Checking laptop battery health is extremely important to ensure the performance and longevity of the device. This article will show you how to do that Pure Battery Analytics – A groundbreaking application that effectively manages and optimizes battery usage.

Why should you check laptop battery health?

A laptop battery is a portable chemical unit that holds a limited amount of energy. Because of their unique nature, a battery reacts in a complex way to factors such as load, temperature and its age.

The health status of the battery has a direct impact on the device's performance and usage time. The tracking battery health is necessary for the following reasons:

• It is the first step in power management, allowing adaptation to diverse workloads and environmental conditions.
• Maximum battery capacity may vary over time, resulting in unstable charge level display. Recognizing this helps users determine when the battery needs to be recalibrated.
• Using the battery incorrectly can shorten its life. Monitoring battery status helps users take timely intervention measures to increase battery life.

How to check laptop battery health using Pure Battery Analytics

Step 1: Download and install Pure Battery Analytics on the Microsoft Store HERE

Step 2: Open the application > select Quick View.

Step 3: Here, you will see 2 important information:

• Battery Design Capacity: Initial capacity of the battery
• Full Charge Capacity: Maximum charge capacity of the battery.

This allows you to determine the level of battery wear in percentage terms. At the same time, you can also know whether you should replace the battery or not. If these two indicators do not differ by more than 10,000 mWh, the battery is still fine and you do not need to replace it.

Furthermore, the Pure Battery Analytics application provides the ability to personalize the user interface and ensure quick access to Wi-Fi and Bluetooth settings through shortcuts.

Outstanding features of Pure Battery Analytics

• Battery Live Tiles: Displays the current battery percentage right on the Start menu.
• Notification of full battery and low battery: Warning when the battery is full or low.
• Charging/discharging notification: Update battery status in real time.
• Notification ringtone options: Allows you to personalize the notification tone.
• Graphs and analysis of battery usage: Provides a detailed graph of battery usage.
• Night mode: Turn off battery notifications at night to not disturb your sleep.
• Protection against overcharging: Helps extend battery life.
• Custom charging notifications: Set notifications for specific battery levels.
• Anti-theft alarm: Warn if the device is suddenly disconnected.
• Application extensions: Provides additional add-ons to enhance functionality.

Why choose Pure Battery Analytics?

Pure Battery Analytics Delicately designed to meet the specific needs of laptop and tablet users, delivering optimal performance and efficiency. With the ability to provide detailed and accurate battery information, this application stands out among other applications on the market, worthy of your experience.

Conclusion

After checking the laptop battery level with Pure Battery Analyticsyou should compare with the indicators to evaluate and decide whether you need to replace the battery or not. Hopefully this guide will help you manage and maintain your laptop battery effectively. Wish you success!

Trong bài viết này, mình sẽ tổng hợp tất cả các câu hỏi và câu trả lời trong Khóa học thứ 2 của Chứng chỉ Google Data Analytics – Ask Questions to Make Data-Driven Decisions. Mục đích của những câu hỏi này là giúp các bạn tóm tắt kiến thức và ghi chú thêm nhiều kiến thức mới mà các bạn khám phá được trong suốt quá trình học tập.

Những gì mình học được từ Khoá học 2 của Google Data Analytics

2 công việc chính của Data Analytics là gì?

Xử lý dữ liệu và giải quyết vấn đề.

Data Analytics cần làm gì để giải quyết vấn đề?

Tư duy có chiến lược, đặt câu hỏi hay và sử dụng dữ liệu để đưa ra giải pháp.

Tư duy có chiến lược là gì?

Tư duy có chiến lược là tư duy có tính tổ chức và thực tế. Nó giúp chúng ta nhìn thấy bức tranh toàn cảnh, lập kế hoạch và biến suy nghĩ thành hành động để lấy lợi thế cạnh tranh trong kinh doanh.

Các câu hỏi về dữ liệu

Bạn sẽ mô tả từ “dữ liệu” cho người khác như thế nào?

