Top 25 Câu Hỏi Phỏng Vấn Data Analytics Năm 2026

Câu hỏi phỏng vấn Data Analytics năm 2026 kiểm tra nhiều hơn cú pháp SQL hay kỹ năng tạo biểu đồ. Nhà tuyển dụng đánh giá khả năng trích xuất ý nghĩa từ tập dữ liệu phức tạp, truyền đạt kết quả cho các bên liên quan không chuyên kỹ thuật, và liên kết mọi chỉ số với kết quả kinh doanh. Hướng dẫn này bao gồm 25 câu hỏi xuất hiện thường xuyên nhất trong các vị trí Data Analyst từ junior đến senior.

Câu Hỏi SQL cho Phỏng Vấn Data Analyst

SQL vẫn là kỹ năng được kiểm tra nhiều nhất trong phỏng vấn data analytics. Mọi công ty có cơ sở dữ liệu quan hệ đều mong đợi analyst viết truy vấn mà không cần hỗ trợ. Để luyện tập thêm về các mẫu nâng cao, xem SQL Window Functions, CTEs and Advanced Queries.

1. Sự khác biệt giữa WHERE và HAVING là gì?

WHERE lọc các hàng trước khi tổng hợp. HAVING lọc các nhóm sau khi tổng hợp. Nhầm lẫn hai mệnh đề này là một trong những lỗi phổ biến nhất trong các bài kiểm tra kỹ thuật.

-- monthly_revenue.sql
SELECT
  DATE_TRUNC('month', order_date) AS month,
  SUM(amount)                     AS revenue
FROM orders
WHERE status = 'completed'          -- row-level filter
GROUP BY month
HAVING SUM(amount) > 10000;         -- group-level filter

WHERE giảm tập dữ liệu trước khi database engine thực hiện GROUP BY. HAVING hoạt động trên kết quả đã tổng hợp. Sử dụng WHERE khi có thể giúp cải thiện hiệu suất truy vấn vì thu nhỏ tập làm việc sớm hơn trong kế hoạch thực thi.

2. Giải thích window function với ví dụ thực tế

Window function tính toán giá trị trên một tập hợp các hàng liên quan đến hàng hiện tại mà không gộp kết quả. Chúng cần thiết cho xếp hạng, tổng lũy kế và so sánh theo giai đoạn.

-- user_ranking.sql
SELECT
  user_id,
  purchase_date,
  amount,
  ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY purchase_date) AS purchase_rank,
  SUM(amount)   OVER (PARTITION BY user_id ORDER BY purchase_date) AS running_total,
  LAG(amount)   OVER (PARTITION BY user_id ORDER BY purchase_date) AS prev_amount
FROM purchases;

ROW_NUMBER gán thứ hạng tuần tự cho mỗi người dùng. SUM(...) OVER(...) tính tổng lũy kế mà không cần self-join. LAG lấy giá trị của hàng trước để so sánh trực tiếp. Người phỏng vấn thường yêu cầu ứng viên tính tăng trưởng tháng này so với tháng trước bằng mẫu này.

3. Cách xác định và xóa bản ghi trùng lặp

Phát hiện trùng lặp là công việc hàng ngày của analyst làm việc với event log, xuất CRM hoặc data feed bên thứ ba.

-- deduplicate_events.sql
WITH ranked AS (
  SELECT *,
    ROW_NUMBER() OVER (
      PARTITION BY user_id, event_type, DATE_TRUNC('minute', created_at)
      ORDER BY created_at
    ) AS rn
  FROM events
)
SELECT * FROM ranked WHERE rn = 1;

CTE gán số hàng trong mỗi nhóm trùng lặp. Chỉ giữ rn = 1 trả về lần xuất hiện đầu tiên. Cách tiếp cận này bảo toàn dữ liệu gốc trong khi lọc nhiễu.

4. Viết truy vấn tính retention theo weekly cohort

Cohort retention là một trong những phân tích được yêu cầu nhiều nhất trong các team product và growth. Mẫu SQL tuân theo cấu trúc nhất quán trên mọi database. Để luyện tập thêm, thử module phỏng vấn cohort retention.

