Data Analyst là gì? Cần những kỹ năng gì để trở thành Data Analyst? (updated)

Data Analyst là người đại diện cho tiếng nói của dữ liệu. Họ thực hiện các phân tích sâu (deep dive analytics) để cung cấp insights cho những quyết định cũng như kế hoạch của ban lãnh đạo doanh nghiệp.

Đọc bài phỏng vấn của ITviec với chị Nguyễn Thị Thúy Hạnh Senior Manager, BI and Data Analytics của Property Guru Group tại Singapore, để biết:

  • Data Analyst là gì và công việc cụ thể của họ?
  • Sự giống và khác nhau giữa Business Analyst và Data Analyst?
  • Những kỹ năng và tố chất cần thiết để trở thành Data Analyst?

Read the English version here .

Tóm Tắt

Xem việc làm Data Analyst tại ITviec

Tiểu sử: Tốt nghiệp Thạc sĩ chuyên ngành Kinh tế tại Pháp năm 2008, chị Hạnh quay lại Việt Nam và bắt đầu làm việc tại Techcombank từ năm 2009.

Trong 5 năm, chị trải qua những vị trí từ Chuyên viên Phân tích đến Phó phòng của Trung tâm Phân tích Kinh doanh ( Analytics and Customer Intelligence ) thuộc Khối Bán lẻ của Techcombank .
Năm năm trước, chị chuyển sang làm BA Lead tại Ngân hàng Quân Đội ( MBBank ) .
Sau đó, chị làm Analytics Manager cho 701S earch ( công ty mẹ của Chợ Tốt ) tại Nước Singapore. Trải qua những công ty như Accord, Agoda, Ascend Group, hện tại, chị đang giữ chức vụ Senior Manager, BI and Data Analytics của Property Guru Group tại Nước Singapore .

Data Analytics nghe có vẻ khô khan và rắc rối. Tại sao chị chọn con đường này?

Mình nghĩ, đôi lúc nghề chọn người nhiều hơn là người chọn nghề. Do duyên mà ngay từ lúc mới ra trường mình được chọn và offer công việc làm DA ngay khi còn chưa biết DA là gì. Đó thật sự là suôn sẻ so với những bạn ở thời gian hiện tại khi làm DA / DS đã thành một khuynh hướng .
Theo mình thì không có nghề nào là quá rắc rối và quá năng lực của một người thông thường, yếu tố duy nhất là nó có hợp với tính cách và hướng tăng trưởng của bạn không, hoặc là bạn có cảm thấy mình hoàn toàn có thể làm nghề này hay không. DA có sức mê hoặc riêng của nghề, ví dụ như bạn không phải chịu áp lực đè nén doanh thu, hay phải hoạt ngôn mới làm được. Bạn sẽ có thời hạn tâm lý và tìm giải pháp cho yếu tố, cho mẫu sản phẩm, hay cho doanh nghiệp, và giải pháp của bạn dựa trên số lượng, nghiên cứu và phân tích và giám sát, với độ đúng mực cao .
Hơn nữa, DA là một nghề không chịu sự bó hẹp của industry, bạn hoàn toàn có thể làm cho ngân hàng, hay cho công ty công nghệ tiên tiến, hay cho mẫu sản phẩm sức khỏe thể chất, y tế, thể thao …
Làm DA đôi lúc như là người soi đèn cho những người làm operation quyết định hành động, khi nghiên cứu và phân tích / khám phá / khuynh hướng của bạn được gật đầu, hay khi bạn thấy stakeholders ồ lên hoá ra là vậy, hoá ra đó là điểm họ bị struggling và không tìm được câu vấn đáp, bạn sẽ cảm thấy mọi công sức của con người bạn bỏ ra được đền đáp, như kiểu dùng chất kích thích vậy ( cười ) .

data analyst - Nguyễn Thị Thúy Hạnh - Head of International Business BI and Analytics của Ascend Group tại Thái Lan

Theo chị, Data Analyst có phải là Business Analyst?

Cách đây vài năm mình vấn đáp cho câu hỏi này rằng “ Chắc chắn Data Analyst ( DA ) không phải là Business Analyst ( BA ) ”. Nhưng hiện tại đọc lại câu hỏi thì sẽ thấy khó để vấn đáp hơn. Vì sao lại như vậy ? Vì những bạn trẻ giờ đây rất ham học hỏi, điểm độc lạ lớn thời xưa là DA thường năng lực technical cao hơn BA, thì hiện tại hầu hết những bạn BA đã cố gắng nỗ lực để xóa nhòa ranh giới đó .
Phần nhiều điểm khác nhau hiện tại là do ở scope việc làm. Có thể nói, trách nhiệm thực sự của BA và DA sẽ là :

  • Business Analyst là cầu nối giữa khối business và khối công nghệ
  • Data Analyst là cầu nối giữa business và data

Ví dụ như ngân hàng nhà nước, bạn sẽ thấy rất nhiều BA trong khối IT, nơi họ thực sự làm việc làm của một Business Analyst : diễn giải nhu yếu của người làm business thành ngôn từ của developer và ngược lại .

