DAFP

DAFP – Data Analytics Foundation Plus

32.300.000 đ

Học phí lộ trình (đã gồm VAT)

Nhận tư vấn miễn phí

Xem Chính sách & Điều khoản đào tạo của Datapot.

7 khoá họcSố khoá trong lộ trình
Linh hoạtHình thức học linh hoạt
AdvancedCấp độ lộ trình
Phân tích dữ liệu · Power BI · SQL · PythonCông cụ sử dụng

Giới thiệu khoá học

Tổng quan khoá học

Khóa học DAFP – Data Analytics Foundation Plus là lộ trình hoàn hảo cho bất cứ ai muốn bước chân vào làm việc trong ngành dữ liệu. Khóa học sẽ giúp học viên xây dựng một nền tảng vững chắc về ngành Phân tích dữ liệu, theo một lộ trình chuẩn từ cơ bản đến nâng cao, từ gốc rễ của vấn đề cho đến cách giải quyết và phát triển.

Học viên sẽ được trang bị một bộ kỹ năng toàn diện bao gồm: Toolset – các công cụ thao tác và quản trị luồng dữ liệu, Skillset – kỹ năng bóc tách và xử lý quy trình dữ liệu và Mindset – tư duy phân tích và giải quyết các bài toán dữ liệu cụ thể. Kết thúc khóa học, các bạn hoàn toàn có thể bắt đầu làm việc trong ngành Khoa học dữ liệu tại các vai trò Associate DA/BI.

Khai giảng

Chọn lớp phù hợp với bạn

Lịch khai giảng đang được cập nhật

Chương trình học

Nội dung chi tiết lộ trình

Các khoá học trong lộ trình, theo thứ tự học.

DP900DP-900 – Microsoft Azure Data FundamentalsBắt buộc

M1 · Tổng quan dữ liệu và sáu tầng kiến trúc
- Mô hình DIKW: hành trình từ Data đến Information, Insight và Decision.
- Sáu tầng kiến trúc dữ liệu hiện đại: Sources, Ingestion, Storage, Processing, Analytics và Visualization.
- Thực hành: Ghép sáu tầng kiến trúc với vai trò và ví dụ thực tế của một doanh nghiệp thương mại điện tử.
M2 · Nguồn dữ liệu và thu thập dữ liệu
- Phân loại nguồn dữ liệu: Structured, Semi-structured và Unstructured.
- Hai phương thức thu thập Batch và Streaming processing; tiêu chí lựa chọn theo độ trễ chấp nhận được.
- Thực hành: Phân loại nguồn dữ liệu của tổ chức học viên và chọn phương thức thu thập cho năm tình huống nghiệp vụ.
M3 · Lưu trữ và tổ chức cơ sở dữ liệu
- Hai workload OLTP và OLAP; bốn tính chất ACID của dữ liệu.
- Ba mô hình kho dữ liệu phân tích: Data Warehouse, Data Lake và Lakehouse.
- Relational Database và các thành phần Table, Column, Row, Primary Key, Foreign Key; phân biệt với Non-relational Database.
- Thực hành: Lựa chọn và lập luận giải pháp lưu trữ cho các tình huống doanh nghiệp cụ thể.
M4 · Xử lý và chuẩn hóa dữ liệu
- Ba vấn đề của dữ liệu chưa chuẩn hóa: trùng lặp, mất nhất quán và khó mở rộng.
- Ba dạng chuẩn 1NF, 2NF, 3NF và cách nhận diện bảng vi phạm từng chuẩn.
- Bốn hoạt động xử lý dữ liệu cốt lõi: Cleaning, Joining, Aggregating và Enriching.
- Các nhóm công cụ xử lý dữ liệu: SQL-based, Python-based, No-code/Low-code và Engineering-grade.
- SQL và ba nhóm lệnh DML, DDL, DCL; bốn từ khóa nền tảng SELECT, FROM, WHERE và ORDER BY.
- Thực hành: Tự viết và chạy câu truy vấn SQL trên bộ dữ liệu mẫu.
M5 · Từ dữ liệu đến quyết định và định hướng nghề nghiệp
- Năm cấp độ Analytics: Descriptive, Diagnostic, Predictive, Prescriptive và Cognitive.
- Bốn loại output và năm nguyên tắc trực quan hóa dữ liệu hiệu quả; công cụ phổ biến Power BI, Tableau, Looker.
- Năm vai trò chính trên sáu tầng kiến trúc: Data Engineer, Data Analyst, Data Scientist, BI Developer và Data Architect.
M6 · Tổng kết
- Hệ thống hóa các khái niệm và nội dung thực hành trọng tâm; quiz tổng kết 15 câu đánh giá kết quả toàn khóa.
- Giải đáp thắc mắc và định hướng lộ trình phát triển chuyên sâu tiếp theo.