-- weekly_cohort_retention.sql
WITH cohorts AS (
  SELECT
    user_id,
    DATE_TRUNC('week', MIN(event_date)) AS cohort_week
  FROM user_events
  GROUP BY user_id
),
activity AS (
  SELECT
    c.cohort_week,
    DATE_TRUNC('week', e.event_date) AS active_week,
    COUNT(DISTINCT e.user_id)        AS active_users
  FROM user_events e
  JOIN cohorts c ON c.user_id = e.user_id
  GROUP BY c.cohort_week, DATE_TRUNC('week', e.event_date)
)
SELECT
  cohort_week,
  EXTRACT(WEEK FROM active_week - cohort_week) AS weeks_since_signup,
  active_users
FROM activity
ORDER BY cohort_week, weeks_since_signup;

CTE đầu tiên xác định tuần đăng ký của mỗi người dùng. CTE thứ hai đếm số người dùng hoạt động duy nhất theo cohort theo tuần. Truy vấn cuối chuyển đổi kết quả thành ma trận retention. Người phỏng vấn mong đợi ứng viên giải thích ý nghĩa kinh doanh: sụt giảm mạnh ở tuần 1 báo hiệu vấn đề onboarding, trong khi đường cong phẳng từ tuần 4 trở đi cho thấy cơ sở người dùng cốt lõi ổn định.

5. CTE là gì và khi nào nên thay thế subquery?

Common Table Expression (CTE) là tập kết quả tạm thời có tên được định nghĩa bằng WITH. CTE cải thiện khả năng đọc và cho phép truy vấn đệ quy. Subquery có xu hướng tạo SQL lồng nhau sâu khó debug. CTE được ưu tiên khi cùng derived table được tham chiếu nhiều lần trong truy vấn, hoặc khi logic có từ ba bước chuyển đổi trở lên.

Câu Hỏi Python cho Data Analysis

Câu hỏi Python năm 2026 tập trung vào Pandas 3.0, workflow làm sạch dữ liệu, và khả năng giải thích code bằng thuật ngữ kinh doanh. Người phỏng vấn muốn thấy giải pháp thực tiễn, không phải trừu tượng học thuật.

6. Cách xử lý giá trị thiếu trong Pandas DataFrame

Dữ liệu thiếu làm hỏng phép tổng hợp và đầu vào mô hình. Cách tiếp cận phụ thuộc vào loại cột và ngữ cảnh kinh doanh. Với pandas 3.0, cột chuỗi hiện sử dụng dtype str được hỗ trợ bởi PyArrow, xử lý giá trị thiếu dưới dạng NaN một cách nhất quán.

# handle_missing.py
import pandas as pd
import numpy as np

df = pd.read_csv('sales.csv')

# Inspect the extent of missing data
print(df.isnull().sum())
print(df.isnull().mean().round(3))  # percentage per column

# Strategy 1: drop rows where critical columns are null
df_clean = df.dropna(subset=['customer_id', 'amount'])

# Strategy 2: fill numeric columns with median (robust to outliers)
df['amount'] = df['amount'].fillna(df['amount'].median())

# Strategy 3: fill categorical columns with the mode
df['region'] = df['region'].fillna(df['region'].mode()[0])

Xóa hàng phù hợp khi tỷ lệ thiếu dưới 5% và cột quan trọng. Imputation median an toàn hơn mean cho phân phối lệch. Imputation mode phù hợp với cột phân loại có giá trị chủ đạo. Ghi chép chiến lược imputation rất quan trọng cho audit trail.

7. Merge, join và concatenate: khi nào dùng cái nào?

Pandas cung cấp nhiều cách kết hợp DataFrame. Lựa chọn phụ thuộc vào việc thao tác theo hàng hay cột, và có cần khớp dựa trên key không.

# combine_dataframes.py
import pandas as pd

orders = pd.read_csv('orders.csv')
customers = pd.read_csv('customers.csv')

# Key-based merge (equivalent to SQL JOIN)
result = orders.merge(customers, on='customer_id', how='left')

# Stack rows from multiple sources
all_events = pd.concat([events_q1, events_q2], ignore_index=True)

# Add columns side-by-side (same row count required)
combined = pd.concat([features, labels], axis=1)

merge là lựa chọn đúng cho join dựa trên key. concat với mặc định axis=0 xếp chồng hàng. concat với axis=1 gắn cột cạnh nhau. Sử dụng how='left' giữ tất cả hàng từ DataFrame bên trái, tương tự SQL LEFT JOIN.

8. Group, aggregate và transform dữ liệu bán hàng

Thao tác GroupBy là tương đương Pandas của SQL GROUP BY. Mẫu này xuất hiện trong hầu hết bài tập về nhà kỹ thuật phỏng vấn data analyst.

