Tổng quan

Dữ liệu lớn (Big Data) đang trở thành một xu hướng “thời thượng” mà các doanh nghiệp đang hướng tới để đẩy mạnh hoạt động kinh doanh nhờ việc sử dụng các thông tin được phân tích do công nghệ này mang lại. Để đạt được mục tiêu trên, ngoài các nhà khoa học dữ liệu, các nhà lãnh đạo doanh nghiệp cũng cần được trang bị các kiến thức trong việc nhận diện các cơ hội để giải quyết những vấn đề kinh doanh bằng các phân tích trên các cơ sở dữ liệu lớn. Khoá học cung cấp cho lãnh đạo doanh nghiệp các kĩ năng và kiến thức cần thiết để quản lý việc thực hiện các dự án tận dụng các phân tích dữ liệu lớn hiệu quả hơn. Cụ thể, khoá học tập trung vào việc: đẩy mạnh lợi thế kinh doanh dựa vào dữ liệu lớn, quản lý các dự án khoa học dữ liệu (Data Science), phát triển đội ngũ khoa học dữ liệu từ đó đưa ra những cải tiến cho doanh nghiệp sử dụng phân tích thống kê.

Thời lượng

08 giờ

Mục tiêu khóa học

• Hiểu được giá trị mà công nghệ dữ liệu lớn (Big Data) mang lại cho doanh nghiệp.

• Thảo luận các phương pháp phân tích khoa học dữ liệu và áp dụng vào việc nhận diện các cơ hội mới cho doanh nghiệp

• Phát triển và quản lý đội ngũ khoa học dữ liệu

• Sử dụng các kết quả phân tích để đưa ra các cải tiến cho doanh nghiệp.

Đối tượng tham gia khóa học

• Lãnh đạo doanh nghiệp muốn nâng cao kĩ năng đưa ra quyết định dựa vào các số liệu phân tích, thống kê

• Lãnh đạo doanh nghiệp muốn tìm hiểu và triển khai đội ngũ khoa học dữ liệu

• Trưởng bộ phận BI (Business Intelligence) hoặc vận hành (Operation) muốn nâng cao khả năng phân tích.

Yêu cầu tiên quyết

• Có kinh nghiệm trong việc quản lý đội ngũ

• Có kiến thức về các phương pháp định lượng trong việc đo lường hiệu quả kinh doanh.

Nội dung khóa học

1.     Giới thiệu về Dữ liệu lớn

Tổng quan về phân tích Khoa học dữ liệu và Dữ liệu lớn (Big Data)

Các giai đoạn phát triển của việc phân tích dữ liệu trong một doanh nghiệp.

• Thủ công (Excel)

• Một vài công cụ đóng gói (SAS, SPSS)

• Thử nghiệm mô hình khoa học Dữ liệu, tuyển một số nhân sự về dữ liệu

• Tìm kiếm và xây dựng nền tảng

• Triển khai thử nghiệm một số mô hình, tích hợp vận hành

• Nhân rộng các mô hình dữ liệu ra toàn doanh nghiệp

• Tập trung vào ảnh hưởng, năng suất, quản trị rủi ro

2.     Đẩy mạnh kinh doanh sử dụng Dữ liệu lớn

Giá trị kinh doanh của dự án Khoa học dữ liệu mang lại.

• Quản lý thông tin, dữ liệu, tài sản, máy móc, nhân lực, … hiệu quả

• Đánh giá hiệu quả kinh doanh toàn doanh nghiệp

• Tối ưu các chiến dịch marketing

• Nâng cao hiệu quả quá trình ra quyết định

• Dự báo, ngăn chặn rủi ro (tai nạn, hỏng hóc, trì hoãn, …)

Kĩ thuật phân tích nâng cao và các ứng dụng

• Descriptive Analysis: Summary Statistics and Business Intelligence

• Predictive Analysis: Machine Learning và Deep Learning

• Prescriptive Analysis: Optimization

Các công nghệ và công cụ sử dụng trong Dữ liệu lớn

• Datawarehousing

• ETL 

• Data visualization

• Hadoop and MapReduce

• Spark

• Tensorflow, Pytorch

3.     Quản lý các dự án phân tích dữ liệu trong doanh nghiệp Xây dựng

Tổng quan vòng đời (lifecycle) của dự án phân tích dữ liệu.

Chuyển đổi một vấn đề của doanh nghiệp thành vấn đề của việc phân tích dữ liệu

• Dự báo

• Mô phỏng

• Thiết kế

• Quản trị rủi ro

• Tối ưu hoạt động

• Tối ưu ngân sách và tài chính

• Tự động hó

• Tối ưu vận hành công trường

• Phát triển sản phẩm

Bốn kết quả chính trong một dự án phân tích dữ liệu

4.     Phát triển đội ngũ khoa học dữ liệu

• Phát triển đội ngũ phân tích, các vai trò và kĩ năng cần thiết

• Bốn cách tiếp cận để phát triển khả năng Khoa học dữ liệu

• Ba mô hình tổ chức cho đội ngũ Khoa học dữ liệu

5.     Cải tiến doanh nghiệp dựa vào các dự án phân tích

• Phát triển tư duy có tính tầm nhìn để áp dụng cho đội ngũ Khoa học dữ liệu.

• Quản lý sự thay đổi để triển khai cách tiếp cận dựa trên dữ liệu nhằm đưa ra các quyết định.

• Thay đổi cách doanh nghiệp tiếp cận và giải quyết vấn đề