Mục tiêu:

• Pivot table là một trong những tính năng hữu dụng và mạnh mẽ nhất của Excel dùng để tổng hợp, trích lọc, phân tích dữ liệu dễ dàng và nhanh chóng. định hình tư duy và tìm ra xu hướng trong dữ liệu của mình.
• Hướng dẫn suer dụng Pivot table từ cơ bản đến nâng cao. Kiểm soát được dữ liệu một cách chi tiết nhất.
• Tính toán ra các chỉ tiêu mới nhằm phục vụ các mục đích khác nhau theo nhu cầu của người dùng.
• Tạo nền tảng cho việc tiếp cận các công cụ nâng cao như Power Query, Power Pivot, ngôn ngữ DAX.

Nội dung:

1. Bật/Tắt Field List trong PivotTable
2. Tùy chỉnh PivotTable
   2.1Ribbon Design
   2.2 Ribbon Analyze
3. Tính toán trong PivotTable
   3.1. Running Totals
   3.2. Percent of x Calculations
   3.3. Difference From Calculations
   3.4. Percentage Difference from Calculations
   3.5. Top and Bottom x Items
   3.6. Calculated Fields
   3.7. Calculated Items
4. Định dạng trong PivotTable

Mục tiêu:

• Tổng quan về Dashboard report. Xác ịnh mục tiêu tổng quan và phát hóa Dashboard
• Thu thập và xử lý dữ liệu bằng các tính năng tối ưu hóa data
• Học cách vẽ và trình bày tất các loại biểu đồ từ cơ bản đến nâng cao
• Ứng dụng Data Validation giúp cho dữ liệu và Dashboard được linh hoạt trong các tình huống
• Sắp xếp và bố cục các thành phần trong trình bày dữ liệu trực quan
• Thực hành xây dựng Dashboard trên Case study thực tế

Nội dung:

1. Tính năng Conditional Formatting:
   • Cell Highlighting
   • Data Bars Color
   • Scales
   • Formula Based Conditional Formats
2. Biểu đồ cơ bản
   • Biểu đồ Bar Charts
   • Biểu đồ Column Charts
   • Biểu đồ Pie Charts
   • Biểu đồ Line Charts
3. Biểu đồ nâng cao
   • Biểu đồ kết hợp – Column and Line
   • Biểu đồ kết hợp – Area and Line
   • Vẽ biểu đồ bằng việc sử dụng Secondary Axis
   • Biểu đồ Histogram, Scatter, thác nước (Waterfall Charts)
   • Đường gấp khúc (Sparklines)
4. Tính năng Data Validation
5. Form Controls

Mục tiêu:

• Hiểu đúng vai trò của Data Preparation trong quy trình phân tích và trực quan hoá. 
• Thành thạo thao tác xử lý dữ liệu đa nguồn (Excel/CSV, Folder, Web/API, Database (cơ sở dữ liệu)): làm sạch và chuẩn hoá định dạng/kiểu; hợp nhất bằng Combine/Append/Merge; biến đổi dữ liệu với Unpivot/Pivot, Split/Merge Column. 
• Xây dựng nền tảng dữ liệu đáng tin cậy để phục vụ cho phân tích và trực quan hóa về sau. 

Nội dung:

• Tổng quan về dữ liệu thô và vấn đề chất lượng dữ liệu.
• Giới thiệu Power Query – công cụ xử lý dữ liệu mạnh mẽ trong Power BI.
• Kết nối và trích xuất dữ liệu từ Excel, CSV, web, thư mục, hoặc hệ cơ sở dữ liệu.
• Làm sạch dữ liệu: loại bỏ trùng lặp, xử lý ô rỗng, chuẩn hóa định dạng, chuẩn hóa kiểu dữ liệu.
• Biến đổi dữ liệu: tách/cộng gộp cột, thêm cột tùy chỉnh, pivot/unpivot.
• Thực hành: Làm sạch và chuẩn hóa dữ liệu bán hàng thực tế từ nhiều chi nhánh.
• Hiểu đúng vai trò của Data Preparation trong quy trình phân tích và trực quan hoá. 
•  
• Thành thạo thao tác xử lý dữ liệu đa nguồn (Excel/CSV, Folder, Web/API, Database (cơ sở dữ liệu)): làm sạch và chuẩn hoá định dạng/kiểu; hợp nhất bằng Combine/Append/Merge; biến đổi dữ liệu với Unpivot/Pivot, Split/Merge Column. 
•  
• Xây dựng nền tảng dữ liệu đáng tin cậy để phục vụ cho phân tích và trực quan hóa về sau. 

