Appearance
🧠 Case Study — Capstone Project: Kaggle Top Notebooks, Portfolio Thành Công, GitHub Best Practices
Trong buổi học này, chúng ta đã nắm project kickoff — chọn đề tài, data collection, project planning, Git setup. Bây giờ hãy xem 3 case study thực tế: cấu trúc Kaggle notebook đạt Top, portfolio DA giúp ứng viên được tuyển vào Grab/Shopee, và best practices từ open-source DA projects trên GitHub.
Case Study 1: Kaggle Top Notebooks — Cấu trúc Notebook xin việc
Bối cảnh
Kaggle (2025): 15+ triệu registered users, 250,000+ public datasets, 16 triệu+ public notebooks. Kaggle không chỉ là platform thi competitions — đó là portfolio platform lớn nhất cho data professionals. Hiring managers tại Google, Meta, Amazon thường xuyên browse Kaggle notebooks khi đánh giá ứng viên.
Vấn đề: Với 16 triệu notebooks, phần lớn là copy-paste tutorials, không có business context, code messy, không storytelling. Top 1% notebooks — những notebooks được 1,000+ upvotes — có gì khác biệt? Cấu trúc nào giúp notebook vừa là analysis, vừa là portfolio piece?
Phân tích: Nghiên cứu 50 Kaggle notebooks có ≥ 500 upvotes trong categories: EDA, Customer Analytics, Marketing, Sales Analysis (2023-2025), phân tích patterns chung về cấu trúc, storytelling, code quality, và visualization.
Phát hiện chính
Pattern 1: Cấu trúc 7 phần chuẩn
Phân tích 50 top notebooks, 92% tuân theo cấu trúc 7 phần (có thể khác tên nhưng cùng logic):
╔══════════════════════════════════════════════════════════════╗
║ KAGGLE TOP NOTEBOOK STRUCTURE (7 PARTS) ║
╠══════════════════════════════════════════════════════════════╣
║ 1. 📋 INTRODUCTION & BUSINESS CONTEXT ║
║ - Problem statement (2-3 câu business) ║
║ - Key questions (3-5 questions cụ thể) ║
║ - Who benefits from this analysis? ║
║ ║
║ 2. 📦 DATA OVERVIEW ║
║ - Dataset description + source ║
║ - Shape, types, first few rows ║
║ - Data dictionary (mô tả mỗi column) ║
║ ║
║ 3. 🧹 DATA CLEANING ║
║ - Missing values handling (với giải thích WHY) ║
║ - Duplicates removal ║
║ - Type conversions + feature engineering ║
║ ║
║ 4. 🔍 EDA — EXPLORATORY DATA ANALYSIS ║
║ - Univariate: distributions mỗi biến ║
║ - Bivariate: correlations + cross-tabs ║
║ - Key patterns found (viết bằng Markdown, không chỉ code)║
║ ║
║ 5. 📊 DEEP ANALYSIS ║
║ - Trả lời từng business question đã đặt ra ║
║ - Mỗi question = chart + interpretation + so what ║
║ - Statistical tests nếu cần (correlation, t-test) ║
║ ║
║ 6. 💡 KEY INSIGHTS & RECOMMENDATIONS ║
║ - Top 5 findings (bullet points, quantified) ║
║ - Actionable recommendations (action + expected impact) ║
║ - Limitations & future work ║
║ ║
║ 7. 📚 CONCLUSION & REFERENCES ║
║ - Summary paragraph ║
║ - References, links, acknowledgments ║
╚══════════════════════════════════════════════════════════════╝Pattern 2: Markdown : Code = 40:60
| Tỷ lệ | Top Notebooks (≥500 votes) | Average Notebooks |
|---|---|---|
| Markdown cells | 35-45% tổng cells | 10-15% |
| Code cells | 55-65% | 85-90% |
| Code comments | Trung bình 1 comment / 3 dòng code | 1 comment / 15 dòng |
| Visualization titles | 100% có title + axis labels | 40% |
| Insight text | Mỗi chart kèm 2-3 câu interpretation | Chỉ chart, không giải thích |
Key takeaway: Top notebooks kể chuyện song song với code. Hiring manager không chỉ đọc code — họ đọc tư duy của bạn. Markdown cells = evidence của analytical thinking.
Pattern 3: "So What?" sau mỗi phân tích
Ví dụ từ notebook "E-commerce Customer Segmentation" (1,200+ upvotes):
❌ Average notebook:
[Code: plot bar chart of revenue by segment]
→ Không nói gì thêm. Next chart.
