GracE Analytics

15 Batchမှာ အမနဲ့တူတူလုပ်တဲ့ Excel Projectပါ✨

Hello 👋✨
Day 5: Statistics for Beginners:အောက်မှာ
1 min စာစီ Sharing လုပ်ပေးသွားမဲ့
အကြောင်းအရာကတော့
Types of Probability Distribution ဖြစ်ပါတယ်

ဒီ Post လေးဖတ်ပြီးရင် ဖြစ်နိုင်ခြေ/ Probability ဆိုတာကို ကောင်းကောင်းနားလည်သွားမယ်ထင်ပါတယ်

အမတို့နေ့စဉ်ဘဝမှာ အဖြေအတိအကျမသိနိုင်တဲ့ မေးခွန်းတွေ အမြဲရှိကြမှာပါ
ဥပမာ
မနက်ဖြန် မိုးရွာမလား
ဒီနှစ် ရောင်းအားဘယ်လောက်ရှိမလဲ

ဒါပေမဲ့ Statisticsပညာရပ်က ဒီလိုမသေချာမှုကို
ခန့်မှန်းနိုင်အောင် ကူညီပေးပါတယ်
အဲဒီမှာ Probability Distributionက
အဓိကနေရာကနေ ပါဝင်ပါတယ်

Probability Distributionမှာ
Discrete vs Continuous Probability Distributionဆိုပြီး ၂မျိုးရှိပါတယ်

ဒီနေ့တော့ တခုချင်းစီရဲ့အသုံးဝင်ပုံကို
ပြောပြပေးမှာပါ
Discrete Probability Distributionကို
ဘယ်အချိန်မှာသုံးမလဲ?
အရေအတွက်အတိကျ ဖြစ်နေတဲ့အခါ

ဥပမာ
ရသေ့တောင်မြို့က မိသားစုတစ်စုမှာ
သားသမီး ဘယ်နှစ်ယောက်ရှိလဲ
အဖြေအနေနဲ့ဆို ၀၊ ၁၊ ၂၊ ၃ ယောက်ပဲ ရှိပြီး သားသမီး၁.၇ ယောက်ဆိုတာ မရှိပါဘူး
ဒါကြောင့် Discrete Probability Distribution အတွက်ဆို Binomial / Poissonကိုသုံးပါတယ်
ဒီ၂ခုကို တော့ နောက်နေ့ပြောပြပေးပါမယ်

Continuous Distribution ကို
ဘယ်အချိန်မှာသုံးမလဲ?
measurable တိုင်းတာလို့ရတဲ့အတိုင်းအတာ
ဖြစ်နေရင် ဥပမာ –
မန္တလေးကနေ ရန်ကုန်ကို ကားနဲ့သွားတဲ့အချိန်
၆ နာရီ ၁၀ မိနစ်၊ ၆ နာရီ ၁၀.၅ မိနစ်၊ ၆ နာရီ ၁၀.၅၈ မိနစ်စတဲ့ အတိုင်းအတာတွေအတွက် အသုံးပြုပါတယ်
ဒါကြောင့် Continuous Probability Distribution အတွက်ဆို Normal / Uniform / Exponential
သုံးကြပါတယ် ဒါကိုလဲ နောက်ရက်တွေကျ
Sharing လုပ်ပေးမယ်ရှင့်

တခြားဥပမာအနေနဲ့ဆို
ဆန်တစ်အိတ်ရဲ့ အလေးချိန်
တစ်နေ့တာအပူချိန်စတာတွေအတွက်
အသုံးပြုပါတယ်

အဆင်ပြေကြပါစေရှင့်✨

April 4ရက်နေ့စမဲ့အတန်းလေး
၂ယောက်လက်ခံပါသေးတယ်✨

Hello 👋✨
Batch အသစ်လာမေးထားကြတဲ့ မိတ်ဆွေတို့အတွက် 15th Batchလေးဖွင့်လိုက်ပါပြီ✨🩵

Data Fieldထဲသွားချင်ပေမဲ့
ဘယ်ကနေစရမှန်းမသိဖြစ်နေတဲ့
အတူတူကြိုးစားကြည့်ချင်တဲ့
မိတ်ဆွေတွေအတွက် ရည်ရွယ်ပါတယ်
Excel Shortcut ကနေအစ ပြောပြပေးပါတယ်

Data Analysis ပိုင်းကို အခြေခံမှစတင်ပြီး
ကျွမ်းကျင်သည်အထိ လေ့လာချင်တဲ့
မိတ်ဆွေတွေအတွက်
Batch 15: Data Analysis with Excel & Power BI ကို
ဖွင့်ပေးလိုက်ပါပြီ

Course Outline ကို Telegram Channel ကနေ Downloadလုပ်ပြီး ဖတ်ကြည့်လို့ရပါတယ်ရှင့်

သင်တန်းကြေး - 180K(တသိန်း၈သောင်း)
Start Date - 01-04- 2026( 4th April)
Time - 10:00AM - 12:00AM (Weekend)
ပထမဆုံး enrollလုပ်တဲ့ ၁၀ယောက်ကို
၂၀၀၀၀ကျပ် Discountပေးသွားမှာပါရှင့်

Project၂ခုထွက်ပါမယ်
Outlineမှာဖော်ပြထားတဲ့ Project မဟုတ်ပဲ
အသစ်လုပ်သွားမှာပါ
Excel Project အတွက်ကို Telegram Groupထဲမှာ ပုံပို့ထားတာမို့ exploreလုပ်ကြည့်ပါရှင့်

15 Batchမှာ Power BI projectကို
Classထဲကလူတွေကိုကိုယ်တိုင်ရွေးခိုင်းမှာပါ
common Domain/ideaကို ယူပြီး
လုပ်သွားပါမယ်ရှင့် အမလဲ ကူစဉ်းစားပေးမှာပါ

Sample အနေနဲ့ကြည့်ချင်ရင်တော့ Course outlinesမှာ 14 Batchက အမနဲ့တူတူရေးခဲ့တဲ့ Project ကို
ကြည့်လို့ရပါတယ်