Dữ liệu là tập hợp các sự kiện như số liệu, các phép thử, quan sát…

Dữ liệu đại diện cho cái gì?

Dữ liệu định tính là thông tin mô tả, còn dữ liệu định lượng là thông tin số liệu.

Dữ liệu dùng để làm gì?

Dữ liệu dùng để cung cấp cho chúng ta thông tin về các sự kiện hoặc chủ đề chúng ta quan tâm và giúp chúng ta đưa ra quyết định cũng như dự đoán được tương lai dựa trên dữ liệu.

Dữ liệu đến từ đâu?

Từ cơ sở dữ liệu, bảng tính, nội bộ, bên trong hoặc bên ngoài doanh nghiệp, dữ liệu công khai.

Dữ liệu định tính và định lượng là gì và sử dụng chúng khi nào?

Các công cụ dữ liệu định tính được sử dụng để hiểu rõ hơn về dữ liệu. Còn các công cụ dữ liệu định lượng hoạt động với những dữ liệu có thể đo lường được.
Với dữ liệu thu thập được, Data Analytics có thể thực hiện các bước sau để giải quyết vấn đề kinh doanh:

• Xác định mục tiêu kinh doanh của các bên liên quan
• Xác định dữ liệu cần thiết để trả lời các câu hỏi trong SMART
• Những dữ liệu mà các bên liên quan đã có
• Các nguồn dữ liệu có sẵn cho các dự án là gì
• Nguồn dữ liệu nào là định tính/định lượng
• Dữ liệu nào không có sẵn

6 vấn đề Data Analytics hay gặp phải

1. Đưa ra dự đoán — ví dụ: Công ty muốn biết các phương pháp quảng cáo tốt nhất để thu hút khách hàng mới.
2. Phân loại mọi thứ — ví dụ: Phân loại các cuộc gọi dịch vụ khách hàng dựa trên từ khóa hoặc điểm số.
3. Phát hiện điều bất thường — ví dụ: Đồng hồ theo dõi sức khỏe được thiết kế để báo động nếu có điều gì đó bất thường xảy ra.
4. Xác định chủ đề — Để giúp tìm ra và cải thiện các tính năng phù hợp cho sản phẩm
5. Tìm các kết nối — Ví dụ trong các bộ dữ liệu khác nhau hoặc phân tích một bộ dữ liệu để tìm ra mối liên hệ với một bộ dữ liệu khác (ví dụ: thời gian xe chở hàng chờ trong bến trung chuyển có thể làm thay đổi lịch trình để tăng số lượng đơn giao hàng)
6. Tìm các mẫu — Bạn có thể giảm thiểu thời gian ngừng hoạt động do máy bị lỗi bằng cách phân tích dữ liệu bảo trì.

Giải thích mô hình câu hỏi SMART

• S – Specific – Cụ thể: Câu hỏi có giải quyết được vấn đề không? Vấn đề có ngữ cảnh không?
• M – Measurable – Đo lường được: Câu hỏi có đưa ra câu trả lời có thể đo lường được không?
• A – Actionable – Định hướng hành động: Thông tin mà chúng ta nhận được có giúp chúng ta lập kế hoạch hành động không?
• R – Relevant – Định hướng hành động: Đó có là vấn đề cụ thể mà chúng ta đang cố gắng giải quyết không?
• T – Time Bound – Giới hạn thời gian: Các câu trả lời có liên quan đến thời gian cụ thể không?

3 loại câu hỏi nên tránh

Câu hỏi dẫn dắt — câu trả lời là một phần của câu hỏi — “Sản phẩm này đắt quá phải không?”
Câu hỏi đóng — chỉ có thể được trả lời bằng một từ hoặc một câu trả lời ngắn gọn — “Bạn có hài lòng với sản phẩm dùng thử không?
Câu hỏi mơ hồ – không cụ thể và không cung cấp ngữ cảnh – “Công cụ này có phù hợp với bạn không?”

