post
Data Analyst
Giảng viên MindX
32

Từ trái ngành đến chuyên gia: Hành trình & bí quyết chinh phục phân tích dữ dữ liệu từ người trong ngành (Mr. Cao Quang Hoà - Senior Analytics Engineer)

Từ việc sử dụng phân tích dữ liệu như là một kỹ năng phục vụ cho công việc đến chuyển mình trở thành Senior Analytics Engineer, đó là cả một hành trình trải nghiệm, khám phá, tìm tòi đầy khó khăn nhưng cũng nhiều lý thú của anh Cao Quang Hoà. Anh Hoà Hiện đang là Senior Analytics Engineer tại OE Solution Ltd, đồng thời cũng là giảng viên Khóa học Data Analyst tại MindX. Trong buổi trò chuyện cùng MindX, anh Hòa đã bật mí cách anh tiếp cận và ứng dụng dữ liệu vào quy trình làm việc thực tế, đồng thời chia sẻ hành trình tự học, tự rèn luyện trong bối cảnh khi các khóa học về phân tích dữ liệu còn rất khan hiếm tại Việt Nam. Cùng khám phá toàn bộ nội dung buổi chia sẻ thú vị này trong bài viết dưới đây!

Thông tin diễn giả

1 copy@4x.png

Từ ứng dụng dữ liệu để tối ưu công việc chuyên môn…

Chào anh, anh có thể giới thiệu đôi chút về bản thân mình được không ạ? 

 

Chào các bạn, mình là Cao Quang Hoà, hiện đang làm việc tại vị trí Senior Data Analytics Engineer với 7 năm kinh nghiệm trong lĩnh vực phân tích dữ liệu và 4 năm giảng dạy khóa Data Analyst tại MindX. Trước khi đến với ngành dữ liệu, mình là một kỹ sư điện tốt nghiệp từ Đại học Bách Khoa. Ban đầu, mình làm việc tại Samsung Thái Nguyên, tham gia vào các quy trình quản lý và tối ưu hóa sản xuất. Chính tại đây, mình đã được tiếp xúc với phương pháp LEAN Six Sigma, tập trung vào sử dụng dữ liệu để cải tiến quy trình, giảm thiểu lãng phí và nâng cao năng suất. Có lẽ chính trải nghiệm đó đã mở ra cho mình con đường đi sâu vào dữ liệu.

 

Bước sang môi trường mới, vai trò ban đầu của mình là kỹ sư tối ưu hoá quy trình. Nhưng cũng rất may mắn, một trong những giá trị cốt lõi của công ty là “Let Data Design”, nghĩa là những quyết định của mình được đưa ra phải căn cứ dựa trên dữ kiện thực tế, dựa trên việc nhìn nhận vào dữ liệu để những quyết định đưa ra được chính xác hơn., Trong suốt quá trình làm việc và được tiếp xúc với team Data Science, mình nhận thấy rằng dữ liệu chính là “chìa khóa” để giải quyết các vấn đề lớn, giúp tiết kiệm chi phí và nâng cao hiệu quả. Công việc của mình tại thời điểm đó càng ngày càng đòi hỏi phải hiểu rõ về dữ liệu và cách sử dụng chúng để đưa ra quyết định tối ưu. Có thể nói, đây là động lực chính thôi thúc mình khám phá sâu hơn về dữ liệu và quyết định chuyển sang vị trí phân tích dữ liệu chuyên nghiệp.

 

Anh có thể chia sẻ rõ hơn về quy trình ứng dụng phân tích dữ liệu vào công việc chuyên môn của mình được không ạ? 

 

Trong 7 năm làm việc tại công ty cũ, có 5 năm mình làm việc với dữ liệu lớn, chủ yếu là theo dõi và phân tích các quy trình sản xuất và vận hành của doanh nghiệp. Công việc này đòi hỏi mình xây dựng rất nhiều báo cáo để có thể nhận diện các vấn đề vận hành, đánh giá tình trạng hiện tại của doanh nghiệp và từ đó tìm ra các giải pháp để tối ưu hóa.