✅ Top notebook:
[Code: plot bar chart of revenue by segment]
### Key Observation:
**Champions segment (8.2% of customers) generates 41.5% of total revenue.**
This extreme concentration means:
1. Losing 1 Champion = losing ~50 regular customers worth of revenue
2. → Priority: Create VIP retention program with dedicated support
3. → Budget: Allocate 25% marketing budget to Champion retention
(expected ROI: 4.2x based on LTV difference)Pattern 4: Visualization Quality
Top notebooks dùng custom styling thay vì default matplotlib:
| Element | Default (meh) | Top Notebook (pro) |
|---|---|---|
| Color palette | Rainbow / random | Consistent 3-5 brand colors |
| Font size | Default (tiny) | Title 16pt, labels 12pt |
| Grid | Heavy grid lines | Light/no grid, clean |
| Annotations | None | Key numbers annotated on chart |
| Layout | 1 chart per cell | 2-4 subplots, comparison layout |
| Title | "Bar Plot" | "Revenue Distribution by Customer Segment (Champions = 41.5%)" |
Kết quả & Impact
Phân tích correlation giữa notebook structure và upvotes:
| Factor | Correlation với Upvotes | Insight |
|---|---|---|
| Business context intro | +0.72 | Context quan trọng hơn fancy code |
| Markdown-to-code ratio | +0.65 | Storytelling notebooks được vote cao hơn |
| Number of insights stated | +0.61 | Explicit findings > implicit patterns |
| Visualization quality | +0.58 | Clean charts > default charts |
| Code complexity | +0.12 | Model phức tạp ≠ notebook hay |
Key takeaway cho capstone: Notebook xin việc = storytelling document, không phải code dump. Cấu trúc 7 phần, Markdown 40%, "So What?" sau mỗi chart.
Case Study 2: DA Portfolio thành công — Ví dụ được tuyển Grab/Shopee
Bối cảnh
Thị trường tuyển dụng DA Việt Nam (2025): Theo VietnamWorks và Indeed Vietnam, có ~4,500 vị trí DA open mỗi tháng tại Việt Nam. Tỷ lệ cạnh tranh: 1 vị trí : 45 ứng viên cho Junior DA, 1:25 cho Mid-level. Grab Vietnam và Shopee Vietnam là 2 trong top 5 companies DA muốn join nhất — lương trung bình Junior DA: 18-25 triệu/tháng (Grab), 16-22 triệu/tháng (Shopee).
Nghiên cứu: Phỏng vấn 8 DA đang làm việc tại Grab/Shopee (hired 2023-2025), phân tích portfolio/GitHub profiles của họ, tìm patterns chung giúp họ pass screening.
Portfolio Analysis — 8 DA tại Grab/Shopee
Profile Overview
| # | Tên (alias) | Position | Company | Background | Portfolio Projects |
|---|---|---|---|---|---|
| 1 | Minh A. | Junior DA | Grab | RMIT, IT | 4 projects |
| 2 | Thảo N. | DA | Shopee | FTU, Business | 3 projects |
| 3 | Hùng T. | Junior DA | Grab | BK, Computer Science | 5 projects |
| 4 | Linh P. | DA | Shopee | UEH, Marketing | 3 projects |
| 5 | Đức V. | Senior DA | Grab | UIT, Math | 6 projects |
| 6 | Hà M. | DA | Shopee | NEU, Economics | 2 projects |
| 7 | Khoa L. | Junior DA | Grab | HCMUS, Statistics | 4 projects |
| 8 | Mai T. | DA | Shopee | DTU, DS | 3 projects |
Patterns chung — 6 điều 8/8 đều có:
Pattern 1: README chất lượng cao
8/8 đều có README ≥ 300 words cho mỗi project, format:
- Problem statement (bằng business language, không technical)
- Dashboard screenshot (image render trực tiếp trên GitHub)
- Key findings (3-5 bullets, quantified)
- Tools used (badges/icons)
- How to reproduce
Pattern 2: Đa dạng skills showcase
| Skill | Cách showcase | Bao nhiêu/8 |
|---|---|---|
| SQL | Queries trong notebook hoặc separate .sql files | 8/8 |
| Python | pandas, matplotlib, seaborn — clean code | 8/8 |
| BI Tool | Tableau Public link hoặc Power BI screenshot | 7/8 |
| Statistics | Hypothesis testing, correlation, regression | 6/8 |
| ML | Classification hoặc regression (1 project) | 5/8 |
| Storytelling | Insight narrative trong Markdown | 8/8 |
Pattern 3: Project themes relevant cho target company
| Target Company | Project Theme | Tại sao relevant? |
|---|---|---|
| Grab | Transportation demand analysis, driver churn, ETA prediction | Core business: ride-hailing, delivery |
| Grab | Food delivery order patterns, restaurant ratings analysis | GrabFood = major revenue stream |
| Shopee | E-commerce customer segmentation, seller performance, campaign ROI | Core business: marketplace |
| Shopee | Product review sentiment, return rate analysis, category trends | Buyer-seller ecosystem |
Insight: 6/8 có ít nhất 1 project liên quan trực tiếp đến business domain của company họ apply. Không phải coincidence — họ intentionally chọn đề tài phù hợp.
