📊 Phân tích tinh gọn - Điểm khác biệt so với phân tích truyền thống!

Nov 30, 2021

Dưới đây là video phân tích Framework Lean Analytics Cycle (hai tác giả Alistair Croll & Benjamin Yoskovitz) trong khóa học Lean Data Analytics:

Câu hỏi đặt ra là:

1. Doanh nghiệp nào có thể áp dụng Lean Analytics Cycle? Mục tiêu sử dụng Phân tích tinh gọn?

2. Điểm khác biệt giữa cách tiếp cận của phân tích truyền thống và phân tích tinh gọn/hiện đại là gì?

Trong phần chia sẻ của giáo viên, thông thường, các doanh nghiệp sử dụng Lean Analytics Cycle không phân biệt là các doanh nghiệp vừa, nhỏ hay lớn, mà quan trọng hơn hết là doanh nghiệp mang trong mình tinh thần “startup” – phải liên tục đổi mới để phục vụ sản phẩm phù hợp với nhu cầu của khách hàng. Bạn có thể thấy, ngay cả các công ty công nghệ lớn như Amazon, Uber, Netflix,… vẫn sử dụng

Ưu điểm của việc sử dụng Phân tích tinh gọn chính là:

- Tiết kiệm nguồn tài nguyên (tiền bạc, thời gian) để xác thực các giả thiết về việc cải thiện, phát triển sản phẩm/tính năng mới, nhu cầu sử dụng sản phẩm, dịch vụ...

- Vẽ lộ trình thực thi tinh gọn, nhưng bao quát quy trình đưa ra giả thuyết -> thực thi -> Đo lường -> Hành động.

- Đưa ra quyết định vận hành hiệu quả hơn nhờ các thử nghiệm tinh gọn, tiết kiệm thời gian.

Việc phân biệt các mô hình phân tích truyền thống và phân tích tinh gọn hiện đại

Chúng được mô tả trong mô hình dưới đây với các đặc điểm về loại hình phân tích, nguồn dữ liệu, mục tiêu phân tích. (https://www.researchgate.net/.../Traditional-Analytics-vs...)

Có thể là hình ảnh về văn bản cho biết 'Type of Analysis Big Data Analytics Data Source Predictive and Prescriptive Analysis Traditional Analytics Diagnostic and Descriptive analysis Limited data sets, Large scale data sets, variety of data like cleaned data, structured/unstructured/semi-structure simple models data, unprocessed data, Complex data model Analytical Domain What happened and why? Gain new insights, find trends, hidden patterns, correlations'

+ Về loại hình phân tích:

* Phân tích truyền thống sẽ đi theo loại diagnostic and descriptive analysis.

* Big data analytics sẽ là predictive and prescriptive analysis.

+ Các nguồn dữ liệu:

* Phân tích truyền thống hạn chế nguồn dữ liệu, đặc điểm dữ liệu phải sạch và có thể build các models phân tích đơn giản.

* Big data analytics cần nhiều nguồn dữ liệu để thực hiện quá trình EDA, xây dựng các mô hình dự đoán phức tạp hơn.

+ Mục tiêu phân tích:

Ở hướng truyền thống, nhà phân tích sẽ trả lời câu hỏi chuyện gì đã xảy ra và tại sao lại dẫn đến kết quả đó? trong khi hướng hiện đại, nhà phân tích có mục tiêu tìm ra các insights mới, các hidden patterns, sự tương quan giữa các metrics,…

Bạn có thể tìm hiểu hướng phân tích tinh gọn với cách tư duy, mindset và tools thì đăng ký ngay khóa học Self-disciplined Data Analytics tại MiEdu nhé! Thời gian khai giảng không giới hạn và hạn truy cập 1 năm với hỗ trợ online 24/7!

👉 Link đăng ký tại https://bit.ly/DS122021

👉Ngoài ra, bạn có thể tham khảo khóa Tổng quan về Data Science dành cho người bắt đầu chuyển ngành hoặc upskill Fullstack Data Science Bootcamp khai giảng ngày 14/12/2021! Link đăng ký tại https://bit.ly/DS122021.