Tôi nhận được câu hỏi này từ nhiều đồng nghiệp trong ngành, và tôi muốn chia sẻ kinh nghiệm của mình trên Mytour để mọi người có thể tiếp cận. Hãy cùng nhau chia sẻ và học hỏi thêm nhé. Khi nói về máy tính ở đây, tôi nghĩ đến máy tính cá nhân, bao gồm cả laptop và desktop.
Khi nói về công việc liên quan đến dữ liệu, tôi muốn đề cập đến ba vai trò phổ biến nhất tại Việt Nam. Hãy cùng tôi tìm hiểu về chủ đề này.
- Kỹ Sư Dữ Liệu: chuyên về xử lý dữ liệu, xây dựng cơ sở hạ tầng, đảm bảo dữ liệu hoạt động mượt mà và ổn định
- Phân Tích Dữ Liệu / Phân Tích Kinh Doanh: nghiên cứu số liệu, tạo báo cáo, dashboard, đưa ra nhận định về mặt kinh doanh, cung cấp phân tích và gợi ý
-
Lưu ý rằng trong mỗi công ty, các định nghĩa về 3 vai trò này có thể thay đổi, các nhân viên có thể chịu trách nhiệm cho công việc của nhau. Quan trọng nhất là nhiệm vụ mà bạn thực hiện, do đó chúng ta không nên giới hạn bởi nhãn mác mà thay vào đó tập trung vào công việc cụ thể mỗi người đảm nhiệm khi làm việc.
Xử Lý Số Liệu, Tạo Báo Cáo, Xây Dựng Dashboard
Trong công việc này, bạn thường sẽ sử dụng một 'khách hàng' trên máy tính cá nhân và kết nối vào hệ thống dữ liệu của doanh nghiệp, ví dụ như sử dụng SQL để truy xuất dữ liệu và biểu diễn chúng dưới dạng biểu đồ, hoặc sử dụng các phần mềm như Tableau, Microstrategy, Power BI… để kết nối dữ liệu từ kho dữ liệu / cơ sở dữ liệu / hồ sơ dữ liệu… của doanh nghiệp và trình bày chúng dưới dạng hình ảnh để phân tích và tìm hiểu ý nghĩa. Một số doanh nghiệp có thể sử dụng trực tiếp trên trình duyệt web, không cần phải cài đặt thêm bất kỳ phần mềm nào, ví dụ như sử dụng Superset, Redash, Metabase, Google Data Studio, AWS QuickSight…
😄Công việc về hạ tầng, xây dựng data pipeline, làm những việc thuộc lĩnh vực kỹ thuật dữ liệu
Để thực hiện những công việc này, bạn cần sở hữu một chiếc máy tính mạnh mẽ hơn một chút vì đôi khi bạn sẽ phải chạy nhiều docker container cùng một lúc và sử dụng nhiều công cụ song song để phát triển giải pháp trước khi triển khai lên máy chủ chính thức. Tuy nhiên, không cần phải có cấu hình tối đa hay gì cả, chỉ cần một cấu hình vừa đủ là đã đáp ứng được yêu cầu rồi. Bạn không cần phải bỏ ra quá nhiều tiền cho một chiếc PC nếu chỉ sử dụng cho công việc của một data engineer.Một CPU Core i7 dòng H, RAM khoảng 16GB có thể đáp ứng được nhu cầu của bạn mà không cần phải có GPU mạnh. Bạn có thể dễ dàng tìm mua một chiếc laptop với cấu hình như vậy với mức giá khoảng 20 triệu trở lên.Thực hiện các thử nghiệm về thuật toán machine learning, xây dựng và huấn luyện mô hình.
Các chuyên gia dữ liệu trong nhóm của tôi, cũng như trong các doanh nghiệp tôi đã từng làm việc, không cần một chiếc laptop quá mạnh để thực hiện các tác vụ như huấn luyện mô hình, lọc dữ liệu, làm sạch dữ liệu, hoặc xây dựng mô hình để tích hợp vào các hệ thống hoạt động. Nhiều người vẫn sử dụng MacBook Air, nhiều người dùng MacBook Pro 2015, và có người sử dụng một chiếc Dell Gaming... nhưng không có chiếc máy nào có cấu hình khủng hoặc trăm triệu cả.Tóm lại, bạn không cần cấu hình quá mạnh để làm việc dữ liệu
Một số sai lầm mà tôi thường thấy là các bạn mới bắt đầu học dữ liệu đã chi tiêu nhiều chục triệu đồng để mua những chiếc máy tính cực kỳ mạnh mẽ, và sau đó chỉ thực hiện phân tích với một chiếc máy tính desktop Core i9, GPU GTX và những thứ khác. Trừ khi bạn sử dụng chiếc máy đó để chơi PUBG, COD, thực hiện khảo sát về hành vi của con người trong thành phố với hệ thống GTA V hoặc tìm hiểu về khả năng vận hành của xe hơi với Forza Horizon thì ok, việc mua một chiếc máy tính thực sự xịn sò để nghiên cứu là một điều không cần thiết :DSử dụng máy tính hiện tại để làm việc, chỉ nâng cấp khi cần thiết. Đừng lãng phí tiền vàng và không tận dụng được công cụ cho công việc của bạn. Đừng nghe theo lời khuyên vô căn cứ về việc phải có máy tính đắt đỏ để làm data.Qua thời gian làm việc thực tế, bạn sẽ nhận ra nhu cầu của mình. Hãy đầu tư một cách thông minh và hiệu quả.
Nội dung được phát triển bởi đội ngũ Mytour với mục đích chăm sóc khách hàng và chỉ dành cho khích lệ tinh thần trải nghiệm du lịch, chúng tôi không chịu trách nhiệm và không đưa ra lời khuyên cho mục đích khác.
Nếu bạn thấy bài viết này không phù hợp hoặc sai sót xin vui lòng liên hệ với chúng tôi qua email [email protected]