Nghe “dân trong nghề” kể về Data Analyst
Đã hơn một năm kể từ ngày tôi bắt đầu công việc full-time đầu tiên tại Mỹ: Data Analyst (Chuyên viên phân tích dữ liệu) tại trường Đại học Penn State (The Pennsylvania State University)—cũng là nơi tôi vừa lấy bằng Tiến sĩ.
Ban đầu khi mới bắt đầu công việc này, tôi chỉ nghĩ đây là một công việc văn phòng bình thường, không có gì quá “sexy” cả nên ít khi chia sẻ trên blog. Tuy vậy, càng ngày càng có nhiều bạn trẻ—cả Việt Nam lẫn nước ngoài—hỏi tôi về ngành nghề này. Các vị trí tuyển dụng cho ngành này dường như cũng tăng theo cấp số nhân trong năm vừa qua, chứng tỏ sức hút và nhu cầu ngày càng tăng với nghề Data Analytics. Ngay bản thân tôi sau một thời gian làm việc thì cũng hiểu hơn về công việc này và thấy yêu quý nó hơn cả thời điểm tôi mới nhận được việc làm.
Bởi vậy, bài viết này phân tích năm khía cạnh lớn nhất nghề này, dưới quan điểm và kinh nghiệm thực tiễn của tôi, bao gồm: (1) Data Analyst là gì, (2) Hành trình của tôi đến với nghề này, (3) Các kỹ năng cần thiết cho công việc, (4) Kinh nghiệm để trở thành một Data Analyst giỏi, và (5) Lời khuyên để chuẩn bị một hồ sơ cạnh tranh cho vị trí Data Analyst.
Lưu ý nhỏ trước khi đọc: Trong quá trình thực hiện bài viết, tôi đã tham khảo rất nhiều nguồn tài liệu cả tiếng Anh và tiếng Việt, khảo sát nhiều vị trí tuyển Data Analyst tại nhiều ngạch công việc khác nhau ở các quốc gia để viết một bài khách quan, khái quát, và có tính ứng dụng cao nhất. Tuy nhiên, do đặc thù là ngành tương đối mới và ở mỗi ngạch công việc lại có yêu cầu khác nhau nên một bài viết nhỏ không thể bao quát được hết từng vị trí. Do vậy, thông tin dưới đây chỉ có tính tham khảo và bạn đọc nên tự nghiên cứu, tìm tòi, và kiểm chứng thông tin cho riêng mình.
DATA ANALYST LÀ GÌ
Đúng như tên gọi của nó, Data Analyst hay Chuyên viên phân tích dữ liệu là công việc tập trung vào việc thu thập, khai thác và xử lý bộ dữ liệu để đưa ra quan sát, nhận định, báo cáo về một vấn đề cụ thể. Mục đích của một báo cáo phân tích dữ liệu là để giúp lãnh đạo nắm được tình hình thực tế và để tham mưu đưa ra quyết định đúng đắn (data-driven decision making).
Đây là một công việc có ý nghĩa và có tầm quan trọng lớn đối với bất cứ tổ chức hoặc doanh nghiệp nào. Trong thời đại số hiện nay, hầu như ai cũng hiểu được tầm quan trọng của số liệu—data được thu thập khắp mọi nơi trên mạng xã hội, qua survey khảo sát, qua phiếu ý kiến khách hàng…—vì những người làm lãnh đạo nhạy bén hiểu rằng họ phải biết đối tượng sử dụng dịch vụ của mình có những nhu cầu gì, có điều gì mình cần thay đổi để đáp ứng tốt hơn nhu cầu đó không. Với khối lượng lớn dữ liệu như vậy, cần có ít nhất một người có khả năng tổng hợp, phân tích, và diễn giải số liệu ra những thông tin súc tích và thiết thực nhất cho tổ chức-doanh nghiệp của mình phát triển theo đúng hướng. Ngay cả lãnh đạo nhà nước cũng cần Data Analyst để giải đáp bộ số liệu quốc gia và vạch ra chính sách đúng đắn cho toàn dân (chúng ta đang chứng kiến điều này qua sự kiện COVID-19 trên khắp thế giới).
