Từ lý thuyết đến thực tiễn: Khám phá công việc thực tế của Data Analyst từ chia sẻ của người trong ngành

Quy trình làm việc thực tế của anh với vai trò là một Data Analyst như thế nào? 

Công việc của mình chủ yếu bao gồm ba bước chính: giao tiếp với người dùng để làm rõ yêu cầu, xử lý dữ liệu và trực quan hoá dữ liệu.

Đầu tiên, mình cần trao đổi với người dùng (như bộ phận sale, marketing, kế toán) để hiểu rõ dữ liệu hiện có, cách họ nhập liệu, và logic đằng sau những thao tác đó. Điều này giúp mình xác định rõ nhu cầu của họ và cách họ định nghĩa các trường thông tin. 

Sau khi nắm được quy trình và logic của người dùng, mình sẽ liên hệ với các bên quản lý cơ sở dữ liệu (thường là Data Engineer) để được truy cập vào hệ thống, từ đó bắt đầu đọc và xử lý dữ liệu trong database hoặc warehouse.

Tuy nhiên, đôi khi mình cũng sẽ nhận các file từ Google Sheets hoặc Excel và phải xử lý chúng. Sau khi dữ liệu đã được xử lý, bước tiếp theo là trực quan hoá dữ liệu (visualize). Để làm điều này, mình và team sẽ xây dựng một khung sườn, xác định các chỉ số (metrics) cần có trong dashboard hoặc báo cáo, dựa trên yêu cầu của người dùng. Sau đó, mình sẽ thực hiện visualize các chỉ số đó trên dashboard.

Bước cuối cùng là chia sẻ và trình bày dashboard hoặc báo cáo với người dùng. Mình sẽ giải thích cho họ các tính năng trên dashboard, cách mình tính toán các chỉ số, và đưa ra những gợi ý, khuyến nghị dựa trên dữ liệu và tình hình kinh doanh của họ.

Công việc của một Data Analyst sẽ chỉ dừng lại ở bước visualize, làm báo cáo hay còn gì khác nữa không ạ? 

Không hẳn. Vì đôi khi, mình cần phải giải thích cho người dùng về các chỉ số trong báo cáo. Chẳng hạn, với công ty mình là một tập đoàn giáo dục, các chỉ số cơ bản như tổng số học sinh, sự chênh lệch giữa số lượng học sinh của năm nay so với năm ngoái, hay doanh thu và sự thay đổi giữa các giai đoạn sẽ giúp người dùng nắm bắt được tình hình tổng quan. Khi họ xem báo cáo, họ có thể dễ dàng so sánh số học sinh và doanh thu của năm nay và năm trước.

Tuy nhiên, có những chỉ số chuyên sâu hơn mà mình cần giải thích chi tiết, chẳng hạn như biểu đồ phân tán (scatter chart). Ví dụ, thông qua biểu đồ này, mình có thể phân tích mối tương quan giữa việc giảm giá và sự thay đổi trong số lượng học sinh đăng ký. Càng giảm giá, số học sinh càng tăng, và biểu đồ tương quan này sẽ thể hiện rõ điều đó. Trong trường hợp này, mình cần trình bày và giải thích cho họ hiểu rõ: "Đây là biểu đồ scatter chart, thể hiện mối liên hệ giữa các yếu tố như thế nào."

Ngoài ra, đội ngũ của mình cũng thường xây dựng các mô hình dự đoán (predictive models) hoặc biểu đồ có thể giúp dự đoán chiến lược kinh doanh tương lai của họ. Đối với những nội dung phức tạp như vậy, mình sẽ hướng dẫn chi tiết cách đọc và hiểu báo cáo, bởi thông thường người dùng có thể không nắm bắt được ngay những thông tin này.

Và trong quá trình làm việc, mình còn thêm việc xử lý các lỗi (bug) phát sinh trong cơ sở dữ liệu hoặc data warehouse.

Vậy các công việc của một Data Analyst ở doanh nghiệp nào cũng giống nhau hay sao ạ?

Công việc của Data Analyst có thể khác nhau tùy thuộc vào quy mô và cơ cấu phòng ban của mỗi doanh nghiệp. Ví dụ, ở những doanh nghiệp lớn, các vai trò thường được phân chia rất rõ ràng. Khi mình làm cho một doanh nghiệp tài chính trước đây, nhiệm vụ của Data Analyst chỉ xoay quanh việc thu thập, xử lý, và trực quan hoá dữ liệu. Trong khi đó, vai trò Data Administration sẽ chịu trách nhiệm giao tiếp với người dùng, kiểm tra cơ sở dữ liệu, và đảm bảo dữ liệu không bị thiếu. Đây là nhóm trung gian giữa người dùng và dữ liệu. Ngoài ra, Business Analyst (BA) sẽ có nhiệm vụ phỏng vấn người dùng, xác định vấn đề họ cần giải quyết từ dữ liệu, và nhắc các bên liên quan bổ sung dữ liệu nếu cần thiết. Bên cạnh đó, BA cũng có thể là người trực tiếp tạo ra báo cáo và chia sẻ chúng với các bên liên quan. Còn Data Engineer sẽ tập trung vào quản lý cơ sở dữ liệu và data warehouse. 