Còn DA là người phân tích và xử lý dữ liệu để tìm ra các insight, từ đó đưa ra các đề xuất/giải pháp cho business.

Ở một số công ty khác, BA thường gắn với các operation team, thực hiện các phân tích hoặc ad học cần nhiều business mindset và ít technical skills hơn. DA sẽ thực hiện các dự án có tính tập trung và mang lại giải pháp toàn diện, giải quyết được vấn đề cho nhiều team một lúc, hoặc vấn đề mang tính toàn công ty hơn, long term hơn.

Ví dụ như bộ phận Chiến lược hoàn toàn có thể có BA. BA của bộ phận Chiến lược hầu hết sẽ nghiên cứu và phân tích xem chủ trương của chính phủ nước nhà, đối thủ cạnh tranh, thị trường, và nội tại của công ty tương thích với chủ trương gì tại thời gian này và năm sau, hay 3 năm tới. Các bạn DA thuộc team data thì lại làm những nghiên cứu và phân tích như làm thế nào để người mua quay lại nhiều hơn, dành thời hạn nhiều hơn, tiêu tiền nhiều hơn, hài lòng hơn với mẫu sản phẩm …

Chị có thể giải thích rõ hơn điểm giống/khác nhau giữa hai công việc này?

Trước khi vào vấn đáp, thì phải nói thêm là ngay cả câu vấn đáp bên dưới cũng có năng lực là không đúng, đa số sự khác nhau hiện tại là do công ty pháp luật về job scope. Tuy nhiên thì mình vẫn giữ nguyên quan điểm như dưới nếu nhất định phải phân biệt rạch ròi .

1. Khác nhau:

Khi business user tìm đến BA, thường là họ đã biết mình muốn gì, cần gì. Họ đã có sẵn câu trả lời, và chỉ cần BA diễn giải lại.

Ví dụ, lúc làm BA cho dự án Bất Động Sản DWH tại MBbank, mình đã có sẵn một mạng lưới hệ thống báo cáo giải trình từ những phòng ban trong khối, và chỉ cần triển khai xong thêm nếu cảm thấy thiết yếu .
Công việc chính của mình là lý giải cho đội dự án Bất Động Sản biết những measurement, dimension, đơn vị chức năng tài liệu. v.v … được thống kê giám sát tổng hợp từ những data attribute nào .

Còn khi business user tìm đến với DA, họ thường chỉ có câu hỏi, và lại là một câu hỏi mơ hồ. Họ cảm nhận được khúc mắc gì đó song chưa có cơ sở để khẳng định. DA sẽ căn cứ vào dữ liệu để xác nhận khúc mắc đó có tồn tại hay không, và đề xuất giải pháp.

Thậm chí, đôi khi DA sẽ tự tìm đến business user để cung cấp những thông tin mà business user chưa hề biết tới. Đó là khi data cất lên tiếng nói, và DA lắng nghe được.

Ví dụ, ở vai trò DA, mình là người tạo dựng những báo cáo giải trình để business users hoàn toàn có thể quản lí business của họ một cách tốt nhất .
Bên cạnh đó, bọn mình thực thi những nghiên cứu và phân tích sâu hơn để gợi ý cách xử lý cho những yếu tố dài hơi hơn của business .

2. Giống nhau:

BA và DA đều thuộc lĩnh vực Data, đều phải hiểu về business và hệ thống data của business đó.

Trên thực tế, có rất nhiều blur lines giữa hai công việc này. Đặc biệt là trong môi trường start-up, nơi bạn thường xuyên thấy mình làm cả hai công việc BA và DA mỗi ngày.

Ví dụ, cả BA và DA đều hay gặp những câu hỏi kiểu như :
“ Doanh thu từ hoạt động giải trí marketing của tôi có vẻ như giảm sút. Vậy có cách nào trấn áp được không ? Tôi muốn xem lệch giá của từng nhân viên cấp dưới marketing, thì tôi hoàn toàn có thể tạo trên mạng lưới hệ thống để update và xem tự động từ nhà được không ? ”
Trong trường hợp này, thường là cả BA và DA sẽ có cùng một câu vấn đáp / giải pháp cho business user .

Analytics Manager là bước phát triển cao hơn của Data Analyst?

Tùy thuộc vào môi trường tự nhiên, việc làm, cũng như thị trường bạn đang sống, có rất nhiều nhánh khác nhau trong cùng nghành data .

Ở Nước Ta, mình gặp nhiều nhất là Data Engineer, Data Architect, Database Administrator, Data Analyst, Business Analyst .
Tại Mĩ, bạn hoàn toàn có thể gặp cả Data Visualization Engineer, Statisciants, Data Scientist … hay rất nhiều nhánh nhỏ khác .

Theo mình quan sát thấy, thì hầu hết những bạn Data Analyst đều muốn tăng trưởng thành Data Scientist. Có lẽ vì Data Scientist được những kênh truyền thông online “ lăng xê ” thành rock-star trong ngành tài liệu chăng ? ( cười )

Tuy nhiên, theo mình thì mọi nhánh nghề nghiệp đều quan trọng. Rất khó có thể nói công việc nào là bước phát  triển cao hơn của công việc nào.

