• Làm việc với các đơn vị chức năng, nghiệp vụ để xác định mức độ ưu tiên, các bài toán cần triển khai
• Phân tích, mô tả đặc điểm của thuộc tính, đối tượng
• Trực quan hóa kết quả phân tích theo "ngôn ngữ của người dùng cuối"
• Làm cầu nối giữa đơn vị nghiệp vụ và đơn vị kỹ thuật để "translate" ngôn ngữ nghiệp vụ sang ngôn ngữ kỹ thuật
• Tìm hiểu bài toán (Business Understanding): Phối hợp với đơn vị BA và lên đề xuất giải pháp cho bài toán phân tích.
• Tìm hiểu dữ liệu (Data Understanding): Tìm hiểu ý nghĩa các trường dữ liệu hiện có để đưa làm đầu vào của bài toán; Thu thập, tổng hợp thêm các thuộc tính đặc trưng
phục vụ cho đầu vào bài toán.
• Làm sạch dữ liệu (Data Cleaning): Loại bỏ phần tử ngoại lai, thêm các giá trị bị thiếu, sửa các giá trị bị sai trong dữ liệu, dữ liệu không đúng format (Date, String, Number)...
• Tích hợp dữ liệu (Data Integration): Dữ liệu từ nhiều nguồn do đó có thể bị trùng lặp dữ liệu.
• Tìm hiểu các trường dữ liệu bị trùng lặp để loại bỏ.
• Biến đổi dữ liệu (Data Transformation): Tổng hợp và biến đổi dữ liệu để đưa ra các thuộc tính mới (phụ thuộc vào bước tìm hiểu dữ liệu ở trên).
• Phân tích mô tả (Descriptive Analysis)
• Trực quan hóa kết quả phân tích
- Kỹ năng thành thạo một trong các framework, thư viện lưu trữ, xử lý dữ liệu lớn (Hadoop, Spark, Kafka, Hive, NiFi, ...)
- Kiến thức xây dựng luồng xử lý dữ liệu (batch processing, stream procesing, ...)
- Kiển thức về các loại CSDL (MongoDB, RDBMS, Graph Databases, NoSQL Products, ...)
- Kỹ năng sử dụng một trong các loại CSDL (Oracle, Neo4j, HBase, Cassandra, MongoDB, ..)
- Kiến thức về lập trình, cấu trúc dữ liệu & giải thuật
- Kỹ năng sử dụng ngôn ngữ lập trình (Java, Scala, Python), SQL
- Kỹ năng giao tiếp, thuyết trình, trình bày vấn đề trực quan, ngắn gọn, hiệu quả
- Kiến thức
phát triển phần mềm theo mô hình Agile, áp dụng DevSecOps.
- Khả năng nghiên cứu và ứng dụng các công nghệ mới như Big Data, AI, Data Analytics vào các bài toán kinh doanh.