<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Ha Hoang on Medium]]></title>
        <description><![CDATA[Stories by Ha Hoang on Medium]]></description>
        <link>https://medium.com/@hahoang_01?source=rss-132251c8c38e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*NQEswYMeB1mrXkziYeSp5g.jpeg</url>
            <title>Stories by Ha Hoang on Medium</title>
            <link>https://medium.com/@hahoang_01?source=rss-132251c8c38e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 09:18:23 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hahoang_01/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Tổng quan về trực quan hóa dữ liệu: Data Visualization Overview]]></title>
            <link>https://medium.com/@hahoang_01/t%E1%BB%95ng-quan-v%E1%BB%81-tr%E1%BB%B1c-quan-h%C3%B3a-d%E1%BB%AF-li%E1%BB%87u-data-visualization-overview-114e5564bd75?source=rss-132251c8c38e------2</link>
            <guid isPermaLink="false">https://medium.com/p/114e5564bd75</guid>
            <category><![CDATA[trực-quan-hóa-dữ-liệu]]></category>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Ha Hoang]]></dc:creator>
            <pubDate>Tue, 16 Apr 2019 12:46:36 GMT</pubDate>
            <atom:updated>2019-06-19T02:29:42.739Z</atom:updated>
            <content:encoded><![CDATA[<p>Đối với bất kỳ Data Scientist — Engineer nào, việc tạo ra bảng, biểu đồ… quá ư đơn giản. Có rất nhiều công cụ và phần mềm hỗ trợ cho chúng ta ngày nay. và nó không ngừng tăng lên. Đi kèm với nó là vô số các kỹ thuật, ngôn ngữ lập trình, thư viện hỗ trợ, thêm vào đó, lượng dữ liệu thu thập được càng ngày càng lớn trong kỉ nguyên số (big data). Tất cả khiến cho việc trực quan hóa dữ liệu có vẻ trở nên dễ dàng hơn. Nhưng có thực sự vậy ???</p><p>Việc có quá nhiều thông tin, quá nhiều công cụ không khiến việc chia sẻ kiến thức trở nên dễ dàng hơn, nó khiến mọi thứ rắc rối hơn. Nó yêu cầu việc chọn lọc thông tin cơ bản và quan trọng, lựa chọn công cụ thích hợp, lựa chọn cách thức biểu diễn phù hợp, và quan trọng nhất tất cả dựa trên yêu cầu rằng “bạn muốn truyền tải thông điệp gì, bạn muốn kể câu chuyện gì”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/450/0*nNP59vbfbvHmlDFM" /><figcaption><em>Source: bethkanter.org</em></figcaption></figure><p>Để miêu tả ngắn gọn công việc trực quan hóa dữ liệu, đó là sự kiết hợp giữa “Data ” + “Design”.</p><p>Trong <em>Designing Data Visualizations: Representing Informational Relationships, </em>hai tác giả Julie Steele và Noah Iliinsky có mô tả: vai trò chính của trực quan hóa dữ liệu là chuyển thể giữa thông tin giữa 2 điểm A và B. Trong đó nếu điểm A là Dataset và B là Designer Mindset thì được gọi là quá trình “E<em>xploratory visualization</em>“, nếu A là designer mind và B là tâm trí người đọc (Mind of reader) thì gọi là “<em>Explanatory visualization</em> “. Mục tiêu cuối cùng vẫn là khiến người đọc dễ dàng tiếp thu được thông tin được truyền tải thông qua các công cụ phù hợp nhất định.</p><p>Các khái niệm trong quá trình này cũng khiến rất nhiều người lẫn lộn và nhập nhằng với nhau, trong đó bao gồm Infographic và Data Visualization. Tuy nhiên trong khi Inforgraphic chỉ xử lý lượng data tương đối nhỏ, sử dụng công cụ hình ảnh mạnh mẽ và trực quan để mô tả thông tin chuyên biệt, thì Data Visualization lại xử lý lượng data lớn hơn, cần sử dụng tới các thuật toán và sự trợ giúp của máy tính để xử lý dữ liệu , có thể áp dụng cho nhiều tập dữ liệu khác nhau với nhiều mảng khác nhau.