Các đồng nghiệp làm Data Scientist mà mình biết, việc làm của họ cũng tương đối giống với việc làm mà bọn mình gọi là “ Data Analyst ”. Sự độc lạ có lẽ rằng đa phần ở Phần Trăm phân chia giữa những nghĩa vụ và trách nhiệm việc làm .

Cũng tương tự, theo mình, Analytics Manager không phải là bước phát triển cao hơn của vị trí Data Analyst. Đơn giản là, giống như mọi vị trí managing khác, khi chuyển thành Analytics Manager, bạn nhận thêm trách nhiệm quản lý.

Đối với cá thể mình mà nói, có lẽ rằng do không tăng trưởng được nhiều hơn nữa về kĩ năng chuyên ngành, nên mình chọn tăng trưởng theo hướng managing. ( cười )

data analyst là gì - Nguyễn Thị Thúy Hạnh - Head of International Business BI and Analytics của Ascend Group tại Thái Lan

Từ vị trí Data Analyst có thể phát triển sự nghiệp lên những vị trí nào khác (theo hướng Manager thì như thế nào, theo hướng Technical thì như thế nào)?

Hiện tại công ty nào cũng có hai hướng cho nhân viên cấp dưới lựa chọn, hoặc là theo hướng Manager hoặc là theo hướng Technical .
Theo hướng technical những bạn hoàn toàn có thể lựa để từ DA rồi thành Senior DA, rồi sau đó tuỳ theo công ty, hoàn toàn có thể là Principal / Lead DA. Tất nhiên cũng tuỳ công ty, nhưng so với Principal DA, thường ở vị trí đó sẽ được ( hay bị ) mong đợi là hoàn toàn có thể lead những project một mình, và thường là những project lớn có nhiều ảnh hưởng tác động. Ngoài ra những bạn này sẽ là người có năng lực giải đáp, hướng dẫn những bạn DA mới vào nghề, tuy không trực tiếp quản lí nhân sự .
Như trên đã trình diễn, một hướng khác là những bạn làm DA hay muốn chuyển sang làm Data Scientist. Tuy nhiên lựa chọn này sẽ cần những bạn nỗ lực rất nhiều, vì thị trường DS thường được coi là lớp kem trên đỉnh, tức là mỏng dính nhưng tập trung chuyên sâu nhiều nhân tài, nguyên do là những bạn làm DS thường tốt nghiệp PhD, và kiến thức và kỹ năng rất sâu, dày. Thị trường DS ở việt nam còn thiếu và yếu, nên nhiều bạn chọn chuyển ngang, và thành công xuất sắc. Tuy nhiên để chuyển ngang được ở những công ty lớn, thị trường lớn, thì mình thường khuyến khích những bạn nên bỏ ra vài năm đi học, để tăng năng lực cạnh tranh đối đầu .
Hướng khác nữa là hiện tại có nhiều bạn làm DA rồi chuyển qua làm Product cho Data Product. Đây là một hướng tăng trưởng khá mê hoặc, tuy nhiên những bạn cũng sẽ cần nỗ lực rất nhiều để bắt kịp những kỹ năng và kiến thức về Product .
Theo hướng Manager thì đơn thuần hơn, sẽ là bạn tăng trưởng đến mức Senior DA, ở mức out standing, và muốn thử sức ở nghành quản lí. Làm quản lí thì ngành nghề nghành nào cũng như nhau, có nhiều cái khó, nhiều cái đau đầu nhưng cũng có niềm vui ( ví dụ như sếp không mắng nhân viên cấp dưới không nghỉ việc là vui rồi ) Tuy nhiên làm manager thì nếu trộm vía việc làm suôn sẻ, sẽ có lúc bạn phải nghĩ, bước tiếp theo là gì, sau Head of Analytics hay Head of Data là gì, và đó cũng là một bài toán khó, ngay cả so với mình hiện tại ( cười ) .

Trách nhiệm công việc chính của Analytics ?

Trách nhiệm chính của Analytics Manager là :

  • Cung cấp insight phục vụ cho các quyết định mang tính chiến lược, cũng như các hoạt động vận hành doanh nghiệp nói chung của business user.
  • Đảm bảo hệ thống báo cáo/phân tích dữ liệu hoạt động chính xác và hiệu quả.

Một ngày làm việc bình thường của Analytics Manager?

