Chương 1: GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU VÀ GIỚI THIỆU ĐỀ TÀI 1. GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU 1. Dữ liệu là gì? Ngành Khoa học dữ liệu là ngành có tiềm năng không chỉ ở hiện tại mà cả trong tương lai khi các công ty sẽ cần đến. Đối tượng làm việc của ngành đó chính là dữ liệu.
Dữ liệu (Data) là một tập hợp các dữ kiện, chẳng hạn như số, từ, hình ảnh, nhằm đo lường, quan sát hoặc chỉ là mô tả về sự vật. Những thứ đơn giản quanh ta như đất, nước, lửa, gió, bão, .đều chứa đựng những thông tin liên quan đến chúng. Hay những ghi ghép lại trên giấy từ thời xa xưa, những nét khắc chữ, hình trên gỗ, đá được lưu trữ đến bây giờ, đã cho thấy nền văn minh của nhân loại từ cổ chí kim. Tất cả đều là dữ liệu, theo thời gian thì lượng dữ liệu càng có nhiều hơn, con người lại có nhu cầu lưu trữ lại những dữ liệu này nhiều hơn mà lại dễ tìm, khó bị mất.
Máy tính đã được phát minh đầu tiên năm 1936 nhằm phục vụ nhu cầu lưu trữ lượng dữ liệu của con người, sau đó là Internet và điện thoại thông minh có thể lưu trữ một lượng lớn dữ liệu có hệ thống giúp người dùng dễ dàng sử dàng sử dụng và tìm kiếm. Trong hiện tại, có thể thu thập dữ liệu từ nhiều nguồn và nhiều cách khác nhau: lấy từ các nguồn có sẵn trên mạng xã hội như là Facebook, Tik Tok,.; từ các cơ quan của nhà nước; tự thu thập thông tin bằng cách phỏng vấn khách hàng hay khảo sát trên nhiều nền tảng khác nhau,. Đối với các công ty thì dữ liệu trở thành yếu tố quan trọng, là tài sản quý giá mà công ty cần có giúp giải quyết các bài toán trong nhiều lĩnh vực từ kinh doanh đến các ngành nghề khác như y tế, khoa học, giáo dục, truyền thông,. Không chỉ vậy, dữ liệu được sử dụng, xử lý và áp dụng hợp lý sẽ là bước đẩy doanh nghiệp hơn, giúp doanh nghiệp dự đoán thị trường dễ dàng hơn, có những quyết định chính xác.
Vào tháng 1/2021, số người sử dụng internet trên toàn thế giới đạt 4,66 tỉ người, tăng 316 triệu người (7,3%) so với cùng kỳ năm ngoái. Hiện tại, tỷ lệ sử dụng internet toàn cầu là 59,5%. Tuy nhiên, sự bùng phát Covid-19 đã ảnh hưởng không nhỏ đến số lượng người dùng internet. Vì vậy, con số thực tế có thể cao hơn.
Thông qua những con số, nói lên rằng nhu cầu cần có dữ liệu của mọi người tăng dần, sự phổ biến của dữ liệu trải rộng trên khắp thế giới. Sự phát triển của xã hội là không ngừng, tiến tới các cuộc cách mạng thay đổi xã hội, bùng nổ là sau cuộc cách mạng công nghệ 4.0 đã tạo ra nhiều đổi mới đối với dữ liệu. Sự xuất hiện của Dữ liệu lớn (Big Data), nơi tập hợp các dữ liệu có quy mô cực kỳ lớn, mang tính phong phú và biến động nhanh. Hiện tại Big Data không chịu sự 10 Báo cáo đồ án học phần Khoa học dữ liệu (DS) quản lý của bất kỳ công cụ quản lý dữ liệu truyền thống nào.