</p><p>Bởi vậy yêu cầu cơ bản cho bất kì ai bắt đầu đi vào nghiên cứu trực quan hóa dữ liệu — kể chuyện của thông tin bao gồm các kỹ năng xử lý dữ liệu cơ bản, bởi vì nó là tương tự như bất cứ Data Scinetist nào, ngoài ra bổ sung thêm các kỹ năng về dẫn dắt câu chuyện (storytelling),</p><p>Có thể list một số kỹ năng cần thiết như sau:</p><p><strong>Analytical</strong></p><ul><li>Data Analytics</li><li>Data Manipulation</li><li>Data Wrangling</li><li>Data Science Tools / Data Tools</li><li>Data Mining</li><li>Evaluating New Analytical Methodologies</li><li>Interpreting Data</li><li>Metrics</li><li>Mining Social Media Data</li><li>Modeling</li><li>Research</li></ul><p><strong>Creativity</strong></p><ul><li>Logical Thinking</li><li>Problem Solving</li><li>Design Thinking</li><li>Critical Thinking</li></ul><p><strong>Communication- Storytelling</strong></p><ul><li>Presentation</li><li>Storytelling</li></ul><p><strong>Mathematics</strong></p><ul><li>Algorithms</li><li>Information Retrieval Data Sets</li><li>Linear Algebra</li><li>Machine Learning</li><li>Multivariable Calculus</li><li>Statistics</li></ul><p><strong>Programming and Technical Proficiencies</strong></p><ul><li>Tableau</li><li>Qlik</li><li>Power BI</li><li>R</li><li>D3.js</li><li>SQL</li><li>Python</li><li>Hadoop</li><li>Matlab</li><li>Microsoft Excel</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/615/0*AjV4JqLzYQjBIIHl" /><figcaption><em>Data visualization techniques (datapine.com)</em></figcaption></figure><p>Reference: Một số nguồn tư liệu tham khảo để luyện tập các kỹ năng và bổ sung kiến thức nêu trên.</p><p><strong>I. Book</strong></p><p>Cole Nussbaumer Knaflic, (2015), <em>Storytelling With Data: A Data Visualization Guide for Business Professionals</em>, Hoboken, New Jersey: Jonh Wiley &amp; Son, Inc.</p><p>David E. Polley and Katy Börner, (2014), <em>Visual Insights: A Practical Guide to Making Sense of Data, </em>Massachusetts Institue of Technology.</p><p>Julie Steele and Noah Iliinsky, (2011), <em>Designing Data Visualizations: Representing Informational Relationships, </em>Sebastopol, CA: O’Reilly.</p><p><strong>II. Website</strong></p><p><a href="https://towardsdatascience.com/?source=logo-132251c8c38e---7f60cf5620c9"><strong>Towards Data Science</strong></a>: Data Visualization blog on Medium</p><p><a href="http://www.storytellingwithdata.com/">StorytellingWithData.com</a> : Storytelling-based approach to data visualization</p><p><a href="https://www.tableau.com/about/blog">Tableau blog</a>:</p><p><a href="http://www.visualisingdata.com/">Visualising Data</a></p><p><a href="https://flowingdata.com/">Flowing Data</a></p><p><a href="https://informationisbeautiful.net/">Information is Beautiful</a></p><p><strong>II. Tools and libraries</strong></p><ul><li><a href="https://www.tableau.com/">Tableau</a> : Visualization tool</li><li><a href="https://powerbi.microsoft.com/en-us/">Power BI </a>: Visualization tool</li><li><a href="https://www.qlik.com/us">Qlik</a> : Visualization tool</li><li><a href="https://plot.ly/">Plot.ly: </a>Open Source Data Visualization library with Python</li><li><a href="https://d3js.org/">D3.js</a> : Open Source Data Visualization library with Javascript</li><li><a href="https://datastudio.google.com/">Google Datastudio:</a></li></ul><p><strong>IV. Course</strong></p><p>Tool training</p><ul><li>Official Training from Tableau: <a href="https://www.tableau.com/learn/training">https://www.tableau.com/learn/training</a></li><li>Official Training from Power BI: <a href="https://powerbi.microsoft.com/en-us/learning/">https://powerbi.microsoft.com/en-us/learning/</a></li></ul><p>(SQL)</p><ul><li>Intro to SQL: Querying and managing data by Khan Academy <a href="https://www.khanacademy.org/computing/computer-programming/sql">https://www.khanacademy.org/computing/computer-programming/sql</a></li></ul><p>Python</p><ul><li>Introduction to Data Visualization with Python: <a