 

Quy trình phân tích dữ liệu thường sẽ bao gồm các bước như sau: Đầu tiên là trích xuất dữ liệu từ cơ sở dữ liệu của công ty. Dữ liệu này có thể đến từ nhiều nguồn khác nhau trong quy trình sản xuất và vận hành. Để làm được việc này, mình cần thành thạo kỹ năng truy xuất dữ liệu từ database, đây là kỹ năng rất quan trọng để thu thập đúng loại dữ liệu cần phân tích.

 

Bước tiếp theo là làm sạch và xử lý dữ liệu. Dữ liệu thô thường chứa lỗi hoặc thông tin không cần thiết, nên mình phải làm sạch để đảm bảo dữ liệu chính xác và nhất quán. Quá trình này bao gồm việc loại bỏ các giá trị sai lệch, xử lý dữ liệu bị thiếu, hoặc chuẩn hóa định dạng dữ liệu.

 

Sau đó, mình chuyển sang bước phân tích dữ liệu. Dựa vào các công cụ và phương pháp phân tích như thống kê, mình đi sâu vào các dữ liệu để tìm ra những xu hướng, mô hình, và các điểm bất thường. Những insight này giúp mình hiểu được những điểm cần cải thiện trong quy trình sản xuất hoặc vận hành.

 

Cuối cùng, mình sẽ ứng dụng các insight vào thực tế. Insight từ dữ liệu cho thấy những điểm cần tối ưu hóa, và từ đó mình đề xuất giải pháp để cải thiện hiệu quả vận hành. Các giải pháp này đã giúp công ty tiết kiệm từ 6-10% chi phí vận hành hàng năm.

 

Anh có thể nêu một ví dụ thực tế về việc ứng dụng phân tích dữ liệu vào tối ưu hoá quy trình được không?

 

Một ví dụ cụ thể là quy trình chăm sóc khách hàng. Công ty mình có trụ sở chính ở Đan Mạch, nhưng đội ngũ chăm sóc khách hàng lại được đặt tại Việt Nam. Toàn bộ quy trình chăm sóc khách hàng diễn ra qua hệ thống ticket. Khi khách hàng gặp vấn đề, họ sẽ gửi một ticket đến bộ phận chăm sóc khách hàng tại Việt Nam để được hỗ trợ.

 

Với quy trình này, mình nhận thấy hiệu suất giữa các nhân sự chăm sóc khách hàng không đồng đều. Một số bạn xử lý được 10-20 ticket mỗi ngày, trong khi có người chỉ hoàn thành 5-7 ticket. Nhiệm vụ của mình là tìm ra nguyên nhân dẫn đến sự chênh lệch này: tại sao bạn A xử lý nhanh hơn bạn B, và có cách nào để nâng cao hiệu suất cho tất cả các thành viên không?

 

Để làm điều này, mình thu thập dữ liệu về các yếu tố ảnh hưởng đến hiệu suất, ví dụ như thời gian trung bình xử lý ticket, tỷ lệ hài lòng của khách hàng, và những khó khăn trong từng khâu. Sau khi xác định được phương pháp hiệu quả, mình sẽ chuẩn hóa quy trình tốt nhất và áp dụng nó cho toàn bộ đội ngũ, giúp các nhân viên có hiệu suất thấp hơn cải thiện kỹ năng và làm việc nhanh hơn.

 

Mình sử dụng nhiều công cụ như Jira để thu thập và quản lý dữ liệu, giúp phân tích các quy trình chi tiết từ chăm sóc khách hàng đến bán hàng, tuyển dụng, đánh giá nhân viên hay sản xuất và lắp ráp sản phẩm. Trong mọi quy trình, dữ liệu đóng vai trò cốt lõi trong việc giúp mình phát hiện cơ hội cải tiến và đưa ra giải pháp tối ưu hóa, tạo ra hiệu quả vượt trội cho doanh nghiệp.

 

Ngoài ra thì ở trong doanh nghiệp cũng có vô vàn hoạt động khác nhau, từ quy trình sale, nhân sự như tuyển dụng, đánh giá nhân viên, quy trình sản xuất, lắp ráp sản phẩm... và toàn bộ những quy trình đó mình luôn luôn có cách để làm tốt hơn. Và cách của mình là sử dụng dữ liệu để tối ưu hoá hiệu quả. Nhờ đó, team mình cũng có thể tiết kiệm chi phí vận hành cho tập đoàn mỗi năm khoảng 6-10%. 

