Luyện nói tiếng Anh bằng Shadowing qua video: How to Think Like a Data Analyst | Step-by-Step Guide

Chọn chế độ luyện tập

Mỗi chế độ mở một phòng luyện tập toàn màn hình.

84 câu
Nếu các câu quá ngắn hoặc quá dài, hãy bấm Edit để chỉnh sửa.
1
We live in a world that runs on data.
Chúng ta đang sống trong một thế giới vận hành dựa trên dữ liệu.
2
It's how Amazon and Netflix know which movies and products to recommend, how Starbucks manages a global supply chain,
Đó là cách Amazon và Netflix biết nên đề xuất những bộ phim và sản phẩm nào, cách Starbucks quản lý chuỗi cung ứng toàn cầu.
3
and how Uber connects drivers with passengers in real time.
và cách Uber kết nối tài xế với hành khách theo thời gian thực.
4
But the thing is, data skills aren't just for tech companies or professional analysts anymore.
Nhưng vấn đề là, kỹ năng phân tích dữ liệu không còn chỉ dành cho các công ty công nghệ hay các nhà phân tích chuyên nghiệp nữa.
5
Everyone works with data to some degree, and everyone can benefit from data literacy skills.
Mọi người đều làm việc với dữ liệu ở một mức độ nào đó, và ai cũng có thể hưởng lợi từ các kỹ năng hiểu biết về dữ liệu.
6
In this video, we're covering an important topic that will help you take your data literacy to the next level.
Trong video này, chúng ta sẽ tìm hiểu một chủ đề quan trọng giúp bạn nâng cao trình độ hiểu biết về dữ liệu của mình lên một tầm cao mới.
7
When it comes to transforming raw data into insight and ultimately action, you need to think like an analyst.
Khi nói đến việc chuyển đổi dữ liệu thô thành những hiểu biết sâu sắc và cuối cùng là hành động, bạn cần suy nghĩ như một nhà phân tích.
8
That means identifying the problem, setting clear expectations, collecting and analyzing the exact information you need,
Điều đó có nghĩa là xác định vấn đề, đặt ra những kỳ vọng rõ ràng, thu thập và phân tích chính xác những thông tin bạn cần.
9
and leveraging insights and findings to influence decisions and real-world outcomes.
và tận dụng các hiểu biết sâu sắc cũng như kết quả phân tích để tác động đến các quyết định và kết quả thực tế trong thế giới thực.
10
So here's a great analytical thinking framework that we often teach here at Maven, which will help you take a more thoughtful and strategic approach to your analysis.
Vậy thì đây là một khung tư duy phân tích tuyệt vời mà chúng tôi thường xuyên giảng dạy tại Maven, nó sẽ giúp bạn có được cách tiếp cận suy nghĩ kỹ lưỡng và mang tính chiến lược hơn trong quá trình phân tích của mình.
11
We cover this in much more depth in our Thinking Like an Analyst course, but let's review it at a high level here as well, because it's extremely relevant to anyone trying to make smart,
Chúng tôi đề cập đến vấn đề này một cách sâu sắc hơn nhiều trong khóa học Suy nghĩ như một Nhà phân tích của mình, nhưng hãy cùng xem xét lại ở mức độ tổng quan ở đây, vì nó cực kỳ liên quan đến bất kỳ ai đang cố gắng đưa ra những quyết định thông minh,
12
data-driven decisions, analyst or otherwise.
các quyết định dựa trên dữ liệu, dù là từ nhà phân tích hay các vị trí khác.
13
Now, keep in mind that there's still a time and place for more unguided, open-ended exploratory analysis, but this approach works very,
Bây giờ, hãy nhớ rằng vẫn còn có thời điểm và trường hợp phù hợp cho những phân tích khám phá tự do, không định hướng trước, nhưng cách tiếp cận này hoạt động rất tốt.
14
