Data LMS

Sổ tay tóm tắt để ôn nhanh hoặc in ra.

Sổ tay Phase 1: Nền tảng dữ liệu

Tuần 1. Dữ liệu là gì

Khái niệmNhớ một câu
3 loại dữ liệuCó cấu trúc (bảng, cột cố định) · bán cấu trúc (có key, linh hoạt, như JSON) · phi cấu trúc (văn bản, ảnh, âm thanh).
Data-generating processAi/hệ thống nào ghi, ghi khi nào, cái gì không được ghi → dữ liệu đại diện cho ai.
Kiểu biếnCategorical để chia nhóm; numerical để tính toán. Mã số không phải con số.
Nominal / ordinalNominal chỉ đếm; ordinal có thứ tự nhưng không tính trung bình như số thật.
Interval / ratioĐiểm 0 có nghĩa thật không? Có (doanh thu) thì nói "gấp đôi" được; không (°C, ngày) thì không.

Tuần 2. Grain và tổ chức dữ liệu

Khái niệmNhớ một câu
GrainMột dòng là gì? Sai grain → đếm trùng, tổng sai. Kiểm tra: số dòng = số tổ hợp khoá duy nhất.
Measure / dimensionMeasure để cộng (Sales); dimension để chia nhóm (Region). Báo cáo = measure theo dimension.
Roll-up / drill-downGộp lên để thấy tổng; đi sâu xuống để tìm nguyên nhân.
Fact / dimension tableFact chứa sự kiện và measure; dimension chứa mô tả.
PK / FKKhoá chính định danh duy nhất; khoá ngoại trỏ tới khoá chính bảng khác.
Star schemaMột fact ở giữa, các dimension xung quanh.
NormalizationTách bảng: mỗi thông tin một chỗ, tránh bất nhất. Denormalization: gộp để đọc nhanh.

Tuần 3. Number sense

Khái niệmNhớ một câu
FermiChia nhỏ thành tích các số dễ đoán, ghi giả định, nhắm đúng bậc độ lớn.
% và pp2% → 3%: +1 pp, +50%. Luôn ghi rõ là pp hay %.
Base effectKỳ gốc thấp bất thường → tăng mạnh mà không tốt hơn. So cùng kỳ, quy về mỗi ngày.
Đóng góp tăng trưởngNhìn số tuyệt đối: +200% trên nền 10 nhỏ hơn +10% trên nền 1.000.
Cross-sectional / time seriesSo ai với ai trong cùng kỳ / xem xu hướng một chỉ tiêu theo thời gian.

Checklist trước khi gửi một con số