Lộ trình tự học Data Analyst cho người mới bắt đầu

Hiện nay, có rất ít các chương trình đào tạo chính quy về phân tích dữ liệu tại Việt Nam. Người muốn tìm hiểu và làm việc trong ngành Data, phải tìm học ở các nguồn tài liệu nước ngoài hoặc tại các trung tâm giáo dục công nghệ. Cũng không có một câu trả lời chính xác nào cho câu hỏi “Mất bao nhiêu thời gian để có thể trở thành Data Analyst". Khoảng thời gian từ khi mới bắt đầu tìm hiểu đến khi chuyển ngành có thể là 1-2 năm, 3-4 năm. Nhưng cũng có người chỉ mất khoảng 6-8 tháng.

Qua rất nhiều các cuộc khảo sát với hàng trăm Data Analyst cùng sự tư vấn từ các Senior DA, chúng tôi nhận thấy rằng, 6-8 tháng không đủ để bạn trở thành Master Data Analyst. Nhưng 6-8 tháng là đủ để người học có thể trang bị những kiến thức cần thiết và thực tiễn nhất để có thể đảm nhận những công việc về phân tích dữ liệu, tự tin on job thành công.

Vậy với mục tiêu từ 6-8 tháng, đâu là lộ trình học Data Analyst cho người mới bắt đầu chuẩn nhất để chuyển ngành.

Trước khi đi vào lộ trình chi tiết, chúng tôi sẽ giúp bạn giải đáp thắc mắc “Với lộ trình học này, bạn sẽ được gì?”

Nắm được các kiến thức nền tảng và trọng tâm của ngành phân tích dữ liệu, từ đó là cơ sở để bạn phát triển career path của mình trong ngành Data Analysis. Ví dụ: từ Data Analyst → Analyst Specialist → Data Scientist → Director of Data Analytic hoặc rẽ hướng sang Product Manager hay Business Strategy.

• Có đủ kiến thức và kỹ năng cần thiết để bắt đầu với một công việc về phân tích dữ liệu ở bậc Fresher/Junior tại các doanh nghiệp. Bạn sẽ đóng vai trò là Business Intelligence Analyst - Người nghiên cứu, xử lý dữ liệu, tìm ra insight và đề xuất giải pháp từ những insight đó để phục vụ cho mục đích phát triển của doanh nghiệp.
• Có đủ kiến thức và kỹ năng để bổ trợ cho chuyên môn hiện có của mình như Product Management, Marketing, Kinh doanh, Tài chính - Ngân hàng, Đầu tư.

Giai đoạn 1: Học công cụ để có bước chân đầu tiên vào ngành

Có rất nhiều cách tiếp cận ngành Data Analysis nhưng phù hợp hơn cả với những người mới bắt đầu chính là học về các công cụ. Công cụ là một trong những kỹ năng đặc biệt quan trọng và phục vụ đắc lực trong việc xử lý dữ liệu. Khi tiếp cận với công cụ, bạn còn có thể hiểu về tổng quan cơ sở dữ liệu một cách dễ dàng hơn.

Có rất nhiều các công cụ và ngôn ngữ truy vấn phục vụ cho việc phân tích dữ liệu nhưng người mới bắt đầu có thể tiếp cận với 3 công cụ hỗ trợ phổ biến nhất chính là Power BI, ngôn ngữ truy vấn SQL, ngôn ngữ lập trình Python.

Tại sao lại học SQL?

Vì phần lớn thời gian của một Data Analyst chính là làm việc với hệ quản trị cơ sở dữ liệu. Và SQL chính là ngôn ngữ có thể dùng để truy vấn dữ liệu trong các cơ sở dữ liệu quan hệ đó. SQL giúp bạn làm việc với database để trích xuất, lấy các dữ liệu cần thiết cho quá trình phân tích. 
 

Tại sao học Python?

Python là một ngôn ngữ lập trình sẽ hỗ trợ trong quá trình xử lý, làm sạch dữ liệu và làm các bài toán về dữ liệu phức tạp như hay liên quan tới máy học Machine Learning. Đây được xem như là “best practice" trong việc xử lý dữ liệu. Bên cạnh đó, Python có rất nhiều thư viện hỗ trợ Data Analyst trong việc clean, transform, statistics, visualization….Theo dự đoán trong vào năm tới, Python cũng sẽ phổ biến như SQL và là một công cụ mà rất nhiều doanh nghiệp tại Việt Nam yêu cầu ở ứng viên DA của mình.

Tại sao học Power BI?

Bởi trong nhánh làm về Data, có mảng về Business Intelligence cũng là hướng đi chính của lộ trình học Data Analyst cho người mới bắt đầu này. Trong đó, 1 phần lớn công việc của 1 BI Analyst chính là xây dựng dashboard, report. Để hỗ trợ cho công việc này cho công việc này một cách nhanh chóng và tự động hoá, bạn sẽ cần đến sự trợ giúp của PowerBI.

Ở giai đoạn này, bạn chỉ cần mất 1-2 tháng để làm quen, sử dụng và áp dụng nó vào các công việc thường ngày có liên quan đến phân tích và xử lý dữ liệu.

