Python Myanmar Institute

1. Function ဆိုတာဘာလဲ?
+++++++++++++++

Data Science နဲ့ Machine Learning ကို လေ့လာတဲ့အခါ Model တွေရဲ့ နောက်ကွယ်မှာရှိနေတဲ့ သင်္ချာကိုလည်း မေ့ထားလို့ မရပါဘူး။

ဒီနေ့အတွက် Model တွေအတွက် အရေးပါတဲ့ သင်္ချာရဲ့ အခြေခံအဖြစ် Function အကြောင်းကို မျှဝေပေးလိုက်ပါတယ်။

အားလုံးပဲ အဆင်ပြေကြပါစေ။

ဇော်မျိုးထက်
Python Myanmar Institute
Quality Data Analytics Trainings in One Place

Data Analyst လုပ်မယ်ဆို?

Data Analyst လုပ်မယ်ဆို လိုအပ်တဲ့ Skills တွေကို နှစ်ပိုင်းခွဲနိုင်ပါတယ်။ Technical နဲ့ Knowledge ပါ။ အရင်ဆုံး Technical Skill အကြောင်း ပြောကြရအောင်။ လိုအပ်တဲ့ Technical Skills တွေကတော့

Excel

Power BI/Tableau

SQL (Database)

Python Programming (Senior Positions)

1. Excel - စာရင်းတွေ၊ ဒေတာတွေကို အသိမ်းအများဆုံးက Excel ဖြစ်တဲ့အတွက် Excel ကို မဖြစ်မနေ ကျွမ်းကျွမ်းကျင်ကျင်သုံးတတ်ရပါမယ်။ Excel ထဲမှာတင် Data Clean လုပ်တာ၊ Format ပြောင်းတာ စတာတွေကို မဖြစ်မနေလုပ်တတ်မှ အဆင်ပြေပါမယ်။ Excel နဲ့ Power BI/Tableau ရရင် Junior Data Analyst တစ်ယောက်အဖြစ်လုပ်လို့ရပေမယ့် Excel ရဲ့ တချို့ကန့်သတ်ချက်တွေကြောင့် ကျွမ်းကျင်တဲ့ Data Analyst တစ်ယောက်ဖြစ်ဖို့ ဆို Excel တစ်ခုတည်းနဲ့ မလုံလောက်ပါဘူး။ ဒါပေမယ့် Data Analyst လုပ်မယ်ဆုံးဖြတ်ထားပြီးရင် Excel ကို အရင်ရရပါမယ်။

2. Power BI / Tableau - ဒီဆော့ဖ်ဝဲနှစ်ခုက Data Visualization အတွက်ပါ။ ကိုယ့်ရဲ့တွေ့ရှိချက်တွေကို ပုံလေးတွေနဲ့ ပြသပေးဖို့လို့ပဲ အလွယ်ပြောပါမယ်။ မြန်မာနိုင်ငံမှာက Power BI ကို အသုံးများပြီး နိုင်ငံခြားမှာက Tableau ကို အသုံးများပါတယ်။ တစ်မျိုးစီကောင်းကြတဲ့အတွက် နှစ်ခုလုံးကို သိထားဖို့လိုပါတယ်။ လောလောဆယ် Local မှာ အလုပ်ဝင်မယ်ဆို Power BI က ပိုကောင်းပါတယ်။ သင်ရတာလည်း ပိုလွယ်ပါတယ်။ Tableau မှာလည်း အားသာချက်တွေရှိတာကြောင့် ဒီနှစ်ခုလုံးကို သုံးတတ်ရင် ပိုကောင်းပါတယ်။ Excel + Power BI ရထားပြီဆိုရင် 90% သော Project တွေကို လုပ်နိုင်ပါပြီ။

3. SQL (Database) - SQL ဆိုတာက Database Language တစ်ခုဖြစ်ပါတယ်။ ကိုယ့်အလုပ်ရဲ့သဘောတရားအရ Database ထဲက ဒေတာတွေဆွဲထုတ်ရတာမျိုး ရှိလာရင် SQL ရေးတတ်တာပိုကောင်းပါတယ်။ Senior Data Analyst တစ်ယောက်ဖြစ်လာဖို့အထိဆိုရင် Database Design တစ်ခုကို ကိုယ်တိုင်ဆွဲတတ်ဖို့ တနည်းအားဖြင့် ကိုယ့်ရဲ့ Power BI Report အတွက်လိုအပ်တဲ့ Data Mart တွေကို ကိုယ်တိုင်ဆောက်တတ်ဖို့အထိ လိုအပ်ပါလိမ့်မယ်။ Excel ဖိုင်တွေအများကြီးနဲ့ Power BI Report ဆောက်မယ်ဆို ကိုယ့်ရဲ့ Report ကြီးက အရမ်းလေးနေမှာမို့ပါ။