Tuy nhiên, mỗi vị trí Data Analyst rất khác nhau tuỳ thuộc vào từng ngạch công việc, từng tổ chức, và từng loại dữ liệu cần xử lý. Đơn cử, nếu ngay bây giờ bạn gõ tìm kiếm, Google sẽ đưa ra hàng ngàn kết quả với hàng trăm lời khuyên “đập nhau chan chát” về nghề Data Analyst—khiến bạn không biết nên bắt đầu từ đâu. Bởi vậy, khi tìm hiểu về nghề Data Analyst, điều quan trọng nhất là phải biết được hoàn cảnh (context) và ngạch công việc (industry) của từng vị trí.
Do đó, trước khi đưa ra bất kỳ lời khuyên nào về ngành này, tôi muốn kể cho bạn hành trình của tôi để trở thành một Data Analyst.
HÀNH TRÌNH CỦA TÔI ĐẾN VỚI NGHỀ DATA ANALYST
Đầu tiên, tôi phải thú nhận rằng Data Analyst không phải “dream job” (công việc trong mơ) của tôi, ít nhất theo cái nghĩa mà mình mơ ước được làm nghề, luyện tập kỹ năng để thi thố, và chuyên tâm ứng tuyển vào vị trí này. Nói cho đúng hơn, gần như “dòng đời xô đẩy” đưa tôi đến với nghề Data Analyst.
Tôi bắt đầu tìm công việc fulltime tại Mỹ khi đang trong quá trình viết luận án Tiến sĩ (chưa tốt nghiệp) vì tôi muốn khi ra trường mình đã có công việc rồi chứ không phải rơi vào hoàn cảnh chơi vơi thất nghiệp. Hơn nữa, ra ngoài ra việc đi làm cũng là giải pháp giúp tôi ra khỏi nhà và trở lại với chính mình sau thời gian sinh con đầu lòng nhiều stress. Vì background của tôi là nghiên cứu về giáo dục nên ban đầu tôi nghĩ mình sẽ tiếp tục con đường học thuật để làm giảng viên, nhà khoa học, hay nghiên cứu sau tiến sĩ (post-doc). Tuy nhiên, thị trường tuyển dụng mảng học thuật vô cùng hạn chế và cạnh tranh cao nên cơ hội rất ít; ngoài ra nếu được nhận việc khả năng cao tôi sẽ phải di chuyển tới bang/thành phố khác—một điều tôi chưa muốn làm tại thời điểm đó vì con còn quá nhỏ. Bởi vậy, tôi quyết định bước ra khỏi “vùng an toàn” của mình để nộp những công việc khác với dự tính ban đầu nhưng ở ngay thành phố tôi đang sống.
Đó là khi tôi tình cờ nhìn thấy thông tin tuyển dụng của vị trí Data Analyst tại trường Đại học Penn State.
Thông báo tuyển dụng chỉ nêu ngắn gọn là cần tuyển một người vào vị trí Higher Education Data Analyst (Chuyên viên phân tích dữ liệu đại học). Yêu cầu có tối thiểu bằng Đại học, có kỹ năng quản lý, khai thác và phân tích dữ liệu, làm được báo cáo giúp đưa ra quyết định dựa trên số liệu khoa học. Ngoài công việc phân tích dữ liệu thông thường, vị trí này còn làm việc với dự án đánh giá năng lực của nhà trường để tìm giải pháp giúp các hoạt động giảng dạy và dịch vụ cho sinh viên được tốt hơn. (Gần như là Data Analystics + Evaluation/Assessment)
Thú thật là đấy là lần đầu tiên tôi mới biết đến cái gọi là Higher Education Data Analyst . Mặc dù chưa có đầy đủ thông tin nhưng qua thông báo tuyển dụng, tôi cảm nhận được mình có đủ năng lực làm công việc này. Mặc dù tôi không được đạo tạo chuyên về số liệu nhưng tôi làm việc với số liệu rất nhiều trong quá trình học Thạc sĩ và Tiến sĩ tại Mỹ. Qua quá trình làm nghiên cứu, tôi cũng thông thạo một số phần mềm phân tích số liệu như Stata, SPSS, Atlas.ti, NVivo… Ngoài ra, tôi còn có lợi thế là sinh viên Penn State nên tôi hiểu rõ về hoàn cảnh nhà trường (context) và vì làm nghiên cứu giáo dục, tôi có kiến thức tốt về giáo dục đại học và sau đại học tại Mỹ (industry). Bởi vậy, tôi mạnh dạn nộp hồ sơ.
