Tất cả bài viết

Bài viết này hướng đến những người lập mô hình dữ liệu làm việc với Power BI Desktop. Nó cung cấp cho bạn hướng dẫn khi xác định các truy vấn Power Query tham chiếu đến các truy vấn khác. Hãy xem xét một số truy vấn: Query 1 lấy nguồn dữ liệu từ một dịch vụ web và tải của nó bị vô hiệu hóa. Query 2, Query 3 và Query 4 đều tham chiếu Query 1. Và đầu ra của chúng được tải vào mô hình dữ liệu. Khi mô hình dữ liệu được làm mới, người ta thường giả định rằng Power Query truy xuất

Power BI Desktop cũng đi kèm với Power Query Editor. Sử dụng Power Query Editor để kết nối với một hoặc nhiều nguồn dữ liệu, định hình và biến đổi dữ liệu để đáp ứng nhu cầu của bạn, sau đó tải mô hình đó vào Power BI Desktop. Tài liệu này cung cấp thông tin tổng quan về công việc với dữ liệu trong Power Query Editor nhưng vẫn còn nhiều điều cần tìm hiểu.  Với Power BI Desktop, bạn có thể kết nối với thế giới dữ liệu, tạo các báo cáo cơ bản, đồng thời chia sẻ với những người

Bạn có thể tạo các biến tham số what-if cho báo cáo của mình, tương tác với biến đó dưới dạng bộ chia và trực quan hóa cũng như định lượng các giá trị chính khác nhau trong báo cáo của bạn. Tạo tham số what-if trên tab Modeling trong Power BI Desktop. Khi bạn chọn nó, một hộp thoại xuất hiện để bạn có thể định cấu hình tham số. 1. Tạo tham số what-if Để tạo tham số what-if, hãy chọn New Parameter từ tab Modeling trong Power BI Desktop. Trong hình ảnh sau đây, chúng tôi đã tạo

1. Sử Dụng Công Cụ Tìm Kiếm Các chuyên gia thường sử dụng những công cụ tìm kiếm để trả lời các câu hỏi về Power BI. Ví dụ: Công thức DAX cho một phép tính kinh doanh phổ biến, bạn có thể sử dụng internet để tìm giải pháp. Đánh dấu nơi bạn tìm thấy câu trả lời tốt nhất, sau đó tạo một thư mục cho chính bạn cho các mẹo và câu trả lời bạn tìm thấy. (Hình minh họa) 2. Kiểm Tra Tài Liệu Power BI Nhóm Power BI liên tục cập nhật và cải thiện tài liệu trên Power BI. Bạn có thể tìm t

Dữ liệu là một phần cần thiết của bất kỳ doanh nghiệp nào và vai trò của một nhà phân tích dữ liệu là giải thích ý nghĩa của nó. Power BI là một công cụ trực quan hóa dữ liệu mạnh mẽ giúp họ chuyển đổi dữ liệu thô thành những insights có ý nghĩa và đưa ra những kiến nghị có thể thực hiện được. 1. Các điểm nổi bật chính của Power BI Kết nối dữ liệu: Cho phép người dùng kết nối với nhiều nguồn dữ liệu khác nhau bao gồm Excel, SQL Server, Azure SQL và các nguồn dữ liệu khác đượ

Để chia sẻ báo cáo, dashboard của mình cho tất cả mọi người đều xem được, bạn nên chia sẻ qua Power BI service. Sau đây là một số cách bạn có thể sử dụng. Yêu cầu: Cần tài khoản Power BI Pro trở lên. Bước 1: Tạo một embed code để Publish tới web Bước 2: Nếu admin Power BI tài khoản của bạn không cho phép bạn tạo embed code, bạn cần liên hệ với họ. Bước 3: Review lại và sau đó chọn Create embed code. Bước 4: Sau đó chọn Publish Bước 5: Khi bạn đã tạo thành công, bạn chỉ cần cu