Mục tiêu:

• Xây dựng mô hình dữ liệu hợp lý, phục vụ hiệu quả cho việc phân tích và trực quan hóa.
• Hiểu được cách tổ chức dữ liệu dạng quan hệ, thiết kế sơ đồ mô hình sao (star schema).
• Làm chủ khái niệm fact table, dimension table và ứng dụng các phép tính bằng ngôn ngữ DAX.

Nội dung:

• Giới thiệu Power Pivot tích hợp trong Power BI và vai trò trong modeling.
• Hiểu mô hình dữ liệu quan hệ: tạo liên kết giữa các bảng dữ liệu.
• Thiết kế mô hình sao (Star Schema) và snowflake schema.
• Sử dụng công cụ Model View để quản lý mối quan hệ và kiểu dữ liệu.
• Khái niệm Fact table vs Dimension table và cách xác định trong dự án thực tế.
• Tạo chỉ số phân tích bằng DAX cơ bản: SUM, AVERAGE, COUNTROWS, CALCULATE.
• Mindset xử lý dữ liệu, cách thức sử dụng công cụ Power Pivot, Power BI
• Thực hành ứng dụng hàm DAX: CALCULATE() function, RELATED() function, SUM() function, DIVIDE() function, FILTER() function,
  COUNTROWS() function, DISTINCTCOUNT() function, SUMX() function, AVERAGEX() function, COUNTX() function, RANKX()
  function, ALL() function, VALUES() function, DISTINCT() function, SWITCH() function, SUMMARIZE() function,ADDCOLUMNS()
  function, TOPN() function, TOTALMTD() function, TOTALQTD() function, TOTALYTD() function, TIME INTELLIGENCE/ () functions
  : SAMEPERIODLASTYEAR() function, PREVIOUSDAY() function, PREVIOUSMONTH() function, PREVIOUSQUARTER() function,
  PREVIOUSYEAR() function, NEXTDAY() function, NEXTMONTH() function, NEXTQUARTER() function, NEXTYEAR() function,
  DATESBETWEEN() DATEADD() function, DATEDIFF() function, DATESMTD() function, DATESQTD() function, DATESYTD() function…
• Thực hành: Xây dựng mô hình dữ liệu cho hệ thống báo cáo bán hàng theo vùng, nhóm sản phẩm và thời gian.

Mục tiêu:

• Nắm vững nguyên tắc trực quan hóa dữ liệu hiệu quả và ứng dụng trong Power BI.
• Lựa chọn loại biểu đồ phù hợp với từng loại dữ liệu và mục đích phân tích.
• Thiết kế dashboard tương tác, thân thiện và chuyên nghiệp để trình bày insight một cách trực quan.

Nội dung:

• Giới thiệu giao diện Report View trong Power BI Desktop.
• Lý thuyết về trực quan hóa: biểu đồ so sánh, xu hướng, phân bố, thành phần.
• Hướng dẫn chọn biểu đồ phù hợp: bar chart, column chart, line chart, pie chart, combo chart, card, map.
• Làm việc với các yếu tố tương tác: slicers, filters, drill-down, drill-through, bookmarks.
• Thiết kế bố cục dashboard hiệu quả: chia khung, sử dụng màu sắc nhất quán, tạo điểm nhấn thị giác.
• Tránh lỗi thường gặp: biểu đồ rối, thiếu tiêu đề rõ ràng, trình bày thiếu mạch lạc.
• Thực hành: Thiết kế dashboard thể hiện KPI bán hàng theo thời gian, khu vực, và nhóm sản phẩm.