 

….Đến hành trình trở thành Data Analytics Engineer - Kỹ sư phân tích dữ liệu

Vậy lý do nào khiến anh chuyển từ công việc tối ưu vận hành sang làm Kỹ sư phân tích dữ liệu (Data Analytics Engineer)?

 

Sau khi có 5 năm tiếp xúc và làm việc với dữ liệu, mình muốn thử thách bản thân mình với một vai trò mới trong ngành dữ liệu - một lĩnh vực đang phát triển mạnh mẽ. Mình muốn đi sâu vào khía cạnh thu thập và xử lý dữ liệu ở mức độ chuyên sâu hơn, thay vì chỉ sử dụng dữ liệu để tối ưu hóa quy trình như trước.

 

Trong công việc cũ, quy trình của mình bắt đầu từ việc phát hiện vấn đề, tìm nguyên nhân gốc rễ, triển khai giải pháp và sau đó theo dõi kết quả. Dữ liệu đóng vai trò cốt lõi trong việc giúp mình nhận diện vấn đề và phân tích nguyên nhân. Nhưng mình nhận ra mình có đam mê với việc xử lý và làm việc với con số ở cấp độ sâu hơn, từ việc xây dựng đến khai thác dữ liệu.

 

Khi chuyển sang công ty mới, mình đảm nhận vai trò là Data Engineer. Sự khác biệt lớn nhất là mình không tham gia triển khai các giải pháp trực tiếp mà thay vào đó, tập trung nhiều thời gian hơn vào phân tích dữ liệu ở mức độ sâu hơn, liên tục cập nhật những kỹ thuật và phương pháp mới nhất trong ngành khoa học dữ liệu. Điều này giúp mình tổ chức và phân tích dữ liệu hiệu quả hơn, từ đó mang lại nhiều giá trị chuyên sâu và có ý nghĩa hơn cho khách hàng.

 

Khó khăn và thách thức trong việc học hỏi và phát triển kỹ năng phân tích dữ liệu

Xuất phát điểm là một kỹ sư điện, anh đã trau dồi kỹ năng phân tích dữ liệu như thế nào để có thể ứng dụng vào công việc thực tế và đem lại hiệu quả cho doanh nghiệp ạ? 

 

Khi mình bắt đầu chuyển hướng sang phân tích dữ liệu, điều khó khăn nhất chính là sự thiếu hụt về tài liệu và hệ thống kiến thức. Lúc đó, phân tích dữ liệu là một lĩnh vực còn rất mới ở Việt Nam, các trường đại học chưa đào tạo chuyên sâu, nên mình không có sẵn nguồn tài liệu hay khóa học chính thống nào để theo học. Mình phải tự tìm hiểu qua nhiều kênh khác nhau, từ các trang web như Google, W3School, đến các nền tảng học trực tuyến như Coursera và StackOverflow. Tuy nhiên, thông tin từ những nguồn này thường rất rời rạc, không có một lộ trình cụ thể, dẫn đến việc mỗi khía cạnh mình học được lại chỉ là một mảnh ghép nhỏ.

 

Trong quá trình tự học, mình còn gặp phải thách thức là có quá nhiều thông tin trái chiều hoặc không đồng nhất, khiến mình đôi khi cảm thấy như "tẩu hỏa nhập ma". Một số tài liệu nói thế này, trong khi tài liệu khác lại nói ngược lại, làm mình không biết nên tin theo cách nào. Có những giai đoạn mình rất nản chí vì sự hỗn độn này. Cũng có lúc mình tự hỏi rằng liệu có nên tiếp tục theo đuổi không hay chỉ cần đề xuất công ty tuyển thêm người có chuyên môn phù hợp vào nhóm.

