Data Analyst không tự có dữ liệu để phân tích. Dữ liệu thường nằm ở nhiều nơi khác nhau như database, Excel, Google Sheets, CRM, website, phần mềm bán hàng hoặc các nền tảng quảng cáo.
Vì vậy, một công việc rất thực tế là tìm đúng nguồn dữ liệu, lấy dữ liệu về và chuẩn bị dữ liệu trước khi phân tích.
Data Analyst thường lấy dữ liệu từ đâu?
Tùy vào công ty và bài toán, dữ liệu có thể đến từ:
- Database
- Excel
- Google Sheets
- CRM
- ERP
- Website
- Google Analytics
- Facebook Ads
- Google Ads
- Phần mềm bán hàng
- API
- File CSV
- Hệ thống nội bộ
Không phải lúc nào Data Analyst cũng được đưa cho một file dữ liệu hoàn chỉnh.
Nhiều trường hợp phải lấy dữ liệu từ nhiều nguồn rồi kết hợp lại.
1. Database
Database thường chứa dữ liệu quan trọng của doanh nghiệp như:
- Khách hàng
- Đơn hàng
- Sản phẩm
- Thanh toán
- Giao dịch
- Tồn kho
- Nhân viên
Ví dụ một công ty bán hàng có database lưu toàn bộ đơn hàng.
Data Analyst có thể lấy dữ liệu đơn hàng để phân tích doanh thu theo ngày, sản phẩm, khu vực hoặc khách hàng.
Công cụ thường dùng là SQL.
Một số hệ quản trị database thường gặp:
- MySQL
- PostgreSQL
- SQL Server
- Oracle
- BigQuery
Không nhất thiết phải lấy toàn bộ database.
Thông thường chỉ lấy những bảng và cột cần thiết cho bài phân tích.
2. Excel
Excel vẫn là một trong những nguồn dữ liệu phổ biến nhất.
Data Analyst có thể nhận file từ nhiều bộ phận:
- Sales
- Marketing
- Kế toán
- Kho
- Chăm sóc khách hàng
Ví dụ Sales gửi file đơn hàng tháng 8.
Marketing gửi file dữ liệu quảng cáo tháng 8.
Data Analyst có thể phải kiểm tra hai file, chuẩn hóa dữ liệu rồi kết hợp chúng để phân tích.
3. Google Sheets
Google Sheets thường được sử dụng khi nhiều người cần cùng cập nhật dữ liệu.
Ví dụ bộ phận Sales cập nhật danh sách khách hàng hàng ngày.
Data Analyst có thể sử dụng dữ liệu này để:
- Tổng hợp khách hàng
- Kiểm tra dữ liệu
- Phân tích doanh thu
- Kết hợp với dữ liệu bán hàng
- Tạo báo cáo
Google Sheets đặc biệt tiện khi dữ liệu được cập nhật thường xuyên và nhiều người cùng làm việc trên một file.
4. CRM
CRM thường chứa dữ liệu liên quan đến khách hàng và hoạt động bán hàng.
Data Analyst có thể lấy:
- Thông tin khách hàng
- Nguồn khách
- Ngày tạo khách
- Nhân viên phụ trách
- Trạng thái khách hàng
- Lịch sử chăm sóc
- Cơ hội bán hàng
- Đơn hàng
Ví dụ muốn biết nguồn khách nào tạo ra nhiều khách hàng nhất, Data Analyst có thể lấy dữ liệu từ CRM rồi kết hợp với dữ liệu đơn hàng.
5. ERP và phần mềm quản lý
Các hệ thống ERP có thể chứa dữ liệu từ nhiều bộ phận của doanh nghiệp.
Ví dụ:
- Bán hàng
- Kho
- Mua hàng
- Sản xuất
- Kế toán
Nếu cần phân tích tình trạng bán hàng và tồn kho, Data Analyst có thể phải lấy dữ liệu từ cả hệ thống bán hàng và hệ thống kho.
Ví dụ sản phẩm bán rất tốt nhưng thường xuyên hết hàng.
Muốn tìm hiểu vấn đề này phải kết hợp dữ liệu bán hàng với dữ liệu tồn kho.
6. Website
Website cũng có thể là một nguồn dữ liệu lớn.
Có thể lấy các dữ liệu như:
- Người truy cập
- Sản phẩm được xem
- Đơn hàng
- Khách hàng
- Form đăng ký
- Hành động của người dùng
Tùy hệ thống website, dữ liệu có thể được lấy từ database, Google Analytics hoặc API.
7. Google Analytics
Google Analytics thường được dùng để lấy dữ liệu liên quan đến website.
Data Analyst có thể sử dụng dữ liệu để xem:
- Người dùng đến từ đâu
- Trang nào được xem nhiều
- Người dùng thực hiện hành động gì
- Thiết bị sử dụng
- Khu vực truy cập
- Số lượng chuyển đổi
Ví dụ doanh thu website giảm.
Data Analyst có thể kiểm tra Google Analytics để xem lượng người truy cập có giảm hay không.
Nếu lượng truy cập vẫn ổn định nhưng số đơn giảm, cần kiểm tra tiếp những bước khác trên website.
8. Facebook Ads
Nếu doanh nghiệp chạy quảng cáo Facebook, dữ liệu quảng cáo có thể được sử dụng trong phân tích.