Tuy nhiên, tại các doanh nghiệp vừa và nhỏ hoặc những doanh nghiệp mới xây dựng bộ phận dữ liệu, vai trò của các vị trí chuyên môn có thể chưa phân chia rõ ràng. Data Analyst có thể kiêm thêm công việc quản lý, xử lý dữ liệu đầu vào của Data Engineer, thậm chí thực hiện cả việc xây dựng các model giống như Data Scientist.

Đâu là công việc anh cảm thấy thú vị nhất và đâu là công việc khó nhất trong vai trò Data Analyst?

Công việc mà anh cảm thấy thú vị nhất khi làm Data Analyst chính là xử lý dữ liệu. Đối với anh, việc xử lý dữ liệu giống như giải một bài toán, và khi tìm ra lời giải, cảm giác rất hứng thú. Ngoài ra, anh cũng rất thích trình bày các báo cáo và dashboard mà mình đã thực hiện (tùy vào tính cách mỗi người). Việc chia sẻ và giải thích những gì mình đã phân tích luôn đem lại sự hào hứng cho anh.

Tuy nhiên, điều khó khăn nhất trong công việc, không chỉ với người mới mà cả những người có kinh nghiệm, chính là quá trình thu thập dữ liệu. Đôi khi dữ liệu lưu trữ trên datawarehouse không đầy đủ. Mình phải liên hệ với người dùng để xin thêm dữ liệu từ các file Excel. Mỗi file excel có thể lên tới hàng chục sheet. Chúng mình phải sử dụng Python để tổng hợp và xử lý dữ liệu sao cho đủ và đúng định dạng. Việc này khá phức tạp và tốn nhiều thời gian, nhất là khi phải đối chiếu, xác nhận kết quả với các bên liên quan. Xử lý dữ liệu thì đơn giản hơn, đặc biệt đối với những người có kỹ năng kỹ thuật tốt và hiểu rõ về domain knowledge. 

>>> Tham khảo Lộ trình học Data Analyst tại MindX tại đây.

Anh có thể chia sẻ xu hướng thị trường tuyển dụng ngành data hiện nay không?

Theo kinh nghiệm làm việc thực tế và qua việc viết JD tuyển dụng cho team cũng như tham khảo nhiều JD Data Analyst hiện nay, mình nhận thấy các công ty rất chú trọng vào các ứng viên có kỹ năng tốt về Excel. Đây là kỹ năng cơ bản nhưng rất quan trọng. Kế tiếp là SQL và các công cụ trực quan hóa dữ liệu như Power BI. Một số công ty công nghệ chuyên sâu như VNG hoặc Shopee thậm chí còn yêu cầu thêm kỹ năng lập trình Python.

Bên cạnh đó, khi làm việc tại các doanh nghiệp quốc tế, mình nhận thấy họ ưu tiên ứng viên có khoảng 40% kỹ năng kỹ thuật (Technical Skills) để xử lý dữ liệu và 60% là kiến thức chuyên ngành (Domain Knowledge). Kiến thức chuyên ngành đóng vai trò rất quan trọng. Ví dụ, nếu em có kinh nghiệm làm về e-commerce nhưng lại ứng tuyển vào một công ty logistics hoặc sản xuất, thì dù kỹ năng kỹ thuật của em tốt đến đâu, nhưng thiếu kiến thức chuyên ngành về lĩnh vực đó, em vẫn gặp khó khăn trong việc hiểu ý nghĩa của các trường thông tin và chỉ số mà công ty đó cần.

Vì vậy, lời khuyên của anh là, nếu các bạn ứng viên muốn tìm việc trong ngành Data Analyst, nên xác định rõ lĩnh vực mà mình có kiến thức chuyên sâu, để tăng cơ hội thành công khi ứng tuyển vào các công ty phù hợp với domain knowledge của mình.

Ngoài những kỹ năng anh nói ở trên, thì có kỹ năng nào mà anh nghĩ sẽ rất hữu ích cho quá trình làm việc của các bạn Data Analyst hoặc sẽ giúp ứng ứng gây ấn tượng với nhà tuyển dụng? 

Theo mình, khả năng nhìn bao quát là kỹ năng quan trọng nhất, đặc biệt với những bạn mới vào nghề. Nhiều bạn Fresher thường có xu hướng suy nghĩ theo một khuôn khổ hẹp, chỉ tập trung vào cách làm quen thuộc, ví dụ như nghĩ rằng chỉ cần đi từ A đến B là sẽ giải quyết được vấn đề. Tuy nhiên, cần phải nhìn xa hơn, có thể có nhiều cách khác nhau như đi từ A đến A’ hoặc A’’ rồi mới đến B. Việc nhìn rộng và bao quát toàn bộ bức tranh giúp mình tìm ra những giải pháp tốt hơn. Bên cạnh đó, khả năng giao tiếp với người dùng cũng rất quan trọng, vì cuối cùng, sản phẩm của mình phải đáp ứng đúng nhu cầu của họ.

