Một trong những nhược điểm của Microsoft Power BI là gì?

Câu hỏi này kiểm tra kiến thức về nguyên tắc lựa chọn màu sắc trong biểu đồ. Phương án A đúng vì việc sử dụng một bảng màu nhất quán và phù hợp với thông điệp giúp người xem dễ dàng hiểu và ghi nhớ thông tin. Tính nhất quán tạo sự chuyên nghiệp, còn sự phù hợp với thông điệp giúp truyền tải ý nghĩa một cách hiệu quả. Phương án B sai vì việc sử dụng quá nhiều màu sắc tương phản có thể gây rối mắt và làm giảm khả năng tiếp thu thông tin của người xem. Phương án C sai vì màu sắc tự động do phần mềm đề xuất có thể không phù hợp với thông điệp hoặc gây khó khăn cho việc đọc hiểu. Phương án D sai vì việc chọn màu sắc dựa trên sở thích cá nhân có thể không đảm bảo tính khách quan và hiệu quả truyền tải thông tin. Màu sắc nên được chọn dựa trên các nguyên tắc thiết kế và mục tiêu truyền thông, không phải sở thích cá nhân.

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.