Project 2ခုလုံးကို
အမနဲ့တူတူClassထဲမှာ လုပ်သွားမှာပါ

https://t.me/+0axenotjeNczYWY1

အမက Course ကို part 3ခုခွဲထားပါတယ်

Part 1 မှာတော့ Data Analysisကို အခုမှ စပြီး
လေ့လာကြမဲ့ မိတ်ဆွေတွေအတွက်
Data Literacy Foundation Skills

အခုချိန်ထိ Coporateတွေမှာ Excel spreadsheet ကို တွင်တွင်ကျယ်ကျယ် သုံးနေကြတုန်းမို့

Part 2မှာတော့ Data Cleaning and Data Transforming & Analysis အတွက် Excelရဲ့ powerful features တွေဖြစ်တဲ့ pivot table, power queryနဲ့အတူ Excelရဲ့
အသုံးများတဲ့ Advance Function
တွေအကြောင်းကို လေ့လာသွားရမှာဖြစ်ပြီး

Part 2ပြီးသွားရင်လဲ Excelကိုသုံးပြီး Report တခုအတူတူရေးကြမှာပါရှင့်

Part 3မှာတော့ Power BI ပါလာပါပြီ
ဒီအဆင့်မှာတော့ Data Model, Schema and Relationship တွေအကြောင်းနဲ့ power BIကို သုံးပြီး
Final interactive Dashboard
တခု ထွက်လာမှာဖြစ်ပါတယ်

Course Outlines အကြမ်းဖျင်းကို
အောက်က Link ကနေ ဝင်ဖတ်ကြည့်ပါရှင့်

https://t.me/+0axenotjeNczYWY1

ဒီ Course ကို တက်ဖို့ ဘာတွေသိရမလဲဆို
Computer Basic သုံးတတ်ပြီး
Fresherတွေပဲဖြစ်ဖြစ်
Data Analysis ကို အခုမှ စပြီး လေ့လာချင်တဲ့
Beginner Levelမိတ်ဆွေတို့အတွက်
အဆင်ပြေပါတယ်

Final Project ၂ခုထွက်လာမှာပါ
Excelနဲ့တခုPower BIနဲ့တခု course outlinesထဲမှာ
ဝင်ကြည့်လို့ရပါတယ်

Zoom Class ဖြစ်ပြီး Recording ကို အတန်းပြီးတာနက် Google Classroom ထဲတင်ပေးပါတယ်
တခုရှိတာက recording ကိုlifetime တော့မပေးပါ
၂လပြည့်ရင် Classroom ကို Delete လုပ်ပါတယ်ရှင့်

အမနဲ့တူတူ Data Analysisပိုင်းကို လေ့လာကြည့်ချင်တဲ့မိတ်ဆွေတွေကို စောင့်မျှော်နေပါတယ်✨🥳

Hello 👋✨
Day 4 : Statistics for Beginners:အောက်မှာ
1 min စာစီ Sharing လုပ်ပေးသွားမဲ့
အကြောင်းအရာကတော့
Probability Distribution ဖြစ်ပါတယ်

အမတို့ နေ့စဉ်ဘဝမှာလဲသေချာမသိနိုင်တဲ့
ကျပန်းဖြစ်စဉ် random processe အမြဲရှိပါတယ်

ဥပမာ - မနက်ဖြန် မိုးရွာမလား၊
ဈေးကွက်မှာ ကုန်ပစ္စည်းတစ်ခုရဲ့
ဝယ်လိုအားဘယ်လောက်ရှိမလဲ၊
ဒါမှမဟုတ် ကျောင်းသားတစ်ယောက်ရဲ့ စာမေးပွဲအမှတ်က ဘယ်လောက်ဖြစ်နိုင်မလဲဆိုတာမျိုးတွေ

ဒီလိုမသေချာတဲ့အခြေအနေတွေမှာ Probability Distributionက ဖြစ်နိုင်ခြေရှိတဲ့ outcomesနဲ့
သူတို့ရဲ့ Likelihoodကိုပေးပါတယ်

Probability Distributionကို
ဘာလို့လေ့လာဖို့လိုအပ်တာလဲ?
1. မသေချာမှုတွေကို တိုင်းတာနိုင်ဖို့
2. Sampleကို အသုံးပြုပြီး populationကိုကောက်ချက်ဆွဲဖို့
3. ကြိုတင်ခန့်မှန်းချက်တွေ ပြုလုပ်ဖို့
4. Statistical ဆိုင်ရာစမ်းသပ်မှုတွေ ပြုလုပ်နိုင်ဖို့ အသုံးပြုနိုင်ပါတယ်

ဥပမာအနေနဲ့
ကော်ဖီဆိုင်တစ်ဆိုင်ရဲ့ နေ့စဉ်ဝန်ဆောင်မှုပေးနေတဲ့အကြောင်းအရာတခုကို လေ့လာကြည့်ကြပါမယ်

မြန်မာနိုင်ငံမှာ လူကြိုက်များတဲ့
ကော်ဖီဆိုင်တစ်ဆိုင်ကို စဉ်းစားကြည့်ရအောင် ဒီဆိုင်မှာ customer တစ်ယောက်အတွက်
ကော်ဖီဖျော်ပေးတဲ့အချိန်က ပုံမှန်အားဖြင့်
မိနစ် ၂ ကနေ ၅ မိနစ်အတွင်း ကြာနိုင်တာမို့
အတိကျတော့မသိနေတော့ randomဖြစ်နေမှာပါ

Coffee Shopရဲ့ ပိုင်ရှင်က Customer တစ်ယောက် စောင့်ရမယ့်အချိန်က သုံးမိနစ်ထက် ပိုကြာနိုင်ခြေ ဘယ်လောက်ရှိသလဲဆိုတာ သိချင်တယ်ဆိုပါစို့

ဒီproblem အတွက် Probability Distributionကို ဘယ်လိုအသုံးချပြီး တွက်ကြမလဲ ကြည့်ရအောင်

ပထမဆုံးလုပ်ရမှာက Dataတွေ (စောင့်ရတဲ့အချိန်မှတ်တမ်း) ကိုကြည့်ပြီး ဒီဖြစ်စဉ်အတွက် သင့်တော်တဲ့ Distributionပုံစံကို ရွေးရပါမယ်
နောက်နေ့မှ အမProbability Distribution အမျိုးအစားတွေအကြောင်းပြောပြပါမယ်