Sau hai vòng phỏng vấn, một lần online qua Zoom và một lần trực tiếp với hơn 20 cán bộ trong trường, tôi nhận được offer công việc!
Tuy nhiên, quá trình đến với vị trí Data Analyst của tôi cũng không thiếu những “drama” . Ví dụ, trong vòng phỏng vấn qua Zoom, tôi được hỏi có biết hay đã có kinh nghiệm sử dụng SQL (một ngôn ngữ truy vấn cơ sở dữ liệu) hay không—tôi thành thật trả lời là không biết, đó là lần đầu tiên tôi mới nghe đến SQL. Trong vòng phỏng vấn trực tiếp, tôi nhận ra các đồng nghiệp tương lai có phần dè dặt và lo lắng khi nghĩ đến vai trò của tôi trong việc “soi xét” họ ở dự án đánh giá năng lực của nhà trường. Vào làm được khoảng một tháng, tôi phát hiện ra là trước tôi, nhà trường có tuyển một Data Analyst đã có bằng Tiến sĩ và rất giỏi chuyên môn vào đúng vị trí này nhưng vì một số lý do, người này bị buộc thôi việc khi mới làm có 6 tháng.
Tại sao tôi lại kể cho bạn tất cả câu chuyện này, bao gồm những “drama” nói trên? Vì phần dưới đây, tôi sẽ chỉ cho bạn thấy cách tôi xử lý thành công những thiếu hụt của mình và trở thành một Data Analyst tốt dựa vào việc học những thất bại của người đi trước. Qua đó, tôi hy vọng bạn cũng rút ra được bài học bổ ích cho mình.
CÁC KỸ NĂNG CẦN THIẾT CỦA MỘT DATA ANALYST
Trong quá trình tìm hiểu thông tin bằng tiếng Việt cho bài viết này, tôi nhận ra trên mạng Internet có nhiều “lời khuyên” ngộ nhận, thái quá, không thực tế về các kỹ năng và kiến thức nghề Data Analyst cần. Điều này dẫn đến việc các bạn trẻ không biết bắt đầu từ đâu, sợ mình không đủ kiến thức, không dám bắt đầu vì có quá nhiều kỹ năng đòi hỏi.
Vì vậy, dưới đây, tôi sẽ nếu ra một số điều mà bạn không thực sự cần (hoặc có cần nhưng không tới mức thái quá) trước khi đi đề cập các kỹ năng thực sự cần thiết cho nghề này. Trong đó, tôi lồng ghép một số kinh nghiệm thực tế từ trải nghiệm và quan sát của mình sau một năm làm nghề.
NHỮNG ĐIỀU BẠN KHÔNG THỰC SỰ CẦN
- Siêu sao về Toán: Trái với quan điểm của nhiều người rằng bạn phải rất giỏi Toán (tầm math genius) để có thể trở thành Data Analyst, tôi cho rằng bạn chỉ cần có kiến thức Toán cơ bản, nắm được khái niệm (concept) đằng sau các công thức, mô hình Toán và Xác suất thống kê là đủ. Tại sao? Bởi vì các thuật toán khó, những con số rắc rối (mà khi còn đi học chúng ta phải cặm cụi tính bằng tay hay bằng máy tính bỏ túi) thì rất nhiều phần mềm hiện đại đã lo cho rồi! Cái ta cần chỉ là hiểu rõ khái niệm cơ bản để thiết kế cho phần mềm tính toán đưa ra kết quả mình mong muốn mà thôi. Bản thân tôi không phải người quá giỏi về Toán (tôi thậm chí còn là dân Chuyên Văn!) nhưng thực tế chứng minh kiến thức Toán cơ bản là đủ để bắt đầu với ngành này.