 

Nhưng cuối cùng, mình quyết định kiên trì và tìm cách vượt qua những trở ngại này. Mình bắt đầu bằng việc tự hệ thống hóa kiến thức. Mình cố gắng chắt lọc những thông tin cốt lõi từ mỗi nguồn và sắp xếp lại theo một lộ trình học cụ thể. Mình tập trung vào từng kỹ năng nhỏ trước, ví dụ như lấy dữ liệu từ cơ sở dữ liệu, sau đó làm sạch dữ liệu, và cuối cùng là áp dụng các phương pháp phân tích. Dần dần, các kỹ năng này kết nối lại với nhau, tạo thành một nền tảng kiến thức hoàn chỉnh và vững chắc.

 

Một điều quan trọng mà mình nhận ra là trong quá trình học, mình không cần phải quá cầu toàn ngay từ đầu. Thay vì chờ đến khi hiểu tất cả mọi thứ, mình áp dụng ngay những gì mình học được vào công việc. Có những lúc mình mắc lỗi, nhưng những lỗi đó chính là bài học quý giá giúp mình cải thiện và hiểu rõ hơn về dữ liệu.

 

2 copy 2@4x.png

 

Vậy với kinh nghiệm tự học của mình, thì đâu là các kiến thức cần phải có để có thể làm được việc với phân tích dữ liệu hoặc trở thành nhà phân tích dữ liệu?

 

Để trở thành một Data Analyst, mình thấy rằng có ba kỹ năng quan trọng tạo nên nền tảng vững chắc cho công việc này, giống như ba “chân kiềng” của một chiếc ghế.

 

Chân kiềng thứ nhất là kiến thức ngành (Domain Knowledge) vì một Data Analyst cần có hiểu biết sâu rộng không chỉ về dữ liệu mà còn về lĩnh vực mà họ đang phân tích. Nếu bạn phân tích dữ liệu trong marketing nhưng không hiểu bản chất của marketing là gì, bạn sẽ khó mà đưa ra những nhận định chính xác. Những dữ liệu mà chúng ta thu thập luôn phản ánh một phần của cuộc sống thực, nên việc hiểu sâu về lĩnh vực mình làm việc là rất cần thiết.

 

Chân kiềng thứ hai là kỹ năng sử dụng công cụ và kỹ thuật phân tích: Một Data Analyst cần thành thạo các công cụ phổ biến như SQL, Excel, Python, hoặc các phần mềm trực quan hóa dữ liệu như Tableau, Power BI. Các kỹ năng này sẽ giúp bạn phân tích và xử lý dữ liệu hiệu quả, từ việc trích xuất dữ liệu thô đến việc tạo ra các báo cáo và biểu đồ trực quan. Kỹ thuật phân tích cũng quan trọng, chẳng hạn như phân tích thống kê, kiểm định giả thuyết, phân tích hồi quy,…

 

Chân kiềng thứ ba là Tư duy phân tích và giải quyết vấn đề: Mỗi người sẽ có cách giải quyết vấn đề khác nhau, nhưng điểm chung ở đây là có những tư duy hiệu quả và không hiệu quả. Tư duy phân tích giúp bạn nhìn nhận vấn đề từ nhiều góc độ, xác định vấn đề gốc rễ và đưa ra những giải pháp phù hợp. Việc thu thập dữ liệu cũng cần thực hiện cẩn thận, vì dữ liệu thường có sai số. Nếu không kiểm tra và làm sạch dữ liệu, mọi phân tích về sau có thể sẽ không chính xác.

 

3 chân kiềng trên là nền tảng. Điều quan trọng là người làm phân tích dữ liệu cần linh hoạt trong tư duy, nắm vững kiến thức, kỹ năng công cụ và luôn sẵn sàng áp dụng các quy trình phù hợp để mang lại giá trị tối ưu từ dữ liệu.

 

Với quan điểm cá nhân của mình, thì anh thấy việc ứng dụng phân tích dữ liệu trong doanh nghiệp có thật sự quan trọng?