ဒီနေ့တော့ ၂ မိနစ်ကနေ ၅ မိနစ်အတွင်း စောင့်ရတဲ့အချိန်တိုင်းက ဖြစ်နိုင်ခြေ ညီတယ်လို့ယူဆပြီး
Dataအရ uniform distributionကို အသုံးပြုသွားပါမယ်

Uniform Distribution ရဲ့ Formulaကိုသုံးပြီး ပေးထားချက်တွေကို substituteလုပ်လိုက်ရင် Customerတွေ ၃မိနစ်အထက် စောင့်ရနိုင်တဲ့ probability က
P(waiting time > 3 မိနစ်) = 0.667 ရပါတယ်

ဆိုလိုတာက Customer တစ်ယောက်
သုံးမိနစ်ထက်ပိုစောင့်ရဖို့ ၆၆.၇% ဖြစ်နိုင်ခြေရှိတာကိုတွေ့ရပါတယ် ဒီအချက်ကို သိရင် ဆိုင်ပိုင်ရှင်က
ဝန်ထမ်းထပ်ငှားဖို့ ဆုံးဖြတ်နိုင်မှာဖြစ်ပါတယ်

နောက်နေ့ကျရင် Probability Distribution အမျိုးအစားတွေအကြောင်း Sharingလုပ်ပေးသွားပါမယ်ရှင့် ✨

ဒီအတန်းလေး နောက်ထပ် 2ယောက်
Discount ရပါသေးတယ်ရှင့်

Hello 👋✨
Batch အသစ်လာမေးထားကြတဲ့ မိတ်ဆွေတို့အတွက် 15th Batchလေးဖွင့်လိုက်ပါပြီ✨🩵

Data Fieldထဲသွားချင်ပေမဲ့
ဘယ်ကနေစရမှန်းမသိဖြစ်နေတဲ့
အတူတူကြိုးစားကြည့်ချင်တဲ့
မိတ်ဆွေတွေအတွက် ရည်ရွယ်ပါတယ်
Excel Shortcut ကနေအစ ပြောပြပေးပါတယ်

Data Analysis ပိုင်းကို အခြေခံမှစတင်ပြီး
ကျွမ်းကျင်သည်အထိ လေ့လာချင်တဲ့
မိတ်ဆွေတွေအတွက်
Batch 15: Data Analysis with Excel & Power BI ကို
ဖွင့်ပေးလိုက်ပါပြီ

Course Outline ကို Telegram Channel ကနေ Downloadလုပ်ပြီး ဖတ်ကြည့်လို့ရပါတယ်ရှင့်

သင်တန်းကြေး - 180K(တသိန်း၈သောင်း)
Start Date - 01-04- 2026( 4th April)
Time - 10:00AM - 12:00AM (Weekend)
ပထမဆုံး enrollလုပ်တဲ့ ၁၀ယောက်ကို
၂၀၀၀၀ကျပ် Discountပေးသွားမှာပါရှင့်

Project၂ခုထွက်ပါမယ်
Outlineမှာဖော်ပြထားတဲ့ Project မဟုတ်ပဲ
အသစ်လုပ်သွားမှာပါ
Excel Project အတွက်ကို Telegram Groupထဲမှာ ပုံပို့ထားတာမို့ exploreလုပ်ကြည့်ပါရှင့်

15 Batchမှာ Power BI projectကို
Classထဲကလူတွေကိုကိုယ်တိုင်ရွေးခိုင်းမှာပါ
common Domain/ideaကို ယူပြီး
လုပ်သွားပါမယ်ရှင့် အမလဲ ကူစဉ်းစားပေးမှာပါ

Sample အနေနဲ့ကြည့်ချင်ရင်တော့ Course outlinesမှာ 14 Batchက အမနဲ့တူတူရေးခဲ့တဲ့ Project ကို
ကြည့်လို့ရပါတယ်

Project 2ခုလုံးကို
အမနဲ့တူတူClassထဲမှာ လုပ်သွားမှာပါ

https://t.me/+0axenotjeNczYWY1

အမက Course ကို part 3ခုခွဲထားပါတယ်

Part 1 မှာတော့ Data Analysisကို အခုမှ စပြီး
လေ့လာကြမဲ့ မိတ်ဆွေတွေအတွက်
Data Literacy Foundation Skills

အခုချိန်ထိ Coporateတွေမှာ Excel spreadsheet ကို တွင်တွင်ကျယ်ကျယ် သုံးနေကြတုန်းမို့

Part 2မှာတော့ Data Cleaning and Data Transforming & Analysis အတွက် Excelရဲ့ powerful features တွေဖြစ်တဲ့ pivot table, power queryနဲ့အတူ Excelရဲ့
အသုံးများတဲ့ Advance Function
တွေအကြောင်းကို လေ့လာသွားရမှာဖြစ်ပြီး

Part 2ပြီးသွားရင်လဲ Excelကိုသုံးပြီး Report တခုအတူတူရေးကြမှာပါရှင့်

Part 3မှာတော့ Power BI ပါလာပါပြီ
ဒီအဆင့်မှာတော့ Data Model, Schema and Relationship တွေအကြောင်းနဲ့ power BIကို သုံးပြီး
Final interactive Dashboard
တခု ထွက်လာမှာဖြစ်ပါတယ်

Course Outlines အကြမ်းဖျင်းကို
အောက်က Link ကနေ ဝင်ဖတ်ကြည့်ပါရှင့်

https://t.me/+0axenotjeNczYWY1

ဒီ Course ကို တက်ဖို့ ဘာတွေသိရမလဲဆို
Computer Basic သုံးတတ်ပြီး
Fresherတွေပဲဖြစ်ဖြစ်
Data Analysis ကို အခုမှ စပြီး လေ့လာချင်တဲ့
Beginner Levelမိတ်ဆွေတို့အတွက်
အဆင်ပြေပါတယ်

Final Project ၂ခုထွက်လာမှာပါ
Excelနဲ့တခုPower BIနဲ့တခု course outlinesထဲမှာ
ဝင်ကြည့်လို့ရပါတယ်

Zoom Class ဖြစ်ပြီး Recording ကို အတန်းပြီးတာနက် Google Classroom ထဲတင်ပေးပါတယ်
တခုရှိတာက recording ကိုlifetime တော့မပေးပါ
၂လပြည့်ရင် Classroom ကို Delete လုပ်ပါတယ်ရှင့်

အမနဲ့တူတူ Data Analysisပိုင်းကို လေ့လာကြည့်ချင်တဲ့မိတ်ဆွေတွေကို စောင့်မျှော်နေပါတယ်✨🥳

Hello 👋✨
Day3: Statistics for Beginners:အောက်မှာ
1 min စာစီ Sharing လုပ်ပေးသွားမဲ့
အကြောင်းအရာကတော့ Five-Number Summary, Box & Whisker Plots ဖြစ်ပါတယ်

Five-Number Summaryက Data Analysisမလုပ်ခင် Exploratory Data Analysis ဆင့်မှာ အသုံးပြုတာကို
မကြာခနတွေ့ရမှာပါ

Five-Number Summary ဆိုတာဘာလဲ?