Cách có một cuộc trò chuyện tốt

Ưu tiên các câu hỏi — Có sự chuẩn bị trước để hỏi những câu hỏi quan trọng và thú vị nhất.

Tận dụng thời gian — duy trì chủ đề chính trong suốt cuộc trò chuyện.

Kiểm tra lại nội dung — dành thời gian để tóm tắt các câu trả lời nhằm đảm bảo bạn hiểu chúng một cách chính xác.

Báo cáo và bảng điều khiển: So sánh các trường hợp sử dụng và sự khác biệt

Báo cáo (Report) là một tập hợp dữ liệu tĩnh. Báo cáo được tạo ra để phân tích dữ liệu định kỳ và dữ liệu lịch sử (historical data), thiết kế nhanh chóng.ư\
Bảng điều khiển (Dashboard) là trang kỹ thuật dùng để thu thập và tổng quan dữ liệu trực tiếp. Cung cấp các bộ lọc, thiết kế lâu hơn và cần được bảo trì.

Số liệu là gì?

Số liệu (Metric) là một loại dữ liệu có thể định lượng được sử dụng để đo lường. Thường là các công thức toán học đơn giản. Ví dụ: doanh thu = số lượng sản phẩm * giá bán. Doanh thu bây giờ là số liệu. Một số chỉ số khác: lợi tức đầu tư, tỷ lệ giữ chân khách hàng…

Lợi tức đầu tư ROI là gì và nó được tính như thế nào?

ROI là một công thức cho thấy doanh nghiệp đang đầu tư hiệu quả như thế nào bằng cách so sánh lợi nhuận và chi phí đầu tư.

Tỷ lệ giữ chân khách hàng là gì?

So sánh số lượng khách hàng vào đầu và cuối một giai đoạn để thấy các chiến lược tiếp thị của doanh nghiệp có hiệu quả không.

Lợi ích của việc sử dụng bảng điều khiển (dashboard)

• Tập trung hóa – Các nguồn dữ liệu đều được hiển thị trong một trang.
• Trực quan hóa – Hiển thị dữ liệu trực tiếp để phát hiện các xu hướng mới
• Đa nguồn – Lấy dữ liệu có liên quan từ các bộ dữ liệu khác nhau
• Tùy chỉnh – Tùy chỉnh bảng điều khiển cho các lĩnh vực khác nhau

Sự khác biệt giữa dữ liệu lớn và dữ liệu nhỏ

Dữ liệu nhỏ (small data) – là tập dữ liệu gồm các số liệu cụ thể trong một khoảng thời gian ngắn, thường ở dạng bảng tính, được sử dụng bởi các doanh nghiệp vừa và nhỏ, đơn giản dùng để thu thập, lưu trữ, sắp xếp và trình bày trực quan.
Dữ liệu lớn (big data) – là tập dữ liệu ít cụ thể hơn trong một khoảng thời gian dài, thường là trong cơ sở dữ liệu, được sử dụng bởi các tổ chức lớn, mất thời gian và công sức để thu thập, lưu trữ và quản lý… cần được chia thành các phần nhỏ hơn để sắp xếp và phân tích.

Những khó khăn khi làm việc với big data

Quá tải dữ liệu và nhiều thông tin không liên quan. Dữ liệu quan trọng bị ẩn sâu bên trong dữ liệu rác và không phải lúc nào cũng có thể truy cập được. Bạn phải mất thời gian để tìm các dữ liệu có liên quan.

Lợi ích khi làm việc với big data

Có thể giúp các tổ chức phát hiện ra các xu hướng, phân tích các bộ dữ liệu big data giúp các doanh nghiệp hiểu rõ hơn về các điều kiện thị trường.

