1. Dataset trong phân tích dữ liệu là gì ?

DataSet là một bước phát triển lớn trong việc phát triển phần mềm cơ sở dữ liệu đa hệ. Khi lấy và chỉnh sửa dữ liệu, duy trì liên tục kết nối tới Data Source trong khi chờ user yêu cầu thì rõ ràng là tốn tài nguyên máy rất nhiều.

DataSet giúp ích ở đây rất lớn vì DataSet cho phép lưu trữ dữ liệu và chỉnh sửa tại ‘local cache’, hay gọi là offline mode. Có thể xem xét và xử lý thông tin trong khi ngắt kết nối. Một khi chỉnh sửa và xem xong thì tạo một kết nối và update dữ liệu từ local vào Data Source.

Dữ liệu trong DataSet được lưu giữ dưới dạng một Collection các Tables và bạn phải cần phải xử lý thông qua các lớp DataTable -> DataRow và DataColumn

2. Những nguồn dữ liệu dataset dành cho data analyst

2.1. Kaggle

Đứng đầu trong top các nguồn dữ liệu không thể không nhắc tới Kaggle. Đây là một trong những thư viện tập dữ liệu trực tuyến lớn nhất từ lĩnh vực IT, Data, Machine Learning

Kaggle có tài nguyên dữ liệu khổng lồ về mọi lĩnh vực, mọi vấn đề liên quan về data. Là nguồn tài nguyên miễn phí, bạn dễ dàng truy cập và tìm kiếm dataset phù hợp với mục đích của bản thân. Bên cạnh đó, bạn cũng có thể tải tập dữ liệu của riêng mình lên đó. 

Link website: https://www.kaggle.com/

2.2. Google Trends

Google Trends là một trong những website quen thuộc của dân Marketing. Với giao diện đơn giản và dễ sử dụng, bạn hoàn toàn có thể tìm kiếm và so sánh các từ khóa và mức độ từ khóa đó được tìm kiếm theo thời gian. Để tìm kiếm dữ liệu phù hợp, bạn có thể lọc từ khóa đó theo địa điểm, theo khu vực, theo ngành để có được các thông tin chi tiết hơn. Ngoài ra, bạn có thể lọc dữ liệu dựa vào xu hướng tìm kiếm, sự phổ biến dựa trên lượt tìm kiếm, sự quan tâm qua nền tảng tìm kiếm

Link website: https://trends.google.com.vn/trends/?geo=VN

2.3. Google Dataset Search

Đối với Fresher hoặc người mới đang tìm tòi học hỏi về Data Analyst thì luôn luôn phải thực hành với nhiều dataset để thành thạo sử dụng công cụ và nâng cao kinh nghiệm giải quyết các bài toán chuyên môn. Chính vì vậy, DataSet Search là trang web hữu ích dành cho bất kì ai đang cần thực hành với dữ liệu. Điểm nổi bật của trang web này là những dataset bạn tìm kiếm đều miễn phí, chất lượng và uy tín. Với giao diện đơn giản và dễ sử dụng, bạn chỉ cần nhập keyword vào thanh công cụ và enter. Ngay sau đó màn hình sẽ xuất hiện hàng loạt kết quả cùng với keyword bạn cần. Sử dụng những datasets này để thực hành, làm project cũng là 1 trong những cách làm nổi bật CV của fresher. Bạn cũng có thể tìm thấy bộ dữ liệu được tải lên bởi các tổ chức quốc tế như Tổ chức Y tế Thế giới, Statista và Harvard.

Link website: https://datasetsearch.research.google.com/

2.4. Statista

Như đã đề cập ở trên, Statista là một trong những website có nguồn dữ liệu khổng lồ và phong phú. Website này tổng hợp các nội dung nghiên cứu và visualize các kết quả này thành các chart phù hợp, tiện lợi để sử dụng trong các presentation. Các nguồn dữ liệu tương đối rộng vì có nhiều lĩnh vực khác nhau và thông tin theo từng năm, từng khu vực hay quốc gia. Đa số các dữ liệu trong Statista đề là nguồn dữ liệu free nên dễ dàng cho người học sử dụng và thực hành

Link website: https://www.statista.com/

2.5. Microsoft Datasets

Microsoft đã ra mắt kho lưu trữ “Dữ liệu mở trong Nghiên cứu của Microsoft (Microsoft Research Open data) ” với việc thu thập các bộ dữ liệu miễn phí trong các lĩnh vực khác nhau như xử lý ngôn ngữ tự nhiên, thị giác máy tính và khoa học theo lĩnh vực cụ thể.

Sử dụng tài nguyên này, chúng ta có thể tải xuống bộ dữ liệu để sử dụng trên thiết bị hiện tại hoặc cũng có thể sử dụng trực tiếp trên cơ sở hạ tầng đám mây.

Ngoài ra Microsoft còn có Azure Public Datasets, nơi thường xuyên cập nhật cơ sở dữ liệu cho các nhà phát triển và nhà nghiên cứu ứng dụng. Azure Public Datasets chứa dữ liệu của Chính phủ Mỹ, dữ liệu thống kê và khoa học khác cũng như thông tin dịch vụ trực tuyến mà Microsoft thu thập về người dùng của mình.

Link website: https://msropendata.com/

Các bộ dữ liệu là không thể thiếu trong các dự án về phân tích dữ liệu. Cách nhanh nhất để tích lũy kinh nghiệm chính là thực hành với các loại bộ dữ liệu khác nhau. Nhưng việc có được một tập dữ liệu phù hợp cho từng loại dự án thường mất rất nhiều thời gian. Hy vọng thông qua bài viết này, các bạn có được thêm nguồn tư liệu tham khảo, phục vụ cho quá trình học tập, nghiên cứu và làm việc.

Tham khảo về lộ trình học tập chi tiết trở thành Data Analyst với 5 khóa học bao gồm SQL, Power BI, Python và Xác suất thống kê: https://mcivietnam.com/.../khoa-hoc-python-foundation-in.../

Trong mỗi khóa học, bạn sẽ trực tiếp thực hành áp dụng lý thuyết vào case study thực tế để trau dồi kinh nghiệm thực chiến. Để lại thông tin để nhận ưu đãi lên đến 30% trong tháng 11 ngay hôm nay.