4. Python Programming - တကယ်ကြမ်းတဲ့ Data Analyst တစ်ယောက်ဖြစ်ဖို့ သို့မဟုတ် Senior Data Analyst အတွက်ဆို Python ကို မဖြစ်မနေကို တတ်မြောက်ရပါမယ်။ မဟုတ်လည်း Data Engineer နဲ့ Data Scientist လို Position တွေကို ဆက်သွားမယ်ဆိုရင် ရှောင်လွဲလို့မရတဲ့ Skill တစ်ခုပဲ ဖြစ်ပါတယ်။ Data Analyst အနေနဲ့ Data တွေကို ဆွဲထုတ်တာ၊ Data Cleaning လုပ်တာ၊ Data Mart ဆောက်တာနဲ့ တခြားသော Task တွေကို ကိုယ်ကိုယ်တိုင်လုပ်စရာမလိုဘဲ အချိန်တိုအတွင်း အမြန်ပြီးဖို့ဆို Python Programming က အများကြီးအထောက်အကူဖြစ်ပါတယ်။ Senior Level အတွက် ပိုပြီးလိုအပ်တာဆိုပေမယ့် Data Analyst တစ်ယောက်လုပ်ပြီး လုပ်သက်နှစ်အတော်ကြာလာချိန်အထိ ကုဒ်မရေးတတ်ရင်တော့ အချိန်တိုအတွင်း အလုပ်တွေအမြန်ပြီးဖို့တော့ ခက်ပါမယ်။ မျက်နှာလည်းငယ်ရပါလိမ့်မယ်။

Knowledge Skills တွေကို ဆက်ပြောပါမယ်။ လိုအပ်တဲ့ Knowledge Skills တွေကတော့ -

1. Statistics

2. Domain Knowledge

3. Problem-Solving & Logical Thinking

1. Statistics - Data Analyst တစ်ယောက်အနေနဲ့ ပုံမှန် Descriptive Analytic အတွက် Statistics အများကြီးသိဖို့မလိုပေမယ့် Insight တွေ ရှာမယ်ဆို Statistics တတ်ထားဖို့က လိုပါတယ်။ ကိုယ့်ရဲ့ တွေ့ရှိချက်က ဘယ်လောက်အထိခိုင်မာတယ်ဆိုတာသိမှ ခိုင်ခိုင်မာမာ ပြောပြနိုင်မှာမို့ Statistics က မရှိမဖြစ်လိုအပ်ပါတယ်။ Junior Level မှာတော့ သိပ်မလိုအပ်သေးပေမယ့် Senior Level သွားမယ်ဆို မဖြစ်မနေ လိုမှာပါ။

2. Domain Knowledge - Domain Knowledge ဆိုတာက ကိုယ်လုပ်မယ့်လုပ်ငန်းနယ်ပယ်အကြောင်းပါ။ Banking, Retail, Sale, Marketing စသဖြင့် ကိုယ်လုပ်တဲ့နယ်ပယ်အလိုက် တီးမိခေါက်မိတော့ သိထားမှ Insight တွေကို မြန်မြန်ဆန်ဆန်ရှာပေးနိုင်မှာပါ။ Junior Level ကတော့ အလုပ်လုပ်ရင်း အလုပ်ထဲမှာစကားပြောရင်း သင်ယူသွားနိုင်ပါတယ်။ ကိုယ့်ဘာသာလည်း စာတွေရှာဖတ်ကြည့်ပါ။

3. Problem-Solving & Logical Thinking - ဒါကတော့ ကိုယ့်ရဲ့ Work Done Mindset လို့လည်း ပြောလို့ရပါတယ်။ Upper Management ကတော့ သူတို့ရချင်တဲ့ပုံစံကို ပြောပြမှာပါ။ ဒါကို ဘယ်လိုဖြစ်အောင် လုပ်ပေးမလဲဆိုတာကို ကိုယ့်ဘာသာပဲ အဖြေရှာရမှာပါ။