DP080DP-080 – Query and modify data with Transact-SQLBắt buộc

M1 · Giới thiệu SQL và Cơ sở dữ liệu quan hệ
- Giới thiệu khóa học
- Giới thiệu SQL: Cơ sở dữ liệu, Schema, Bảng
- Các loại câu lệnh và từ khóa trong SQL
- Viết các truy vấn SQL đầu tiên
M2 · Mệnh đề truy vấn trong SQL
- Mệnh đề truy vấn SELECT, FROM, WHERE, GROUP BY, ORDER BY
- Các kiểu dữ liệu trong SQL Server
- Các hàm trong SQL: Hàm chuyển đổi kiểu dữ liệu, Hàm Datetime, Hàm String
M3 · Kết nối các bảng dữ liệu, giới thiệu về Join và Union
- Giới thiệu về SQL Join: Inner Join, Left Join, Right Join, Full Outer Join
- Giới thiệu về SQL Union
- Thực hành
M4 · Joins, Truy vấn con và Bảng tạm
- Hiểu sâu hơn về các khái niệm của Join: Join nhiều điều kiện, Join nhiều bảng dữ liệu, Self-join
- Truy vấn con vs CTEs: Truy vấn con, Common Table Expression (CTEs)
- Truy vấn con vs CTEs
M5 · Các hàm tổng hợp dữ liệu (Aggregate functions) và Logical Statement
- Aggregate functions
- Logical Statement
- ROW_NUMBER(), RANK() và PARTITION BY
M6 · Wrap up
- Thực hành SQL và giải quyết các bài toán thực tế
- Tóm tắt khóa học SQL, nêu bật các khái niệm và các phần thực hành quan trọng của SQL
- Trao đổi, chia sẻ với Chuyên gia Microsoft về kinh nghiệm Phân tích dữ liệu
- Q&A (Optional) – Lộ trình nghề nghiệp ngành Dữ liệu và các vị trí tiềm năng

