← Tất cả các tuần · Phase 6: Đề xuất & tổng hợp · khoảng 600 phút

Tuần 16: Capstone và nhìn lại

Bản nháp, đang chờ duyệt nội dung

Sau tuần này bạn có thể:

Làm một phân tích hoàn chỉnh đi đủ 4 bước: mô tả → chẩn đoán → dự báo → đề xuất.
Tự rà các bẫy đã học trên chính bài của mình.
Trình bày 15 phút trước team và trả lời được câu hỏi 'vì sao tin con số này?'.
Làm lại 12 tình huống của Tuần 0 và so sánh cách mình suy nghĩ trước và sau.

Video tóm tắt Tuần 16 · Video · Tiếng Việt

Video sắp có.

Tuần cuối không có kiến thức mới. Bạn dùng mọi thứ đã học cho một bài phân tích của riêng mình, rồi nhìn lại xem 16 tuần đã thay đổi cách bạn nghĩ về số liệu thế nào.

Phần 1. Capstone

Chọn đề bài

Chọn một trong ba hướng, hoặc dùng dữ liệu công việc của bạn (đã ẩn thông tin nhạy cảm):

Đề bài	Dữ liệu	Câu hỏi gợi ý
Chính sách chiết khấu	`superstore_sample.csv`	Có nên giới hạn chiết khấu? Giới hạn ở mức nào?
Kế hoạch năm sau theo Category	`superstore_sample.csv`	Category nào nên đầu tư thêm, dự báo doanh thu năm sau kèm khoảng?
Ưu tiên chất lượng sản phẩm	`winequality_red.csv`	Chỉ số nào nên kiểm soát để tăng tỷ lệ rượu đạt điểm từ 7 trở lên?

Bốn bước bắt buộc

Mô tả (Phase 1–2): grain, data quality, đối soát tổng, metric có tử số và mẫu số rõ ràng.
Chẩn đoán (Phase 4): ít nhất một driver tree hoặc PVM; mỗi kết luận nhân quả nêu confounder hoặc giới hạn.
Dự báo (Phase 5): có baseline, model thắng baseline, chia train/test đúng cách, dự báo kèm khoảng.
Đề xuất (Phase 6): ít nhất 2 kịch bản what-if có số; so-what 3 dòng ở đầu.

Khung code để bắt đầu

Ô dưới đây là khung cho đề bài chiết khấu: mỗi bước có sẵn một assert đối soát. Bạn sửa, thêm bước tuỳ ý. Kiểm tra chỉ xác nhận khung chạy đúng; chất lượng phân tích bạn tự chấm bằng checklist ở dưới.

Khung capstone: mô tả → chẩn đoán → dự báo → đề xuất

Checklist tự chấm

Checkpoint 6: Capstone 0/8Câu hỏi business rõ ràng; giả thuyết viết trước khi phân tích.Mô tả: xác định grain, kiểm tra data quality, assert đối soát số liệu pass; metric được định nghĩa rõ tử số và mẫu số.Chẩn đoán: có ít nhất 1 phân rã driver hoặc PVM; mỗi kết luận nhân quả có nêu confounder hoặc giới hạn của nó.Dự báo: có baseline; model thắng baseline; chia train/test đúng cách; dự báo kèm khoảng.Đề xuất: có ít nhất 2 kịch bản what-if có số; đề xuất cụ thể, hành động được.Storytelling: so-what 3 dòng ở đầu bài; mỗi chart chỉ 1 thông điệp, title của chart chính là kết luận.Tự rà bẫy trên chính bài của mình: grain, fan-out, average of averages, Simpson, confounder, regression to the mean, survivorship, leakage.Trình bày 15 phút trước team, trả lời được câu hỏi 'vì sao tin con số này?'.

Đạt khi đánh dấu đủ 100% các mục, và mỗi mục đều có bằng chứng trong bài của bạn.

Rà bẫy trên bài của mình

Đi qua từng bẫy 0/8Grain: mình đang đếm dòng hay đếm đối tượng?Fan-out: sau mỗi merge, số dòng có giữ nguyên không?Average of averages: tỷ lệ tổng tính bằng cộng tử chia cộng mẫu?Simpson: con số gộp có đi ngược con số từng nhóm không?Confounder: kết luận nhân quả đã xét biến thứ ba chưa?Regression to the mean: có đang chọn nhóm cực đoan rồi so trước/sau không?Survivorship / selection: mẫu có bỏ sót những đối tượng đã rời đi không?Leakage: feature nào chưa thể có tại thời điểm dự báo?

Đạt khi đánh dấu đủ 100% các mục, và mỗi mục đều có bằng chứng trong bài của bạn.

Phần 2. Làm lại Tuần 0

Đây là 12 tình huống bạn đã trả lời ở Tuần 0. Trả lời lại trước khi nhìn câu trả lời cũ. Sau khi nộp, bạn sẽ thấy câu trả lời Tuần 0, câu trả lời hôm nay và đáp án đặt cạnh nhau.

Khi xong, tự hỏi: câu nào mình đã thay đổi cách nghĩ? Câu nào mình vẫn mắc cùng một bẫy? Đó là chỗ cần ôn lại trong Sổ tay.

1. Tỷ lệ chuyển đổi tăng từ 2% lên 3%: tăng bao nhiêu % và bao nhiêu pp?