Mục tiêu: 

• Vận dụng được những kiến thức đã học ở 3 Module về Power BI 

Nội dung chi tiết: 

• Áp dụng các kiến thức đã học ở 3 Module trước đó để hoàn thành Project  

Mục tiêu:
trang bị cho học viên nền tảng vững chắc về thống kê mô tả trong phân tích dữ liệu. Học viên sẽ được làm quen với các loại biến, các chỉ số trung tâm (trung bình, trung vị, mode), mức độ biến thiên (độ lệch chuẩn, khoảng, IQR), cách phát hiện và xử lý giá trị ngoại lai, cùng các công cụ trực quan như biểu đồ tần suất và biểu đồ hộp. Khóa học giúp học viên hiểu rõ cấu trúc và đặc điểm của dữ liệu, từ đó hình thành tư duy phân tích và chuẩn bị nền tảng cho các kỹ thuật thống kê nâng cao.
Nội dung học:

• Phân tích mô tả
• Các loại biến
• Các loại thống kê mô tả
• Phân phối tần suất
• Biểu đồ tần suất (Histogram)
• Xu hướng trung tâm
• Trung bình cộng
• Trung vị
• Giá trị xuất hiện nhiều nhất (Mode)
• Độ lệch
• Mức độ biến thiên
• Khoảng (giá trị lớn nhất – nhỏ nhất)
• Khoảng tứ phân vị (IQR)
• Biểu đồ Hộp và Râu (Box & Whisker Plot)
• Giá trị ngoại lai

Mục tiêu:
Giúp người học hiểu và vận dụng các chỉ số nhân sự quan trọng (HR KPIs) trong các lĩnh vực như tuyển dụng, đào tạo, quản lý hiệu suất, gắn kết nhân viên, đa dạng và hòa nhập, lương thưởng, dịch vụ nhân sự, hoạch định lực lượng lao động và tuân thủ pháp lý. Thông qua đó, người học có thể phân tích, đánh giá và cải tiến các hoạt động nhân sự, từ đó nâng cao hiệu quả tổ chức và hỗ trợ ra quyết định chiến lược dựa trên dữ liệu.
Nội dung học:

• Tuyển dụng và nhân sự (Recruitment & Staffing)
• Hội nhập và đào tạo (Onboarding & Training)
• Quản lý hiệu suất (Performance Management)
• Gắn kết và sự hài lòng của nhân viên (Employee Engagement and Satisfaction)
• Đa dạng, công bằng và hòa nhập (Diversity, Equity and Inclusion)
• Lương thưởng và phúc lợi (Compensation and Benefits)
• Dịch vụ nhân sự (HR Service Delivery)
• Hoạch định và phân tích lực lượng lao động (Workforce Planning & Analytics)
• Tuân thủ và quản lý rủi ro (Compliance and Risk Management)
• Thu hút nhân tài (Talent Acquisition)
• Lương thưởng và phúc lợi (Compensation and Benefits)
• Quản lý hiệu suất (Performance Management)
• Quan hệ nhân viên (Employee Relations)
• Đào tạo và phát triển (Training and Development)
• Tuân thủ và quản lý rủi ro nhân sự (HR Compliance and Risk Management)
• Hiệu quả tổ chức (Organizational Effectiveness)

Nội dung học:

• Phân tích nghỉ việc
• Phân tích hiệu suất
• Phân tích bất thường
• Phân nhóm nhân sự
• Phân tích hiệu quả tuyển dụng
• Phân tích đào tạo & phát triển
• Phân tích năng lực lãnh đạo
• Phân tích đa dạng và công bằng

Mục tiêu:
Rèn luyện khả năng phân tích logic, bóc tách bài toán kinh doanh thành bài toán dữ liệu có thể giải được.
Nội dung:

• Tư duy MECE, kỹ thuật 5 Whys, Root Cause Analysis
• Tư duy từ dữ liệu đến quyết định
• Cách đặt câu hỏi phân tích đúng (Data Questioning)
• Xây dựng logic phân tích theo bối cảnh và mục tiêu kinh doanh
• Thực hành phân tích case study đa ngành: marketing, tài chính, vận hành

Công cụ học & ứng dụng:

