưu trữ
Hiểu biết và nhận thức
Xử lý số liệu
Tính toán
Dữ liệu có thể tồn tại dưới dạng nào?
Số
Ký hiệu
Tín hiệu vật lý
Tất cả đáp án trên
Phát biểu nào sai?
Dữ liệu là vật liệu thô
Thông tin có ngữ cảnh
Dữ liệu luôn có ý nghĩa
T
u có thể tồn tại dưới dạng nào?
Số
Ký hiệu
Tín hiệu vật lý
Tất cả đáp án trên
Phát biểu nào sai?
Dữ liệu là vật liệu thô
Thông tin có ngữ cảnh
Dữ liệu luôn có ý nghĩa
Thông tin giúp ra quyết định
Vai trò của xử lý dữ liệu là gì?
Tăng số lượng dữ liệu
Biến dữ liệu thành thông tin
Lưu trữ dữ liệu
Sao lưu dữ liệu
Phân tích dữ liệu là quá trình:
Thu thập dữ liệu
Lưu trữ dữ liệu
Làm sạch, biến đổi, mô hình hóa dữ liệu
Sao lưu dữ liệu
Mục tiêu chính của phân tích dữ liệu là:
Tạo biểu đồ
Trích xuất thông tin hữu ích & hỗ trợ quyết định
Lưu dữ liệu
Viết báo cáo
Phân tích dữ liệu giúp trả lời câu hỏi nào?
Điều gì đã xảy ra
Điều gì có thể xảy ra
Nên làm gì
Tất cả đáp án trên
Lĩnh vực “Understand Customers Behavior” tập trung vào:
Hạ tầng CNTT
Hành vi, suy nghĩ, quyết định của khách hàng
Chi phí vận hành
Tối ưu kho dữ liệu
Hiểu cách sản phẩm được sử dụng thuộc lĩnh vực:
Business Model Innovation
Operational Efficiency
Understand Products Usage
Data Engineering
Theo dõi tính năng nào được dùng nhiều nhất nhằm mục đích:
Bảo mật
Cải thiện sản phẩm
Lưu trữ
Giảm dữ liệu
Đổi mới mô hình kinh doanh KHÔNG bao gồm:
Đổi cách tạo giá trị
Đổi cách thu giá trị
Chỉ đổi giao diện sản phẩm
Mở rộng thị trường
Increase Operational Efficiency nghĩa là:
Tăng dữ liệu
Giảm chất lượng
Giảm lãng phí, chi phí, tăng hiệu quả
Tăng số nhân sự
Ví dụ NBC tăng doanh thu $200 triệu nhờ:
Marketing
Phân tích định lượng
AI Generative
Blockchain
Continental Airline tiết kiệm chi phí bằng cách:
(a)
Ví dụ NBC tăng doanh thu $200 triệu nhờ:
Marketing
Phân tích định lượng
AI Generative
Blockchain
Continental Airline tiết kiệm chi phí bằng cách:
Cắt giảm nhân sự
Phân tích chuyến bay trễ
Tăng giá vé
Mở rộng đường bay
Facebook sử dụng phân tích dữ liệu để:
Lưu ảnh
Gợi ý nội dung, kết bạn
Giảm số người dùng
Quản lý nhân sự
Amazon nổi bật với:
Phân tích mô tả
Phân tích dự đoán
Phân tích thủ công
Phân tích định tính
Bank of America dùng phân tích để:
Tăng quảng cáo
Dự báo gian lận & rủi ro
Lưu dữ liệu khách hàng
Thiết kế website
Phân tích dữ liệu giúp doanh nghiệp chủ yếu trong việc:
Lưu trữ
Ra quyết định
Tuyển dụng
Lập trình
Phân tích dữ liệu mang tính:
Ngẫu nhiên
Cảm tính
Dựa trên dữ liệu & mô hình
Chủ quan
Bước đầu tiên trong phân tích dữ liệu là:
EDA
Thu thập dữ liệu
Xác định mục tiêu & câu hỏi
Báo cáo
Data Cleaning & Preprocessing nhằm:
Thu thập dữ liệu
Làm dữ liệu sạch, sẵn sàng phân tích
Trình bày kết quả
Ra quyết định
EDA là viết tắt của:
External Data Analysis
Exploratory Data Analysis
Efficient Data Analysis
Enhanced Data Analysis
EDA giúp:
Xây mô hình ML
Hiểu cấu trúc, xu hướng, bất thường
Ra quyết định cuối cùng
Lưu trữ dữ liệu
Sau khi phân tích và mô hình hóa là bước nào?
Thu thập dữ liệu
Làm sạch
Diễn giải kết quả
EDA
Bước cuối cùng của quy trình là:
Modeling
Interpretation
Reporting & Action
Cleaning
Phân tích mô tả trả lời câu hỏi:
Tại sao xảy ra
Điều gì đã xảy ra
Điều gì sẽ xảy ra
Nên làm gì
Phân tích mô tả trả lời câu hỏi:
Tại sao xảy ra
Điều gì đã xảy ra
Điều gì sẽ xảy ra
Nên làm gì
Phân tích dự báo giúp:
Hiểu quá khứ
Dự đoán tương lai
Ra quyết định tối ưu
Trình bày dữ liệu
Phân tích đề xuất tập trung vào:
Dữ liệu thô
Quyết định tối ưu
Biểu đồ
Thu thập dữ liệu
Vòng đời phân tích dữ liệu mang tính:
Tuyến tính cứng nhắc
Lặp và cải tiến
Chỉ 1 lần
Không có thứ tự
Raw data thường cần:
Lưu trữ ngay
Làm sạch trước phân tích
Báo cáo ngay
Trình bày cho lãnh đạo
Modeling thường dùng cho:
Trình bày
Dự báo & phân tích sâu
Thu thập
Lưu trữ
Interpretation là bước:
Giải thích ý nghĩa kết quả
Vẽ biểu đồ
Thu thập dữ liệu
Làm sạch
Reporting nhằm mục đích:
Chạy mô hình
Truyền đạt kết quả
Thu thập dữ liệu
Lưu trữ
Một quy trình phân tích tốt cần:
Bỏ qua mục tiêu
Có câu hỏi rõ ràng
Chỉ tập trung biểu đồ
Không cần diễn giải
Quy trình phân tích dữ liệu thường có bao nhiêu bước trong bài?
5
6
7
8
Data Collection là:
Lọc dữ liệu
Thu thập dữ liệu
Trình bày
Diễn giải
Bước nào liên quan trực tiếp đến hành động kinh doanh?
Cleaning
Modeling
Reporting & Action
EDA
Phân tích nào thường dùng ML?
Mô tả
Dự báo
Thống kê cơ bản
Trực quan
Phân tích đề xuất thường dựa trên:
Trực giác
Kết quả mô hình & ràng buộc
Biểu đồ
Dữ liệu thô