Hiện tại mỗi ngày 50 % thời hạn của mình là đi họp, đa phần là để “ move the needle ” nếu thiết yếu, và vạch ra kế hoạch cho team làm những việc mang lại nhiều tác động ảnh hưởng hơn, hoặc nhiều lúc luận bàn business opportunity từ data, chắc do đã thành Senior Manager vì với Manager, một ngày thông thường sẽ phải :

  • Kiểm tra xem các báo cáo chạy hàng ngày có bị lỗi không, tình hình kinh doanh có gì đáng báo động/ tìm hiểu không
  • Kiểm tra và hướng dẫn các bạn trong team deliver công việc được giao
  • Nói chuyện với các stakeholders để hiểu thêm về yêu cầu, bàn bạc giải pháp, và giao ước về thời gian deliver

Sau đó, mình sẽ làm một số ít báo cáo giải trình / analysis theo kế hoạch ; hoặc tương hỗ tài liệu nếu có nhu yếu .
Ngoài giờ thao tác, ngoài những kế hoạch cá thể, mình sẽ cố sắp xếp để học hay đọc thêm về data, visualization, code, artificial intelligence hay technology industry .

Python và R là hai ngôn từ lập trình được những Data Analyst / Scientist ưa thích .
Xem thêm 20 Tài liệu Python cơ bản đến nâng cao hay nhất .

ky-nang-cua-data-analyst-la-giky-nang-cua-data-analyst-la-gi
data-analytics-managerdata-analytics-manager
Infographic về Data Analyst và Analytics Manager của Data Camp

Điều mọi người thường hiểu lầm về Data Analyst là gì?

Người ngoài ngành thường không biết bọn mình làm gì, nên chắc là … không có hiểu nhầm gì cả ( cười ) .
Còn với những ai sắp / muốn trở thành Data Analyst / Scientist, có vẻ như mọi người thường nghĩ sẽ được làm những project với quy mô predictive hay clustering phức tạp, cũng như muốn vọc sâu vào machine learning .

Nhưng trên thực tế, Data Analyst phải xử lý khá nhiều với dữ liệu thô.

Ví dụ : thu thập dữ liệu, vô hiệu những tài liệu sai, triển khai một số ít đo lường và thống kê đơn thuần để tính theo 1 số ít điều kiện kèm theo nhất định, tổng hợp thành một tổng hợp tài liệu thiết yếu cho nghiên cứu và phân tích .

Những việc làm này thường mất rất nhiều thời hạn. Song kỹ năng và kiến thức để thực thi lại rất đơn thuần, với 1 số ít query cơ bản .
Điều này nghe có vẻ như buồn. Tuy nhiên, nếu thực sự yêu dữ liệu, bạn sẽ cảm thấy phần việc làm này giúp bạn hiểu hơn về mạng lưới hệ thống, loại sản phẩm của công ty .

Bởi vì việc thực thi tổng hợp mới sẽ giúp bạn biết tài liệu nào nằm ở đâu, cấu trúc tài liệu ra làm sao … Nếu khám phá kĩ hơn, bạn sẽ hiểu vì sao mạng lưới hệ thống lại ghi nhận tài liệu như vậy, thay vì tổng hợp luôn như bạn mong ước .

Thuận lợi, khó khăn khi chuyển từ banking industry sang online industry?

Từ một industry truyền kiếp như banking chuyển sang một industry đang có đà tăng trưởng như vũ bão, cũng như chuyển từ môi trường tự nhiên corporate sang start-up at heart company. Có nhiều điều khởi đầu khiến mình cảm thấy khó khăn vất vả .

Công việc ở công ty nhìn chung cố định, mỗi người giống như một mắt xích trong dây chuyền chặt chẽ, với hệ thống quy trình và chính sách đã hoàn thiện. Còn trong start-up, bạn sẽ phải làm quen với sự thay đổi chóng mặt của công việc.

Ví dụ, trong mảng data của ngân hàng nhà nước, thì mẫu sản phẩm chính dành cho người mua cá thể là deposit và loan. Records của những mẫu sản phẩm này hầu hết là key in nên khá chuẩn xác và được form cố định và thắt chặt .
trái lại, với E-commerce hay những tech platform, với ecommerce, mỗi hoạt động giải trí của user như chạm, đổi trang, browse … đều cần ghi nhận. Và ở mỗi quy trình tiến độ khác nhau, để tương thích với hướng tăng trưởng mẫu sản phẩm, bạn sẽ cần ghi nhận những hoạt động giải trí khác nhau. Như vậy, người làm data sẽ phải làm quen với một mạng lưới hệ thống data trọn vẹn mới .

Tuy nhiên, bản chất công việc DA khá giống nhau ở mọi môi trường. Có lẽ vì vậy, nên sau khi hiểu hơn về industry, business, cũng như cách làm việc của hai môi trường, mình may mắn đã bắt nhịp được với công việc mới.

Được như vậy, cũng phải cảm ơn những bạn Data Engineer đã giúp kiến thiết xây dựng mạng lưới hệ thống tài liệu chuẩn và đúng nhu yếu người dùng, giúp việc thao tác và giải quyết và xử lý sau đó không khác nhau nhiều .
data-analyst-la-gi-2
Chị Hạnh (thứ 2 từ trái sang) cùng các đồng nghiệp tại Singapore

Sai lầm “nhớ đời” chị từng phạm phải trong công việc?