4V trong big data

• volume — Lượng dữ liệu
• variety – Các loại dữ liệu khác nhau
• velocity – Tốc độ xử lý dữ liệu
• veracity – Chất lượng và độ tin cậy của dữ liệu

3 loại bảng điều khiển và khi nào nên sử dụng

Chiến lược  – Tập trung vào các chiến lược dài hạn, có khung thời gian dài nhất, và cũng nhiều số liệu nhất.
Hoạt động – Theo dõi hiệu suất ngắn hạn và các mục tiêu trung gian (ví dụ: dịch vụ khách hàng).
Phân tích – Bao gồm các bộ dữ liệu và công thức được sử dụng, phân tích và dự đoán. Nhiều kỹ thuật nhất, thường được thực hiện bởi các nhà khoa học dữ liệu.

Vòng đời dữ liệu trong bảng tính

Plan – Phát triển các tiêu chuẩn bằng cách định dạng các ô để dễ nói chuyện và đảm bảo tính nhất quán.
Capture – Kết nối bảng tính với các nguồn dữ liệu khác như khảo sát trực tuyến, ứng dụng trực tuyến hoặc cơ sở dữ liệu để đảm bảo thông tin luôn được cập nhật và chính xác.
Manage – Lưu trữ, sắp xếp, lọc và cập nhật thông tin để giữ cho dữ liệu có thể truy cập, an toàn và bảo mật.
Analyze –  Áp dụng các công thức và hàm để tổng hợp dữ liệu nhằm tạo các báo cáo, bảng tổng hợp để có hình ảnh rõ ràng và dễ sử dụng.
Archive – Lưu trữ để sử dụng trong tương lai.
Destroy – Nếu không sử dụng dữ liệu nữa thì phá hủy chúng, vì lý do pháp lý hoặc bảo mật.

Các thủ thuật hay khi làm việc với dữ liệu trong bảng tính

• Lọc dữ liệu để làm cho bảng tính ít phức tạp và rõ ràng hơn
• Cố định tiêu đề
• Nhân các số bằng *
• Bắt đầu công thức và chức năng bằng =
• Nếu bạn mở dấu ngoặc đơn thì nên thêm dấu đóng ngoặc đơn ngay
• Sử dụng phông chữ dễ đọc
• Định dạng dữ liệu dưới dạng bảng
• Lưu dữ liệu thô (và không làm việc trực tiếp trên chúng) và luôn làm việc với bản sao của dữ liệu thô trên một trang tính khác

Các lỗi phổ biến nhất trong bảng tính

#DIV/0! – Chia cho 0
#ERROR! – Lỗi phân tích cú pháp
#N/A – Công thức không thể tìm thấy dữ liệu
#NAME? – Tên của công thức hoặc chức năng không đúng
#NUM!  – Hàm chứa giá trị số không hợp lệ
#REF! – Tham chiếu không hợp lệ
#VALUE! – Dữ liệu đầu vào không thống nhất

Các chức năng của bảng tính là gì?

Chức năng là các lệnh tự động thực hiện một quy trình hoặc tác vụ cụ thể bằng cách sử dụng dữ liệu trong bảng tính. Chúng ta có thể dùng chắc năng để thực hiện các phép tính, từ các công thức đơn giản đến các phương trình phức tạp.

Miền vấn đề là gì?

Miền vấn đề là lĩnh vực chuyên môn hoặc ứng dụng cần được kiểm tra để giải quyết vấn đề. Miền vấn đề chỉ đơn giản là xem xét các chủ đề bạn quan tâm và loại trừ những thứ không liên quan. Đó là lĩnh vực thuộc về các vấn đề mà bạn cần phải giải quyết.

Phạm vi công việc (SOW) là gì?

Phạm vi công việc bạn sẽ thực hiện trong một dự án. Nó bao gồm chi tiết các công việc, lịch trình và báo cáo.

SOW của các nhà phân tích dữ liệu là gì?