Bản thiết kế báo cáo Power BI là điều mà bạn nên chú ý nhiều nhất để gây được sự ấn tượng đến khán giả của bạn. Bởi vì đây là thứ đầu tiên người dùng nhìn thấy. Nếu dashboard báo cáo của bạn được thiết kế tốt, bạn có thể tiết kiệm thời gian của người dùng và làm cho việc tìm kiếm dữ liệu liên quan nhanh hơn và dễ dàng hơn. Dưới đây là một số mẹo thiết kế Power BI tốt nhất. Mẹo số 1: Giữ cho báo cáo của bạn “sạch sẽ” Trích lời Antoine de Saint-Exupéry, “Cuối cùng cũng đạt được

Kể từ khi làn sóng kỹ thuật số bùng nổ, ứng dụng của Business Intelligence đã thu hút nhiều sự chú ý. Do đó, các doanh nghiệp trên toàn cầu đã bắt đầu khám phá một số công cụ Business Intelligence (BI) tốt nhất như Power BI của Microsoft, Oracle Analytics, Tableau và nhiều công cụ khác để tận dụng dữ liệu mà họ có. Mặc dù có nhiều công cụ đã được giới thiệu trên thị trường trong suốt những năm qua, Power BI của Microsoft luôn luôn được công nhận vì tính đáng tin cậy và trải n

Tiếp theo bài viết [3] về chủ đề: Sự khác nhau chức danh Data Analyst (Business Intelligence) # Data Scientist (Business Analytics) trong bài viết trước. Hôm nay mình sẽ chia sẻ về những công nghệ trong ngành Data Analytics, mà các Data Analyst/ Data Scientist sử dụng để thực hiện công việc phân tích dữ liệu. Bảng xếp hạng công nghệ phân tích dữ liệu đang dẫn đầu trên thế giới Có 2 bảng xếp hạng được tham khảo phổ biến nhất, được công bố hàng năm (thường vào quý 1 hàng năm) 1

Tiếp theo bài viết [2] về chủ đề: Định nghĩa chuẩn về Phân tích dữ liệu & mức độ phức tạp trong phân tích ( ) trong bài viết trước; mình đã nêu khái niệm và phân biệt 2 mảng Business Intelligence, Business Analytics. Vậy những người  làm trong mảng Business Intelligence, Business Analytics thì chức danh gọi là gì? Phân biệt Business Intelligence và Business Analytics Vì việc phân biệt chức danh này ở Việt Nam chưa rõ ràng, nên mình quyết định sẽ viết về chủ đề này và dẫn chứ

Đối với anh/chị mới vào ngành việc tiếp cận nhiều định nghĩa từ nhiều nguồn khác nhau sẽ khá hoang mang và mơ hồ. Do có một số định nghĩa có sự khác nhau và chồng chéo. Nên  tất cả khái niệm, định nghĩa trong mảng Phân tích dữ liệu kinh doanh (Data Analytics) được sử dụng trong Series bài viết này sẽ được tham khảo từ tổ chức INFORMS.  Nếu anh/chị nào trong ngành Data sẽ biết: INFORMS là tổ chức tập hợp từ rất nhiều công ty, tổ chức nổi tiếng trong ngành về mảng công nghệ phâ

“ Phân tích dữ liệu kinh doanh ” là series được thực hiện bởi Chị Phương Thảo – Founder tại Mastering Data Analytics. Chuỗi bài viết là những chia sẻ kinh nghiệm, kiến thức, trải nghiệm thực tế trong lĩnh vực này. Chuỗi bài viết sắp ra mắt đọc giả sau đây là những chia sẻ thực tế mong sẽ là những kiến thức bổ ích cho anh/chị đang loay hoay trong lĩnh vực này. Chúng ta đã và đang bước vào kỷ nguyên số với nhu cầu lưu trữ và khai thác nguồn dữ liệu ngày một lớn. Nhà phân tích d