# sales_analysis.py
import pandas as pd

df = pd.read_csv('transactions.csv', parse_dates=['date'])

# Monthly revenue by product category
monthly = (
    df.groupby([pd.Grouper(key='date', freq='ME'), 'category'])
    .agg(revenue=('amount', 'sum'), orders=('order_id', 'nunique'))
    .reset_index()
)

# Add a column with each category's share of total monthly revenue
monthly['share'] = (
    monthly.groupby('date')['revenue']
    .transform(lambda x: x / x.sum())
    .round(4)
)

print(monthly.head(10))

Lưu ý: pandas 3.0 đã thay đổi alias tần suất mặc định từ 'M' thành 'ME' (MonthEnd). Code sử dụng alias cũ 'M' sẽ gây lỗi. agg với named aggregation giữ output dễ đọc. transform phát tán phép tính cấp nhóm về mỗi hàng, tránh bước merge riêng biệt. Sự kết hợp này đáp ứng đa số công việc báo cáo ad-hoc.

9. Điều gì thay đổi với Copy-on-Write trong pandas 3.0?

Copy-on-Write (CoW) trở thành chế độ mặc định và duy nhất trong pandas 3.0 (tháng 1 năm 2026). Thay đổi này loại bỏ SettingWithCopyWarning khó đoán nhưng phá vỡ các mẫu chained assignment hoạt động trong pandas 2.x.

# copy_on_write_demo.py
import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# This NO LONGER modifies df in pandas 3.0
df['A'][0] = 999  # Does nothing, no warning

# Correct approach: use .loc for direct assignment
df.loc[0, 'A'] = 999  # This works

# When you need an independent copy, be explicit
subset = df[df['A'] > 1].copy()
subset['A'] = subset['A'] * 2  # Safe modification

Người phỏng vấn năm 2026 mong đợi ứng viên giải thích tại sao chained assignment thất bại và cách sửa. Câu trả lời đúng: dùng .loc hoặc .iloc cho gán trực tiếp, và gọi .copy() rõ ràng khi tạo subset sẽ được sửa đổi. Xem hướng dẫn di chuyển pandas 3.0 để biết danh sách đầy đủ các thay đổi phá vỡ.

10. Phát hiện và xử lý outlier trong dataset

Phát hiện outlier xác định liệu giá trị cực đoan là lỗi nhập liệu, tín hiệu gian lận, hay trường hợp biên thực sự.

# detect_outliers.py
import pandas as pd
import numpy as np

df = pd.read_csv('transactions.csv')

# IQR method
Q1 = df['amount'].quantile(0.25)
Q3 = df['amount'].quantile(0.75)
IQR = Q3 - Q1
lower = Q1 - 1.5 * IQR
upper = Q3 + 1.5 * IQR

outliers = df[(df['amount'] < lower) | (df['amount'] > upper)]
print(f'Outliers found: {len(outliers)} ({len(outliers)/len(df)*100:.1f}%)')

# Cap instead of remove (winsorization)
df['amount_capped'] = df['amount'].clip(lower=lower, upper=upper)

Phương pháp IQR đánh dấu giá trị nằm ngoài 1.5 lần khoảng tứ phân vị. Capping (winsorization) giữ nguyên số hàng trong khi hạn chế ảnh hưởng của giá trị cực đoan. Xóa chỉ phù hợp khi outlier rõ ràng là lỗi.

Câu Hỏi Thống Kê và Xác Suất

Hiểu biết thống kê phân biệt data analyst báo cáo số liệu với những người diễn giải chúng đúng cách. Những câu hỏi này kiểm tra hiểu biết nền tảng.

11. Giải thích p-value bằng ngôn ngữ đơn giản

P-value là xác suất quan sát được kết quả ít nhất cực đoan bằng kết quả đo được, giả sử null hypothesis đúng. P-value 0.03 không có nghĩa là có 3% khả năng null hypothesis đúng. Nó có nghĩa là nếu null hypothesis đúng, kết quả cực đoan như vậy sẽ xuất hiện 3% thời gian do ngẫu nhiên. Ngưỡng (alpha) thường được đặt ở 0.05, nhưng lựa chọn phụ thuộc vào chi phí của false positive trong ngữ cảnh kinh doanh cụ thể.

12. Khi nào dùng median thay vì mean?

Mean nhạy cảm với giá trị cực đoan. Dữ liệu thu nhập, số tiền giao dịch và thời lượng phiên là ví dụ điển hình khi median cho xu hướng trung tâm đại diện hơn. Dataset với vài thương vụ doanh nghiệp giá trị cao có thể đẩy mean lên cao hơn nhiều so với trải nghiệm khách hàng điển hình. Báo cáo median cùng mean và độ lệch chuẩn cung cấp bức tranh hoàn chỉnh cho các bên liên quan.