Chuẩn bị dữ liệu, xác nhận, phân tích các bộ dữ liệu định lượng và định tính, kèm theo:

• Sản phẩm bàn giao – Những gì đã hoàn thành, những gì đang được tạo ra như là kết quả của dự án và những gì dự kiến ​​sẽ được chuyển giao cho các bên liên quan.
• Cột mốc quan trọng – Các bước chính trong dự án, liên quan đến timeline.
• Dòng thời gian – Các bước liên quan đến thời gian của dự án (các mốc quan trọng). Xác định mỗi bước sẽ mất bao lâu.
• Báo cáo – tần suất sẽ được thống nhất với các bên liên quan và báo cáo sẽ chứa có những thông tin gì.

Ngữ cảnh là gì và tại sao nó quan trọng?

Ngữ cảnh là điều kiện và môi trường của sự kiện xảy ra. Nó giúp chúng ta  sàng lọc một lượng lớn dữ liệu vô tổ chức để biến nó thành thứ gì đó có ý nghĩa.

Những câu hỏi cơ bản chúng ta cần đặt ra để xác định ngữ cảnh là gì?

Để xác định ngữ cảnh, chúng ta cần hỏi những câu sau:

Các bên liên quan gồm những ai

Những người đã đầu tư thời gian, sự quan tâm và nguồn lực vào các dự án mà chúng ta đang thực hiện.

3 nhóm liên quan chính và họ chịu trách nhiệm gì

1. Nhóm điều hành – đặt mục tiêu, phát triển chiến lược và đảm bảo chiến lược đó được thực hiện hiệu quả. Họ có thể bao gồm phó chủ tịch, giám đốc tiếp thị và các chuyên gia cấp cao. Điểm chung của nhóm này là quyền hạng mà họ có thường rất cao.
2. Nhóm tiếp xúc với khách hàng – bất kỳ ai có tương tác với khách hàng. Họ là người tổng hợp thông tin, đặt kỳ vọng và truyền đạt phản hồi của khách hàng. Họ có mục tiêu riêng và có thể đi kèm với các nhiệm vụ cụ thể.
3. Nhóm khoa học dữ liệu – tổ chức dữ liệu trong một công ty với các nhà phân tích dữ liệu, nhà khoa học dữ liệu và kỹ sư dữ liệu.

Làm gì để làm việc hiệu quả hơn với các bên liên quan? (W4L1)

Thảo luận về các mục tiêu, lập kế hoạch cho những điều không mong muốn (lập danh sách các thử thách tiềm năng), hiểu cách dự án của bạn kết nối với công ty, bắt đầu bằng một bản mô tả và hình ảnh rõ ràng, giao tiếp thường xuyên và sử dụng nhật ký để ghi lại các thay đổi.

4 điều bạn nên biết để giao tiếp rõ ràng

1. Khán giả của bạn là ai
2. Những thứ mà họ đã biết
3. Những gì mà họ cần biết
4. Làm thế nào để bạn giao tiếp hiệu quả với họ

3 điều bạn nên tập trung

1. Ai là bên liên quan chính – Thường là phó chủ tịch nhân sự. Người quản lý dự án, các thành viên trong nhóm và các nhà phân tích khác là các bên liên quan thứ cấp.
2. Ai đang quản lý dữ liệu – Tác nhà phân tích dữ liệu khác.
3. Ai là người có thể giúp đỡ bạn – Có thể là người quản lý dự án

Hạn chế của dữ liệu và cách xử lý chúng

1. Dữ liệu không đầy đủ và không tồn tại – Khi bạn không có đủ dữ liệu để đưa ra kết luận. Bạn có thể vẫn sử dụng một nguồn dữ liệu khác, nhưng bạn sẽ cần đảm bảo kết luận.
2. Dữ liệu bị sai lệch – Các nhóm khác nhau có thể sử dụng các quy tắc kinh doanh khác nhau, do đó, một nhóm có thể xác định và đo lường dữ liệu khác với các nhóm khác. Trong những trường hợp này, việc thiết lập cách đo lường mọi thứ sớm sẽ chuẩn hóa dữ liệu để có độ tin cậy và độ chính xác cao hơn.
3. Dữ liệu bẩn – Dữ liệu chứa lỗi. Điều này có thể dẫn đến giảm năng suất, tăng kích thước và đưa ra kết luận sai lệch.

