Lựa chọn màu sắc trong biểu đồ cần tuân thủ nguyên tắc nào để đảm bảo hiệu quả?

Nguyên tắc Tufte tập trung vào việc tối đa hóa hiệu quả truyền tải thông tin trong trực quan hóa dữ liệu. Điều này có nghĩa là loại bỏ những yếu tố không cần thiết, gây xao nhãng hoặc không đóng góp vào việc hiểu dữ liệu.

Phương án A sai vì dữ liệu quan trọng và mối quan hệ giữa các biến là thành phần cốt lõi của biểu đồ, không thể loại bỏ.

Phương án B đúng vì đường viền, màu nền và nhãn không cần thiết thường được coi là "chartjunk" (rác biểu đồ) theo nguyên tắc Tufte và nên được loại bỏ để biểu đồ trở nên rõ ràng và tập trung hơn vào dữ liệu.

Phương án C sai vì biểu đồ tương quan hoặc chuỗi thời gian là các loại biểu đồ hữu ích để hiển thị mối quan hệ giữa các biến, không phải là yếu tố cần loại bỏ.

Phương án D sai vì nhãn trực tiếp có thể giúp người xem dễ dàng đọc và hiểu giá trị cụ thể trên biểu đồ.

Nguyên tắc Gestalt về "Đối xứng" nói rằng các yếu tố đối xứng được não bộ chúng ta nhận thức là có liên quan với nhau và tạo thành một nhóm thống nhất. Các lựa chọn khác mô tả các nguyên tắc Gestalt khác: A (gần gũi), C (liên tục), và D (tương đồng).

Biểu đồ tròn là lựa chọn phù hợp nhất để hiển thị tỷ lệ phần trăm của từng thành phần trong một tổng thể. Mỗi phần của hình tròn đại diện cho một thành phần, và kích thước của phần đó tương ứng với tỷ lệ phần trăm của thành phần đó so với tổng thể. Các biểu đồ khác không phù hợp bằng: Biểu đồ đường dùng để theo dõi xu hướng theo thời gian, biểu đồ thanh so sánh các giá trị khác nhau, và biểu đồ hộp hiển thị phân phối dữ liệu.

Việc làm sạch dữ liệu (data cleaning) là một bước quan trọng trong quy trình phân tích dữ liệu vì nó giúp loại bỏ các lỗi, giá trị trùng lặp và chuẩn hóa dữ liệu. Dữ liệu "sạch" đảm bảo tính chính xác và tin cậy của các phân tích và mô hình được xây dựng dựa trên nó. Các lựa chọn khác không phải là mục đích chính của việc làm sạch dữ liệu:
- Giảm số lượng biến (A) có thể là một phần của quá trình tiền xử lý dữ liệu, nhưng không phải là mục tiêu chính của làm sạch dữ liệu.
- Xác định mối quan hệ giữa các biến (C) là mục tiêu của phân tích dữ liệu, không phải làm sạch dữ liệu.
- Tự động hóa việc lựa chọn biểu đồ (D) là một phần của trực quan hóa dữ liệu, không phải làm sạch dữ liệu.

Câu hỏi này kiểm tra kiến thức về lợi ích của việc tích hợp Microsoft Power BI với hệ sinh thái Microsoft.

Phương án A không đúng vì Power BI tập trung vào việc tích hợp tốt với các dịch vụ của Microsoft hơn là Google Cloud Platform.

Phương án B đúng vì một trong những lợi ích chính của Power BI là khả năng tương thích mạnh mẽ với các công cụ khác của Microsoft như Office 365 (Excel, SharePoint, Teams) và Azure (Azure Data Lake Storage, Azure SQL Database). Sự tích hợp này giúp người dùng dễ dàng kết nối, phân tích và trực quan hóa dữ liệu từ nhiều nguồn khác nhau trong hệ sinh thái Microsoft.

Phương án C không đúng vì Power BI không chủ yếu tập trung vào việc hỗ trợ các ngôn ngữ lập trình chuyên biệt, mặc dù nó có hỗ trợ DAX và Power Query M.

Phương án D không đúng vì mặc dù Power BI có các tính năng tự động hóa, nhưng không cung cấp khả năng tự động hóa hoàn toàn dữ liệu.