13. Sự khác biệt giữa correlation và causation là gì?

Correlation đo cường độ và hướng của mối quan hệ tuyến tính giữa hai biến. Causation có nghĩa là một biến ảnh hưởng trực tiếp đến biến kia. Doanh số kem và số vụ đuối nước tương quan vì cả hai tăng vào mùa hè, không phải vì cái này gây ra cái kia. Thiết lập causation đòi hỏi thí nghiệm có kiểm soát (A/B test) hoặc framework suy luận nhân quả chặt chẽ như difference-in-differences hoặc instrumental variables.

14. Giải thích Type I và Type II error với ví dụ kinh doanh

Type I error (false positive) xảy ra khi kiểm định bác bỏ null hypothesis một cách sai lầm. Ví dụ: kết luận rằng luồng checkout mới tăng chuyển đổi trong khi thực tế không có hiệu ứng, dẫn đến thay đổi sản phẩm không cần thiết. Type II error (false negative) xảy ra khi kiểm định không phát hiện được hiệu ứng thực. Ví dụ: giữ luồng checkout cũ vì kiểm định thiếu cỡ mẫu đủ để phát hiện lift thực 2%. Tăng cỡ mẫu giảm Type II error. Giảm ngưỡng alpha giảm Type I error nhưng tăng Type II error.

Câu Hỏi Power BI và Trực Quan Hóa Dữ Liệu

Câu hỏi trực quan hóa đánh giá liệu ứng viên có thể chọn biểu đồ đúng, xây dashboard có thể bảo trì, và truyền đạt câu chuyện dữ liệu cho khán giả không chuyên kỹ thuật.

15. DAX là gì và khác SQL như thế nào?

DAX (Data Analysis Expressions) là ngôn ngữ công thức dùng trong Power BI, Analysis Services và Excel Power Pivot. Khác với SQL hoạt động trên tập hợp hàng, DAX hoạt động trong filter context thay đổi động dựa trên slicer, filter và row context. Hàm CALCULATE trong DAX sửa đổi filter context trước khi đánh giá biểu thức, một khái niệm không có tương đương trực tiếp trong SQL. Để so sánh công cụ trực quan hóa, xem Power BI vs Tableau năm 2026.

16. Giải thích Import mode, DirectQuery và Direct Lake

Import mode tải dữ liệu vào in-memory engine của Power BI (VertiPaq), cung cấp hiệu suất truy vấn nhanh nhưng cần refresh theo lịch. DirectQuery gửi truy vấn đến cơ sở dữ liệu nguồn theo thời gian thực, đảm bảo dữ liệu mới nhưng phụ thuộc vào hiệu suất hệ thống nguồn.

Direct Lake, có sẵn trong Microsoft Fabric, đọc file Parquet từ OneLake mà không import hay truy vấn SQL endpoint. Từ tháng 8 năm 2026, Direct Lake trên OneLake hỗ trợ composite models, cho phép kết hợp bảng Direct Lake với bảng Import và DirectQuery trong cùng semantic model. Điều này kết hợp độ mới near-real-time với tốc độ phân tích in-memory. Cho workflow CI/CD, kết nối Direct Lake tự động remap khi triển khai giữa các workspace.

17. Khi nào dùng bar chart so với line chart?

Bar chart so sánh các danh mục rời rạc (doanh thu theo vùng, số lượng theo sản phẩm). Line chart hiển thị xu hướng trên các khoảng liên tục (người dùng hoạt động hàng ngày, tỷ lệ churn hàng tháng). Dùng line chart cho dữ liệu phân loại ngụ ý xu hướng giữa các danh mục không liên quan, làm khán giả hiểu sai. Câu hỏi tiếp theo thường hỏi về pie chart: nên giới hạn để hiển thị phần của tổng thể khi không quá năm phần, vì mắt người khó so sánh góc chính xác.

18. Cách tối ưu báo cáo Power BI chậm

Báo cáo chậm thường do quá nhiều cột trong data model, DAX measure phức tạp được đánh giá từng hàng, hoặc visual truy vấn hàng triệu hàng. Checklist tối ưu bao gồm: loại bỏ cột không dùng để thu nhỏ kích thước model, thay thế hàm iterator (SUMX, FILTER) bằng tương đương non-iterator khi có thể, giảm số visual mỗi trang xuống dưới 15, và dùng aggregation table cho dimension có cardinality cao. Performance Analyzer trong Power BI Desktop xác định chính xác visual hoặc truy vấn DAX nào là bottleneck.