very well, especially for explanatory analysis, where your primary goal is to deliver actionable insights and recommendations.
rất tốt, đặc biệt là đối với phân tích giải thích, nơi mục tiêu chính của bạn là cung cấp những hiểu biết sâu sắc và các khuyến nghị có thể thực hiện được.
15
So it all starts by clearly identifying the problem you're trying to solve.
Vì vậy, mọi thứ bắt đầu bằng việc xác định rõ ràng vấn đề mà bạn đang cố gắng giải quyết.
16
And the key here is that before you start thinking like an analyst, you need to think like a business owner.
Và điểm mấu chốt ở đây là trước khi bạn bắt đầu suy nghĩ như một nhà phân tích, bạn cần phải suy nghĩ như một chủ doanh nghiệp.
17
And this involves asking yourself some key questions.
Và điều này đòi hỏi bạn phải tự đặt ra một số câu hỏi quan trọng.
18
What specific problem are you trying to solve?
Bạn đang cố gắng giải quyết vấn đề cụ thể nào vậy?
19
And which business outcomes are you trying to impact?
Và bạn đang cố gắng tác động đến những kết quả kinh doanh nào?
20
Who are the key stakeholders and how exactly will this help them?
Ai là các bên liên quan chính và điều này sẽ giúp ích cho họ như thế nào cụ thể?
21
And does your approach align with the bigger picture priorities and business strategy?
Và cách tiếp cận của bạn có phù hợp với các ưu tiên tổng thể và chiến lược kinh doanh không?
22
Answering these questions first, which many people fail to do, will help ensure that you align on the project scope and desired outcome from day one.
Việc trả lời những câu hỏi này trước tiên – điều mà nhiều người không làm được – sẽ giúp đảm bảo bạn thống nhất về phạm vi dự án và kết quả mong muốn ngay từ ngày đầu tiên.
23
The second step in the framework is all about defining success.
Bước thứ hai trong khung làm việc này hoàn toàn là về việc xác định thành công.
24
And this is where things like measurement planning come into play.
Và đây là lúc những việc như lập kế hoạch đo lường phát huy tác dụng.
25
It's about asking yourself what exactly does a successful outcome look like for the business.
Đó là việc bạn tự hỏi mình kết quả thành công của doanh nghiệp sẽ trông như thế nào.
26
Is it driving more revenue, increasing employee retention rates, driving better marketing ROI?
Nó có đang mang lại doanh thu cao hơn, tăng tỷ lệ giữ chân nhân viên, hay thúc đẩy ROI marketing tốt hơn không?
27
And then once you define success, which specific metrics or KPIs will help you quantify it
Và sau khi bạn đã định nghĩa thành công, những chỉ số hoặc KPI cụ thể nào sẽ giúp bạn định lượng được điều đó?
28
and what data will you need to capture to track those key metrics?
và bạn sẽ cần thu thập những dữ liệu nào để theo dõi các chỉ số quan trọng đó?
29
That will set you up with a crystal clear roadmap for measuring the success of your efforts.
Điều đó sẽ giúp bạn có một lộ trình rõ ràng như pha lê để đo lường thành công của những nỗ lực bạn đã bỏ ra.
30
We see so many people, even professional data analysts, skip these first two steps
Chúng ta thấy rất nhiều người, thậm chí cả những nhà phân tích dữ liệu chuyên nghiệp, cũng bỏ qua hai bước đầu tiên này.
31
and jump straight into steps three and four because they're
và nhảy thẳng sang bước ba và bước bốn vì chúng là
32
so eager to roll up their sleeves and start playing with the data
rất háo hức muốn xắn tay áo lên và bắt đầu khám phá dữ liệu
33