ကျွန်တော်ဆိုရင် လက်ရှိအလုပ်မှာ Statistically Analysis သိပ်မလုပ်ရပေမယ့် Report တွေ တော်တော်များများကို ဆောက်ပေးရပါတယ်။ ဒေတာနည်းတဲ့ Project တွေက ပြဿနာမရှိသေးပေမယ့် ဒေတာများတဲ့ Project တွေကျရင် Excel, Power BI တို့က မနိုင်တော့ပါဘူး။ ဒီအခါမှာ Different Approach ကနေ ချဉ်းကပ်ဖို့လိုလာပါပြီ။ ကိုယ်လိုချင်တဲ့ result တစ်ခုရဖို့ ဖြတ်လမ်းနည်းတွေသုံးရသလို စနစ်တကျလုပ်ရတာတွေလည်း ရှိပါတယ်။

ကိုယ်စဉ်းစားတဲ့ နည်းလမ်းအတိုင်း လိုက်အကောင်အထည်ဖော်ဖို့က Technical Skills ကောင်းဖို့လည်း လိုအပ်ပါတယ်။ ဒါကြောင့် Python နဲ့ Database နဲ့ကို လေ့လာဖို့ တိုက်တွန်းတာပါ။ ဥပမာ - User သုံးသန်းနီးပါးလောက်ပါတဲ့ CSV ဖိုင်ကို Excel ထဲမှာ ဖွင့်ကြည့်လို့တောင် မရပါဘူး။ ဒီဖိုင်တစ်ခုကို Power BI မှာတင်မယ်ဆို ရပေမယ့် ဒီလိုဖိုင်တွေက အများကြီးဖြစ်လာရင် Power BI က မနိုင်တော့ပါဘူး။ ဒီအခါမှာ ကိုယ့်ဘာသာ Data Mart ဆောက်ပေးရပါတယ်။ ဒီလိုတွေကြုံလာတဲ့အခါ ဒါတွေကို ရှင်းနိုင်ဖို့လိုပါတယ်။

စိတ်ဓာတ်ကျအောင် ပြောတာတော့မဟုတ်ပါဘူး။ ဖြစ်လာမယ့်ဟာတွေကို ကြိုပြောပြပေးတာပါ။ Senior Data Analyst တွေနဲ့ တွဲလုပ်ရလို့ လက်တွဲခေါ်ပေးရင် ကံကောင်းမှာဖြစ်ပေမယ့် Section တစ်ခုလုံးမှာ ကိုယ်ပဲရှိတယ်ဆို ကိုယ့်ကို ဘယ်သူမှ မကယ်နိုင်ပါဘူး။ ကိုယ့်ဘာသာပဲ အဖြေရှာရမှာပါ။ ဒါကြောင့် Problem Solving Skill ကောင်းဖို့လိုပါတယ်။

အသေးစိတ်အများကြီးပြောပြချင်ပေမယ့် အချိန်မရတဲ့အတွက် ဒီလောက်နဲ့ပဲရပ်ပါမယ်။ နောက်ပိုင်းမှာတော့ Recommend ပေးချင်တဲ့ Course တွေ၊ အကြောင်းအရာတစ်ခုအလိုက် ဘယ်လိုပြင်ဆင်သင့်တယ်ဆိုတာတွေကို ထပ်ရေးပေးသွားပါမယ်။

အဆင်ပြေကြပါစေ။

Zaw Myo Htet
(Python Myanmar Institute)

🎉Congratulations to all Excel Batch 3 students! 🎉

Excel Essentials for Data Analysis - Batch 3 က ကျွန်တော့်ရဲ့ တပည့်တွေ ဖန်တီးထားတဲ့ Final Projects လေးတွေပါ။

သင်တန်းကာလတစ်လျှောက်မှာ စိတ်ဝင်တစားနဲ့ လေ့လာခဲ့ကြသလို၊ အဆုံးသတ်မှာလည်း အားလုံးက Professional ဆန်တဲ့ Dashboard တွေကိုယ်စီနဲ့ ကိုယ့်ရဲ့ လေ့လာထားမှုကို သက်သေပြနိုင်ခဲ့ကြပါတယ်။ (Project တစ်ခုချင်းစီကို ပုံထဲမှာ ကြည့်ရှုနိုင်ပါတယ်)

သေသေသပ်သပ် ကြိုးစားထားကြတာကို ကြည့်ပြီးတော့လည်း ပီတိဖြစ်ရပါတယ်။

ဒီသင်တန်းကရတဲ့ Data Analysis Skill တွေကို လုပ်ငန်းခွင်မှာ အကျိုးရှိရှိ အသုံးချပြီး ပိုမိုတောက်ပတဲ့ အနာဂတ်တွေကို ပိုင်ဆိုင်နိုင်ကြပါစေလို့ ဆုမွန်ကောင်းတောင်းပေးလိုက်ပါတယ်။