Numerical Dataတစ်ခုရဲ့Characteristics(Central Tendency, Dispersion, Shape)အနှစ်ချုပ်ဖော်ပြဖို့အတွက် Five‑Number Summaryကို အသုံးပြုပါတယ်

ပုံမှာပြထားတဲ့အတိုင်း ကြည့်ရအောင်
1. Minimum
2. Q₁ – First Quartile
3. Q₂ – Median
4. Q₃ – Third Quartile
5. Maximum စတဲ့ အပိုင်း၅ပိုင်းနဲ့ Five-Number Summaryကို Box & Whisker Plotsကို
သုံးပြီးဖော်ပြပါတယ်

ဒါလေးက undergrad studentတွေရဲ့ Scoreကို
Box & Whisker Plotsကိုသုံးပြီး
Visualizeလုပ်ပြထားတာပါ

Min Value- 66
Q₁ - 73
Q2( Median) – 77
Q₃ – 83
အထက်ဘက် အစွန်ဆုံးတန်ဖိုး (Max ) - 94
ပျမ်းမျှ(Mean) – 78.5
IQRကတော့ လူတိုင်းသိမယ်ထင်ပါတယ်
အမတို့က outlinerကိုကြည့်မယ်ဆို IQRရှာမှ ရပါတယ်
IQR formulaက Q₃ – Q₁ = 83– 73= 10

ပုံမှာ Max Valueကိုကျော်နေတဲ့ အစကလေးတွေ
တွေ့မယ်ထင်ပါတယ် အဲ့ဒါတွေက Outlierဖြစ်နိုင်လို့
အမတို့ရှာထားတဲ့ IQRပေါ်မာတွက်ရပါမယ်

အမတို့ပုံကို Interpretလုပ်ကြည့်ရအောင်

Medianက ၇၇ ဖြစ်ပြီးတော့
Mean (ပျမ်းမျှ) မှာ ၇၈.၅ ဖြစ်တာမို့ Medianထက် အနည်းငယ်ပိုများနေတာကိုတွေ့ရလို့ Dataက Rightဖက်ခြမ်း အနည်းငယ်Skewဖြစ်နေတာ
တွေ့ရပါတယ်

Data Shapeကို ကြည့်မယ်ဆို Medianက Q₁ နှင့် Q₃
ကြားမှာ အနည်းငယ် ညာဘက်သို့
ကပ်နေတာကိုတွေ့ရပါတယ်

Mean > Median – ညာဘက် (Positive Skew)ဖြစ်တာတွေ့ရပါတယ်

Data pointတွေမှာ Outliner ရှိမရှိကို
Lower Limitအတွက် Q1-1.5*IQR
Upper Limitအတွက် Q₃ + 1.5×IQRကို
အသုံးပြုနိုင်ပါတယ် ဒီPlotအရဆို Maxရဲ့ပေါ်မှာ အစက်ကလေးတွေတွေ့တော့ Upper Boundကိုရှာလိုက်တာ 98ရတာမို့ 98မှတ်ကျော်သွားရင်
Outlinerလို့ ယူဆနိုင်ပါတယ်

အဆင်ပြေကြပါစေရှင့်
နောက်နေ့ကျ Probability Distribution
အကြောင်း လေ့လာကြပါမယ်✨

Aprilလဖွင့်မဲ့အတန်းလေး Join လို့ရပါပြီရှင့်

Hello 👋✨
Batch အသစ်လာမေးထားကြတဲ့ မိတ်ဆွေတို့အတွက် 15th Batchလေးဖွင့်လိုက်ပါပြီ✨🩵

Data Fieldထဲသွားချင်ပေမဲ့
ဘယ်ကနေစရမှန်းမသိဖြစ်နေတဲ့
အတူတူကြိုးစားကြည့်ချင်တဲ့
မိတ်ဆွေတွေအတွက် ရည်ရွယ်ပါတယ်
Excel Shortcut ကနေအစ ပြောပြပေးပါတယ်

Data Analysis ပိုင်းကို အခြေခံမှစတင်ပြီး
ကျွမ်းကျင်သည်အထိ လေ့လာချင်တဲ့
မိတ်ဆွေတွေအတွက်
Batch 15: Data Analysis with Excel & Power BI ကို
ဖွင့်ပေးလိုက်ပါပြီ

Course Outline ကို Telegram Channel ကနေ Downloadလုပ်ပြီး ဖတ်ကြည့်လို့ရပါတယ်ရှင့်

သင်တန်းကြေး - 180K(တသိန်း၈သောင်း)
Start Date - 01-04- 2026( 4th April)
Time - 10:00AM - 12:00AM (Weekend)
ပထမဆုံး enrollလုပ်တဲ့ ၁၀ယောက်ကို
၂၀၀၀၀ကျပ် Discountပေးသွားမှာပါရှင့်

Project၂ခုထွက်ပါမယ်
Outlineမှာဖော်ပြထားတဲ့ Project မဟုတ်ပဲ
အသစ်လုပ်သွားမှာပါ
Excel Project အတွက်ကို Telegram Groupထဲမှာ ပုံပို့ထားတာမို့ exploreလုပ်ကြည့်ပါရှင့်

15 Batchမှာ Power BI projectကို
Classထဲကလူတွေကိုကိုယ်တိုင်ရွေးခိုင်းမှာပါ
common Domain/ideaကို ယူပြီး
လုပ်သွားပါမယ်ရှင့် အမလဲ ကူစဉ်းစားပေးမှာပါ

