PHÂN TÍCH DỮ LIỆU KINH DOANH
Giảng viên
Giới thiệu khóa học
Dưới đây là đề‑cương 15tuần cho môn “PhântíchDữliệuKinhdoanh” (Business Data Analytics). Cấu trúc, ngôn ngữ và độ chi tiết đồng bộ với các môn bạn đã hoàn thiện, vì vậy có thể đưa thẳng vào hồ sơ chương trình.
1. Tóm tắt giới thiệu môn học
PhântíchDữliệuKinhdoanh trang bị cho sinh viên khung tư duy và công cụ biến dữ liệu thành lợi thế cạnh tranh. Môn học kết hợp thống kê ứng dụng, khai phá dữ liệu, mô hình dự báo và kỹ năng kể chuyện dữ liệu nhằm hỗ trợ các quyết định marketing, tài chính, vận hành và chiến lược. Sinh viên thực hành trên Excel – SQL – Python (pandas, scikit‑learn) – PowerBI với các bộ dữ liệu kinh doanh thực tế.
2. Mục tiêu môn học
Hiểu quy trình phân tích dữ liệu kinh doanh (Business Understanding → Data → Insight → Action).
Truy xuất & xử lý dữ liệu từ cơ sở dữ liệu quan hệ bằng SQL.
Áp dụng các kỹ thuật phân tích mô tả, dự đoán & phân đoạn (cluster, classification, time‑series).
Xây dựng dashboard & kể chuyện dữ liệu để thuyết phục nhà quản trị.
Phát triển kỹ năng làm việc nhóm liên chức năng và đạo đức dữ liệu.
3. Kiến thức tiên quyết
Phân tích Dữ liệu Cơ bản hoặc tương đương (thống kê mô tả, Python căn bản).
Kiến thức kinh doanh nền tảng (Nguyên lý Marketing/Quản trị).
4. Kế hoạch học tập 15tuần
| Tuần | Chủ đề | Mục tiêu / Hoạt động chính |
|---|---|---|
| 1 | Giới thiệu BDA & vai trò trong doanh nghiệp | Khung DELTA, maturity model, case Netflix/Amazon. |
| 2 | Cơ sở dữ liệu quan hệ & SQL căn bản | SELECT, JOIN, GROUPBY trên data mart bán hàng. |
| 3 | ETL & Data Quality trong môi trường BI | Pipeline, dữ liệu thiếu – nhiễu, profiling. |
| 4 | Thống kê mô tả nâng cao & KPI kinh doanh | Cohort, RFM, ABC inventory; trực quan trên PowerBI. |
| 5 | Phân tích chuỗi thời gian kinh doanh | Dự báo nhu cầu ARIMA, seasonal decomposition. |
| 6 | Hồi quy đa biến & ứng dụng pricing | Elasticity, dummy variables, A/B test đơn giản. |
| 7 | Phân đoạn khách hàng bằng clustering | k‑means, silhouette; chiến lược marketing đa phân khúc. |
| 8 | Phân loại & dự báo churn | Decision Tree, ROC‑AUC; chiến dịch giữ chân. |
| 9 | Phân tích giỏ hàng (Market Basket) | Apriori, lift, cross‑selling đề xuất. |
| 10 | Tối ưu tồn kho & vận tải (LP basics) | Hàm mục tiêu, ràng buộc; solver Excel/Python PuLP. |
| 11 | Dashboard & KPI storytelling | Design thinking, drill‑down, DAX measure. |
| 12 | Đạo đức & quản trị dữ liệu | Quyền riêng tư, GDPR, thiên kiến thuật toán. |
| 13 | Phân tích kịch bản & mô phỏng Monte Carlo | Rủi ro tài chính‑vận hành; @RISK/Python numpy. |
| 14 | Thuyết trình dự án nhóm (Business Insight) | Nhóm trình bày dashboard + khuyến nghị hành động. |
| 15 | Ôn tập & kiểm tra cuối kỳ | Thi viết (60%) + đánh giá dự án (40%). |
5. Phương pháp giảng dạy
50% lab thực hành (SQL Workbench, Jupyter, PowerBI).
Case study Việt Nam & quốc tế (bán lẻ, fintech, logistics).
Dự án nhóm xuyên suốt: phân tích dữ liệu công ty giả lập, đưa đề xuất cải thiện KPI.
Diễn giả Data Scientist / BI Manager chia sẻ kinh nghiệm thực chiến.
6. Đánh giá
| Thành phần | Tỷ lệ | Hình thức |
|---|---|---|
| Quiz / Lab Check Point | 10% | Trắc nghiệm + truy vấn SQL |
| Bài tập cá nhân (notebook + memo) | 20% | Hồi quy, cluster hoặc churn |
| Dự án nhóm (Dashboard + Report) | 30% | File PBIX + 15‑trang report + Pitch |
| Mid‑term (Tuần8) | 15% | Trắc nghiệm & bài tập SQL‑Python |
| Final Exam (Tuần15) | 25% | Tự luận + phân tích dữ liệu |
Đề‑cương này giúp sinh viên kết nối kiến thức phân tích với bối cảnh kinh doanh thực, từ đó đưa ra quyết định dựa trên bằng chứng dữ liệu – năng lực cốt lõi trong kỷ nguyên chuyển đổi số.