which often leads to disaster wasted time for both you
điều này thường dẫn đến thảm họa và lãng phí thời gian cho cả hai bên.
34
and stakeholders lack of focus and clarity false hopes and expectations
và sự thiếu tập trung, thiếu rõ ràng, những hy vọng và kỳ vọng sai lầm của các bên liên quan
35
and the list goes on so if your goal is to work smart not hard
và danh sách còn dài nữa, nên nếu mục tiêu của bạn là làm việc thông minh chứ không phải làm việc chăm chỉ
36
and make a real tangible impact make sure you don't skip these steps.
và tạo ra tác động thực sự, rõ ràng, hãy đảm bảo bạn không bỏ qua các bước này.
37
By the time you've reached step three, you should have a clear picture of what success metrics you're trying to impact and the data you'll need to quantify them.
Đến khi bạn đến bước thứ ba, bạn sẽ có cái nhìn rõ ràng về các chỉ số thành công mà bạn đang cố gắng tác động và dữ liệu bạn cần để định lượng các chỉ số đó.
38
Now is the time to start collecting and preparing your data.
Bây giờ là lúc bắt đầu thu thập và chuẩn bị dữ liệu của bạn.
39
At this stage, the types of questions you're asking are things like where is the data stored
Ở giai đoạn này, các loại câu hỏi bạn đang đặt ra là những vấn đề như dữ liệu được lưu trữ ở đâu.
40
and how can you access it?
và làm thế nào bạn có thể truy cập nó?
41
Are there data quality issues that might skew the analysis?
Có vấn đề về chất lượng dữ liệu nào có thể làm sai lệch kết quả phân tích không?
42
And is the data in the proper format?
Và dữ liệu có đúng định dạng không?
43
Or will it need to be transformed, modeled, or restructured to support your analysis.
Hay là dữ liệu đó sẽ cần được chuyển đổi, lập mô hình, hoặc cấu trúc lại để hỗ trợ cho quá trình phân tích của bạn.
44
This step can be one of the more challenging and time-consuming stages in the workflow, and typically involves a mix of QA,
Bước này có thể là một trong những giai đoạn khó khăn và tốn nhiều thời gian nhất trong quy trình làm việc, và thường bao gồm sự kết hợp giữa các hoạt động kiểm tra chất lượng (QA).
45
profiling, data cleaning, and enrichment like adding new fields or data sources
phân tích hồ sơ dữ liệu, làm sạch dữ liệu và làm giàu dữ liệu như thêm các trường mới hoặc các nguồn dữ liệu mới
46
but if you do this well it will create a rock solid foundation for your analysis
nhưng nếu bạn làm tốt điều này, nó sẽ tạo ra một nền tảng vững chắc cho quá trình phân tích của bạn.
47
and ensure that you're working with clean high quality data because as they say garbage in garbage out.
và đảm bảo rằng bạn đang làm việc với dữ liệu sạch, chất lượng cao vì như người ta thường nói: rác vào thì rác ra.
48
Step four is about finally getting your hands dirty and starting to explore and analyze the data.
Bước thứ tư là lúc bạn cuối cùng được trực tiếp làm việc và bắt đầu khám phá, phân tích dữ liệu.
49
For most people this is the fun part because it involves slicing
Đối với hầu hết mọi người, đây là phần thú vị vì nó liên quan đến việc cắt lát.
50
and dicing the data uncovering interesting patterns and trends
và phân tích dữ liệu để khám phá các mẫu và xu hướng thú vị
51
and ideally discovering some meaningful actionable insights
và lý tưởng nhất là khám phá ra những hiểu biết sâu sắc có ý nghĩa và có thể hành động theo
52
that could directly impact the metrics you're trying to move
53
so the types of questions you'll likely be asking at this point
