Tóm tắt Chương 1: Data Analysis Tools — MI

Data là sự kiện thô chưa xử lý; information là data đã được xử lý hoặc sắp xếp cho có ích.
Quantitative data đo hoặc đếm được; qualitative data là thuộc tính không quy ra số. Discrete data nhận giá trị chính xác (đếm); continuous data nhận mọi giá trị trong một khoảng (chiều cao là quantitative và continuous).
Dữ liệu phục vụ ba việc: planning, decision making, control.
Nguồn nội bộ: hệ thống kế toán, hồ sơ nhân sự và bảng lương, nhật ký máy, hệ thống mua hàng (EDI), timesheet, nhân viên. Nguồn bên ngoài: chính thức (thuế, luật, R&D, nghiên cứu thị trường) và không chính thức (báo chí, mạng xã hội, đối tác).
Internet of things: thiết bị thông minh, phần mềm điều khiển, cảm biến, thiết bị an ninh, điện thoại thông minh.
ACCURATE: Accurate, Complete, Cost-beneficial, User-targeted, Relevant, Authoritative, Timely, Easy to use.

Năm bước: xác định nhu cầu, thu thập, phân tích, trình bày, sử dụng; quy trình lặp lại.
Descriptive statistics tóm tắt data set; inferential statistics suy ra tổng thể từ mẫu, gồm exploratory (tìm quan hệ) và confirmatory (kiểm chứng giả thuyết).
Mean = Σx ÷ n; median ở vị trí (n + 1)/2 sau khi xếp thứ tự; mode là giá trị xuất hiện nhiều nhất (có thể nhiều mode).
Mean bị outlier kéo lệch và hai tập rất khác nhau có thể cùng mean; median và mode không bị outlier ảnh hưởng; mode là thước đo duy nhất cho dữ liệu định tính.
Variance = Σ(x − x̄)² ÷ n; standard deviation = variance, không bao giờ âm, càng thấp dữ liệu càng tụ quanh mean. Coefficient of variation = standard deviation ÷ mean, dùng so sánh tập có quy mô khác nhau.
Normal distribution: đối xứng, mean = median = mode; μ ± 1σ chứa 68.2%, μ ± 2σ chứa 95.4%, μ ± 3σ chứa 99.7%; 95% trong μ ± 1.96σ, 99% trong μ ± 2.58σ.

Mẫu đại diện cần mọi phần tử có cơ hội được chọn như nhau (sampling frame đầy đủ) và cỡ mẫu đủ lớn (quy tắc kinh nghiệm: ít nhất 30).
Random sampling, systematic sampling (mỗi phần tử thứ n từ điểm xuất phát ngẫu nhiên), stratified sampling (số mẫu mỗi tầng tỷ lệ với quy mô tầng).
Type I error: bác bỏ null hypothesis đúng (false positive). Type II error: chấp nhận null hypothesis sai (false negative).
Survey: câu ngắn, hỏi số cụ thể, dùng thang đo vừa phải, tránh leading và double-barrelled question; tránh survey fatigue; phản hồi thấp gây self-selection bias.

Mô hình y = a + bx. High-low: chọn mức hoạt động cao nhất và thấp nhất; b = chênh lệch chi phí ÷ chênh lệch hoạt động; a = y − bx. Nhược điểm: chỉ dùng hai điểm.
Linear regression dùng mọi điểm nên tốt hơn high-low; độ tin cậy của cả hai phụ thuộc mức correlation.
Hệ số r từ −1 đến +1; r² là tỷ lệ biến động của y mà x giải thích được, có thể bằng 1. Tương quan cao chưa chứng minh nhân quả.
Tương quan không nhân quả: biến thứ ba (confounding variable), chiều ngược lại, cần điều kiện X, chuỗi trung gian A → Y → B, hoặc ngẫu nhiên.
Time series gồm trend, seasonal variation, cyclical variation, random variation. Moving average làm mịn mùa vụ để thấy trend, nên lấy đúng một chu kỳ.
Additive: TS = T + SV, SV = TS − T. Multiplicative: TS = T × SV, chính xác hơn khi trend tăng hoặc giảm.
Xóa outlier phải có lý do chính đáng. Time series giả định quá khứ lặp lại, trend tuyến tính, mùa vụ không đổi hoặc tỷ lệ với trend.

Ô chứa text, value hoặc formula; function là công thức dựng sẵn. =SUM(vùng), =AVERAGE(...) bỏ qua ô trống và ô chữ nhưng tính ô 0, =COUNTIF(vùng,"điều kiện").
Dùng cho sổ sách doanh nghiệp nhỏ, ngân sách và dự báo, what-if và scenario analysis.
Rủi ro: lỗi, thiếu nhất quán, thiết kế kém, thiếu tài liệu, mất dữ liệu, không có audit trail, bảo mật hạn chế. ICAEW có 20 nguyên tắc chia ba nhóm: môi trường, thiết kế và xây dựng, rủi ro và kiểm soát.
Comparability bị bóp méo do khác định nghĩa hoặc khác công cụ đo, cách tổng hợp, cách trình bày.
Bar chart so sánh nhóm; component bar chart cho cơ cấu qua nhiều kỳ; pie chart cho cơ cấu một kỳ một biến; line chart cho xu hướng theo thời gian.

Bốn chữ V: volume, velocity, variety (nhiều dạng dữ liệu), veracity (độ tin cậy).
Structured data nằm trong trường của bản ghi; unstructured data như email, ảnh, video, PDF, blog.
Structured: created, provoked, transacted, compiled data. Unstructured: captured, user-generated data. Nguồn: processed, open, human-sourced, machine-generated data.
Data analytics là quá trình khai thác giá trị từ big data. Bốn loại: descriptive (đã xảy ra gì), diagnostic (vì sao), predictive (sẽ ra sao), prescriptive (nên làm gì).
Rủi ro: lưu trữ, kỹ năng, phụ thuộc dữ liệu, quá tải thông tin, quyền riêng tư (Data Protection Act 2018), an ninh dữ liệu.
Thông tin thương mại nhạy cảm được bảo vệ bằng luật IP (copyright, design right, trademark 10 năm, registered design 25 năm, patent 20 năm) và kiểm soát nội bộ đối với nhân viên.