Sample အနေနဲ့ကြည့်ချင်ရင်တော့ Course outlinesမှာ 14 Batchက အမနဲ့တူတူရေးခဲ့တဲ့ Project ကို
ကြည့်လို့ရပါတယ်

Project 2ခုလုံးကို
အမနဲ့တူတူClassထဲမှာ လုပ်သွားမှာပါ

https://t.me/+0axenotjeNczYWY1

အမက Course ကို part 3ခုခွဲထားပါတယ်

Part 1 မှာတော့ Data Analysisကို အခုမှ စပြီး
လေ့လာကြမဲ့ မိတ်ဆွေတွေအတွက်
Data Literacy Foundation Skills

အခုချိန်ထိ Coporateတွေမှာ Excel spreadsheet ကို တွင်တွင်ကျယ်ကျယ် သုံးနေကြတုန်းမို့

Part 2မှာတော့ Data Cleaning and Data Transforming & Analysis အတွက် Excelရဲ့ powerful features တွေဖြစ်တဲ့ pivot table, power queryနဲ့အတူ Excelရဲ့
အသုံးများတဲ့ Advance Function
တွေအကြောင်းကို လေ့လာသွားရမှာဖြစ်ပြီး

Part 2ပြီးသွားရင်လဲ Excelကိုသုံးပြီး Report တခုအတူတူရေးကြမှာပါရှင့်

Part 3မှာတော့ Power BI ပါလာပါပြီ
ဒီအဆင့်မှာတော့ Data Model, Schema and Relationship တွေအကြောင်းနဲ့ power BIကို သုံးပြီး
Final interactive Dashboard
တခု ထွက်လာမှာဖြစ်ပါတယ်

Course Outlines အကြမ်းဖျင်းကို
အောက်က Link ကနေ ဝင်ဖတ်ကြည့်ပါရှင့်

https://t.me/+0axenotjeNczYWY1

ဒီ Course ကို တက်ဖို့ ဘာတွေသိရမလဲဆို
Computer Basic သုံးတတ်ပြီး
Fresherတွေပဲဖြစ်ဖြစ်
Data Analysis ကို အခုမှ စပြီး လေ့လာချင်တဲ့
Beginner Levelမိတ်ဆွေတို့အတွက်
အဆင်ပြေပါတယ်

Final Project ၂ခုထွက်လာမှာပါ
Excelနဲ့တခုPower BIနဲ့တခု course outlinesထဲမှာ
ဝင်ကြည့်လို့ရပါတယ်

Zoom Class ဖြစ်ပြီး Recording ကို အတန်းပြီးတာနက် Google Classroom ထဲတင်ပေးပါတယ်
တခုရှိတာက recording ကိုlifetime တော့မပေးပါ
၂လပြည့်ရင် Classroom ကို Delete လုပ်ပါတယ်ရှင့်

အမနဲ့တူတူ Data Analysisပိုင်းကို လေ့လာကြည့်ချင်တဲ့မိတ်ဆွေတွေကို စောင့်မျှော်နေပါတယ်✨🥳

Hello 👋✨
Day2: Statistics for Beginners:အောက်မှာ
1 min စာစီ Sharing လုပ်ပေးသွားမဲ့
အကြောင်းအရာကတော့ Empirical Ruleဖြစ်ပါတယ်

Empirical Rule ဆိုတာဘာလဲ?

Empirical Rule ဆိုတာDataတွေက
ပုံမှန် bell shape (normal distribution) ဖြစ်နေမှ
အသုံးပြုလို့ရမဲ့ Ruleတခုဖြစ်ပါတယ်
Mean - μ အခြေခံပြီး ကDataရဲ့
ဘယ်လောက် % က ဘယ်နေရာမှာရှိလဲဆိုတာကို
ခန့်မှန်းပေးနိုင်ပါတယ်

ပုံမှာပြထားတဲ့အတိုင်း
Expected Rule 3ခုရှိပါတယ်
1 σ အတွက် 68%
2 σ အတွက် 95%
3 σ အတွက် 99.7%

အမတို့ Exampleလေးတခုနဲ့ကြည့်ရအောင်

စက်ရုံတစ်ရုံမှာ သတ်မှတ်ချက်အရ
Coffee တစ်ဗူးစီမှာ ကော်ဖီမှုန့် ၂၅၀ ဂရမ်
ထည့်ဖို့ လိုအပ်တယ်ဆိုပါစို့
ကော်ဖီဖြည့်ပေးတဲ့စက်တွေက လုံးဝတိတိကျကျ
မဖြည့်နိုင်တဲ့အတွက် ပမာဏအနည်းငယ် အတက်အကျရှိတတ်ပါတယ်

ပျမ်းမျှပမာဏ (Mean - μ): ၂၅၀ ဂရမ်
(ဒီနေရာမှာစက်ကို ပျမ်းမျှ ၂၅၀ဂရမ်ထည့်ဖို့
ချိန်ညှိ့ထားတယ်လို့မြင်ကြည့်ပါမယ်)
Standard Deviation - σ: ၂ ဂရမ်
ဆိုလိုတာက ကော်ဖီဗူးတစ်ဗူးရဲ့ ပမာဏဟာ
ပျမ်းမျှကနေ ၂ ဂရမ် အတက်/အကျ ရှိနိုင်တယ်

Empirical Rule) အရ

၁။ ပျမ်းမျှ (μ) ကနေ Standard Deviation
၁ ဆ (μ ± 1σ) အတွင်းမှာကုန်ပစ္စည်းရဲ့၆၈% ခန့်ရှိပါမယ်

Formula မှာ အစားသွင်းကြည့်ရအောင်
μ ± 1σ = ၂၅၀ ± (၁ * ၂)
Resultအနေနဲ့ ၂၄၈ ဂရမ် နဲ့ ၂၅၂ဂရမ်ကြားရှိတာကို
တွေ့ရပါတယ် Interpretation လုပ်ကြည့်မယ်ဆိုရင်တော့
စက်ရုံကထွက်တဲ့ ကော်ဖီဗူးအားလုံးရဲ့ ၆၈% ဟာကော်ဖီမှုန့် ၂၄၈ ဂရမ် နဲ့ ၂၅၂ ဂရမ် ကြားမှာ ရှိမယ်လို့ ခန့်မှန်းရပါတယ်