vậy thì đây là những loại câu hỏi mà bạn có thể sẽ đặt ra ở thời điểm này
54
which types of views of the data can help support your analysis
những loại dạng xem dữ liệu nào có thể giúp hỗ trợ quá trình phân tích của bạn
55
which types of patterns and trends are beginning to emerge as you explore the data
những loại mẫu hình và xu hướng nào đang bắt đầu xuất hiện khi bạn khám phá dữ liệu
56
and are you finding any nuggets any actionable insights that again could help drive those success outcomes.
và bạn có tìm thấy được những điểm sáng, những hiểu biết có thể hành động được mà một lần nữa có thể giúp thúc đẩy những kết quả thành công đó không.
57
Once you've wrapped the analysis phase, it's time to communicate your findings.
Sau khi hoàn thành giai đoạn phân tích, đã đến lúc trình bày các kết quả bạn tìm được.
58
This is another mission-critical step, especially for explanatory analysis, because success hinges on your ability to clearly communicate what you've found,
Đây là một bước quan trọng khác, đặc biệt đối với phân tích giải thích, vì sự thành công phụ thuộc vào khả năng của bạn trong việc truyền đạt rõ ràng những gì bạn đã tìm thấy.
59
why it's important, and how it can impact the business.
tại sao nó lại quan trọng, và cách nó có thể tác động đến hoạt động kinh doanh.
60
One of the most common missteps I see with young analysts is that they over-index on the technical skills.
Một trong những sai lầm phổ biến nhất mà tôi thấy ở các nhà phân tích trẻ là họ quá tập trung vào các kỹ năng kỹ thuật.
61
They spend too much time getting fired up about the analysis itself, then completely drop the ball when it comes time to share their findings,
Họ dành quá nhiều thời gian để hào hứng với chính bản phân tích, rồi lại hoàn toàn làm hỏng việc khi đến lúc chia sẻ những phát hiện của mình.
62
especially when they're communicating with non-technical or senior level audiences.
đặc biệt là khi họ giao tiếp với những đối tượng không có chuyên môn kỹ thuật hoặc ở cấp quản lý cao cấp.
63
At this stage, it's really important to remember that people respond to stories, not data points.
Ở giai đoạn này, điều thực sự quan trọng cần nhớ là mọi người phản hồi lại những câu chuyện, chứ không phải các điểm dữ liệu.
64
So you should be asking yourself how you can craft a narrative to clearly summarize the key takeaways from your analysis.
Vì vậy, bạn nên tự hỏi làm thế nào để xây dựng một câu chuyện nhằm tóm tắt rõ ràng những điểm chính rút ra từ phân tích của mình.
65
This is a great time to recap your problem statement and measurement plan, summarize your approach, highlight your most compelling insights,
Đây là thời điểm tuyệt vời để tổng kết lại phát biểu vấn đề và kế hoạch đo lường của bạn, tóm tắt phương pháp tiếp cận, đồng thời làm nổi bật những hiểu biết sâu sắc thuyết phục nhất của bạn.
66
and tie it all together into a clear and concise presentation.
và kết nối tất cả lại với nhau thành một bài trình bày rõ ràng, súc tích.
67
You'll also be thinking about the most effective ways to communicate your findings through data visualization, which is something we'll talk more about in the next section,
Bạn cũng sẽ suy nghĩ về những cách hiệu quả nhất để truyền đạt các phát hiện của mình thông qua trực quan hóa dữ liệu, một chủ đề mà chúng ta sẽ thảo luận kỹ hơn trong phần tiếp theo.
68
and confirming that your insights are clear, compelling, and supported by the data.