Mình từng phạm sai lầm đáng tiếc nhớ đời khi làm DA và BA cùng lúc cho một dự án Bất Động Sản khá lớn .
Sau khi triển khai xong phần tài liệu và Model đo lường và thống kê, ở quy trình ở đầu cuối, mình cần IT tương hỗ để upload hiệu quả lên một website thông tin cho người mua. Lúc đó, bọn mình có khoảng chừng 2 triệu khách. Tuy nhiên, trong quy trình trao đổi, hai bên đã bỏ lỡ dữ kiện này .
Đến ngày upload hiệu quả, mình mới phát hiện ra : công cụ mà IT kiến thiết xây dựng cho mình chỉ hoàn toàn có thể upload 20 nghìn dòng / lần. Nghĩa là, bọn mình sẽ phải upload 100 lần, mỗi lần mất chừng 1 giờ đồng hồ đeo tay. Đó là chưa kể thời hạn đổ tài liệu từ database sang file excel .

Rốt cuộc, mình phải “cầu viện” manager của mình. Và, vì không thể sai hẹn với khách hàng, cả team đã phải gác lại mọi công việc để tập trung upload dữ liệu lên bằng tool cũ.

Sau lần đó, IT đã tăng cấp lên một công cụ mới, giúp mình triển khai việc upload này trong vòng 20 phút / lần / hàng loạt tài liệu người mua .
Dĩ nhiên, sự cố đó có gây thiệt hại, vì bọn mình đã trễ một vài deadline khác của team .

bài học lớn nhất vẫn là “pay attention to details”.

Ai là người truyền cảm hứng về nghề Data Analyst cho chị?

Anh Muthukrishnan, hiện là Head of Retail Bank Finance Analytics của HSBC tại Ấn Độ. Đó là người thầy tiên phong, đồng thời cũng là người truyền cảm hứng và tình yêu với Analytics cho mình .
Muthu là một chỉ huy có tầm nhìn sắc bén, đồng thời luôn có giải pháp / đề xuất kiến nghị cho mọi trường hợp việc làm – đúng như ngành Analytics nhu yếu .

Ngoài ra, team mình lúc đó hầu như đều có background về kinh tế. Chính anh Muthu đã giúp bọn mình tự học SQL/SAS, đồng thời rèn cho bọn mình hiểu rằng không có việc gì là không làm được nếu thực sự nỗ lực.

Một bài học kinh nghiệm khác nữa mà mình học được từ anh Muthu :

Chỉ có người không làm gì thì mới không bao giờ làm sai“, và hãy nghĩ sáng tạo hơn.

Đây là nguồn cổ vũ giúp mình chịu khó học hỏi và thử nghiệm cái mới .

Những kỹ năng cần thiết để trở thành Data Analyst?

Để trở thành Data Analyst, bạn cần :

  • Kỹ năng sử dụng các công cụ phân tích dữ liệu và code cơ bản để xử lý các mô hình dự báo (predictive models).

SQL / SAS / R / Python, hoặc đơn thuần là Excel .

  • Kỹ năng sử dụng các công cụ visualize để chuyển hóa dữ liệu thành graphics.

Ví dụ như Excel ( cười ). Hoặc, Tableau ( mình hiện đang dùng ) .

  • Kỹ năng chuyển hóa dữ liệu thành actionable insight.

Dữ liệu hoàn toàn có thể phân phối cho bạn rất nhiều thông tin. Tuy nhiên, bạn cần phải tinh lọc ra những thông tin thực sự có ích, hoàn toàn có thể vận dụng vào thực tiễn và giúp business user vận hành doanh nghiệp .

  • Bạn phải hiểu business, cũng như cấu trúc dữ liệu và hệ thống dữ liệu của công ty. Biết việc gì có thể/không thể làm được, việc gì sẽ mất nhiều thời gian để thực hiện, việc gì chỉ là thay đổi nhỏ.

Ví dụ, so với một trang thương mại điện tử thì từ lúc người mua lựa chọn sản phẩm & hàng hóa cho đến lúc mua trải qua rất nhiều bước, những bước này đều được ghi nhận vào mạng lưới hệ thống .
Nếu không hiểu rõ cách track và record những bước này trên mạng lưới hệ thống, bạn hoàn toàn có thể nhầm hoặc bỏ sót một vài điều kiện kèm theo trong cách export dữ liệu. Dẫn đến nhầm lẫn giữa số lượng người mua đang lựa chọn, với số lượng người mua đã mua hàng .
Và đương nhiên, nó sẽ ảnh hưởng tác động rất lớn đến nghiên cứu và phân tích / báo cáo giải trình của bạn .

Nhìn chung, nghề Data Analyst không nhu yếu phải cực kỳ giỏi về coding. Nhưng nếu có background về software engineering sẽ là lợi thế .
Các bạn coder muốn chuyển sang làm Data Analyst thì cần quan tâm những kỹ năng và kiến thức cơ bản trên, đặc biệt quan trọng là phải hiểu về business .

Làm thế nào để một bạn trẻ biết có nên theo nghề Data Analyst hay không?

Đây là một câu hỏi rất khó để trả lời. Theo mình, bạn cần tự hỏi bản thân 3 câu hỏi sau:

  • Bạn có kiên trì không?