ဥပမာ - ဗူး ၁၀၀ ထုတ်ရင် ၆၈ ဗူးလောက်က
ဒီအတိုင်းအတာ အတွင်းမှာ ရှိနေမှာပါ ဒါဟာ
ပုံမှန်အတိုင်းအတာလို့ သတ်မှတ်လို့ရပါတယ်

၂။ ပျမ်းမျှ (μ) ကနေ Standard Deviation
၂ ဆ (μ ± 2σ) အတွင်းမှာကုန်ပစ္စည်းရဲ့၉၅%ခန့် ရှိပါမယ်

Formula မှာ အစားသွင်းကြည့်ရအောင်
μ ± 2σ = ၂၅၀ ± (၂ * ၂)
Result အနေနဲ့ ၂၄၆ ဂရမ်နဲ့ ၂၅၄
ဂရမ်ကြားရှိတာကိုတွေ့ရပါတယ်
ဆိုလိုတာကတော့ ကော်ဖီဗူးအားလုံးရဲ့
၉၅% ဟာ ကော်ဖီမှုန့် ၂၄၆ ဂရမ် နဲ့ ၂၅၄ ဂရမ် ကြားမှာ ရှိမယ်လို့ ခန့်မှန်းရပါတယ်

Coffee ဗူး ၁၀၀ မှာ ၉၅ ဗူးလောက်က ဒီအတိုင်းအတာ ၂၄၆ ဂရမ် နဲ့ ၂၅၄ ဂရမ် အတွင်းမှာ ရှိနေမှာဖြစ်ပြီး ကျန်တဲ့ ၅ ဗူးလောက်ကသာ ဒီထက်ပိုပြီး နည်းတာ/များတာ ဖြစ်နိုင်ပါတယ်

၃။ ပျမ်းမျှ (μ) ကနေ Standard Deviation
၃ ဆ (μ ± 3σ) အတွင်းမှာ ကုန်ပစ္စည်းရဲ့
၉၉.၇% ခန့် ရှိပါမယ်

Formula မှာ အစားသွင်းကြည့်ရအောင်
μ ± 3σ = ၂၅၀ ± (၃ * ၂)
Result အနေနဲ့၂၄၄ ဂရမ် နဲ့ ၂၅၆ ဂရမ်ကြားရှိတာကို
တွေ့ရပါတယ်
အဓိပ္ပာယ်ကတော့ ကော်ဖီဗူး အားလုံးနီးပါးဖြစ်တဲ့ ၉၉.၇% ဟာ ကော်ဖီမှုန့် ၂၄၄ ဂရမ် နဲ့ ၂၅၆ ဂရမ်
ကြားမှာ ရှိမယ်လို့ ခန့်မှန်းရပါတယ်

ဗူး ၁၀၀၀ မှာ ၉၉၇ ဗူးလောက်က ဒီအတိုင်းအတာ အတွင်းမှာ ရှိနေမှာဖြစ်ပြီး၊ ကျန်တဲ့ ၃ ဗူးလောက်ကသာ
ဒီထက်နည်းတဲ့ ပမာဏ (ဥပမာ - ၂၄၃ ဂရမ်)
ဒါမှမဟုတ် များတဲ့ ပမာဏ (ဥပမာ - ၂၅၇ ဂရမ်) ရှိနိုင်ပါတယ်

Manager တစ်ယောက်အနေနဲ့
ဒီအချက်အလက်ကို ဘယ်လိုအသုံးချလို့ရနိုင်မလဲ?

Quality Control: ဗူးတစ်ဗူးကို စစ်ကြည့်တဲ့အခါ ကော်ဖီမှုန့် ၂၄၄ ဂရမ် အောက်နည်းနေရင်
ဒါမှမဟုတ် ၂၅၆ ဂရမ် အထက်များနေရင်
အဲဒီဗူးဟာ သတ်မှတ်ချက်ပြင်ပကို
ရောက်နေပြီလို့ သိနိုင်ပါတယ်
ဒါမျိုးက ဗူး ၁၀၀၀ မှာ ၃ ဗူးလောက်ပဲ ဖြစ်တတ်တဲ့အတွက် သတိထားစရာ အချက်ပဲ ဖြစ်ပါတယ်

Machine Calibration: ရုတ်တရက်
ဗူးတော်တော်များများမှာ ပမာဏက
၂၄၆ ဂရမ် အောက် နည်းလာတယ်ဆိုရင်
ဒါဟာ စက်မှာ ပြဿနာရှိနေပြီဆိုတဲ့ အချက်ပါ
ဘာလို့လဲဆိုတော့ ပုံမှန်အားဖြင့် ဗူး ၁၀၀ မှာ ၃ဗူးလောက်ပဲ ဒီအောက်ကို ရောက်သင့်တာမို့လို့ပါ
ဒါကြောင့် စက်ကို ချက်ချင်း စစ်ဆေးပြီး
ပြန်ချိန်ညှိဖို့ လိုအပ်ပါတယ်

နောက်နေ့ကျရင် Five Summary Boxplot အကြောင်းလေ့လာကြပါမယ်✨🩵

အဆင်ပြေကြပါစေရှင့်✨

Hello 👋✨
Statisticsလေ့လာချင်တဲ့ မိတ်ဆွေတွေအတွက်
တန်ဖိုးရှိတဲ့တမိနစ်စာလေးဖြစ်သွားအောင်

Day1: Statistics for Beginners:အောက်မှာ
1 min စာစီ Sharing လုပ်ပေးသွားပါမယ်ရှင့်

Descriptive Statisticsကတော့
လူတိုင်းရင်းနှီးနေပြီးသားထင်ပါတယ်

ဒီနေ့တော့ အမ Shareပေးချင်တဲ့ အကြောင်းအရာကို
မသွားခင် ဒီမေးခွန်းလေး ဖြေကြည့်ရအောင်

“ကျောင်းသားတယောက်က
သင်္ချာမှာ ၈၅ မှတ်ရပြီး အင်္ဂလိပ်မှာ ၇၅ မှတ်
ရတယ်ဆိုရင် ဘယ်ဘာသာ ပိုတော်လဲ?”
ဒါကိုကြည့်ရင်တော့ Z- score ကို မလေ့လာဖူးသေးတဲ့မိတ်ဆွေတွေ Mathလို့ဖြေကြပါလိမ့်
ဘယ်ဘာသာရပ်မှာပိုတော်နိုင်လဲဆိုတာကို
အမတို့တွက်ချက်ပြီးမှ ရလာတဲ့
Dataပေါ်မှာပဲဆုံးဖြတ်ကြပါမယ်

ပုံမှာပြထားတဲ့အတိုင်းပဲ ဒီနေ့ အမက Z-score(Standard Score)နဲ့ပတ်သတ်ပြီး Sharing လုပ်ပေးပါမယ်

Z-score ဆိုတာ ဘာလဲ? ဘယ်လိုတွက်မလဲ?