và xác nhận rằng những phân tích của bạn rõ ràng, thuyết phục và được chứng minh bằng dữ liệu.
69
The final step in our framework is all about advocating for action.
Bước cuối cùng trong khuôn khổ của chúng tôi hoàn toàn tập trung vào việc vận động hành động.
70
When you stop short of this step, you're essentially taking the analysis to the point where you're one step away from the finish line
Khi bạn dừng lại trước bước này, về cơ bản bạn đã đưa phân tích đến mức chỉ còn một bước nữa là đến đích.
71
and then leaving it up to your audience to decide what to do from there.
và sau đó để cho khán giả của bạn tự quyết định những việc cần làm tiếp theo.
72
Don't make your stakeholders connect the dots on their own.
Đừng bắt các bên liên quan phải tự mình liên kết các thông tin rời rạc.
73
Think about what actionable, data-driven recommendations you can propose
Hãy suy nghĩ về những đề xuất có thể thực hiện được và dựa trên dữ liệu mà bạn có thể đưa ra.
74
and make sure they directly tie to the success outcomes that you care most about.
và hãy đảm bảo chúng liên kết trực tiếp với các kết quả thành công mà bạn quan tâm nhất.
75
And the cherry on top, which will make stakeholders absolutely love you, would be to propose how you might measure or quantify the business impact of the changes you're proposing.
Và điều tuyệt vời nhất, điều sẽ khiến các bên liên quan hoàn toàn ủng hộ bạn, chính là việc đề xuất cách bạn sẽ đo lường hay định lượng tác động kinh doanh của những thay đổi mà bạn đề xuất.
76
Not only does that prove that you care about the impact to the business, but it shows that you're willing to take accountability as well.
Điều đó không chỉ chứng tỏ bạn quan tâm đến ảnh hưởng đối với hoạt động kinh doanh, mà còn cho thấy bạn cũng sẵn sàng chịu trách nhiệm.
77
Plus, if all goes to plan, now you have an amazing success story to add to the resume.
Thêm vào đó, nếu mọi thứ diễn ra đúng kế hoạch, bây giờ bạn đã có một câu chuyện thành công tuyệt vời để thêm vào hồ sơ xin việc.
78
So that's a quick summary of our data analysis framework.
Vậy đó là bản tóm tắt nhanh về khung phân tích dữ liệu của chúng ta.
79
And even if you don't apply every single step, hopefully it helps you at least get into a better analytical mindset that you can apply to your own work.
Và ngay cả khi bạn không áp dụng từng bước một, hy vọng điều này ít nhất sẽ giúp bạn có được tư duy phân tích tốt hơn mà bạn có thể áp dụng vào công việc của mình.
80
If you enjoyed this content and want to see more, we've got a brand new data literacy foundations course, and it's entirely free.
Nếu bạn thích nội dung này và muốn xem thêm, chúng tôi có một khóa học nền tảng về kiến thức dữ liệu hoàn toàn mới, và nó hoàn toàn miễn phí.
81
You can check it out at mavenanalytics.io.
Bạn có thể xem tại mavenanalytics.io.
82
So whether you're an individual looking to build confidence, a leader seeking to empower and upskill your team, or a data professional just trying to stay ahead of the curve,
Vì vậy, cho dù bạn là một cá nhân đang tìm cách xây dựng sự tự tin, một nhà lãnh đạo đang tìm cách trao quyền và nâng cao kỹ năng cho đội ngũ của mình, hay một chuyên gia dữ liệu chỉ đang cố gắng đi trước xu hướng,
83
this is the course for you.
đây là khóa học dành cho bạn.
84
We've got a lot to cover, so let's dive in.
Chúng ta có rất nhiều nội dung cần thảo luận, nên hãy bắt đầu ngay thôi.