• Xmind

Mục tiêu: 

• Nền tảng kiến thức về AI: Giúp học viên hiểu khái niệm cơ bản về AI, lợi ích (như tối ưu hóa quy trình, phân tích dự báo) và rủi ro (như thiên kiến, bảo mật dữ liệu) khi áp dụng trong HR. 
• Kỹ năng viết prompt hiệu quả: Hướng dẫn cách viết prompt rõ ràng cho các công việc hàng ngày, sử dụng công cụ như ChatGPT, Gemini, Grok AI, Claude, Notion AI, Canva AI để hỗ trợ nhiệm vụ routine. 
• Ứng dụng thực tiễn vào HR: Áp dụng prompt để viết Job Description (JD), kiểm tra độ phù hợp CV với JD, phân tích hiệu suất phòng ban, và phân tích thị trường để đề xuất budget lương cho vị trí cụ thể. 
• Lợi ích tổng thể: Chuyển đổi HR sang cách làm data-driven, giảm thời gian hành chính, nâng cao quyết định chiến lược, và đảm bảo sử dụng AI đạo đức, an toàn. 

Nội dung chi tiết: 

• Introduction to Al for HR : Hiểu biết về khái niệm về Al. Hiểu biet về lợi ích và rui ro khi sử dụng Al. Biết cách viết prompt hiệu quả cho daily tasks. Các công cụ: ChatGPT, Gemini, GrokAl, Claude, NotionAl, CanvaAl 
• Ứng dụng kỹ thuật viết Prompt trong Al ứng dụng vào thực tiễn của ngành HR: 

• • Hướng dẫn viết Prompt để viết JD cho công việc cụ thể. 

• • Hướng dẫn viết Prompt để check độ phù hợp của CV so với JD 

• • Hướng dẫn viết Prompt để phân tích tình hình hiệu suất công việc của từng phòng ban 

• • Hướng dẫn viết Prompt để phân tích thị trường và đề xuất budget lương cho từng vị trí 

Trò chuyện cùng với các chuyên gia hàng đầu trong lĩnh vực nhân sự. 

Mục tiêu: 

• Học viên sẽ ứng dụng toàn bộ kỹ năng phân tích dữ liệu, cấu trúc vấn đề, và kể chuyện bằng dữ liệu đã học vào một dự án thực tế. Học viên sẽ thực hiện quy trình phân tích dữ liệu toàn diện—từ việc thu thập, xây dựng mô hình, trực quan hóa kết quả—đến việc đưa ra các khuyến nghị chiến lược có căn cứ. Mục tiêu cuối cùng là phát triển kỹ năng giải quyết vấn đề thực chiến và tạo ra sản phẩm phân tích hoàn chỉnh, chuẩn bị học viên sẵn sàng đối mặt với các tình huống phân tích phức tạp trong công việc. 

Nội dung chi tiết: 

• Học viên sẽ ứng dụng tổng hợp các kỹ năng đã học vào một dự án phân tích dữ liệu kinh doanh thực tế. Học viên sẽ lựa chọn một bài toán từ các lĩnh vực Nhân sự. Sau đó, tiến hành thu thập và chuẩn bị dữ liệu từ các nguồn có sẵn hoặc dữ liệu mô phỏng, tập trung vào việc xử lý và làm sạch để đảm bảo dữ liệu chính xác và phù hợp cho mục tiêu phân tích. 
• Áp dụng toàn bộ kỹ thuật phân tích dữ liệu đã học, bắt đầu bằng việc sử dụng tư duy MECE và cây Logic để cấu trúc hóa bài toán và xây dựng khung phân tích toàn diện. Sau đó, áp dụng các kỹ thuật phân tích như thống kê mô tả, phân tích tương quan, và phân tích dự báo. Kết quả phân tích sẽ được trực quan hóa bằng cách tạo các biểu đồ và dashboard rõ ràng, giúp làm nổi bật các phát hiện (insights) quan trọng. Mục tiêu là tạo ra một giải pháp phân tích hoàn chỉnh, dễ hiểu, có khả năng hỗ trợ ra quyết định chiến lược dựa trên dữ liệu.