PL300PL-300 – Microsoft Power BI Data AnalystBắt buộc

M1 · Làm quen với Data Analytics và Power BI
- Các vị trí quan trọng và các lựa chọn nghề nghiệp tiềm năng trong Ngành Dữ liệu.
- Nhiệm vụ của một Data Analyst
- Khám phá khả năng của Power BI và làm quen với Môi trường làm việc của Power BI
M2 · Chuẩn bị dữ liệu trong Power BI
- Hiểu được toàn bộ luồng phân tích dữ liệu
- Xác định và truy xuất dữ liệu từ các nguồn dữ liệu khác nhau
- Giải quyết lỗi nhập dữ liệu
M3 · Làm sạch, chuyển đổi và tải dữ liệu trong Power BI
- Các nhiệm vụ thông thường của quá trình chuẩn bị dữ liệu (làm sạch, định hình lại dữ liệu, v.v.)
- Làm sạch dữ liệu trong Power BI bằng Power Query Editor
- Data Profiling và khám phá Metadata của tập dữ liệu
M4 · Thiết kế Mô hình Dữ liệu trong Power BI
- Hiểu các khái niệm cơ bản về dimensional model
- Tạo model relationships làm việc với các bảng trong Power BI
- Triển khai dimensions và hierarchies cho mô hình của bạn
M5 · Giới thiệu về DAX trong Power BI
- Hiểu các khái niệm cơ bản về DAX
- Sử dụng các mẫu DAX cơ bản để tính toán các biện pháp kinh doanh
M6 · Thực hành DAX
- Ôn lại các khái niệm cơ bản về DAX
- Thực hành các mẫu DAX phức tạp theo từng trường hợp sử dụng trong kinh doanh
M7 · Course check-point
- Tóm tắt các khái niệm quan trọng đã học trong 6 ngày trước đó.
- Tối ưu hóa hiệu suất mô hình.
- Bài kiểm tra giữa khóa
M8 · Thiết kế báo cáo trong Power BI
- Giới thiệu các khái niệm và nguyên tắc cơ bản của trong việc thiết kế và xây dựng một báo cáo
- Nâng cao khả năng truy cập và khả năng sử dụng của báo cáo bằng cách sử dụng tính năng trực quan hóa của Power BI
M9 · Thực hiện các phân tích nâng cao với Power BI
- Giới thiệu các khái niệm và thực hành EDA (Exploratory Data Analysis) trong Power BI
- Sử dụng Power BI AI visualization để thực hiện các phân tích nâng cao
M10 · Làm việc với Dashboards trong Power BI Service
- Giới thiệu các tính năng của Power BI service
- Tạo và cấu hình dashboard dựa trên các trường hợp sử dụng trong kinh doanh khác nhau
- Tổ chức không gian làm việc (workspace) của Power BI service
M11 · Quản lý, kiểm soát và chia sẻ nội dung Power BI
- Giới thiệu các khái niệm cơ bản về quản trị dữ liệu
- Tìm hiểu cách cấu hình và quản lý tập dữ liệu trong Power BI Service
- Triển khai và định cấu hình bảo mật trong Power BI để đảm bảo an toàn cho tài sản của bạn
M12 · Tổng kết
- Tóm tắt khóa học PL-300, nêu bật các khái niệm và các phần thực hành quan trọng của Power BI
- Trao đổi, chia sẻ với Chuyên gia Microsoft về kinh nghiệm Phân tích dữ liệu và lời khuyên khi làm bài thi PL-300
- Q&A (Optional) – Lộ trình nghề nghiệp ngành Dữ liệu và các vị trí tiềm năng