- Cực giỏi về phần mềm, programming, coding: Để bắt đầu ngành này, bạn cần biết một số phần mềm phân tích số liệu cơ bản phục vụ cho công việc, nhưng nếu bạn chưa phải là “cực phẩm” ngay từ đầu, từng quá lo lắng. Tại sao? Bởi vì tất cả các phần mềm, programming, coding đều có thể học được và học được rất nhanh thông qua thực hành trong công việc thực tế. Ai chưa làm nghề này thì đều rất sợ phải học kỹ thuật nhưng ai đã làm nghề rồi thì sẽ hiểu là học rất dễ, đặc biệt, nếu bạn chỉ học đúng mảng kỹ thuật phục vụ đúng cho nội dung công việc thôi thì còn dễ hơn và nhanh hơn nữa. Như đã chia sẻ phía trên, khi phỏng vấn cho vị trí hiện tại, tôi chưa từng biết đến SQL nhưng vẫn được nhận; và khi đã vào làm, tôi chỉ học SQL qua online course trong 5 ngày là đã thành thạo cho công việc của mình. Sau này, tôi có nghe đồng nghiệp kể trong quá trình tuyển dụng, có 4 ứng viên được phỏng vấn, 3 người kia thành thạo SQL nhưng đều trượt còn tôi không biết gì về SQL lại được nhận. Vì vậy, đừng để việc thiếu kỹ năng làm chùn bước bạn, cái gì cũng có thể học được hết và giỏi ngay từ không phải là yếu tố tiên quyết!
- Bằng cấp cao chuyên về Data Analytics: Nếu bạn có bằng cấp sẵn thiên về tính toán, phân tích số liệu, công nghệ thông tin, kinh tế… thì có thể có lợi thế, nhưng không phải là yêu cầu bắt buộc. Đây là một ngành mới, vì vậy kỹ năng và kinh nghiệm quan trọng hơn bằng cấp nhiều. Như đã chia sẻ, vị trí của tôi hiện tại chỉ yêu cầu tối thiểu bằng Đại học và bản thân tôi không hề học ngành liên quan đến data. Vì vậy, nếu bạn không có bằng chuyên về ngành này, đừng quá lo lắng và cũng đừng nên ghi danh học lại Đại học từ đầu, có nhiều cách khác để trang bị kiến thức-kỹ năng cho ngành này.
NHỮNG ĐIỀU BẠN THỰC SỰ CẦN
- Khả năng logic tốt: Đối với ngành này, tư duy suy nghĩ logic, rõ ràng là vô cùng quan trọng vì bạn phải nhìn được vào một bộ số liệu lớn và tư duy xem tại sao lại có những con số này, nó có ý nghĩa gì, lỗ hổng (nếu có) nằm ở đâu. Có rất nhiều người tôi biết rất giỏi về thuật toán, coding, programming nhưng tư duy logic của họ không tốt khiến cho sa lầy vào bước tình toán ban đầu mà cái cốt lõi hơn là kết quả phân tích về sau thì lại không rõ ràng. Điều này dẫn đến việc khi báo cáo cho cấp trên thì xổ ra hàng loạt ngôn ngữ toán cao siêu nhưng kết quả cuối cùng mà cấp trên cần tham mưu, quyết định thì lại mơ hồ, thiếu logic. Đây cũng là một trong những lý do mà người tiền nhiệm của tôi không thành công với vị trí này (theo nhận xét của nhiều đồng nghiệp) mằng dù có kỹ năng Toán tốt.
- Không ngại tìm tòi, đặt câu hỏi khó: Mỗi một bộ dữ liệu đến tay mình đều có “lịch sử” tồn tại của nó, tại sao dữ liệu này lại được thu thập, mục đích của nó là gì, phương pháp thu thập dữ liệu như thế nào, điểm hạn chế của bộ dữ liệu là gì… Để phân tích dữ liệu tốt, bạn không chỉ cứ dập công thức là ra kết quả mà phải biết được lịch sử của từng bộ dữ liệu và hoàn cảnh của từng dự án. Vì vậy, một kỹ năng không thể thiếu là đam mê tìm tòi, khám phá, không ngại đặt câu hỏi lật lại vấn đề để có thể cho ra đời bộ dữ liệu tốt hơn, giúp cho quá trình phân tích dữ liệu sau này được hiệu quả hơn.
- Khả năng tập trung, cẩn thận, chú ý đến chi tiết: Một trong những yêu cầu ghi ở thông báo tuyển dụng cho vị trí tôi đang làm là ứng viên cần phải “attentive to detail” (chú ý đến chi tiết). Tôi hoàn toàn đồng ý với điều này. Để làm được công việc phân tích dữ liệu, bạn cần luyện tập cho mình khả năng tập trung cao độ để có thể nghiên cứu và phân tích nhiều số liệu một lúc, cũng như cẩn thận, tiểu tiết để bắt những lỗi sai hoặc những vấn đề khác thường trong bộ dữ liệu. Đôi khi, công việc này có nhiều thứ vô cùng tiểu tiết và mất thời gian, nhất là khi phải “dọn dẹp” (clean data) thì mới có được một bộ dữ liệu hoàn chỉnh; bởi vậy, nó cũng luyện cho người làm tính kiên nhẫn cao.