Làm Analytics cần nhất là sự kiên trì. Bởi vì nhiều lúc bạn phải khai thác, giải quyết và xử lý rất nhiều tài liệu để tìm ra một thông tin có giá trị .
Đôi khi, tài liệu chỉ ra điều trọn vẹn ngược lại với Dự kiến của bạn. Lúc đó, bạn phải khởi đầu việc làm lại từ đầu với một Dự kiến mới .
Hoặc, bạn hoàn toàn có thể tìm được rất nhiều thông tin từ tài liệu, tuy nhiên chỉ cần truyền tải duy nhất một thông điệp quan trọng tới người nghe. Bạn phải đồng ý vất bỏ những thông tin không tương thích, dù đã đổ nhiều công sức của con người vào đó .

  • Bạn có thích các thử thách không?

Vì “ đề bài việc làm ” bạn nhận được sẽ luôn biến hóa để tương thích với sự tăng trưởng của công ty, cũng như tình hình kinh doanh thương mại .

  • Bạn có thích làm việc với dữ liệu và máy tính không?

Nếu là một người hướng ngoại, thích tương tác với con người, thì việc làm này có lẽ rằng không hợp lắm với bạn .

Ngoài ra, bạn nên:

  • Tìm hiểu kĩ về ngành nghề, hỏi những người có kinh nghiệm, đọc thông tin từ internet…
  • Thử làm công việc trong một thời gian (intern, tham gia các project trên mạng…)
  • Tham gia các nhóm/cộng đồng về Data.

Nếu mọi câu trả lời đều là “có”, và nếu sau khi tìm hiểu, bạn vẫn muốn theo đuổi? Xin chào mừng đến với thế giới của dữ liệu.

Mức lương và cơ hội nghề nghiệp của nghề Data Analyst ở Việt Nam và Singapore theo đánh giá của cá nhân chị?

Theo nhìn nhận cá thể của mình thì hiện tại Data Science là một ngành luôn thiếu nhân lực. Không chỉ ở Nước Singapore hay ở Nước Ta, mà bất kỳ nước nào, thời cơ trong ngành Data cũng rất cao .
Không chỉ ở những công ty công nghệ tiên tiến, mà trong toàn bộ những ngành nghề khác như y tế, thiết kế xây dựng, khách sạn, ẩm thực ăn uống, dịch vụ … Data cũng khởi đầu tăng trưởng và được góp vốn đầu tư khai thác .

Theo như thống kê của Bộ Lao Động Mỹ, nhu yếu về nhân lực trong ngành này sẽ tăng tới 19 % từ nay tới năm 2026, và là mức tăng ấn tượng so với toàn bộ những ngành nghề khác .

Có thể hơi khó tưởng tượng, nhưng y tế lại là một trong những ngành cần rất nhiều người làm Data lúc bấy giờ. Mình cũng đã suôn sẻ được tiếp xúc với CIO của một số ít công ty Fortunes 500 làm trong những nghành khá truyền thống như Oil and gas hay Transportation. Và hoàn toàn có thể thấy nhu yếu kinh khủng của những công ty với nhân sự ngành này .
Mình nghĩ thời cơ nghề nghiệp của ngành ở Nước Ta thật sự rất rộng mở .
Tuy nhiên, hiện tại cũng khá nhiều bạn sinh viên theo đuổi ngành này, nên có lẽ rằng 3-4 năm tới, cung cho ngành cũng khá nhiều và ngành Data sẽ ngày càng thêm cạnh tranh đối đầu. Người làm trong ngành cũng luôn luôn phải update trang bị thêm kỹ năng và kiến thức để hoàn toàn có thể theo kịp những hướng đi mới của quốc tế, do vậy việc làm cũng sẽ yên cầu sự kiên trì và yêu dấu nhất định .
Về mức lương thì tuỳ thuộc vào công ty và việc làm, vị trí, số năm kinh nghiệm tay nghề, nên mình sẽ không tổng quát tại đây .
Có 1 số ít bạn có email hỏi mình là lương mình bao nhiêu, mình nghĩ đó là một câu hỏi khá nhạy cảm. Và lời khuyên của mình cho những bạn theo đuổi việc làm này hay bất kể việc làm nào là : hãy làm việc làm mà mình cảm thấy có đủ sức để theo đuổi tới lúc mình trở thành một trong những người tốt nhất. Khi đó, dù làm gì, bạn cũng sẽ được trả công xứng danh .
Một điều chị muốn san sẻ là, như Master Yoda trong Chiến tranh giữa những vì sao đã nói “ Do or not do. There’s no try ”. Có khá nhiều bạn ham mê và hỏi, cũng như đi phỏng vấn chuyển ngành nghề, tuy nhiên lại không hề có một hành động tìm hiểu và khám phá hay tự học tự làm trước khi hỏi thêm, hay trước khi phỏng vấn. Chị nghĩ như vậy sẽ phí thời hạn của cả hai bên, nếu những bạn không tự ráng sức trước, sẽ rất khó có ai mở thời cơ mời sẵn cho những bạn .