Câu Hỏi Behavioral và Case Study

Kỹ năng kỹ thuật đưa ứng viên vào phỏng vấn. Câu hỏi behavioral quyết định họ có nhận offer không. Mọi câu trả lời nên tuân theo STAR framework: Situation, Task, Action, Result.

19. Mô tả lần phân tích dữ liệu thay đổi quyết định kinh doanh

Câu trả lời mạnh bao gồm chỉ số cụ thể đã thay đổi, phương pháp phân tích được sử dụng, và tác động bằng tiền hoặc phần trăm. Câu trả lời yếu mô tả dashboard mà không kết nối với kết quả. Cấu trúc ví dụ: "Phân tích churn trên sản phẩm SaaS cho thấy người dùng không hoàn thành onboarding trong 48 giờ có tỷ lệ churn cao hơn 60% ở ngày 30. Team sản phẩm thêm chuỗi email tự động được kích hoạt ở giờ thứ 24, giảm churn 30 ngày 8 điểm phần trăm."

20. Cách xử lý yêu cầu dữ liệu mâu thuẫn từ các bên liên quan

Câu hỏi này kiểm tra kỹ năng ưu tiên và giao tiếp. Cách tiếp cận được khuyến nghị: làm rõ câu hỏi kinh doanh đằng sau mỗi yêu cầu, xác định các chỉ số chung, đề xuất một dashboard đáp ứng cả hai nhu cầu, và ghi chép các đánh đổi một cách minh bạch. Từ chối bên liên quan có thể chấp nhận được khi có lo ngại về data governance hoặc ràng buộc tài nguyên, miễn là có phương án thay thế.

21. Giải thích phân tích phức tạp cho khán giả không chuyên kỹ thuật

Người phỏng vấn thường yêu cầu ứng viên giải thích khái niệm như regression hoặc cohort analysis như đang nói với quản lý marketing. Câu trả lời tốt nhất dùng phép so sánh, tránh thuật ngữ chuyên môn, và neo giải thích vào kết quả kinh doanh. "Cohort analysis nhóm khách hàng theo tháng họ đăng ký và theo dõi bao nhiêu người vẫn hoạt động sau ba tháng. Biểu đồ cho thấy người đăng ký tháng 1 có retention tốt hơn tháng 2, phù hợp với thay đổi onboarding được phát hành cuối tháng 12."

Câu Hỏi Data Cleaning và ETL

Vấn đề chất lượng dữ liệu chiếm phần lớn thời gian của analyst. Những câu hỏi này kiểm tra kỹ năng data wrangling thực tế.

22. Cách xác thực dữ liệu sau khi ETL pipeline chạy

Kiểm tra xác thực nên bao gồm số hàng (nguồn so với đích), tỷ lệ null trên các cột quan trọng, tính toàn vẹn tham chiếu giữa các bảng, và sự thay đổi phân phối giá trị (phát hiện thay đổi schema im lặng). Kiểm tra tự động chạy sau mỗi lần thực thi pipeline ngăn dữ liệu xấu đến dashboard.

# etl_validation.py
import pandas as pd

def validate_pipeline(source_df: pd.DataFrame, target_df: pd.DataFrame) -> dict:
    checks = {}
    # Row count match
    checks['row_count_match'] = len(source_df) == len(target_df)
    # Null rate on critical columns
    for col in ['user_id', 'event_date', 'amount']:
        null_rate = target_df[col].isnull().mean()
        checks[f'{col}_null_rate'] = round(null_rate, 4)
    # Revenue reconciliation
    source_total = source_df['amount'].sum()
    target_total = target_df['amount'].sum()
    checks['revenue_diff_pct'] = round(
        abs(source_total - target_total) / source_total * 100, 2
    )
    return checks

results = validate_pipeline(source, target)
for check, value in results.items():
    print(f'{check}: {value}')

Hàm này trả về dictionary kết quả xác thực có thể đưa vào hệ thống cảnh báo. Chênh lệch doanh thu trên 0.01% nên kích hoạt điều tra.