- Kỹ năng sắp xếp, quản lý tốt nhưng cũng mềm dẻo, linh hoạt: Làm việc với data ngoài đời thật, nhất là với primary data (số liệu mình tự thu thập) rất khác so với khi làm trên sách vở, với secondary data (số liệu có sẵn). Số liệu thực tế khi chưa “clean” rất lung tung, rối rắm, mỗi nơi một thứ chứ ít khi đầy đủ trong một file hoàn chỉnh… nên người làm Data Analyst phải có kỹ năng quản lý, sắp xếp số liệu tốt. Máy tính và các file dữ liệu phải được lưu trữ theo hệ thống rõ ràng, dễ tra cứu sau này. Nhưng ngoài ra, Data Analyst cũng phải hết sức mềm dẻo, linh hoạt vì số liệu trong thực tế có thể thay đổi hàng ngày nên không nên quá cứng nhắc mà thường xuyên cập nhật, chỉnh sửa, xác định để chỗ trống cho sai sót, thay đổi sau này.
KINH NGHIỆM ĐỂ TRỞ THÀNH MỘT DATA ANALYST GIỎI
Trong quá trình làm việc ở vị trí của mình và cộng tác với những Data Analyst khác ở trong và ngoài trường, tôi nghiệm ra một số điều đặc biệt có thể biến bạn từ một Data Analyst “thường thường bậc trung” lên mức độ giỏi.
Bản thân tôi không tự nhận mình là siêu sao nhưng nhờ việc áp dụng những bài học kinh nghiệm dưới đây mà ngay trong năm đầu làm việc tôi đã được đánh giá năng lực ở mức “exceptional” (đặc biệt xuất sắc)—mức đánh giá cao nhất trong hệ thống của Penn State.
Theo kinh nghiệm của tôi, để trở thành một Data Analyst giỏi, bạn cần 5 điều sau đây:
1. Trở thành chuyên gia trong lĩnh vực hẹp của mình: Một Data Analyst trung bình là người biết dàn trải mọi thứ, cái gì cũng biết một chút, nhưng Data Analyst giỏi là người biết ít hơn nhưng biết rất sâu về lĩnh vực mình đang làm.
Ví dụ, vị trí của tôi hiện tại nằm ở một College (Schreyer Honors College) trực thuộc Penn State; bởi vậy, càng làm tôi càng thu hẹp phạm vi tập trung của mình từ số liệu đại học chung chung, tới số liệu Penn State, và sau cùng tới số liệu riêng của College, sau đó tiếp tục chẻ nhỏ ra từng đơn vị như Academics, Student Affairs… Càng thu hẹp lĩnh vực tập trung, bạn càng trở thành chuyên gia, và càng củng cố vị trí của mình hơn trong công việc. Một khi bạn đã trở thành chuyên gia, có những thứ chỉ riêng mình bạn biết và chỉ bạn mới có thể làm được, và vì thế, bạn không dễ gì có thể bị thay thế.
2. Dành thời gian quan sát, học hỏi trước khi bắt tay vào “hành động”. Khi bắt đầu công việc mới ai cũng hừng hực khí thế, muốn thay đổi mọi thứ theo cách của mình, muốn cộp con dấu riêng cho mình. Tuy nhiên, đây không hẳn là điều tốt đối với Data Analyst giỏi vì như đã viết, để làm tốt công việc, bạn cần hiểu được hoàn cảnh, lịch sử của số liệu. Nếu bạn làm nhiều số liệu nội bộ (internal/in-house data) và có liên quan đến đánh giá năng lực như tôi, bạn lại càng phải dành thời gian quan sát, học hỏi đồng nghiệp và những người đi trước rất nhiều trước khi đưa ra ý kiến muốn thay đổi điều gì đó.