Làm sạch dữ liệu là quá trình sửa hoặc xóa dữ liệu không chính xác, bị hỏng, sai định dạng, trùng lặp hoặc không đầy đủ trong bộ dữ liệu.

Cách thể hiện dữ liệu rõ ràng

• So sánh cùng một loại dữ liệu – dữ liệu có thể bị lẫn lộn khi bạn lập biểu đồ để trực quan hóa. Vậy nên bạn cần đảm bảo so sánh các loại dữ liệu giống nhau.
• Cẩn thận khi trực quan hóa dữ liệu – Bạn nên đặt trục Y thành 0.
• Thêm các biểu đồ không cần thiết – nếu một bảng kể một câu chuyện, thì đừng thêm các hình ảnh không cần thiết.
• Kiểm tra ý nghĩa của số liệu thống kê – Nếu hai bộ dữ liệu có thể trông khác nhau, thì bạn cần phải tìm sự khác biệt và xem nó có quan trọng hay không. Bạn có thể sử dụng các bài kiểm tra thống kê để xem mức độ khác biệt.
• Chú ý đến kích thước mẫu – thu thập nhiều dữ liệu. Nếu cỡ mẫu nhỏ, một vài dữ liệu bất thường có thể làm sai lệch kết quả.

Cách để có một cuộc họp hiệu quả

1. Có sự chuẩn bị
2. Đến đúng giờ
3. Tập trung, chú ý
4. Đặt câu hỏi

Các loại dữ liệu bẩn và hệ quả của chúng

• Dữ liệu trùng lặp – Số liệu hoặc phân tích sai lệch.
• Dữ liệu lỗi thời – Có cái sai, dẫn đến việc ra quyết định và phân tích không chính xác.
• Dữ liệu không đầy đủ – Giảm hiệu suất, thông tin chi tiết không chính xác, không thể hoàn thành yêu cầu cơ bản.
• Dữ liệu không chính xác – Thông tin chi tiết không chính xác có thể dẫn đến mất doanh thu.
• Dữ liệu không nhất quán – Dẫn đến dễ nhầm lẫn, không thể phân loại khách hàng.

Tác động đến kinh doanh của dữ liệu bẩn

Ngân hàng: Hao hụt chi phí của công ty từ 15% đến 25% doanh thu.

Thương mại kỹ thuật số: Có tới 25% liên hệ của cơ sở dữ liệu B2B chứa thông tin không chính xác.

Tiếp thị và bán hàng: 8 trong số 10 công ty đã nói rằng dữ liệu bẩn cản trở các chiến dịch bán hàng.

Chăm sóc sức khỏe: Hồ sơ trùng lặp có thể chiếm 10% và thậm chí lên đến 20% hồ sơ sức khỏe điện tử của bệnh viện.

Các sự cố thường gặp liên quan đến dữ liệu bẩn

• Lỗi chính tả và các lỗi văn bản khác
• Nhãn mô tả không nhất quán
• Định dạng và độ dài của trường dữ liệu
• Thiếu dữ liệu
• Trùng lặp dữ liệu

Mình hy vọng bạn sẽ thấy bài viết này hữu ích, vì những kiến thức trên là những kiến thức quan trọng nhất trong khóa học. Hẹn gặp lại các bạn ở khóa 3 nhé. Bạn có thể xem cách đăng ký khóa học tại đây.

I have completed the first course in the Google Data Analyst Certification (Google Data Analytics Professional Certificate). So in this post, I’ll share what I’ve learned from the course Foundations: Data, Data, Everywhere for you guys.