Tiếp theo bài viết số [4] về chủ đề  Những công nghệ phân tích dữ liệu (data analytics) dẫn đầu trên thế giới ,  thì hôm nay mình sẽ chia sẻ tiếp về các chủ đề: Phân biệt các nhóm công nghệ phân tích dữ liệu Phân biệt các nhóm công nghệ phân tích dữ liệu 1. Phân theo mức độ coding khi thực hiện Nhóm công nghệ phân tích dữ liệu bao gồm: no-code (free code), low-code , pro-code (traditional coding), combined (kết hợp cả no-code và pro-code), automation (tự động) . 1.1. No-c

Trong mảng  Business Intelligence, các công nghệ Visual-based Analytics Platforms như Power BI, Tableau, Qlik … đang dẫn đầu.  Tuy nhiên, đối với  những người mới, chưa sử dụng nhiều những công nghệ này sẽ có 1 số hiểu lầm.  Nên trong bài viết hôm nay, sẽ đưa ra 1 số giải thích và dẫn chứng, để bạn hiểu rõ hơn về nhóm công nghệ này, để cân nhắc lựa chọn công nghệ phân tích dữ liệu phù hợp nhé! Mình sẽ  lựa chọn công nghệ Power BI,  dẫn đầu toàn thế giới mảng Business Intellig

Hiện nay, có rất nhiều tranh luận xoay quanh việc dùng công nghệ BI để phân tích dữ liệu. Bản thân mình cũng chia sẻ rất rõ quan điểm của mình về vấn đề này. Chính là “Hãy lựa chọn những công nghệ phù hợp với nhu cầu phân tích của bạn”. Các tiêu chí chọn công nghệ phân tích dữ liệu dành cho doanh nghiệp Phân biệt về các nhóm công nghệ phân tích dữ liệu bạn có thể theo dõi bài viết trước. Trong bài viết đã có giải thích chi tiết và nhiều dẫn chứng. Sau khi đã phân biệt được cá

Data analytics ngày trở nên phổ biến tại Việt Nam khi công việc của một Data analyst đang được nhiều bạn trẻ quan tâm. Bên cạnh đó, hầu như các doanh nghiệp đều dùng đến các kỹ năng phân tích kinh doanh để vận hành doanh nghiệp tốt nhất. Data analytics rất cần thiết cho mọi ngành nghề, nếu một dự án data analytics thành công sẽ đưa công ty bạn phát triển vượt bậc. Vậy như thế nào là một dự án Data Analytics thành công? Chúng ta cùng tìm hiểu bài viết sau đây nhé! Ứng dụng Dat

Mình là Phương Thảo – hiện là BI/BA Trainer và mình cũng xuất thân từ một Data Analyst . Với những bạn đã theo dõi mình qua mạng xã hội luôn có rất nhiều câu hỏi dành cho mình. Đâu đó vẫn là những thắc mắc xoay quanh chuyện nghề, kinh nghiệm cần thiết để phát triển công việc. Thế nên hôm nay mình quyết định cho ra đời bài viết này. Không biết có giải đáp hết tất cả các thắc mắc của các bạn hay không nhưng hy vọng sẽ là một. Tại sao mình chọn Nghề Data Analyst? Nếu mọi người

Tiếp theo phần 1 Phân Biệt: Database, Data Warehouse, Data Mart, Data Lake, Data Lakehouse, Data Mesh P1 . Hôm nay chúng ta tìm hiểu tiếp các khái niệm Data Lakehouse . Data Fabric , Data Mesh , … Ngoài ra, trong bài sẽ đề cập một số nguồn tài liệu tham khảo giúp bạn tự tìm hiểu sâu hơn về khái niệm này. Data Lakehouse A Data Lakehouse combines the advantages of a Data Lake and a Data Warehouse. Data Fabric Data Fabric được thiết kế để giúp các tổ chức giải quyết các vấn đề