Tôi từng kể, một trong những “drama” tôi gặp phải khi tuyển vào vị trí này là đồng nghiệp dè chừng vì lo họ sẽ bị tôi đánh giá, soi xét qua các chỉ số về năng lực. Nhưng ngay từ đầu, tôi đã khẳng định với họ rằng mình đến đây để học chứ không phải để đánh giá ai cả. Trong quá trình làm việc, tôi quan sát và đặt câu hỏi cầu thị rất nhiều để có được niềm tin từ đồng nghiệp, khiến họ dễ dàng mở lòng chia sẻ khó khăn, vất vả trong công việc—đây chính là những data đắt giá nhất!
3. Hết sức cẩn trọng khi chia sẻ số liệu, luôn đặt tính bảo mật dữ liệu lên hàng đầu. Đây là điều vô cùng quan trọng đối với bất kỳ ai làm về số liệu vì số liệu nhìn vô cảm, vu vơ nhưng lọt vào tay ai đó với dụng tâm xấu thì có thể trở nên rất “nhạy cảm”. Trên thực tế, rất nhiều người mặc dù giỏi về nghề nhưng lại sơ sót về vấn đề trọng yếu này.
Trở lại với đề tài “drama”, người tiền nhiệm của tôi từng làm một survey khảo sát sinh viên về hoạt động của nhà trường, một số ít sinh viên có phản hồi tiêu cực nêu đích danh giáo viên và cán bộ nhà trường. Thay vì bảo mật thông tin và trao đổi trực tiếp với cấp trên, người này “nhanh nhảu” chia sẻ cho chính giáo viên và cán bộ có nêu tên về những phản hồi này . Đó là lý do chính khiến người tiền nhiệm của tôi bị buộc thôi việc khi chưa làm đến nửa năm.
Đừng bao giờ, đừng bao giờ để mình phạm vào lỗi chết người này!
4) Làm việc được cả số liệu định lượng lẫn định tính: Nghĩ đến Data Analyst, nhiều người chỉ nghĩ đến con số (định lượng) nhưng nếu muốn trở thành Data Analyst giỏi, bạn nên thành thạo cả kỹ năng phân tích được cả số liệu dưới dạng ngôn từ (định tính). Bởi vì số liệu trong thực tế, đặc biệt những số liệu có chiều sâu thường ở dạng mix cả định lượng và định tính. Nếu bạn có thể làm được cả hai, bạn sẽ tạo cho mình lợi thế cạnh tranh tốt hơn, tạo ra được những phân tích đa chiều hơn, và cộng tác được nhiều hơn với nhiều người trong nhiều dự án khác nhau.
5) Kể được “câu chuyện” đằng sau số liệu: Data Analyst về bản chất là bạn biến bộ dữ liệu phức tạp ra những kết luận đơn giản, dễ hiểu, có tính ứng dụng cao. Bởi vậy, để trở thành một Data Analyst giỏi, bạn không nên chỉ vùi đầu vào máy tính cộng cộng, trừ trừ… mà nên luyện tập kỹ năng truyền đạt thông tin lôi cuốn, kể “câu chuyện” đằng sau số liệu một cách thuyết phục qua ngôn ngữ nói (thuyết trình) hoặc ngôn ngữ viết (báo cáo, nghiên cứu khoa học).
Ai cũng có thể tính toán được nhưng khác biệt giữa người mức trung bình và người giỏi là khả năng trình bày suy nghĩ, diễn giải vượt trên các con số khô khan thông thường. Đây cũng là kỹ năng tốt cho bất cứ ngành nào, chứ không phải chỉ riêng Data Analyst.
CHUẨN BỊ HỒ SƠ CẠNH TRANH ỨNG TUYỂN VỊ TRÍ DATA ANALYST
Nếu Data Analyst là “dream job” của bạn, dưới đây là một số gợi ý của tôi để bạn có thể chuẩn bị từ bây giờ để có một bộ hồ sơ cạnh tranh:
- Nắm chắc kiến thức Toán cơ bản. Như đã viết, bạn không cần phải là siêu sao Toán nhưng những kiến thức cơ bản như descriptive statistics, regression, tabulation, t-test, chi-square… thì nên biết và làm thành thạo.