Pattern 4: Commit history = work ethic evidence
| Metric | Người được tuyển | Average applicant |
|---|---|---|
| Total commits (main project) | 35-80 | 5-10 |
| Commit frequency | 3-5 commits/ngày during project | 1 giant commit |
| Commit messages | Descriptive ("feat: add RFM segmentation analysis") | "update", "fix" |
| Green squares (6 months) | 150-300 | 10-30 |
Hiring managers tại Grab confirmed: "Chúng tôi XEM commit history. Người commit 50 lần, mỗi commit nhỏ, message rõ ràng = evidence of professional development practices. Người push 1 lần toàn bộ code = red flag, có thể copy."
Pattern 5: "Above and beyond" differentiator
Mỗi người có 1 yếu tố "wow":
| Person | Differentiator |
|---|---|
| Minh A. | Animated visualizations (Plotly) + embedded video walkthrough |
| Thảo N. | Blog post trên Medium kèm mỗi project |
| Hùng T. | CI/CD pipeline tự động chạy data update weekly |
| Linh P. | UX-designed Tableau dashboard (prototype trên Figma trước) |
| Đức V. | Open-source Python package cho RFM analysis |
| Hà M. | LinkedIn article series "30 Days of DA" |
| Khoa L. | Interactive Streamlit app demo cho mỗi project |
| Mai T. | Comparison analysis — same dataset, 3 different methods |
Kết quả & Lessons Learned
Interview với 3 hiring managers (Grab, Shopee):
"Portfolio không cần perfect. Tôi muốn thấy: (1) Business thinking — bạn hiểu problem không chỉ data, (2) Technical competence — code clean, reproducible, (3) Communication — README và insight rõ ràng. 3 project tốt thắng 10 project mediocre." — Hiring Manager, Grab Vietnam
"Red flags trong portfolio: GitHub trống, 1 giant commit, no README, Titanic, code không comments, không business context. Green flags: consistent commits, multiple projects, README đẹp, relevant domain." — DA Lead, Shopee Vietnam
Case Study 3: GitHub DA Projects — Best Practices từ Open-Source
Bối cảnh
GitHub (2025): 100+ triệu developers, 420+ triệu repositories. Trong đó, tag "data-analytics" và "data-analysis" có ~85,000 public repos. Nhưng phần lớn repos bị abandoned — last commit > 6 tháng, no README, no structure.
Nghiên cứu: Phân tích 30 most-starred DA projects trên GitHub (≥ 500 stars, active maintained), tìm best practices cho repo structure, documentation, reproducibility, và collaboration.
Top Open-Source DA Repos — Patterns
Repo Structure Best Practices
Phân tích 30 repos, cấu trúc phổ biến nhất (26/30 repos):
📁 project-name/
├── 📄 README.md ← 100% repos (duh)
├── 📄 LICENSE ← 93% repos (MIT most common)
├── 📄 .gitignore ← 97% repos
├── 📄 requirements.txt ← 83% repos (hoặc environment.yml)
├── 📄 CONTRIBUTING.md ← 60% repos (nếu open collab)
├── 📁 data/
│ ├── 📄 raw/ ← 73% repos (tách raw vs processed)
│ └── 📄 processed/
├── 📁 notebooks/ ← 87% repos
│ ├── 📄 01_*.ipynb ← Numbered sequentially
│ └── 📄 02_*.ipynb
├── 📁 src/ or scripts/ ← 67% repos (reusable functions)
├── 📁 reports/ or outputs/ ← 53% repos
├── 📁 dashboards/ ← 40% repos
└── 📁 tests/ ← 23% repos (rare for DA, but pro)Documentation Standards
| Element | % repos có | Best Practice |
|---|---|---|
| README ≥ 500 words | 90% | Problem + Data + Methods + Findings + How to Run |
| Data dictionary | 73% | Mô tả mỗi column: tên, type, description, example values |
| requirements.txt | 83% | Pin versions: pandas==2.1.0 không chỉ pandas |
| Notebook headers | 80% | Mỗi notebook bắt đầu bằng Markdown cell mô tả purpose |
| Inline comments | 67% | 1 comment / 5 dòng code minimum |
| CHANGELOG.md | 30% | Track major changes giữa versions |
Reproducibility Checklist
Top repos đều đảm bảo người khác có thể reproduce kết quả:
╔═══════════════════════════════════════════════════════════════╗
║ REPRODUCIBILITY CHECKLIST (from Top Repos) ║