Information about the course

This is the first course in the Google Data Analytics Certification. These courses will equip you with the skills you need to apply for entry-level data analysis jobs. Organizations of all types need data analysts to help them improve processes, identify opportunities and trends, launch new products, and make decisions. In this course, you’ll be introduced to the world of data analytics through a hands-on curriculum developed by Google. The course covers a wide range of data analytics topics and is designed to give you an overview of what’s included in the Google Data Analytics Certification. Current Google data analysts will teach you best practices to accomplish common data analysis tasks using the best tools and resources.

Learners who complete this certificate program will be equipped with the knowledge and skills to apply for entry-level jobs as data analysts. No previous experience.

By the end of this course, you will:

• Gain an understanding of the methods and processes used by a data analyst in their day-to-day work.
• Learn about key analytical skills (data cleaning, data analysis, data visualization) and tools (spreadsheets, SQL, R language, Tableau).
• Explore a variety of terms and concepts related to the data analyst role, such as the data lifecycle and data analytics workflow.
• Evaluate the role of analytics in the data ecosystem.
• Self-assessment of analytical thinking.
• Explore job opportunities available to you upon completion of the program and learn about job search best practices.

How to get the course

To receive this course, you can buy directly from the coursera website. Or apply for the government’s digital talent development (NIC) scholarship program here.

With the patronage of the National Innovation Center, Google is committed to Free funding of course account with term of 12 months, worth 168 USD/account for employees working in state agencies, organizations, enterprises, freelance workers; Officials, lecturers and final year students from universities and colleges across the country participated in online learning a number of courses designed and trained by a team of prestigious Google experts on the Coursera system. Flexible study time according to the individual schedule of each student.

When being considered for a scholarship, Students will be provided with an account by Google with The Program’s 5 courses include: Data Analysis (Data Analytics)Information technology technical support (IT Supports)Project management (Project Management)UX Design (UX Design) and Digital Marketing and E-Commerce (Digital Marketing & E-Commerce). Completing each course on the system, Students will be provided Professional certification by Google (Google Career Certificate).

What I learned from the Google Data Analytics Professional course

First week

In the first week, I learned about Data, Data Science, Data Analyst, Data Analysis, Data Analytics and Data Analytics Process. I learned that Data is a collection of facts or information that, through a data set, a data expert known as a data analyst, can draw conclusions and make decisions. make predictions as well as data analysis decisions. Data-driven decisions (data-driven) is a strategic concept to promote business operations correctly. It is defined as using information to decide on business strategy.

There are six stages of the data analysis process: Ask, prepare, process, analyze, share, act.

Ask: A data analyst will try to understand the type of project and what the outcome of the project will be by asking effective questions. To identify these, they asked people who could help them with the problem, such as leaders or managers.

Prepare: After completing the above step, the analyst needs planning data. They need to define a timeline for this project and start gathering data based on the question posed. The most important fact in this phase is timing and data collection.

Handling: After collecting the data, we need to check the data, is there any missing information. We need to manage and store data securely. The data cleaning process is the most important task in this phase.

Analysis: This is the main task of the data analyst. They need to demonstrate experience, knowledge, and creativity. And analyze all the facts to find all the answers to the question posed.

Share: During this phase, the analyst shares their results with stakeholders and chats with project team members.

Act: In the final stage, the data analyst and other team members will try to implement data-driven decisions for the company.

Furthermore, an ecosystem (ecosystem) is a group of elements that interact with each other. Similarly, the data ecosystem (data archive) is a group of elements that interact with each other to produce, manage, store, organize, analyze, and share data.

General lifecycle of data analytics:

• Ask: Accept business challenges, find goals and questions.
• Prepare: Data generation, collection, storage and management.
• Handling: Clean data/ensure data integrity.
• Analysis: Explore, visualize, and analyze data.
• Share: Communicate and interpret results.
• Act: Use decisions from analysis to solve problems.

2nd week

In the second week, I learned about Data Analysis Skills, Analytical Skills, Data Based Decisions.

Analytical skills are the qualities and characteristics associated with problem solving using data. There are 5 essential skills of a Data Analyst: Curiosity, Understanding Context, Having a Technical Mindset, Data Design, Data Strategy.

