Buzz
Lĩnh vực Data Analyst ngày càng thu hút sinh viên mới ra trường với sự xuất hiện của các chuyên viên Data Analyst - những người kể chuyện bằng con số. Công việc của họ là chuyển đổi dữ liệu thô thành chiến lược cho các doanh nghiệp. Đây là một nghề công nghệ đầy hứa hẹn với mức lương hấp dẫn và một thị trường việc làm ổn định, cung cấp nhiều cơ hội làm việc từ xa.
Tuy nhiên, con đường này không phải lúc nào cũng mịn màng, đặc biệt đối với những bạn Fresher mới bước chân vào ngành này. Hãy cùng lắng nghe anh Ngô Vinh, Người từng làm Data Analyst chia sẻ về những sai lầm mà anh đã gặp phải khi bắt đầu sự nghiệp nhé.
Gần đây, tôi nhận thấy rất nhiều sự quan tâm đến nghề Data Analyst. Cũng từng trải qua giai đoạn ấy, nhưng cách đây 6 năm, tôi chưa thể nắm bắt đầy đủ thông tin và không có cái nhìn thực tế về công việc trong doanh nghiệp.
Bài viết này dành cho những bạn học ở các ngành khác và muốn chuyển sang làm Data Analyst ở vị trí entry level. Tôi sẽ liệt kê lại những sai lầm của bản thân trong quá trình chuẩn bị, với hy vọng giúp các bạn tự tin khi apply và tiết kiệm thời gian hơn.
SAI LẦM 01: QUÁ CHÚ TRỌNG VÀO LẬP TRÌNH
Khi mới bắt đầu, tôi đã dành quá nhiều thời gian cho việc học Python, thậm chí còn đăng ký một khóa học Computer Science trong 2 năm. Nhưng nếu được quay lại, tôi sẽ chỉ dành khoảng 20-30% thời gian cho việc này. Tại sao vậy? Bởi vì ở vị trí entry level, bạn chỉ cần hiểu cách chạy code là đủ. Biết cú pháp cơ bản là đủ để làm việc. Kỹ năng lập trình sẽ được học nhanh hơn nhiều thông qua các dự án thực tế hơn là các khóa học trực tuyến.
Ở giai đoạn ban đầu, bạn không cần phải tập trung quá nhiều vào lập trình, nhưng sau khi đã tham gia vào ngành này, bạn nên dành nhiều thời gian hơn cho lập trình vì đó là kỹ năng giúp bạn tiến từ vị trí nhân viên mới lên cấp trưởng nhóm.
SAI LẦM THỨ 2: KHÔNG TẬP TRUNG VÀO KỸ NĂNG WRANGLING DỮ LIỆU
Với vị trí Data Analyst, tôi dành khoảng 50% thời gian cho việc xử lý dữ liệu, 20% cho trực quan hóa, bảng điều khiển và phần còn lại là giao tiếp. Về xử lý dữ liệu, có các công cụ như Excel, SQL, Python. Nếu làm việc tại các công ty với lượng dữ liệu nhỏ và vừa, bạn có thể sử dụng Excel, còn với lượng dữ liệu lớn, bạn nên sử dụng SQL. Rất ít khi cần sử dụng Python/R. Nếu bạn giỏi Excel và SQL, chắc chắn bạn có thể ứng tuyển vào vị trí Data Analyst. Tôi nghĩ rằng 2 công cụ này quan trọng và dễ học hơn Python/R.
SAI LẦM THỨ 3: KHÔNG TÌM HIỂU KỸ NĂNG CẦN THIẾT
Trước đây, tôi thường tập trung quá nhiều vào việc học các công cụ và tôi cũng nhận ra sai lầm này ở những người khác. Hầu hết các câu hỏi tôi nhận được liên quan đến Python, R, SQL, Data Studio, Tableau,... Dù việc tìm hiểu các công cụ là quan trọng nhưng các kỹ năng khác cũng đóng vai trò quan trọng trong quyết định của nhà tuyển dụng về việc chọn bạn cho vị trí này hay không?
Vị trí Analytics thường đặt yêu cầu về 3 nhóm kỹ năng:
Kỹ Năng Mềm: giao tiếp, tư duy phản biện, tư duy logic cấu trúc
Kiến Thức Chuyên Môn: Với tôi, nhóm này mới là nhóm khó nhất và yêu cầu nhiều thời gian nhất. Nếu bạn dành thời gian để hiểu sâu về ngành mà bạn muốn ứng tuyển, bạn sẽ có cơ hội ghi điểm cao trước nhà tuyển dụng và có khả năng được chọn làm việc rất cao.
Công Cụ: excel, SQL, Bigquery, Lập trình, Công cụ Thông tin Kinh doanh (Data Studio, Tableau…)
Hy vọng với 3 sai lầm trên sẽ giúp các bạn điều chỉnh và rút ngắn kế hoạch chuẩn bị cũng như hiểu rõ hơn về vị trí data analyst. Kinh nghiệm của tôi là học đủ để ứng tuyển thôi, sau khi vào làm việc sẽ học nhanh hơn rất nhiều.