>>> Đăng ký nhận bộ tài liệu video tự học về SQL, Python, Power BI (Hoàn toàn miễn phí)

Giai đoạn 2: Học Business Intelligence Analysis để sẵn sàng apply vào doanh nghiệp 

Business Intelligence Analyst (BIA) là nhà phân tích dữ liệu kinh doanh. Công việc của một BIA là sử dụng dữ liệu thô từ quá khứ và kết hợp với kiến thức chuyên môn về lĩnh vực mà công ty đang kinh doanh (domain knowledge) để giải quyết các bài toán hoặc tìm ra nguyên nhân của các vấn đề đã hoặc đang diễn ra trong doanh nghiệp. Từ đấy, đưa ra các gợi ý cho việc ra quyết định tốt hơn. 

Vậy muốn trở thành Business Intelligence Analyst (BIA), bạn phải cần có: 

Kỹ thuật chuyên môn bao gồm:

• Khả năng sử dụng các công cụ phân tích dữ liệu đã học ở phần trước. 
• Nắm được các phương pháp phân tích để ứng dụng vào giải quyết các bài toán cho phù hợp như: Phân tích mô tả (Descriptive Analysis) để trả lời cho câu hỏi "Điều gì đã xảy ra?", Phân tích chẩn đoán (Diagnostic Analysis) để trả lời cho câu hỏi "Tại sao nó xảy ra?"; Phân tích dự đoán (Predictive Analysis) để trả lời cho câu hỏi "Điều gì có thể xảy ra?". 
• Nắm được các kỹ thuật phân tích: Phân tích tổ hợp (Cohort Analysis), Phân tích hồi quy (Regression Analysis), Phân tích chuỗi thời gian (Time Series Analysis),... 

Kỹ năng bao gồm: 

• Cách đặt câu hỏi để hiểu sâu vấn đề mà người dùng đang muốn giải quyết, từ đó trích xuất dữ liệu và sử dụng các kỹ thuật, phương pháp phân tích phù hợp. 
• Kỹ năng trực quan hoá dữ liệu thành bảng, biểu đồ khoa học (Visualization Skills). 
• Kỹ năng story telling (kể chuyện bằng dữ liệu), kỹ đọc insight từ dữ liệu. 

Domain Knowledge 

Domain Knowledge là những kiến thức về ngành nghề, lĩnh vực mà doanh nghiệp của bạn đang kinh doanh. Đây là một trong những kiến thức cực kỳ quan trọng giúp bạn có thể làm tốt của việc với vị trí Business Intelligence Analyst. Kiến thức này đòi hỏi bạn phải trau dồi trong quá trình làm việc. Hoặc có 1 cách đơn giản hơn, nếu là người chuyển ngành, hãy bắt đầu từ lĩnh vực mà bạn đang làm việc vì ngành nghề nào hiện nay cũng rất cần những nhân sự có kỹ năng phân tích dữ liệu. Như vậy thì bạn đã có sẵn domain knowledge và chỉ cần trau dồi những kiến thức technical mà thôi. 

Ngoài ra, thống kê cũng là một kỹ năng rất quan trọng của bất cứ Data Analyst nào. Bởi khi bạn lựa chọn ngẫu nhiên một tệp dữ liệu để phân tích mà dữ liệu đầu vào bị sai lệch thì cho dù bạn có thực hiện đúng các bước phân tích thì kết quả nhận được cũng không còn ý nghĩa mà ngược lại còn gây ảnh hưởng đến doanh nghiệp. Do đó, bạn phải chú ý thống kê chuẩn xác để không phải mắc những sai lầm về lấy mẫu sai, thông tin sai lệch hay bỏ qua đường cơ sở. Hãy không ngừng cải thiện kỹ năng thống kê của mình để không bị dữ liệu đánh lừa.

Giai đoạn 3: Học nâng cao để dấn thân sâu hơn vào con đường phân tích dữ liệu

Đi sâu hơn vào lĩnh vực Data Analyst, bạn có thể master chuyên môn của mình theo hướng trở thành nhà phân tích dự đoán hiệu suất kinh doanh tương lai (Predictive Analysis) bằng cách sử dụng công nghệ học máy Machine Learning để giải quyết những bài toán liên quan đến phân tích dự đoán. Ví dụ, dựa vào machine learning, bạn có thể biết trước khả năng khách hàng rời bỏ bằng các thuật toán hồi quy (regression) để có những hành động kịp thời giữ khách hàng và tối ưu hoá chi phí và hiệu quả quảng cáo sao cho phù hợp. 

Mặc dù đây là chuyên môn của các Data Science hay Data Engineer nhưng nếu Data Analyst có thêm những kỹ năng này thì sẽ dễ ghi điểm trong mắt nhà tuyển dụng và có thể vận dụng để làm tốt hơn các công việc chuyên môn của mình. 

Bạn có thể học về machine learning nếu muốn phát triển theo hướng này hoặc muốn những kiến thức căn bản về làm việc với các bạn đang làm về machine learning.