href="https://www.datacamp.com/courses/introduction-to-data-visualization-with-python">https://www.datacamp.com/courses/introduction-to-data-visualization-with-python</a></li><li>Python for Everybody Specialization: <a href="https://www.coursera.org/specializations/python">https://www.coursera.org/specializations/python</a></li></ul><p>R</p><ul><li>Interactive Data Visualization with plotly in R: <a href="https://www.datacamp.com/courses/interactive-data-visualization-with-plotly-in-r">https://www.datacamp.com/courses/interactive-data-visualization-with-plotly-in-r</a></li><li>R programming: <a href="https://www.coursera.org/learn/r-programming">https://www.coursera.org/learn/r-programming</a></li></ul><p>Storytelling</p><ul><li>Learning Data Science: Tell Stories With Data: <a href="https://www.linkedin.com/learning/learning-data-science-tell-stories-with-data/welcome">https://www.linkedin.com/learning/learning-data-science-tell-stories-with-data/welcome</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=114e5564bd75" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Data Visualization: Trực quan hóa dữ liệu.]]></title>
            <link>https://medium.com/@hahoang_01/data-visualization-tr%E1%BB%B1c-quan-h%C3%B3a-d%E1%BB%AF-li%E1%BB%87u-b028becf669?source=rss-132251c8c38e------2</link>
            <guid isPermaLink="false">https://medium.com/p/b028becf669</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-visualization]]></category>
            <dc:creator><![CDATA[Ha Hoang]]></dc:creator>
            <pubDate>Tue, 16 Apr 2019 12:44:25 GMT</pubDate>
            <atom:updated>2019-04-16T12:44:25.803Z</atom:updated>
            <content:encoded><![CDATA[<h3>Data visualization 101</h3><p>Data Visualization: Trực quan hóa dữ liệu. Một trong những thuật ngữ được sử dụng rất nhiều trong thời gian gần đây, đặc biệt đi kèm cùng ngành khoa học dữ liệu và phân tích dữ liệu (Data Science and Data Analytic). Trăm nghe không bằng một thấy (a picture is worth a thousand words) một biểu đồ sẽ diễn tả tốt hơn hàng chục bảng biểu với hàng trăm, hàng nghìn con số trong đó, việc mô hình và trực quan hóa dữ liệu tốt khiến con người dễ dàng hình dung ra được câu chuyện đằng sau các con số, nhận định các xu hướng, đưa ra các quyết định trong doanh nghiệp. Bởi vậy xu hướng hiện tại, kỹ năng trực quan hóa dữ liệu là một trong những yêu cầu bắt buộc đối với Data Scientist mà còn đối với Business Analytist , Business Inteligent.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/825/0*z7oNYytNPOVdS1V6" /><figcaption>An example of data visualization</figcaption></figure><p>Trong chuỗi bài sau, mình xin chia sẻ về những bước làm quen với Data Visualization, các khái niệm, tool, software cũng như thư viện được sử dụng. Thông tin được tổng hợp từ nhiều nguồn nghiên cứu, sách báo cũng như khóa học mình đã làm quen và theo dõi trong suốt gần 1 năm qua. Hy vọng sẽ giúp ích được cho những ai đam mê mảng visualization cũng như nhận được thêm nhiều ý kiến đóng góp để hoàn thiện hơn.</p><p>Các bài viết sẽ được tổng hợp hàng tuần và hệ thống lại theo mục lục phía dưới.</p><ol><li>Introduction: Datavisualiztion</li><li>Tổng quan về Data visualization</li><li>Data visualization: Thiết kế biểu đồ (part1)</li><li>Data visualization: Thiết kế biểu đồ (part2)</li><li>Python và Data Visualization : Tổng quan và ứng dụng (part1)</li><li>Python và Data Visualization : Các thủ thuật phổ biến (part2)</li><li>Python và Data Visualization : Một số thư viện quan trọng (part3)</li><li>Data visualization: tool and software (part1)</li><li>Data visualization: tool and software (part2)</li><li>Cấu trúc dữ liệu.</li><li>TBD</li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b028becf669" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>