Tải Ứng Dụng

Mọi thứ bạn cần để nói trôi chảy

Chấm điểm AIChấm từng câu nói
Luyện IPAThành thạo mọi âm
Từ vựngMở rộng vốn từ
Game Từ vựngHọc qua chơi

Cùng kênh

FOR YOU

Video gợi ý

Từ vựng và ghi chú luyện nói cho bài học này

Video này có 84 câu và 1295 từ để luyện shadowing. Phần lời nói dài 7:15. Người nói nói với tốc độ tự nhiên, khoảng 178 từ mỗi phút, gần với hội thoại hằng ngày. 84% số từ nằm trong 3.000 từ tiếng Anh thông dụng nhất; phần còn lại nên xem trước khi luyện.

Từ vựng quan trọng trong video

15 từ đáng học trong video, kèm phiên âm và nghĩa:

TừPhiên âmNghĩa
insight danh từ/ˈɪnsaɪ̯t/sự sáng suốt
metric tính từ/ˈmɛt.ɹɪk/mét
propose động từ/pɹəˈpəʊz/đề nghị, đề xuất
solve động từ/sɒlv/giải quyết
connect động từ/kəˈnɛkt/nối
collect động từ/ˈkɑlɪkt/thu thập, gom góp
explore động từ/ɪkˈsploɹ/thám hiểm
garbage danh từ/ˈɡɑɹ.bɪd͡ʒ/rác
recommendation danh từ/ˌɹɛkəmɛnˈdeɪʃən/sự giới thiệu, sự tiến cử
analyze động từ/ˈæn.əˌlaɪz/phân tích
topic danh từ/ˈtɑpɪk/chủ đề
format danh từ/ˈfɔːɹ.mæt/khổ (sách, giấy, bìa)
capture động từ/ˈkæp.(t)ʃɚ/bắt
priority danh từ/pɹaɪˈɒɹɪti/sự ưu tiên
confirm động từ/kənˈfɝm/xác nhận

Ngữ pháp trong video

Những cấu trúc người nói dùng nhiều nhất, kèm đúng cụm từ trong video:

Cấu trúcTrong video
Thì hiện tại hoàn thành have/has + quá khứ phân từ — việc đã xảy ra nhưng còn liên quan đến hiện tạiyou've reached · you've wrapped · you've found
Mệnh đề quan hệ who / which + mệnh đề — thêm thông tin về người hoặc vậtMaven, which will · visualization, which is · top, which will

Phát âm cần chú ý

Người nói dùng 26 dạng rút gọn, ví dụ you're, don't, you'll. Hãy nói theo dạng ngắn đúng như bạn nghe.

  • Âm “sh” và “zh”: recommendation /ˌɹɛkəmɛnˈdeɪʃən/, measurement /ˈmɛʒ.ə.mənt/, expectation /ˌɛk.spɛkˈteɪ.ʃən/, capture /ˈkæp.(t)ʃɚ/, essentially /ɪˈsɛnʃəli/
  • Từ dài — đặt trọng âm cho đúng: communicate /kəˈmjuːnɪkeɪt/, literacy /ˈlɪtəɹəsi/, recommendation /ˌɹɛkəmɛnˈdeɪʃən/, expectation /ˌɛk.spɛkˈteɪ.ʃən/, analytical /ˌæn.əˈlɪt.ɪ.kəl/

Cách luyện với video này

  1. Nghe hết video một lần, chưa cần nói, và ghi lại những từ bạn chưa biết.
  2. Bắt đầu ở tốc độ 0,75×, nói đuổi từng câu, rồi quay lại tốc độ bình thường khi đã quen.
  3. Ghi âm giọng mình rồi so với bản gốc, chú ý các từ như insight, metric, propose.

Phương Pháp Shadowing Là Gì?

Shadowing là kỹ thuật học ngôn ngữ có cơ sở khoa học, ban đầu được phát triển cho chương trình đào tạo phiên dịch viên chuyên nghiệp và được phổ biến rộng rãi bởi nhà đa ngôn ngữ học Dr. Alexander Arguelles. Nguyên lý cốt lõi đơn giản nhưng cực kỳ hiệu quả: bạn nghe tiếng Anh của người bản xứ và lặp lại to ngay lập tức — như một "cái bóng" (shadow) đuổi theo người nói với độ trễ chỉ 1–2 giây. Khác với luyện ngữ pháp hay học từ vựng bị động, Shadowing buộc não bộ và cơ miệng phải đồng thời xử lý và tái tạo ngôn ngữ thực tế. Các nghiên cứu khoa học xác nhận phương pháp này cải thiện đáng kể phát âm, ngữ điệu, nhịp điệu, nối âm, kỹ năng nghe và độ lưu loát khi nói — đặc biệt hiệu quả cho người luyện IELTS Speaking và muốn giao tiếp tiếng Anh tự nhiên như người bản ngữ.

Phương pháp shadowing: đọc hướng dẫn từng bước đầy đủ →