Analytical thinking involves identifying a problem, then solving it using data in an organized, step-by-step manner. There are five main things to build analytical thinking: Visualization, Strategy, Problem Orientation, Correlation, Big Thinking, and Detail Orientation.

Visualization are some graphical representations of information, which help us to understand the data. Strategy means what solution they want to achieve and how they can achieve it. Data Analysts use Problem Oriented thinking to identify, describe, and solve problems. Correlation is like the relationship between data, holistic thinking means seeing everything in one picture. Detail-oriented thinking is figuring out everything to execute the plan. Using data, we can deepen our understanding, verify theory, better understand business location, support and business planning. Data-driven decisions can improve any business in many ways.

Week 3

In the third week, I learned the data life cycle, the data analytics workflow, and the data analysis tools.

The data lifecycle consists of six steps: Plan, Collect, Manage, Analyze, Store, and Discard. Of those stages, planning is the most important. Because we need to understand what kind of data we need to collect, how we can manage it throughout the lifecycle, who will be responsible for that data, and optimize the results.

The next stage is collection, where we need to collect data from sources. Another important stage is management, in this phase we need to properly store data and make sure it’s safe. Next is Analysis, without analyzing we cannot draw conclusions. In this phase, we need to solve the problem. Archiving means storing data in a place where it is still available but not reused. Finally, we need to destroy the data to protect it.

Then we will discuss the data analysis process. In data analysis, spreadsheets, query languages, and visualizations are most commonly used. There are many spreadsheets. But two popular options are Microsoft spreadsheets and Google Spreadsheets.

A query language is a computer programming language that allows you to retrieve or manipulate data from a database. The most common query language is SQL. A database is a collection of data stores in a computer system.

And, I used visualization technique, which helps me understand the data set easily. A visualization is a graphical representation of data. Graphs, maps, and tables are examples of visualizations. The most popular visualization tools are Tableau and Looker.

Week 4

In the fourth week, the course will give a fairly simple introduction to spreadsheets and SQL. On October 17, 2019, Google celebrated the 40th anniversary of computer spreadsheets. The first name of the calculator spreadsheet was VisiCalc. A worksheet consists of a large number of cells and all cells are identified by columns and rows.

In datasets, column labels are often referred to as attributes. An attribute is a characteristic or quality of data. On the other hand, rows are called observations. An observation includes all the attributes for something contained in a row of a data table.

We have many ways to work on spreadsheets including functions and formulas. Furthermore, SQL can perform many of the same operations with data. You can use SQL to store, sort, and analyze data. Finally, they introduced Qwiklabs.

Week 5

In week five, Google talks about why we should learn Google Data Analytics Professional skills. There are many companies that need business analysis including technology, marketing, finance, healthcare, etc. to improve their business.

That’s why they need a data analyst. Additionally, they talk about the importance of fair business decisions, where they discuss corporate issues. An issue is a subject and object for investigation. A question is designed to uncover information and the problem is an obstacle to be solved.

Next, Google discusses how we can find our dream job. To do this, we need to focus on a few common factors: what industry do you like to work in, what tools are needed for you, the right place to work, transportation and company culture. . All of the above factors mean a lot to a data analyst.

There are many positions for a data analyst:

• Business Analyst: Analyze data to improve business processes, products or services.
• Business Intelligence Analyst: analysis of financial or market data.
• Data analytics consultant: analyze the system or model to use the data.
• Data Engineer: prepare and integrate data from different sources for analysis.
• Data Scientist: use technical and social science expertise to find trends through data analysis.
• Data expert: organize or transform data for use in a database or software system.
• Operations Analyst: Analyze data to improve the performance of business operations and workflows.

Finally, there is the final certification exam. I have been granted a certificate and am about to take the 2nd course out of 8 courses of this certificate. I will continue to share what I have learned after completing this certificate. So make sure you watch it.

In addition, you can also refer to other free courses on Anonyviet here.