- Tìm hiểu cụ thể vị trí mình muốn làm thường có yêu cầu gì và chuẩn bị trước cho từng yêu cầu đó. Như đã viết, mỗi một vị trí Data Analyst có yêu cầu về ngành học, kỹ năng, và kiến thức khác nhau. Vậy nên, nếu bạn biết mình muốn làm ngành nào hay cụ thể là tổ chức-công ty nào, bạn nên xem những thông tin tuyển dụng họ đã đăng (ví dụ trên LinkedIn) để xem yêu cầu của họ về kỹ năng là gì. Ví dụ như vị trí tôi đang làm hiện tại thì chỉ yêu cầu biết Excel, SQL, SPSS hoặc Stata, và một phần mềm phân tích định tính như NVivo. Nhưng những nơi khác, ở những ngạch việc khác có thể yêu cầu R, Python… Vì vậy, biết trước được ngành mình thích cần những gì để hoàn thiện từ trước sẽ giúp bạn có bộ hồ sơ cạnh tranh hơn nhiều.
- Tự học và thực hành. Bạn không nhất thiết phải bỏ tiền ra trường lớp học từ đầu, nếu không có điều kiện; những khoá học trên LinkedIn Learning hay Coursera hiện nay đều rất tốt. Bản thân tôi học khoá này của LinkedIn Learning sau 5 ngày + luyện tập trên dữ liệu thực tế là có thể sử dụng SQL thành thạo. Điều quan trọng hơn cả là thực hành vì chỉ có thực hành bạn mới có thể code “lên tay” được, nên nếu có cơ hội thực tập hoặc làm thử cho dự án nào đó kể cả parttime hay volunteer bạn cũng nên tham gia để luyện tập tay nghề. Tất cả những kinh nghiệm này đều có thể ghi vào CV.
- Luôn thể hiện sự khiêm tốn, tinh thần cầu tiến, ham học hỏi: Trong CV, cover letter, cũng như khi phỏng vấn cho công việc, bạn không nên quá khoe khoang về kỹ năng và kiến thức của mình (điều mà tôi từng thấy ở nhiều buổi phỏng vấn Data Analyst). Bạn chỉ nên nói vừa đủ, súc tích về những gì mình biết, lắng nghe người phỏng vấn để hiểu thêm về hoàn cảnh công việc, và thể hiện rõ tinh thần học hỏi, cầu thị. Kể cả bạn có đã là siêu sao số liệu đi chăng nữa, bất cứ khi nào vào một môi trường mới, bắt vào một bộ số liệu mới, bạn đều phải học lại từ đầu. Là một người từng làm tuyển dụng, tôi luôn tâm niệm rằng điều làm bạn trở nên “cạnh tranh” nhất là chính con người và phẩm chất của bạn, chứ không hẳn là bằng cấp, kỹ năng, hay những gì bạn thể hiện trên giấy tờ.
—
Hy vọng bài viết trên cho bạn cái nhìn tổng quát và sát thực nhất về nghề Data Analyst. Như đã thú thực ngay từ ban đầu, Data Analyst không phải là “dream job” của tôi và cũng chưa chắc tôi sẽ gắn bó với công việc này cả đời. Tuy nhiên, sau một năm làm việc, tôi đã học được rất nhiều điều bổ ích có thể áp dụng được ngay vào cuộc sống hàng ngày.
Ví dụ, vì làm việc quen với số liệu, tôi quan tâm hơn đến data report của chính trang blog này để biết được bạn đọc The Present Writer thích đề tài nào nhất, hay đọc vào thời điểm nào trong tuần, là nam hay nữ, sống ở đâu… để phát triển blog dựa theo hướng phù hợp với bạn đọc hơn. Cũng nhờ có đầu óc nhanh nhạy hơn về con số, tôi quản lý tài chính cá nhân được tốt hơn và hiểu rõ hơn một số mô hình tài chính mới (ví dụ như FIRE) để đầu tư cho tương lai của mình.
Bởi vậy, tôi tin rằng dù bạn có không quyết định làm Data Analyst thì một số kỹ năng, kiến thức của nghề này cũng có thể giúp bạn phát triển hơn, nhanh nhạy, sáng tạo hơn ở công việc bạn đang làm.
Bài viết: DATA ANALYST (CHUYÊN VIÊN PHÂN TÍCH DỮ LIỆU)—NGHỀ CỦA THỜI ĐẠI SỐ (Tác giả: Chi Nguyễn – The Present Writer )