PYDAPYDA – Python for Data AnalyticsBắt buộc

M1 · Giới thiệu khóa học và Python
- Giới thiệu khoá học
- Cài đặt phần mềm
- Giới thiệu Python
- Hướng dẫn dụng Jupyter Lab
- Giới thiệu Markdown
- Các cú pháp và khái niệm cơ bản
- Quy tắc và quy ước đặt tên
M2 · Các kiểu dữ liệu tiêu chuẩn trong Python (phần 1)
- Xử lý liệu nhị nguyên với kiểu bool
- Kiểu NoneType và use cases
- Xử lý dữ liệu số với kiểu int và float
- Nhận user input và ép kiểu
M3 · Các kiểu dữ liệu tiêu chuẩn trong Python (phần 2)
- Giới thiệu kiểu collections
- Xử lý dữ liệu chuỗi với list và tuple
M4 · Các kiểu dữ liệu tiêu chuẩn trong Python (phần 3)
- Tạo nhanh sequeces với range
- Xử lý dữ liệu text với string
- Xử lý dữ liệu key-value với dictionary
- Giới thiệu kiểu dữ liệu set và use cases
M5 · Luồng điều khiển và hàm
- Rẽ nhánh ra quyết định với câu lệnh if
- Lặp khối lệnh với vòng lặp for
- Điều khiển vòng lặp với reak và continue
- Viết và sử dụng hàm
M6 · Xử lý dữ liệu 1 chiều với Numpy và Pandas series
- Giới thiệu Numpy arrays và Pandas series
- Dùng các thao tác element-wise để tính toán và lọc dữ liệu
- Biểu diễn và làm việc với missing data
M7 · Xử lý dữ liệu dạng bảng với Pandas data frames (phần 1)
- Giới thiệu Pandas data frames
- Đọc dữ liệu từ định dạng khác nhau (Excel, CSV, …)
- Khảo sát sơ bộ data
- Làm việc với cột dạng số, text, và ngày tháng
- Thêm, xoá, update giá trị, ép kiểu, và đổi tên cột
- Làm việc với unique values
- Lọc và sắp xếp các dòng theo điều kiện
M8 · Xử lý dữ liệu dạng bảng với Pandas data frames (phần 2)
- Giới thiệu về data aggregation và các aggregate operations: sum, min/max, mean/median, variance/standar deviation
- Thực hiện aggregation theo group
- Combine data từ nhiều nguồn
- Giới thiệu dạng long vs. wide và cách reshape data từ long sang wide và ngược lại
- Xử lý missing data
- Xuất data ra các định dạng khác nhau
M9 · Trực quan hoá dữ liệu với Matplotlib và Seaborn
- Giới thiệu các thành phần căn bản của 1 đồ thị
- Các bước để vẽ đồ thị trong Python
- Hai styles vẽ đồ thị phổ biến (pyplot vs. OOP) và những nhầm lẫn thường gặp
- Phân loại và vẽ các loại đồ thị tương ứng với từng loại data: bar plot, pie plot, hisgram, KDE, boxplot, dodged/stacked bar plot, scatter plot, regression plot
M10 · Project và Q&A
- Làm việc với dữ liệu bất động sản
- Phân tích dữ liệu khai phá (EDA) và rút trích ra các đặc trưng hữu ích cho dự đoán giá nhà
- Dùng machine learning để xây dựng mô hình dự đoán giá bất động sản
- Đánh giá performance và so sánh các mô hình
- Q&A

ASQLASQL – Advanced Query with T-SQLBắt buộc

M1 · Data Wrangling
- Review basic SQL queries
- Window Functions
- Subquery vs CTE vs Temp Table
- Text Function, Json Function
M2 · Applications
- Case study: Cohort Analysis
- Case study: RFM segmentation
- Case study: A/B testing
- Query performance tuning
M3 · DDL
- ER diagram
- Database Design
- Stored Procedure
- Flow control
- Building and Optimizing Trigger

