Sự khác biệt giữa Data Analytics và Data Analysis

Nếu bạn đang thắc mắc sự khác biệt giữa Data Analysis và Data Analytics là gì ? Vì dịch ra tiếng việt chúng đều có ý nghĩa là Phân tích dữ liệu. Ngữ cảnh sử dụng của chúng có khác nhau không ? Thì bài viết này hoàn toàn phù hợp với bạn rồi đấy. Bây giờ chúng ta cùng đi vào nội dung thôi nào.

1. Data Analysis:

Data analysis is a process of inspecting, cleansing, transforming, and modellingdata with the goal of discovering useful information, informing conclusions, and supporting decision-making.^[1] Data analysis has multiple facets and approaches, encompassing diverse techniques under a variety of names, and is used in different business, science, and social science domains.^[2] In today's business world, data analysis plays a role in making decisions more scientific and helping businesses operate more effectively – Wikipedia

Theo như Wikipedia định nghĩa thì Data Analysis là một quá trình kiểm tra, làm sạch, chuyển đổi, và mô hình hóa dữ liệu với mục đích tìm ra các thông tin hữu ích, đưa ra kết luận và hỗ trợ ra quyết định của doanh nghiệp.

Data Analysis có nhiều khía cạnh và cách tiếp cận, bao gồm các kỹ thuật đã dạng có nhiều tên gọi và được ứng dụng rộng rãi trong các ngành từ kinh doanh, khoa học đến các lĩnh vực khoa học xã hội. Phân tích dữ liệu giúp doanh nghiệp đưa ra các quyết định có tính khoa học hơn giúp họ hoạt động hiệu quả hơn thay vì cứ quyết định theo cảm tính

Nói nôm na bạn có thể hiểu nó là việc bạn nghiên cứu dựa trên tập dữ liệu có sẵn mà không cần phải đi thu thập nó, rút ra được những thông tin hữu ích thì quá trình này được gọi là Data Analysis

2. Data Analytics:

Data analytics, or simply “Analytics”. The science that analyze crude data to extract useful knowledge (patterns) from them.
This process can also include data collection, organization, pre-processing,
transformation, modeling and interpretation. – A Gentle Introduction to Data Analysis (2018)

Data Analytics hay gọi ngắn gọn là Analytics là khoa học phân tích dữ liệu thô để trích xuất kiến thức hữu ích (patterns: các hành vi lặp đi lặp lại) từ chúng.

Quá trình này bao gồm việc:

1. Data collection: Thu thập dữ liệu
2. Organization: Tổ chức dữ liệu
3. Preprocessing: Tiền xử lý
4. Transformation: Biến đổi dữ liệu
5. Modeling: Mô hình hóa
6. Interpretation: Diễn giải kết quả phân tích cho các bên liên quan

Các bạn có thể tinh ý nhận thấy rằng khi đề cập đến Data Analytics bạn sẽ không có sẵn Data mà phải tổ chức việc đi thu thập bao gồm các việc như:

• Hiểu rõ kiến thức về lĩnh vực mà bạn đang làm (domain knowledge)
• Xác định được bài toán bạn cần phải giải quyết
• Xác định cấu trúc dữ liệu: bạn cần các thông tin xyz của khách hàng, cần thêm lịch sử mua hàng, track thêm hành vi sử dụng ứng dụng của họ, ...
• Làm việc với các Team liên quan để triển khai : Data Engineer, Backend, Frontend
• Kiểm tra chất lượng dữ liệu

Khác hẳn so với Data Analysis, bạn tiến hành phân tích trên các dữ liệu đã có sẵn => Data Analysis là tập con nằm trong Data Analytics như hình ở phía bên trên.

3. Nên sử dụng sao cho đúng

Theo kinh nghiệm cá nhân của mình bạn nên sử dụng Data Analysis trong ngữ cảnh công ty đang có sẵn dữ liệu, việc của bạn là phân tích chúng tìm ra insight, hoặc thực hiện Data Mining thì cực kì phù hợp để sử dụng cách gọi này.

Trong hoàn cảnh scope công việc của bạn lớn hơn, bạn cần phải xác định metrics, định nghĩa dữ liệu thu thập, sau đó là Phân tích dữ liệu nữa, thì bạn có thể nói là mình đang làm một Data Analytics Project.

Các bạn tham khảo thêm bài viết về các kỹ năng cần thiết cho một Data Analyst ở bên dưới nhé.

Data Analyst - Những kỹ năng không thể thiếu cho người mới

Data Analyst (DA) được hiểu là người sử dụng các công cụ lập trình hoặc phần mềm để tìm kiếm (mine), chắt lọc những thông tin hữu ích từ dữ liệu được cung cấp. Thông thường dữ liệu này khá rời rạc và lộn xộn.

200Lab BlogNga Vu

Bạn có thể nhấn vào link này để tham gia vào nhóm và nhận thêm nhiều tài liệu hữu ích khác về Data nhé!