 

Theo mình, dữ liệu không chỉ đơn thuần là những con số mà còn chứa đựng thông tin, hình ảnh và insight bao quanh chúng ta. Mình rất thích câu “Data = Fact” (Dữ liệu chính là sự thật). Khi chúng ta dựa trên dữ liệu để ra quyết định, tức là ta đang dựa trên những sự kiện thực tế. Thay vì "tôi nghĩ là như thế", dữ liệu cho chúng ta biết "thực tế đang diễn ra như thế". Điều này giúp các quyết định chính xác và sát với thực tế hơn.

 

Phân tích dữ liệu thường được áp dụng rất nhiều trong marketing, chẳng hạn để đo lường hiệu quả của quảng cáo, đối tượng tiếp cận, hay tỷ lệ chuyển đổi. Nhưng ở cấp độ cao hơn, dữ liệu còn được sử dụng như một “sự thật” khách quan cho mọi phòng ban. Mỗi hoạt động trong doanh nghiệp đều có dữ liệu của nó, và từ đó, chúng ta có thể phát hiện các vấn đề tiềm ẩn để cải thiện.

 

Các doanh nghiệp ngày nay đều chú trọng đến việc lượng hóa hiệu suất qua các chỉ số KPI. Mỗi nhân viên hầu như đều có KPI để đánh giá hiệu quả công việc. Điều này có nghĩa là, từ nhân viên đến các cấp quản lý, ai cũng cần có kỹ năng và kiến thức về dữ liệu để cải thiện công việc của mình.

 

Mình thấy nhiều công ty công nghệ, và ngày càng nhiều doanh nghiệp nói chung, đang xây dựng một văn hóa làm việc dựa trên dữ liệu, giúp nhân viên tự chủ trong việc phân tích dữ liệu để nâng cao hiệu suất. Với việc ứng dụng dữ liệu, mọi vị trí trong doanh nghiệp đều có thể trở nên hiệu quả hơn, đóng góp vào một tổ chức ngày càng tiến bộ và phát triển.

 

Vậy người mới làm thế nào để người mới học có thể dễ dàng xin việc trong lĩnh vực này ạ? 

 

Để xin việc thành công trong lĩnh vực này, điều quan trọng là phải hiểu rõ nhu cầu của doanh nghiệp và khả năng đáp ứng của bản thân. Những năm gần đây, có nhiều bạn trẻ đổ xô học về phân tích dữ liệu vì xu hướng, nhưng đôi khi lại thiếu sự kiên nhẫn và quyết tâm để đi đến cùng. Điều này dẫn đến tình trạng nhiều người học xong vẫn chưa đủ kiến thức và kỹ năng cần thiết để đáp ứng yêu cầu công việc.

 

Về phía doanh nghiệp, họ luôn mong muốn tìm được những ứng viên giỏi và có nền tảng vững chắc. Vì vậy, lời khuyên của mình là các bạn hãy tìm hiểu thật kỹ về công việc, xem liệu nó có phù hợp với sở thích và khả năng của mình không. Nếu cảm thấy phù hợp, đừng ngại nộp hồ sơ và thử sức, ngay cả khi chưa có quá nhiều kinh nghiệm hoặc kỹ năng hoàn hảo. Việc tham gia phỏng vấn là một cơ hội tốt để bạn hiểu rõ hơn về yêu cầu của nhà tuyển dụng và trau dồi thêm kỹ năng.

 

Hãy mạnh dạn ứng tuyển vào các vị trí phù hợp – đôi khi, bạn sẽ tìm được công việc đúng như mong muốn của mình ngay cả khi chưa đáp ứng tất cả các tiêu chuẩn cao nhất của doanh nghiệp. Điều quan trọng là sự tự tin và sẵn sàng học hỏi.

 

Nếu được chọn lại, anh có chọn đi theo ngành phân tích dữ liệu không ạ?

 

Có thể nói, mình vào ngành là do cơ duyên và dòng đời xô đẩy. Nhưng tính tới thời điểm hiện tại mình cảm thấy khá hài lòng. Vì công việc này mình có thể làm linh hoạt về mặt thời gian về không gian, mình có thể làm việc ở các nước trên thế giới nếu có ngoại ngữ. Mình cảm thấy rất vui vẻ với công việc hiện tại và nếu để chọn lại thì mình vẫn quyết định theo lộ trình này. 