APBIAPBI – Power BI Advanced Data Modeling and VisualizationBắt buộc

M1 · Data Modeling - Cấu trúc dữ liệu và các kỹ thuật
- Quy trình làm việc với Power BI.
- Cấu trúc dữ liệu và các kỹ thuật trong mô hình hoá dữ liệu.
- Quy trình xây dựng mô hình dữ liệu trong phân tích bài toán kinh doanh.
- Case study: Xây dựng mô hình dữ liệu
- – Thiết kế mô hình dữ liệu cho doanh nghiệp bán lẻ.
- – Xây dựng báo cáo phân tích hiệu quả kinh doanh.
M2 · Các phép biến đổi dữ liệu trong M-Query và DAX
- Vận dụng các kỹ thuật mô hình hóa dữ liệu với bảng Dim và Fact
- Các kỹ thuật biến đổi dữ liệu. (Data transformation)
- DAX Foundation: Scalar, Interator Functions.
- Calculate and Filter functions.
- Phân tích nguyên nhân Doanh thu tăng/giảm của DN
- Sản phẩm nào đang bán tốt, phân tích Pareto
- Có nên tăng giảm giá thành sản phẩm không?
- Thiết kế Data model phù hợp với nhu cầu phân tích.
- Biến đổi dữ liệu để triển khai Data Model.
- Các hàm DAX và Caculated column tương ứng.
- Xây dựng báo cáo phân tích.
- Case Study: Phân tích dữ liệu doanh thu và lợi nhuận của Doanh nghiệp
M3 · Case Study - Bài toán Doanh thu và Lợi nhuận của Doanh Nghiệp
- Row context and Filter context
- Logical functions
- Context modification functions
- Một số kỹ thuật visualization nâng cao.
- Tính toán các chỉ số thống kê.
- Phân tích các sản phẩm có doanh thu cao nhất (Pareto Analysis)
- Phân tích các kịch bản trong kinh doanh, khả năng hoàn thành kế hoạch.
- Thực hiện báo cáo giải quyết các bài toán liên quan: Pareto Analysis, Scenario Analysis.
- Vận dụng hàm DAX thực hiện các visualization nâng cao.
M4 · Case Study - Bài toán Customer Behaviour
- Biến và các phép biến đổi dữ liệu nâng cao.
- Vận dụng các information functions CONTAINS, HASONEVALUE, ISBLANK
- Sử dụng các celationship function RELATED, USERELATIONSHIP
- Hiểu rõ hơn về table manipulation functions ADDCOLUMNS, DATATABLE, DISTINCT, EXCEPT, GROUPBY, INTERSECT
- Bao nhiêu khách hàng quay lại vào mỗi tháng
- Doanh thu doanh nghiệp đến từ khách hàng cũ hay mới
- Doanh nghiệp nên tập trung chăm sóc khách hàng cũ hay mở rộng thu hút thêm khách hàng mới
- Xây dựng mô hình dữ liệu và các measure.
- Thực hiện phân tích đề bài và tổ chức các measure một cách hiệu quả.
- Xây dựng và phân phối báo cáo.
- Case Study: Phân tích tỷ lệ rời bỏ của khách hàng (customer retention)
M5 · Case Study - Bài toán Customer Behaviour (Tiếp)
- Vận dụng các kỹ thuật trình diễn dữ liệu nâng cao.
- Vận dụng các text functions CONCATENATE, COMBINEVALUES,REPLACE,VALUE
- Các kỹ thuật sử dụng trong Cohort analysis
- Thực hiện Survival and Cohort Analysis
- Hoàn thiện các báo cáo và phân tích.
M6 · Case Study - Bài toán Customers Segmentaion sử dụng RFM
- Ứng dụng các hàm time intelligent: DATEADD, DATESBETWEEN, PREVIOUS ver (PREVIOUSDAY, PREVIOUS MONTH ..), DATEDIFF
- Caculation groups và ứng dụng.
- Chia khách hàng thành từng nhóm đối tượng dựa trên RFM
- Xác định life cycle khách hàng
- Xác định thói quen mua hàng của khách hàng
- Suggest rổ hàng dựa trên thói quen mua hàng dựa trên basket analysis
- Tạo Data model
- Tạo calculated columns và measures phục vụ phân tích
- Build dashboard
- Case study: Thực hiện RFM Analysis

CRDACRDA – Data Analytics PreparationBắt buộc

M1 · General preparation & essential mindset
- Những lưu ý để chuẩn bị cho một công việc mới
- Thiết lập mục tiêu công việc
- Critical thinking – Tư duy phản biện
- Design thinking – Tư duy thiết kế
M2 · Essential skills for career success
- Kỹ năng giao tiếp & kỹ năng thuyết trình
- Kỹ năng làm việc nhóm
- Kỹ năng Quản lý thời gian và xếp ưu tiên công việc
- Cách viết CV hiệu quả
M3 · CV correction & Mock interview
- Giảng viên chữa CV cho học viên
- Phỏng vấn thử 1-1

Sau lộ trình

Bạn sẽ làm được gì

Những năng lực cụ thể bạn mang về sau khi hoàn thành lộ trình.