Chị có trực tiếp tham gia tuyển dụng Data Analyst không? Nếu có thì chị sẽ tuyển người dựa trên những tiêu chí nào?

Mình có tham gia tuyển dụng Data Analyst và hiện tại vẫn đang tuyển tại những thị trường việt nam / Malaysia / Nước Singapore nên có bạn nào muốn làm cùng team chị thì liên lạc ngay nhé ( cười ) .
Thường thì những bạn sẽ được làm test trước, để nhìn nhận trình độ xử lí tài liệu của những bạn ( test SQL / R / Python … ). Sau bài test này rồi thì đến phần phỏng vấn, sẽ tập trung chuyên sâu nhiều vào business cases hơn, để hiểu bạn ứng xử thế nào trước nhu yếu của business .
Tiêu chí của mình rất đơn thuần. Quan trọng nhất là hiếu học, có logic, hiểu bản thân còn thiếu ở điểm nào và mạnh ở điểm nào và yêu dấu việc làm, chịu khó tìm tòi .
Thường tiêu chuẩn đơn thuần vậy nhưng mình hay bị những bạn HR chê khó chiều chuộng. Thực ra mình nghĩ phần lớn những bạn đi phỏng vấn khá vô tư, nghĩ gì nói nấy, không chú ý rằng những câu vấn đáp của bản thân không có tính thống nhất. Hoặc không khám phá thông tin về công ty / loại sản phẩm, vì nghĩ rằng head hunter gọi bạn ấy thì công ty cần bạn chứ bạn không cần công ty, nhưng đồng thời nó lại phản ánh sự sẵn sàng chuẩn bị của bạn trong mọi việc khác .
Mình nghĩ rằng mọi kỹ năng và kiến thức đều hoàn toàn có thể học được khi bạn thật sự thương mến việc làm và chịu khó tăng trưởng. Tất nhiên, kiến thức và kỹ năng và kinh nghiệm tay nghề là điều mà nhà tuyển dụng nào cũng cần. Nếu bạn mưu trí, tinh tế thì sẽ là điểm cộng .

Các nguồn resource hữu ích cho Data Analyst?

  • Plan tự học Data Analytics: kế hoạch học tập khá hợp lý cho các bạn muốn theo nghề Data Analyst. Có nhiều cấp độ từ cơ bản đến nâng cao.
  • Các MOOC như Coursera, Datacamp, Udemy.v.v… cung cấp rất nhiều khóa học liên quan đến data science.
  • Blog Analyticsvidhya.com có nhiều thông tin hữu ích về data.
  • Blog Tony Chu hiện là nguồn tài liệu về data visualization mà mình đang rất thích.

Mình cũng hay đọc thêm những bài trên medium ( ví dụ như nhóm Towards Data Science ). Ngoài ra lúc rảnh, mình có đọc sách tương quan tới AI / ML hay số liệu. Gần đây số lượng sách về chủ đề này khá nhiều, nên cũng là một nguồn tài liệu đa dạng chủng loại cho những bạn lựa chọn .
tai-lieu-data-analyst-vidhyatai-lieu-data-analyst-vidhya
Analytics Vidhya, một trang blog hay về ngành dữ liệu

Số lượng sách về data hiện tại khá nhiều, tuy không nhiều sách hay, nhưng nếu những bạn ráng đọc 1 tháng 1-2 quyển, mình nghĩ là cũng sẽ có khá nhiều kiến thức và kỹ năng .
Trong lần phỏng vấn trước đây với ITviec, sau đó có khá nhiều bạn email hỏi, nên mình có mở màn viết blog cá thể Hanh Nguyen, tuy nhiên lười quá nên mới được có 3 bài, hy vọng sẽ có lúc viết dài hơi hơn .
Cũng tranh thủ nói thêm nếu bạn nào có email mà mình không vấn đáp, bạn hoàn toàn có thể vui mừng email lại, do mình sợ hòm mail cá thể khá nhiều email nên hoàn toàn có thể thất lạc .

Sau gần 10 năm làm việc, 3 bài học lớn nhất chị đúc rút cho bản thân là gì?

1. Be data driven and be strategic

Nói về be data driven trước nhé. Trong cuộc sống hàng ngày, với mỗi quyết định cá nhân, bạn nên dựa trên các dữ liệu/thông tin có được, thay vì chỉ dựa trên cảm tính.

Ví dụ, nếu bạn trai bạn đã từng nói xấu 5/5 tình nhân cũ của anh ấy. Hẳn nhiên khi chia tay, bạn sẽ là người thứ 6 bị nói xấu .
Đây là một phép predict cơ bản dựa trên tài liệu quá khứ. Tuy nhiên, có vẻ như khá nhiều bạn nữ lại thường nghĩ rằng mình là trường hợp ngoại lệ. ( cười )

Mình suy nghĩ tới be strategic khá muộn, nhưng hiện tại mình bắt đầu plan (lên kế hoạch) cho cuộc đời mình 3 năm tới, 5 năm tới, thay vì chỉ tập trung vào làm tốt việc hiện tại như trước đây.

