Trước khi đi sâu vào các mô hình cụ thể ở Module 1, cần dừng lại phân biệt rõ 1 điều hay gây nhầm lẫn: “phân tích dữ liệu”, “thống kê”, “Business Intelligence (BI)”, “Data Science” — tất cả nghe như làm cùng 1 việc, nhưng thực ra trả lời những câu hỏi khác nhau.
4 lĩnh vực, 4 câu hỏi khác nhau
- Truy vấn cơ sở dữ liệu / Data Warehouse: “Cho tôi xem doanh số tháng trước theo từng vùng” — lấy đúng con số đã có, không suy luận gì thêm.
- Business Intelligence (BI): đóng gói các truy vấn đó thành báo cáo/dashboard dễ xem cho lãnh đạo — vẫn chỉ mô tả “điều đã xảy ra”.
- Thống kê: đi xa hơn 1 bước — dùng dữ liệu mẫu để suy luận ra điều gì đúng cho cả tổng thể (không chỉ mẫu đang có), có kiểm định độ tin cậy.
- Data Science / Data Mining: xây mô hình để dự đoán điều chưa biết (khách nào sẽ rời mạng, giá cổ phiếu tăng hay giảm) — đây là trọng tâm lộ trình này.
Vì sao nhầm lẫn 4 lĩnh vực này lại tốn tiền thật
Nếu 1 tổ chức thực chất chỉ cần BI (biết doanh số tháng trước) nhưng lại thuê 1 đội “data scientist” để xây mô hình dự đoán phức tạp — đó là lãng phí nguồn lực. Ngược lại, nếu tổ chức cần dự đoán khách hàng nào sẽ rời bỏ (bài toán MegaTelCo đã học) nhưng chỉ đầu tư vào dashboard báo cáo — họ sẽ không bao giờ có được câu trả lời mình cần.
Phân biệt đúng 4 lĩnh vực này giúp bạn (dù không tự làm) vẫn đặt đúng câu hỏi khi đọc 1 đề xuất dự án: “đây là báo cáo mô tả, hay là mô hình dự đoán thật?” — câu hỏi này sẽ được đào sâu hơn ở Module 2 khi học cách đánh giá 1 đề xuất phân tích dữ liệu.
Xem thêm
Video này (tiếng Anh) đi sâu hơn vào sự khác biệt giữa BI và Data Science — hữu ích nếu bạn cần chọn hướng học tiếp theo.
- Bạn phân biệt được BI (mô tả điều đã xảy ra) với Data Science (dự đoán điều sẽ xảy ra).
- Bạn giải thích được vì sao Thống kê và Data Science không hoàn toàn là 1.
- Bạn biết đặt câu hỏi đúng khi nghe 1 đề xuất dự án: đây là báo cáo hay là mô hình dự đoán?
Không có lĩnh vực nào “cao cấp hơn” lĩnh vực khác — BI, thống kê, Data Science giải quyết các bài toán khác nhau. Sai lầm phổ biến nhất không phải là chọn sai lĩnh vực, mà là KHÔNG BIẾT mình đang cần lĩnh vực nào trước khi bắt đầu 1 dự án.
Câu hỏi thường gặp
Data Mining và Data Science có phải là 1 không?
Gần như vậy. Data Science là thuật ngữ rộng hơn (bao gồm cả tư duy nguyên lý), Data Mining là việc thực hành trích xuất tri thức từ dữ liệu bằng công nghệ cụ thể — Data Mining thường được dùng để minh hoạ rõ nhất các nguyên lý của Data Science.
Một dự án có thể cần cả 4 lĩnh vực cùng lúc không?
Có, rất phổ biến — ví dụ cần Data Warehouse để lưu dữ liệu, BI để theo dõi tiến độ, thống kê để kiểm định kết quả, và Data Science để xây mô hình dự đoán.
Lộ trình này thuộc lĩnh vực nào?
Chủ yếu là Data Science/Data Mining (dự đoán, phân loại, phân cụm…), có dùng thêm 1 số công cụ thống kê nền tảng — không đi sâu vào BI/dashboard thuần túy.