Có thể lấy dữ liệu theo:
- Ngày
- Campaign
- Nhóm quảng cáo
- Mẫu quảng cáo
- Đối tượng
- Chi phí
- Lượt click
- Kết quả
Data Analyst có thể kết hợp dữ liệu Facebook Ads với dữ liệu bán hàng để kiểm tra những chiến dịch quảng cáo nào tạo ra khách hàng và đơn hàng thực tế.
9. Google Ads
Google Ads cũng là một nguồn dữ liệu thường gặp khi phân tích Marketing.
Có thể lấy dữ liệu theo:
- Ngày
- Campaign
- Nhóm quảng cáo
- Từ khóa
- Chi phí
- Lượt click
- Kết quả
Sau đó kết hợp với dữ liệu website hoặc dữ liệu bán hàng.
Ví dụ Google Ads có dữ liệu chi phí quảng cáo, trong khi hệ thống bán hàng có doanh thu.
Kết hợp hai nguồn này giúp đánh giá kết quả kinh doanh của hoạt động quảng cáo rõ hơn.
10. File CSV
CSV là dạng file thường được xuất ra từ nhiều hệ thống.
Ví dụ:
- customers.csv
- orders.csv
- products.csv
- marketing.csv
Các file CSV có thể được xử lý bằng:
- Excel
- Power Query
- Python
- Power BI
Nếu dữ liệu rất lớn, có thể cần SQL hoặc Python thay vì xử lý trực tiếp bằng Excel.
11. API
Một số hệ thống không cho tải dữ liệu trực tiếp thành file mà cung cấp API.
API cho phép hệ thống khác lấy dữ liệu tự động.
Ví dụ doanh nghiệp có hệ thống quản lý đơn hàng.
Thay vì mỗi ngày có người tải file Excel, hệ thống có thể lấy dữ liệu tự động thông qua API.
Data Analyst có thể làm việc với API hoặc phối hợp với Developer để đưa dữ liệu vào hệ thống phục vụ phân tích.
12. Dữ liệu từ các phòng ban khác
Đây là trường hợp rất phổ biến.
Data Analyst có thể phải lấy dữ liệu từ nhiều bộ phận.
Sales có dữ liệu khách hàng và đơn hàng.
Marketing có dữ liệu quảng cáo.
Kho có dữ liệu tồn kho.
Kế toán có dữ liệu doanh thu và chi phí.
Chăm sóc khách hàng có dữ liệu hỗ trợ và khiếu nại.
Mỗi bộ phận có thể sử dụng cách lưu dữ liệu khác nhau.
Vì vậy, dữ liệu nhận được thường phải kiểm tra và chuẩn hóa trước khi sử dụng.
Data Analyst dùng phần mềm nào để lấy dữ liệu?
Không có một phần mềm duy nhất.
Tùy nguồn dữ liệu mà có thể sử dụng:
- SQL khi lấy dữ liệu từ database.
- Excel và Power Query khi xử lý file.
- Google Sheets khi làm việc với dữ liệu trên Google.
- Power BI khi kết nối và phân tích nhiều nguồn dữ liệu.
- Python khi cần xử lý dữ liệu lớn hoặc tự động hóa.
- API khi cần lấy dữ liệu tự động từ hệ thống khác.
Quan trọng không phải biết càng nhiều phần mềm càng tốt.
Quan trọng là biết dữ liệu nằm ở đâu và công cụ nào phù hợp để lấy nó.
Lấy được dữ liệu chưa có nghĩa là có thể phân tích ngay
Đây là phần rất dễ nhầm.
Ví dụ nhận được một file Excel có 100.000 dòng.
Không nên mở file lên rồi lập tức tạo biểu đồ.
Trước tiên phải kiểm tra:
- Có dòng trùng không?
- Có dữ liệu bị thiếu không?
- Ngày tháng có đúng không?
- Tên sản phẩm có thống nhất không?
- Doanh thu có giá trị bất thường không?
- Có đơn bị hủy không?
- Có dữ liệu sai định dạng không?
- Các cột đang đại diện cho thông tin gì?
File dữ liệu ban đầu chính là dữ liệu thô.
Sau khi kiểm tra và xử lý, dữ liệu mới đủ điều kiện để đưa vào phân tích.
Data Analyst có phải tự lấy tất cả dữ liệu không?
Không nhất thiết.
Ở một số công ty, Data Analyst được cấp quyền truy cập database.
Ở công ty khác, dữ liệu có thể do Data Engineer chuẩn bị.
Marketing có thể cung cấp dữ liệu quảng cáo.
Sales có thể cung cấp file bán hàng.
Developer có thể hỗ trợ API.
Điều quan trọng là Data Analyst phải biết cần dữ liệu gì, dữ liệu đó nằm ở đâu và làm thế nào để lấy đúng dữ liệu.
Kết luận
Dữ liệu Data Analyst sử dụng có thể đến từ rất nhiều nguồn: database, Excel, Google Sheets, CRM, ERP, website, Google Analytics, Facebook Ads, Google Ads, API hoặc các file CSV.
Sau khi lấy được dữ liệu, công việc vẫn chưa kết thúc.
Cần kiểm tra, làm sạch, chuẩn hóa và kết hợp dữ liệu trước khi phân tích.
Đây là lý do việc tìm dữ liệu ở đâu và lấy dữ liệu như thế nào là một phần rất thực tế trong công việc Data Analyst.