Ví dụ, khi phỏng vấn các ứng viên Fresher, bài test bên mình đưa ra thường rất mở. Ứng viên được giao một chủ đề, tự tìm kiếm dữ liệu và xử lý nó. Yếu tố giúp ứng viên nổi bật là khả năng nhìn bao quát vấn đề. Ví dụ, nếu bài kiểm tra nói về việc thu hút học sinh mới, các ứng viên sẽ phải tự tạo ra dữ liệu, trực quan hóa nó và nghĩ xa hơn về chiến lược tổng thể. Họ cần biết những chính sách như giảm giá, chiến lược marketing hay các độ tuổi tuyển sinh phù hợp, chẳng hạn lớp 1, lớp 6, hoặc lớp 10. Ngoài ra, ứng viên cần lưu ý đến các yếu tố thực tế như vị trí trường học ở khu vực nào, nên tuyển sinh ở những vùng lân cận để thuận tiện cho việc học tập của học sinh. Việc nhìn nhận được toàn bộ bức tranh sẽ giúp họ nổi bật hơn trong mắt nhà tuyển dụng.

Với một người đã đi làm và có nhiều kinh nghiệm như anh thì anh thấy là một CV hoặc portfolio của ứng viên Data Analyst đi xin việc thì mình phải làm như thế nào để cho nó gây ấn tượng với nhà tuyển dụng nhất ạ? 

Theo mình, một CV ấn tượng nên đi kèm với các project thực tế. Nếu bạn đã làm việc với những dự án nguồn mở hoặc tự thực hiện các project cá nhân, hãy đính kèm các đường link trong CV để nhà tuyển dụng có thể trực tiếp xem các dự án đó. Điều này sẽ giúp họ thấy rõ khả năng thu thập, xử lý dữ liệu và khả năng trực quan hóa dữ liệu của bạn, thông qua các báo cáo hoặc dashboard mà bạn đã tạo. Ngoài ra, CV cũng cần nhấn mạnh rằng kỹ năng của các bạn có thể đóng góp gì cho công ty. Ví dụ như, bạn đã xử lý dữ liệu với hàng chục nghìn dòng như thế nào, thành thạo các công cụ phân tích ra sao. 

Đối với những người đã có kinh nghiệm làm việc trước đó, thì nên chỉ rõ giá trị thực tế mà mình đã đóng góp cho công ty cũ. Ví dụ, bạn có thể trình bày rằng mình đã giúp tăng hiệu suất bao nhiêu phần trăm, hoặc đóng góp vào việc tăng doanh thu của phòng ban như thế nào. Những thông tin cụ thể về trách nhiệm chính và các tỷ lệ phần trăm đóng góp sẽ giúp CV của bạn nổi bật hơn.

Cuối cùng, mình nghĩ là điểm cộng để các bạn có được nhiều cơ hội việc làm hấp dẫn chính là tạo thương hiệu cá nhân trên các nền tảng mạng xã hội như Linkedin. Hãy tích cực đăng bài, chia sẻ kiến thức và tương tác với cộng đồng để tăng độ nhận diện. Trong một thị trường cạnh tranh cao, việc nổi bật và được nhiều người biết đến sẽ giúp bạn thu hút sự chú ý của nhà tuyển dụng hơn.

Vậy anh có lời khuyên nào dành cho những người mới bắt đầu? 

Mình thấy một trong những khó khăn lớn nhất mà nhiều học viên gặp phải là họ không rõ mục đích của việc học. Nhiều bạn học viên, cả sinh viên lẫn những anh chị đã đi làm, thường liên hệ với mình để xin tư vấn, và có nhiều bạn chia sẻ rằng: “Em học được năm buổi rồi nhưng em không biết có nên tiếp tục chương trình không, và em cũng không biết mình học để làm gì.” Đây là một vấn đề phổ biến mà rất nhiều người mới học data gặp phải - họ chưa biết rõ những gì mình đang học sẽ mang lại lợi ích gì trong công việc thực tế.

Để có thể vượt qua khó khăn này, các bạn nên thử áp dụng những gì đã học vào công việc hàng ngày. Đối với những anh chị đã đi làm, mình khuyến khích các anh/chị mang dữ liệu thực tế từ công việc vào để thực hành. Ví dụ, nếu anh chị đang xử lý dữ liệu nhân sự bằng Excel, hãy thử sử dụng các công cụ khác như SQL hoặc Python để phân tích cùng bộ dữ liệu đó. Điều này không chỉ giúp mọi người thấy rõ giá trị của việc học mà còn nâng cao hiệu quả công việc hiện tại.

Đối với các bạn sinh viên chưa có định hướng rõ ràng, các bạn nên tìm các chủ đề hoặc bài tập mà bạn cảm thấy hứng thú, sau đó thực hành trực tiếp trên các bộ dữ liệu có sẵn. Điều này giúp các bạn xây dựng kỹ năng và hiểu rõ hơn về cách phân tích dữ liệu trong các tình huống thực tế.

MindX xin cảm ơn những chia sẻ của anh về công việc cũng như những trải nghiệm thực tế trong lĩnh vực phân tích dữ liệu. Chúc anh luôn thành công trong sự nghiệp và cuộc sống.