အားလုံးပဲ အဆင်ပြေကြပါစေ။

ဇော်မျိုးထက်
Python Myanmar Institute
Quality Data Analytics Trainings in One Place

"Python Myanmar - Data Analytics Blog" အကြောင်း

အရင်တုန်းကတော့ Data Engineering နယ်ပယ်က Knowledge တွေ၊ သိသင့်သိထိုက်တာလေးတွေ၊ ကျွန်တော်ကိုယ်တိုင်လေ့လာနေရင်း ရေးသားထားတဲ့ မှတ်စုတွေကို ဒီ page မှာ တင်ပေးလေ့ ရှိခဲ့ပါတယ်။

အခုနောက်ပိုင်းမှာတော့ Content Quality ကို ထိန်းသိမ်းဖို့နဲ့ ကျွန်တော့်ဆီမှာ သင်တန်းတစ်ခုခု တက်ရောက်လေ့လာနေတဲ့ သင်တန်းသားတွေ (Registered Students) အတွက်ပဲ သီးသန့်ဖြစ်စေဖို့ Private Blog မှာပဲ Update လုပ်ပေးတော့မှာ ဖြစ်ပါတယ်။

ကိုယ်တိုင်အချိန်ပေးရေးသားထားရပြီး တန်ဖိုးရှိတဲ့ နည်းပညာဆိုင်ရာ အကြောင်းအရာတွေဖြစ်တာကြောင့် Audience အစစ်အမှန်တွေဆီကိုပဲ ရစေချင်တဲ့ သဘောပါ။

Beginner တွေ အမေးများတဲ့အကြောင်းအရာတွေကတော့ ဒီ Page မှာပဲ တင်ပေးသွားမှာပါ။ နည်းပညာပိုင်းကိုပဲ Private Blog မှာ တင်မှာပါ။

အခု တည်ဆောက်ထားတဲ့ Blog ထဲမှာ လောလောဆယ်တော့ Cloud Data Engineering ဆိုင်ရာတွေပဲ များပါဦးမယ်။

- AWS Lambda Function အကြောင်း

- Kinesis Data Streams ရဲ့ အလုပ်လုပ်ပုံ

- CDC Pipeline တည်ဆောက်ပုံ အစရှိတဲ့ လက်တွေ့ကျတဲ့ Data Notes တွေကို စုစည်းပေးထားပါတယ်။

နောက်ပိုင်းတော့ Data Science နဲ့ Data Analysis ပိုင်းအတွက်လည်း တင်ပေးသွားဖို့ ရှိပါတယ်။

Private Blog ဖြစ်တဲ့အတွက် ခွင့်ပြုထားတဲ့ Email နဲ့မှသာ ဝင်ကြည့်လို့ ရမှာပါ။

Python Myanmar မှာ Batch အလိုက်ဖွင့်လှစ်တဲ့သင်တန်း (Zoom Live) တစ်ခုခု အပ်နှံထားဖူးလိုသူများအနေနဲ့ ဖတ်ရှုလိုပါက Page မှာ မိမိရဲ့ Email နဲ့အတူ အကြောင်းကြားပေးနိုင်ပါတယ်ဗျ။

ကျွန်တော်တို့ အတူတူ‌ လေ့လာလိုက်ကြရအောင်ပါ။

🎉SQL for Data Analysis သင်တန်း - Batch 4 ကို ဒီနေ့ စတင်မှာ ဖြစ်ပါတယ်။

သင်တန်းသားများအတွက် Zoom Invitation Link ကို အီးမေးလ်မှ ပေးပို့ထားပါတယ်။

တစ်ခါတစ်လေမှာ Spam Folder ထဲကို ရောက်နေတတ်တဲ့အတွက် ဝင်ရောက် စစ်ဆေးကြည့်ပေးဖို့ လိုပါမယ်ခင်ဗျာ။

Mail မရခဲ့သည်ရှိသော် Page Messenger မှာ ဆက်သွယ်မေးမြန်းနိုင်ပါတယ်ဗျ။

SQL for Data Analysis ခရီးအတွက် ပထမဆုံးခြေတစ်လှမ်းကို စတင်လျှောက်လှမ်းလိုက်ကြရအောင်။ 💪💪💪