Giai đoạn 4: Trau dồi soft skill để sẵn sàng apply job Data Analyst đầu tiên 

Như đã nói ở trên, một Data Analyst không chỉ cần có kiến thức về technical, Domain Knowledge mà cần phải trau dồi Soft Skill. Những kỹ năng mềm cần có của một DA chính là giao tiếp, thương thuyết, đặt câu hỏi, kỹ năng giải quyết vấn đề hiệu quả, Tiếng Anh,...

Tuy nhiên, để gây thiện cảm với nhà tuyển dụng, bạn cần phải tạo CV và Portfolio cá nhân thật ấn tượng. Hãy tập trung show ra được những điểm mạnh và kỹ năng của bản thân trong lĩnh vực Data và sắp xếp chúng một cách khoa học.  Dưới đây là một số tips làm CV & Portfolio dành cho người chưa có nhiều kinh nghiệm: 

Về CV, nên làm càng formal càng tốt, ngắn gọn nhưng phải đảm bảo tính meaningful. Và mình phải update liên tục. Với mỗi công ty ứng tuyển thì nên có một cái CV khác nhau, nội dung sắp xếp phụ thuộc vào các yêu cầu trong JD của doanh nghiệp đó. 

Còn với Portfolio, bạn nên sắp xếp khoa học theo từng folder ứng với từng kỹ năng. Ví dụ, hãy trình bày các công cụ và các ngôn ngữ lập trình mà bạn biết như SQL, Python, Power BI thành các mục riêng. Trong từng mục đó, nên có thêm 1-2 project hoặc các bài tập nhỏ đã làm để thể hiện cho nhà tuyển dụng thấy rằng bạn đã có kinh nghiệm thực hành thực tế. Đừng bỏ quên bất kỳ dự án nào liên quan đến dữ liệu bạn đã làm hoặc đã cộng tác thực hiện. Ví dụ như project cuối khóa học của MindX. 

Hãy luyện phỏng vấn thử thật nhiều trước khi có cuộc gặp chính thức với nhà tuyển dụng.

Dưới đây là 1 số tip học Data Analysis từ những người đi trước để có thể apply job đầu tiên:

• Nếu muốn chuyển ngành nhanh, chỉ từ 6-8 tháng, bạn nên học theo một lộ trình cụ thể, học trọng tâm, học đúng thứ cần học để rút ngắn thời gian nhưng vẫn có đủ kiến thức cơ bản để đi làm. 
• Bạn nên vừa học vừa thực hành làm các dự án về Data. Chỉ có vừa học vừa thực hành mới giúp bạn có thể tiến bộ nhanh. Có thể tìm các case study từ các nguồn uy tín trên mạng, hoặc tận dụng các công việc liên quan đến dữ liệu ngay tại doanh nghiệp bạn đang làm việc. 
• Mặc dù kiến thức ở trên mạng rất nhiều và đa dạng. Bạn có thể tự học trên internet nhưng nhà tuyển dụng vẫn ưu tiên tuyển ứng viên được đào tạo về Data Analysis theo lộ trình bài bản. Nếu bạn học tại các trung tâm, có thể show chứng chỉ Data Analyst. Còn nếu tự học, hãy tự tin trình bày tất cả những kiến thức có được theo hệ thống. 
• Nếu muốn đi nhanh và đi xa hơn trong ngành phân tích dữ liệu, bạn nên tìm một mentor đồng hành, hướng dẫn. Bởi học Data cần rất nhiều kiến thức về tech, đôi khi bạn sẽ gặp khó khăn và không thể tìm ra giải pháp. Có mentor đồng hành, bạn sẽ dễ dàng tìm ra câu trả lời và hiểu sâu hơn khi nhận tư vấn từ những người đi trước. 
• Data Analysis là ngành hấp dẫn, tiềm năng nhưng vô cùng khó khăn cho người học. Chính vì vậy, nếu muốn áp dụng lộ trình học Data Analyst cho người mới bắt đầu chỉ sau 6-8 tháng, bạn phải thực sự tập trung và kỷ luật. Nhưng chắc chắn, kết quả bạn đạt được sẽ rất xứng đáng với nỗ lực bỏ ra. 
   

Trở thành Data Analyst là một quá trình dài hơi. Bởi lẽ, người làm DA không chỉ cần giỏi về technical mà còn phải đủ hiểu về business. Vì thế, đừng vội thúc ép bản thân lĩnh hội tất cả các kiến thức và kỹ năng trong cùng một lúc. Bạn có thể áp dụng Lộ trình học Data Analysis cho người mới bắt đầu ở trên và nỗ lực để có thể gia nhập ngành DA trong thời gian sớm nhất.

Hoặc bạn cũng có thể tham khảo KHÓA HỌC DATA ANALYST tại MindX, sẽ giúp bạn định hướng để có mục tiêu cụ thể trong ngành DA, có lộ trình học cô đọng và các mentor giàu kinh nghiệm đồng hành hướng dẫn. 

Tham khảo chi tiết lộ trình học Data Analysis TẠI ĐÂY