Statistics ပညာရပ်မှာ Z-score (စံမှတ်) ဆိုတာ Data တစ်ခုချင်းစီရဲ့ တန်ဖိုးကို Dataset ရဲ့ ပျမ်းမျှ (Mean)နဲ့ ဘယ်လောက်ကွာဝေးသလဲဆိုတာကို
Standard Deviationနဲ့ ဖော်ပြတဲ့
နည်းလမ်းတစ်ခုဖြစ်ပါတယ်

ဥပမာလေးနဲ့ကြည့်ရအောင်

ကျောင်းသားတွေရဲ့စာမေးပွဲရမှတ်တွေကို Compare လုပ်ကြည့်ကြမယ်

မောင်မောင်က စာမေးပွဲ နှစ်ခုဖြေဆိုခဲ့တယ်ဆိုပါစို့ ဘယ်subject က သူပိုတော်ခဲ့လဲဆိုတာ
သိချင်တယ်ဆိုရင်

ဘာသာရပ်စာမေးပွဲတွေက လွယ်မှု/ခက်မှု
မတူညီတဲ့အတွက် ရမှတ် ချည်းပဲကြည့်ပြီး
နှိုင်းယှဉ်လို့မရတာမို့

အမတို့ Z-score ကိုသုံးပြီး နှိုင်းယှဉ်ကြည့်ရအောင်

င်္သချာဘာသာအတွက်
မောင်မောင်ရမှတ် (X) = 85
တစ်ကျောင်းလုံးပျမ်းမျှ (μ) mean = 70
စံသွေဖည်မှု (σ) Standard Deviation = 10

အင်္ဂလိပ်ဘာသာ:
မောင်မောင်ရမှတ် (X) = 75
တစ်ကျောင်းလုံးပျမ်းမျှ (μ) mean = 65
စံသွေဖည်မှု (σ) Standard Deviation = 5

Dataကိုပေးထားတဲ့ Formulaမှာ အစားထိုးလိုက်ရင်
Subject တခုချင်းစီရဲ့ Z-scoreကို ရလာမှာပါ

င်္သချာဘာသာရပ်အတွက် Z တန်ဖိုးက 1.5ရတာဖြစ်လို့
မောင်မောင်ရဲ့ သင်္ချာရမှတ်ဟာ
တစ်ကျောင်းလုံးရဲ့ ပျမ်းမျှအထက်မှာ
Standard Deviation ရဲ့၁.၅ ဆ ရှိတယ်လို့
အဓိပ္ပါယ်ရပါတယ်

အင်္ဂလိပ် Z = 2.0: မောင်မောင်ရဲ့
အင်္ဂလိပ်စာ ရမှတ်ဟာ
တစ်ကျောင်းလုံးရဲ့ ပျမ်းမျှအထက်မှာ
စံသွေဖည်မှု (STD)၂.၀ ဆ ရှိတယ်လို့ အဓိပ္ပါယ်ရပါတယ်

ဒါကိုကြည့်ခြင်းအားဖြင့်

Z-score ၂.၀ က ၁.၅ ထက် ပိုများတဲ့အတွက်
မောင်မောင်ဟာ အင်္ဂလိပ်ဘာသာမှာ သင်္ချာထက်ပိုပြီး ထူးချွန်ခဲ့တယ်လို့ ဆိုနိုင်ပါတယ်
ဘာသာရပ်စာမေးပွဲရဲ့ လွယ်မှု/ခက်မှုကို ချိန်ညှိပြီး နှိုင်းယှဉ်လိုက်တဲ့သဘောပါ

မိတ်ဆွေတို့ကော Z-scoreကို ဘာကြောင့်ကြည့်ဖို့လိုအပ်တယ်ထင်ပါသလဲ✨
နောက်နေ့ကျ Empirical Rule ဘာကြောင့်
သုံးရလဲကို တူတူလေ့လာကြည့်ကြမယ်ရှင့်
ဖြည်းဖြည်းချင်းစီ Sharing လုပ်ပေးပါမယ်ရှင့်

Hello 👋✨
Batch အသစ်လာမေးထားကြတဲ့ မိတ်ဆွေတို့အတွက် 15th Batchလေးဖွင့်လိုက်ပါပြီ✨🩵

Data Fieldထဲသွားချင်ပေမဲ့
ဘယ်ကနေစရမှန်းမသိဖြစ်နေတဲ့
အတူတူကြိုးစားကြည့်ချင်တဲ့
မိတ်ဆွေတွေအတွက် ရည်ရွယ်ပါတယ်
Excel Shortcut ကနေအစ ပြောပြပေးပါတယ်

Data Analysis ပိုင်းကို အခြေခံမှစတင်ပြီး
ကျွမ်းကျင်သည်အထိ လေ့လာချင်တဲ့
မိတ်ဆွေတွေအတွက်
Batch 15: Data Analysis with Excel & Power BI ကို
ဖွင့်ပေးလိုက်ပါပြီ

Course Outline ကို Telegram Channel ကနေ Downloadလုပ်ပြီး ဖတ်ကြည့်လို့ရပါတယ်ရှင့်

သင်တန်းကြေး - 180K(တသိန်း၈သောင်း)
Start Date - 01-04- 2026( 4th April)
Time - 10:00AM - 12:00AM (Weekend)
ပထမဆုံး enrollလုပ်တဲ့ ၁၀ယောက်ကို
၂၀၀၀၀ကျပ် Discountပေးသွားမှာပါရှင့်

Project၂ခုထွက်ပါမယ်
Outlineမှာဖော်ပြထားတဲ့ Project မဟုတ်ပဲ
အသစ်လုပ်သွားမှာပါ
Excel Project အတွက်ကို Telegram Groupထဲမှာ ပုံပို့ထားတာမို့ exploreလုပ်ကြည့်ပါရှင့်