23. Sự khác biệt giữa dữ liệu normalized và denormalized là gì?

Dữ liệu normalized giảm thiểu sự trùng lặp bằng cách chia thông tin ra các bảng liên quan (3NF). Dữ liệu denormalized kết hợp các bảng thành cấu trúc rộng hơn, phẳng hơn, được tối ưu cho truy vấn phân tích nặng về đọc. Hệ thống OLTP ưa chuộng normalization vì tính toàn vẹn dữ liệu. Data warehouse và công cụ BI ưa chuộng denormalization (star schema, snowflake schema) vì tốc độ truy vấn. Hiểu sự đánh đổi này là nền tảng để thiết kế data pipeline hiệu quả.

Câu Hỏi Advanced Analytics

Vai trò senior đòi hỏi sự quen thuộc với thử nghiệm, dự báo và chiến lược dữ liệu đa chức năng.

24. Cách thiết kế A/B test từ đầu

A/B test cần năm thành phần: giả thuyết rõ ràng ("Đổi màu nút CTA từ xám sang xanh sẽ tăng tỷ lệ click 5%"), chỉ số chính (tỷ lệ click), tính toán cỡ mẫu dựa trên effect size kỳ vọng và power mong muốn (thường 80%), phân bổ ngẫu nhiên người dùng vào nhóm control và treatment, và thời lượng test được xác định trước tính đến tính mùa vụ theo tuần. Chạy test ít nhất hai chu kỳ kinh doanh đầy đủ ngăn bias ngày trong tuần làm lệch kết quả.

25. Giải thích funnel analysis và điểm drop-off quan trọng nhất ở đâu

Funnel analysis theo dõi tiến trình người dùng qua chuỗi bước (ví dụ: truy cập trang chủ, xem sản phẩm, thêm vào giỏ, checkout, mua). Tối ưu có tác động cao nhất nhắm vào bước có drop-off tuyệt đối lớn nhất, không phải drop-off phần trăm lớn nhất. Giảm 40% từ 1.000 người dùng ở xem sản phẩm xuống 600 ở thêm vào giỏ đại diện cho 400 người dùng mất. Giảm 50% từ 100 người dùng ở checkout xuống 50 ở mua chỉ đại diện cho 50 người dùng mất. Ưu tiên bottleneck đầu tiên mang lại nhiều chuyển đổi tổng thể hơn. Luyện tập mẫu này trong module phỏng vấn funnel analysis.

26. Cách xây dựng KPI dashboard mà stakeholder thực sự sử dụng

Dashboard thất bại khi hiển thị quá nhiều chỉ số mà không có phân cấp. KPI dashboard hiệu quả tuân theo kim tự tháp ngược: một hoặc hai chỉ số north-star ở trên cùng (ví dụ: monthly recurring revenue, net promoter score), chỉ số hỗ trợ ở giữa (conversion rate, churn rate, average order value), và chi tiết chẩn đoán có thể truy cập qua drill-down. Giới hạn view top-level ở bảy chỉ số hoặc ít hơn giảm cognitive load. Thêm chú thích tự động ("Doanh thu giảm 12% ngày 5 tháng 3 do sự cố cổng thanh toán") cung cấp ngữ cảnh mà số liệu thô thiếu.

Nguồn Tham Khảo

• What's new in pandas 3.0.0 — Copy-on-Write mặc định, dtype string mới, API bị loại bỏ
• Migration guide for the new string data type — Di chuyển PyArrow string backend
• Power BI August 2026 Feature Summary — Direct Lake composite models, BigQuery mirroring
• Direct Lake overview — Chế độ lưu trữ semantic model Microsoft Fabric

Điểm Chính cho Phỏng Vấn Data Analyst năm 2026

• SQL window function, CTE và cohort query xuất hiện trong hầu hết mọi bài kiểm tra kỹ thuật data analyst. Viết chúng từ trí nhớ là kỳ vọng cơ bản.
• Python Pandas 3.0 đưa Copy-on-Write thành mặc định, phá vỡ chained assignment. Biết cách dùng .loc và gọi .copy() rõ ràng.
• Cột string trong pandas 3.0 dùng dtype str được hỗ trợ bởi PyArrow, không phải object. Kiểm tra so sánh dtype trong code.
• Suy luận thống kê (p-value, correlation vs causation, thiết kế thử nghiệm) phân biệt analyst báo cáo số liệu với những người diễn giải chúng đúng cách.
• Power BI Direct Lake trên OneLake hiện hỗ trợ composite models, kết hợp dữ liệu near-real-time với hiệu suất import.
• Câu trả lời behavioral tuân theo STAR framework và bao gồm kết quả được định lượng vượt trội hơn những câu chuyện mơ hồ.
• Luyện tập các module phỏng vấn data analytics trên SharpSkill: SQL Window Functions, Cohort Retention, Funnel Analysis.