2. Be simple

Là phụ nữ, lại làm dữ liệu, mình rất thích những gì phức tạp và fancy ( cười ) .
Tuy nhiên, việc làm đã giúp mình hiểu rằng : càng đơn thuần càng hiệu suất cao .

Ví dụ, có lần mình trình sếp một file thuyết trình với rất nhiều slides và charts .
Sếp đã nhu yếu mình cắt số slides xuống tối thiểu, và phải trình diễn thật đơn thuần, sao cho người không biết gì về analytics cũng hoàn toàn có thể hiểu được .
Lúc đó, mình học được rằng, việc quan trọng nhất là truyền tải nội dung cho người đọc, chứ không cần phải ‘ khoe ’ bọn mình đã làm những việc ‘ hậu trường ’ gì, kiến thiết xây dựng những charts phức tạp thế nào .

3. Don’t stop improving

Đặc điểm việc làm cũng như industry luôn nhu yếu bọn mình tăng trưởng để phân phối. Sau một thời hạn dài thì đây chính là tiêu chuẩn quan trọng nhất trong đời sống của mình .
Điều quan trọng với improvement là phải persistent, tức là sự tăng trưởng không phải là 1 lần, 2 lần, mà bạn phải tự yên cầu mình tăng trưởng hàng quý hàng năm, phải tự optimize những việc làm mình làm liên tục, mặc dầu chỉ là 1 % .

Điều gì khiến chị giữ được lửa và đam mê công việc cho đến tận bây giờ?

Mình nghĩ mình khá như mong muốn khi hầu hết bạn hữu đồng nghiệp đều là những người giỏi giang, khá tham vọng với việc làm, và đam mê với việc đi làm, cũng như kiếm tiền. Có lẽ thế cho nên mà mình luôn cảm thấy mình còn kém cỏi, lười biếng, và còn nhiều thứ phải làm. Lý do nữa là vì nghề Data Analyst thực sự giúp doanh nghiệp hoàn toàn có thể có những quyết định hành động đúng đắn, mang lại sự biến hóa cho doanh nghiệp, và khi mình thấy mình có ích, mình hoàn toàn có thể yêu nghề hơn chăng ?
Hơn nữa, data và đặc biệt quan trọng technology luôn luôn tăng trưởng, việc giữ cho mình được update không thua kém tụt hậu đã là một thử thách, nên có lẽ rằng thế cho nên mình không thấy chán nghề khi nào. Mình thì không chán nghề nhưng đôi lúc cũng tự hỏi không biết nghề đã chán mình chưa ( cười ) .

Nếu được phép thay đổi một điều gì đó trong quá khứ, chị sẽ làm gì?

Thực ra thì mình không muốn đổi khác điều gì, mình khá hài lòng với con đường mình đã chọn. Nếu được đổi khác điều gì thì mình chỉ mong trước đó, khi còn đi học, mình nhận ra tầm quan trọng của việc học và học tập chịu khó hơn, vào trường tốt hơn và tốt nghiệp điểm cao hơn ( cười ) .
Ngoài ra thì với bản thân mình, cũng như với những bạn nữ đang theo đuổi sự nghiệp, mình muốn có lời khuyên là hãy tham vọng hơn, agressive hơn trên con đường mình chọn, do tại những bạn nam thường tham vọng hơn, và tới đích sớm hơn nhờ động lực đó, nên đừng ngại mình là phụ nữ mà tham vọng quá, hãy tham vọng hơn lên ( cười ) .

Lời khuyên/nhắn nhủ chị muốn gửi tới các bạn trẻ muốn theo nghề Data Analyst là gì?

Công việc Analytics cần khá nhiều thời hạn. Không phải mọi nghiên cứu và điều tra hay project nào của bạn cũng trở thành góp phần giá trị, hay được ghi nhận bởi business .
Nên, nếu đã chọn làm việc làm này, mong những bạn luôn kiên trì và yêu nghề .

Nếu muốn trao đổi thêm về nghề Data Analyst, cứ ping mình ở Skype: hanhntt85 hoặc email [email protected] nhé. (Nếu bạn nào đã từng email mà mình không trả lời, bạn có thể vui lòng email lại. Vì hòm mail cá nhân của mình khá nhiều email nên có thể thất lạc.)

Mình cũng đã bắt đầu viết blog nhưng lười quá nên mới được có 3 bài, hi vọng sẽ có lúc viết dài hơi hơn. Bạn có thể tham khảo blog tại đây.

Mình rất vui được trò chuyện, san sẻ kinh nghiệm tay nghề cùng những bạn để học hỏi lẫn nhau .

Robby2Robby2

Bạn muốn trở thành một Data Analyst trong tương lai? Hoặc bạn muốn chia sẻ kinh nghiệm về nghề Data Analyst cùng mọi người? Hãy thảo luận ở phần comment phía dưới bài viết nhé!

Và tham khảo ngay việc làm Data Analyst tại ITviec!