15 Batchမှာ Power BI projectကို
Classထဲကလူတွေကိုကိုယ်တိုင်ရွေးခိုင်းမှာပါ
common Domain/ideaကို ယူပြီး
လုပ်သွားပါမယ်ရှင့် အမလဲ ကူစဉ်းစားပေးမှာပါ

Sample အနေနဲ့ကြည့်ချင်ရင်တော့ Course outlinesမှာ 14 Batchက အမနဲ့တူတူရေးခဲ့တဲ့ Project ကို
ကြည့်လို့ရပါတယ်

Project 2ခုလုံးကို
အမနဲ့တူတူClassထဲမှာ လုပ်သွားမှာပါ

https://t.me/+0axenotjeNczYWY1

အမက Course ကို part 3ခုခွဲထားပါတယ်

Part 1 မှာတော့ Data Analysisကို အခုမှ စပြီး
လေ့လာကြမဲ့ မိတ်ဆွေတွေအတွက်
Data Literacy Foundation Skills

အခုချိန်ထိ Coporateတွေမှာ Excel spreadsheet ကို တွင်တွင်ကျယ်ကျယ် သုံးနေကြတုန်းမို့

Part 2မှာတော့ Data Cleaning and Data Transforming & Analysis အတွက် Excelရဲ့ powerful features တွေဖြစ်တဲ့ pivot table, power queryနဲ့အတူ Excelရဲ့
အသုံးများတဲ့ Advance Function
တွေအကြောင်းကို လေ့လာသွားရမှာဖြစ်ပြီး

Part 2ပြီးသွားရင်လဲ Excelကိုသုံးပြီး Report တခုအတူတူရေးကြမှာပါရှင့်

Part 3မှာတော့ Power BI ပါလာပါပြီ
ဒီအဆင့်မှာတော့ Data Model, Schema and Relationship တွေအကြောင်းနဲ့ power BIကို သုံးပြီး
Final interactive Dashboard
တခု ထွက်လာမှာဖြစ်ပါတယ်

Course Outlines အကြမ်းဖျင်းကို
အောက်က Link ကနေ ဝင်ဖတ်ကြည့်ပါရှင့်

https://t.me/+0axenotjeNczYWY1

ဒီ Course ကို တက်ဖို့ ဘာတွေသိရမလဲဆို
Computer Basic သုံးတတ်ပြီး
Fresherတွေပဲဖြစ်ဖြစ်
Data Analysis ကို အခုမှ စပြီး လေ့လာချင်တဲ့
Beginner Levelမိတ်ဆွေတို့အတွက်
အဆင်ပြေပါတယ်

Final Project ၂ခုထွက်လာမှာပါ
Excelနဲ့တခုPower BIနဲ့တခု course outlinesထဲမှာ
ဝင်ကြည့်လို့ရပါတယ်

Zoom Class ဖြစ်ပြီး Recording ကို အတန်းပြီးတာနက် Google Classroom ထဲတင်ပေးပါတယ်
တခုရှိတာက recording ကိုlifetime တော့မပေးပါ
၂လပြည့်ရင် Classroom ကို Delete လုပ်ပါတယ်ရှင့်

အမနဲ့တူတူ Data Analysisပိုင်းကို လေ့လာကြည့်ချင်တဲ့မိတ်ဆွေတွေကို စောင့်မျှော်နေပါတယ်✨🥳

Data Analyst တိုင်းကြုံတွေ့ရမဲ့ အခက်အခဲတွေက
ဘာတွေဖြစ်မလဲ ကြည့်ရအောင်

1. Dirty / Messy Data

အများဆုံး ကြုံရတဲ့ ပြဿနာက
data quality ဖြစ်ပါတယ်။
Missing values, duplicate records, wrong formats
စတဲ့ ပြဿနာတွေကြောင့် analysis မှားနိုင်ပါတယ်

ဖြေရှင်းနည်းကတော့

Data cleaning ကို အချိန်ပေးလုပ်ပါ

Validation rules သုံးပါ

Data source ကို နားလည်ပါ

2. Business Understanding/ Domain Knowledge
မရှိခြင်း

တချို့ analyst တွေက tools ကိုသာ အာရုံစိုက်ပြီး business problem ကို မနားလည်ကြပါဘူး

ဖြေရှင်းနည်းကတော့

Stakeholder တွေနဲ့ မေးမြန်းဆွေးနွေးပါ

“Why?” ဆိုတဲ့ မေးခွန်းကို အမြဲမေးပါ

KPIs နဲ့ OKRs ကို အရင်နားလည်ပါ

3. Communication Skill အားနည်းခြင်း

Analysis ကောင်းတစ်ခုကို လူတွေ နားလည်အောင်
မရှင်းပြနိုင်ရင် အကျိုးမရှိပါဘူး

ဖြေရှင်းနည်းကတော့

Storytelling skill ကို လေ့ကျင့်ပါ

Simple visualization သုံးပါ

Technical language များ မသုံးပါနဲ့

4. Imposter Syndrome (ကိုယ့်ကိုယ်ကို မယုံကြည်ခြင်း)

အခြားသူတွေထက် ကိုယ်မတော်ဘူးလို့ ခံစားရခြင်းဟာ Data Analyst တွေကြုံရတတ်ပါတယ်

ဖြေရှင်းနည်း

Continuous learning လုပ်ပါ

Small wins ကို မှတ်ထားပါ

Practice & real projects လုပ်ပါ

5. Too Many Tools Confusion

Excel, Python, SQL, Power BI, Tableau စတဲ့ tools များလွန်းလို့ စိတ်ရှုပ်နိုင်ပါတယ်။

ဖြေရှင်းနည်း

Core fundamentals (Excel/Power BI/SQL) ကို
အရင်ကျွမ်းကျင်အောင်လုပ်ပါ

Tool ထက် Problem solving ကို အာရုံစိုက်ပါ

🎯Data Analyst အလုပ်ဟာ coding သာမက

Critical thinking

Business understanding

Communication

Problem solving တို့ပေါင်းစပ်ထားတဲ့
Career တစ်ခုဖြစ်ပါတယ် ✨🎉