Sở giao dịch chứng khoán New York (NYSE) sở hữu khoảng 1 terabyte dữ liệu giao dịch mới trong 1 ngày, đây là một ví dụ cho thấy sợ to lớn của Big Data. Tổng quan về Khoa học dữ liệu Có thể hiểu đơn giản về ngành Khoa học dữ liệu như sau: Khoa học dữ liệu là lĩnh vực nghiên cứu dữ liệu với mục đích khai thác những thông tin có ý nghĩa cho hoạt động kinh doanh. Đây là một phương thức tiếp cận đa ngành bởi có sự kết hợp những nguyên tắc và phương pháp thực hành của nhiều lĩnh vực khác nhau như toán học, thống kê, trí tuệ nhân tạo và kỹ thuật máy tính để phân tích ra lượng lớn dữ liệu có được. Nội dung phân tích này giúp các nhà khoa học dữ liệu đặt ra và trả lời những câu hỏi như sự kiện gì đã xảy ra, tại sao xảy ra, sự kiện gì sẽ xảy ra hay là cần khắc phục các vấn đề hiện hành như thế nào có thể sử dụng kết quả thu được cho mục đích gì.
Những người thực hiện việc phân tích và xử lý dữ liệu yêu cầu là những người có kiến thức chuyên sâu, phong phú về lĩnh vực này, họ là những nhà khoa học dữ liệu (Data Scientist). Khi sự kết hợp của bộ xử lý trong con người cùng với hệ thống xử lý dữ liệu sẽ tạo ra những quyết định có tính chính xác cao hơn. Xử lý được bộ dữ liệu thì không chỉ là các bước đơn giản mà lại cần đến nhà khoa học dữ liệu mà phải trải qua nhiều bước, trong đó có 5 bước chính để phân tích khoa học dữ liệu: Bước 1: Thu thập thông tin và đưa ra vấn đề Khi các dữ liệu được cung cấp, thì các nhà doanh nghiệp chưa thể đưa ra quyết định ngay được vì các dữ liệu đang có được chưa thực sự phục vụ cho mục tiêu họ đề ra. Vậy nên, chỉ khi các nhà doanh nghiệp đặt ra các câu hỏi về vấn đề đang quan tâm hay cần giải quyết, mục đích hướng đến là gì thì lúc này sẽ xác định các cần đi thu thập là gì, cần có dữ liệu như thế nào cùng với công nghệ tiên tiến sẽ tìm được lượng dữ liệu mà các nhà doanh nghiệp yêu cầu.
Bước 2: Tiền xử lý dữ liệu Có được lượng dữ liệu mong muốn nhưng lượng dữ liệu này chính bản thân nó không thể hoàn hảo đầy đủ và không có sai sót nên cần trải qua bước tiền xử lý dữ liệu. Đây là bước đặt nền móng cho việc xử lý và phân tích dữ liệu về sau, bước này thường chiếm đến 90% thời gian cả quy trình. Nhà khoa học sẽ là người tìm ra các lỗi có trong dữ liệu như bị thiếu, bị sai, không có tính nhất quán và sẽ sửa lại các lỗi có trong dữ liệu. Một khi mà dữ liệu ban đầu bị sai sẽ kéo theo một loạt các bước phía sau bị sai, hiển nhiên thì các quyết định đưa ra cũng bị sai hướng, mục đích không được hoàn thành.
Bước 3: Chuyển đổi dữ liệu Dữ liệu khi đã thu thập xong và được chỉnh sửa lại cho đúng yêu cầu, mục đích đặt ra thì cần phải sắp xếp lại một cách có hệ thống bằng cách gom lại hay tách ra rời 11 Báo cáo đồ án học phần Khoa học dữ liệu (DS) rạc phù hợp với yêu cầu, việc này còn giúp kết quả phân tích được cải thiện hơn. Cũng có thể là chuyển đổi dữ liệu từ chi tiết sang ít chi tiết hơn; từ dữ liệu cấp thấp, thô sang các khái niệm ở mức cao hơn. Bước 4: Phân tích dữ liệu Trải qua các bước trên để dữ liệu được hoàn chỉnh nhất có thể trước khi đi vào bước phân tích, thì bây giờ là lúc mà dữ liệu cần được phân tích. Có nhiều cách để phân tích dữ liệu như vẽ ra sự liên hệ của dữ liệu, mối tương quan, các bảng tổng hợp trên Excel,.