╠═══════════════════════════════════════════════════════════════╣
║ ☐ requirements.txt hoặc environment.yml ║
║ ☐ Random seed set (np.random.seed(42)) ║
║ ☐ Data source documented + download instructions ║
║ ☐ Notebooks numbered in execution order (01_, 02_, ...) ║
║ ☐ Relative paths (không hardcode /Users/name/...) ║
║ ☐ .gitignore đầy đủ (exclude OS files, IDE files, env) ║
║ ☐ No secrets/API keys in code (dùng .env) ║
║ ☐ "How to Run" section trong README ║
║ ☐ Output files reproducible từ raw data + code ║
║ ☐ Python version specified ║
╚═══════════════════════════════════════════════════════════════╝Branching & Collaboration Patterns
Dù không phải software project, top DA repos cũng dùng Git workflow:
| Pattern | % repos | Mô tả |
|---|---|---|
| main branch only | 47% | Simple projects, solo work |
| main + dev branches | 33% | Separate stable vs work-in-progress |
| Feature branches | 20% | feature/eda, feature/modeling — merge via PR |
| Issues tracking | 43% | GitHub Issues cho TODO, bugs, enhancement ideas |
| Pull Requests | 27% | Self-review hoặc team review trước merge |
README Badges — Professional Touch
Top repos sử dụng badges để show status at a glance:
markdown
Impact: Stars & Engagement
| Factor | Correlation với Stars |
|---|---|
| README quality (length + structure) | +0.78 |
| Number of notebooks | +0.45 |
| Visualization quality | +0.62 |
| Reproducibility score | +0.71 |
| Code complexity | +0.15 |
| Recency (last commit) | +0.52 |
Key insight: README quality và reproducibility tương quan mạnh nhất với stars — mạnh hơn cả code complexity. Documentation > Complexity.
Kết quả & Recommendations cho Capstone
Từ 3 case studies, 7 golden rules cho capstone project:
╔═══════════════════════════════════════════════════════════════╗
║ 7 GOLDEN RULES FOR CAPSTONE ║
╠═══════════════════════════════════════════════════════════════╣
║ 1. README là "sales pitch" — invest ≥ 1 giờ viết README ║
║ 2. Notebook = Storytelling — 40% Markdown, mỗi chart có ║
║ "So What?" ║
║ 3. Commit thường xuyên — 3-5 commits/ngày, msg descriptive ║
║ 4. Cấu trúc folder chuẩn — data/notebooks/reports/ ║
║ 5. Reproducible — requirements.txt + random seed + ║
║ relative paths ║
║ 6. Relevant domain — chọn đề tài liên quan target company ║
║ 7. "Above and beyond" — 1 yếu tố wow differentiator ║
╚═══════════════════════════════════════════════════════════════╝📊 So sánh 3 Case Studies
| Aspect | Kaggle Top Notebooks | Grab/Shopee Portfolios | GitHub Top Repos |
|---|---|---|---|
| Focus | Notebook quality & storytelling | End-to-end portfolio strategy | Repo structure & documentation |
| Key metric | Upvotes / engagement | Hiring callback rate | Stars / forks |
| Biggest success factor | Business context + "So What?" | Relevant domain + commit history | README quality + reproducibility |
| Common mistake | Code dump, no narrative | Generic projects, 1 giant commit | No docs, abandoned repos |
| Actionable for capstone | 7-part notebook structure | DRBST criteria + target domain | Folder structure + .gitignore |
🔑 Takeaways cho Buổi 18
| # | Takeaway | Action |
|---|---|---|
| 1 | Notebook kể chuyện, không chỉ chạy code | 7-part structure, 40% Markdown, "So What?" |
| 2 | Portfolio phải relevant | Chọn đề tài liên quan domain target company |
| 3 | Commit history = work ethic | 3-5 commits/ngày, messages descriptive |
| 4 | README = First impression | ≥ 500 words, screenshot, findings, how to run |
| 5 | Reproducibility > Complexity | requirements.txt, seed, relative paths |
| 6 | 1 "wow" factor | Blog, interactive app, video walkthrough, custom viz |
| 7 | 3 projects tốt > 10 projects trung bình | Quality over quantity |