3 mục

Hiểu toàn bộ quy trình phân tích dữ liệu từ thu thập đến báo cáo
Tư duy dựa trên dữ liệu để hỗ trợ ra quyết định
Làm sạch, chuẩn hoá và tổ chức dữ liệu hiệu quả

3 mục

Truy vấn và xử lý dữ liệu với SQL
Trực quan hoá và xây dựng dashboard với Power BI
Tự động hoá quy trình báo cáo định kỳ

3 mục

Hoàn thiện portfolio từ các dự án thực tế
Trình bày kết quả phân tích một cách thuyết phục
Tự tin ứng tuyển vị trí Data Analyst

Dành cho ai

Lộ trình này phù hợp với bạn nếu…

Người có định hướng rõ ràng và quyết tâm cao với ngành Phân tích dữ liệu

Những người có định hướng rõ ràng và quyết tâm cao với ngành Phân tích dữ liệu, mong muốn có nền tảng vững chắc để có thể đi làm:

Nhân sự có nhu cầu chuyển hướng nghề nghiệp

Các nhân sự trong nhiều lĩnh vực kinh doanh, hành chính, marketing, tài chính, kế toán,… có nhu cầu chuyển hướng nghề nghiệp.

Nhân sự làm công việc cần hỗ trợ của công nghệ cơ sở dữ liệu

Các nhân sự đang đảm nhiệm các công việc cần đến sự hỗ trợ của mảng công nghệ cơ sở dữ liệu.

Sinh viên các khối ngành kinh tế

Sinh viên các khối ngành kinh tế, kinh doanh, tài chính, marketing,... có định hướng trở thành Data Analyst/Business Intelligence/Data Scientist trong các lĩnh vực chuyên biệt.

Sinh viên khối ngành khoa học dữ liệu, hệ thống thông tin

Sinh viên các khối ngành khoa học dữ liệu, hệ thống thông tin,... mong muốn phát triển tư duy và tiếp cận dữ liệu theo hướng Business.

Yêu cầu đầu vào: Khóa học không yêu cầu điều kiện tiên quyết hay các kiến thức chuyên môn về lập trình

Giảng viên

Đội ngũ giảng viên Datapot

Lộ trình được giảng dạy bởi đội ngũ giảng viên–chuyên gia của Datapot — người đang đi làm thực chiến, có chứng chỉ Microsoft.

NGUYỄN ĐỨC VIỆT

Machine Learning Engineer

HỒ BÁ CƯỜNG

Data Analyst Leader

Power BI

TRỊNH QUỲNH CHI

Trưởng bộ môn SQL tại Datapot & Senior Data Analyst

Power BI

LÊ PHẠM ANH QUÂN

Data Analyst Leader

Power BI

Xem toàn bộ đội ngũ giảng viên

Sản phẩm liên quan

Bạn cũng có thể quan tâm

Các sản phẩm cùng nhóm chủ đề tại Datapot.

Lộ trình

DAFD – Data Analytics Foundation

52 giờ · 3 module

Phân tích dữ liệuPower BISQL

12.300.000 đ

Lộ trình

BOPA – Optimize Business Process using Power Apps, Power Automate & Power BI

52 giờ · 3 module · Intermediate

Tự động hóaPower AppsPower AutomatePower BI

21.000.000 đ

Lộ trình

CSQL – Combo SQL: From Zero to Job-Ready

12 giờ · 2 module

Phân tích dữ liệuSQL

7.300.000 đ

Xem tất cả khoá học

Bắt đầu ngay hôm nay

Sẵn sàng bắt đầu lộ trình DAFP?

Để lại thông tin, đội ngũ Datapot sẽ tư vấn 1-1 xem lộ trình có phù hợp với bạn không.

32.300.000 đ

Học phí lộ trình (đã gồm VAT)

Đang tải biểu mẫu…