Bất kể khi sử dụng cách nào thì đều giúp phân tích được dữ liệu và trả lời được những yêu cầu đã đưa ra. Bước này cần có sự trợ giúp của các phần mềm phân tích rất nhiều trong đó có Orange, Looker, Python, Excel, Tableau,. các phần mềm này thường được các nhà khoa học dữ liệu sử dụng nhiều và tùy thuộc vào mục đích mà sử dụng phần mềm phù hợp. Bước 5: Diễn giải kết quả phân tích Tiến hành bước cuối cùng là diễn giải kết quả đã phân tích, trước khi thực hiện bước này thì các nhà khoa học dữ liệu cũng có thể nghiên cứu thêm đảm bảo kết quả đưa ra là tốt nhất.
Những điều này không chứng minh cho một giả thuyết là hoàn toàn đúng vì dù cẩn thận đến mấy thì lượng dữ liệu vẫn có sai sót không thể loại bỏ hoàn toàn. Lúc này đây, cũng cần xem lại các vấn đề, câu hỏi đưa ra ban đầu đã được trả lời chưa, nếu chưa thì cần phải thực hiện lại để trả lời được vấn đề đã đặt ra. Nếu rồi thì những bước trên thực hiện là có ích và cần đưa ra quyết định từ đó có được hành động tốt nhất. Vậy, trải các bước trên thì dữ liệu đã được phân tích đáng tin cậy khi có sự kết hợp giữa các nhà khoa học dữ liệu cùng các phần mềm phân tích.
Các nhà doanh nghiệp hay cơ quan có thể đưa ra quyết định sáng suốt, nhanh chóng và có lợi nhất. Khoa học dữ liệu phát triển Thế giới dần phát triển, kéo theo là các cuộc cách mạng công nghiệp không ngừng thay đổi. Cuộc cách mạng công nghiệp lần I, mở ra bước đột phá là động cơ hơi nước, đã thay thế một phần nguồn lao động và tăng sản lượng sản xuất hơn. Đến cuộc cách mạng lần thứ II, là sự ra đời của năng lượng điện và sản xuất theo dây chuyền với quy mô lớn.
Cuộc cách mạng lần III - cuộc cách mạng kỹ thuật số (Digital Revolution), mở ra một thời đại về công nghệ thông tin, cuộc cách mạng này tạo ra chip mạch tích hợp, máy tính, Internet, điện thoại di động kỹ thuật số, bộ vi xử lý,. Khái niệm về khoa học dữ liệu đã được đề cập đến cách đây nhiều thập niên nhưng lại ít người biết đến và dường như là không. Mãi đến cuộc cách mạng lần IV- cuộc cách mạng công nghiệp cuối cùng sau khi trải qua nhiều thập kỷ, còn có thể gọi với tên gọi mà hiện nay nhiều người nhắc đến là cuộc công nghệ 4. Cuộc cách mạng lần này hoàn toàn tập trung vào công nghệ kỹ thuật số, làm việc với internet, các nhà doanh nghiệp, cơ quan theo hướng này thay đổi quy trình làm việc tiện lợi hơn, sản 12 Báo cáo đồ án học phần Khoa học dữ liệu (DS) xuất thông minh hơn.
Các phát minh cũng luôn được thay đổi để bắt kịp với sự phát triển của xã hội như: dữ liệu lớn (Big Data), trí tuệ nhân tạo (AI), điện toán đám mây (Cloud), in 3D,. Từ đây, mọi người đã biết đến khái niệm nhiều hơn, ngành Khoa học dữ liệu trở nên phổ biến hơn khi có nhiều trường đại học, cao đẳng ở khắp nơi trên thế giới dạy và truyền đạt ngành này đến các sinh viên. Như một bước nhảy vọt đến tương lai là trí tuệ nhân tạo (AI) giúp phân tích dữ liệu chính xác hơn và nhanh hơn.