Cơ duyên trở thành giảng viên tại MindX

Cơ duyên nào khiến anh trở thành giảng viên Data Analyst?

 

Mình bắt đầu giảng dạy tại MindX khoảng 4 năm trước và trở thành một trong những giảng viên đầu tiên của khóa học Data Analyst. Do một lần rất tình cờ nhìn thấy thông tin tuyển giảng viên của MindX và cũng muốn cải thiện thu nhập, nên mình đã apply thử và vượt qua phòng phỏng vấn. Từ đó, hành trình giảng dạy của mình trong lĩnh vực phân tích dữ liệu đầy thử thách này chính thức bắt đầu. 

 

Giảng dạy tại MindX mang lại cho mình nhiều giá trị vượt ngoài mong đợi. Bên cạnh thu nhập, mình có thêm những người bạn cùng ngành – những mentor đầy kinh nghiệm và đam mê, cùng nhau học hỏi và chia sẻ. Điều tuyệt vời hơn cả là niềm vui khi thấy học viên của mình đạt được những bước tiến lớn trong sự nghiệp: từ chuyển việc thành công đến nhận được những cơ hội tốt hơn trong ngành. Chính những điều này là động lực để mình tiếp tục với công việc giảng dạy.

 

2 copy@4x.png

 

Bên cạnh đó, các bạn học viên ở MindX trẻ trung, nhiệt huyết và luôn sẵn sàng học hỏi, điều mà bản thân mình cảm thấy đã mất dần sau những năm tháng làm việc. Sự máu lửa của các bạn đã truyền năng lượng, giúp mình làm mới bản thân và thử sức với nhiều điều chưa từng làm.

 

Anh có lời khuyên nào dành cho học viên của MindX nói riêng và cho các bạn đang bắt đầu tìm hiểu và theo đuổi ngành phân tích dữ liệu không ạ? 

 

Lời khuyên của mình chỉ là những đúc kết từ kinh nghiệm cá nhân thôi, nhưng hy vọng sẽ giúp ích cho các bạn. Mình nghĩ rằng việc đầu tiên và quan trọng nhất là các bạn cần xác định rõ đích đến, tức là hiểu rõ công việc của ngành phân tích dữ liệu và xem nó có thực sự phù hợp với mình không. Một cách hữu ích là hãy tìm hiểu kỹ các mô tả công việc trên các trang tuyển dụng như Vietnamworks, đọc yêu cầu công việc để tự đánh giá xem bản thân đã sẵn sàng đáp ứng những yêu cầu đó chưa.

 

Tiếp theo, bạn có thể hỏi ý kiến của những người đi trước, những người đang làm trong lĩnh vực này, để biết thêm về công việc hàng ngày của họ. Điều này sẽ giúp bạn hiểu liệu tính cách và sở thích của mình có phù hợp với công việc phân tích dữ liệu không. Ngành này đòi hỏi sự cẩn thận, tỉ mỉ, và kiên trì – không phải ai cũng phù hợp với việc ngồi nhiều giờ liền, đôi khi là 8-10 tiếng mỗi ngày, hay thậm chí lên đến 14-16 tiếng trong các dự án lớn.

 

Vậy nên, trước khi dấn thân, hãy tìm hiểu thật kỹ để có thể đi lâu dài với công việc này. Ngành dữ liệu có thể phù hợp với nhiều người, nhưng để đạt được thành công xuất sắc, bạn cần đầu tư nghiêm túc cả về thời gian và tinh thần. Đây không phải là một lời khuyên mang tính áp đặt – bạn cứ thử sức và tự trải nghiệm để thấy mình có thực sự yêu thích và phù hợp không.

 

Cảm ơn anh đã dành thời gian chia sẻ cùng MindX về những kiến thức, kinh nghiệm và trải nghiệm của mình trong lĩnh vực Data Analytics. Chúc anh luôn thành công trong sự nghiệp và cuộc sống. 

Đánh giá bài viết

0

0/5 - 0 lượt bình chọn
Data Analyst
Đăng ký nhận bản tin
Đăng ký ngay để nhận tin tức và tài liệu mới nhất về công nghệ
Bài viết nổi bật