Buzz
Chỉ cần 'lỡ tay' tìm hiểu về việc học Data/AI, sau 10 phút Facebook của bạn sẽ ngập tràn quảng cáo các khoá học với những lời mô tả hùng vĩ nhất: Ngành nóng bỏng nhất, thu nhập đỉnh cao, cơ hội việc làm không ngừng, lương nghìn đô, nghề đang hot trend,... Nghe là muốn nhảy lên đỉnh núi luôn 🤣
Nhưng những ai từ trái ngành chuyển sang học Data Analytics rồi đi xin việc sẽ hiểu cảm giác khó khăn khi mắt đỏ tìm việc, có offer thì lương chưa chạm 10 triệu. Lúc ấy, bạn sẽ trở về mặt đất ngay lập tức.
Data Analytics là một lĩnh vực thú vị, nhưng hiện nay, việc kiếm việc làm trong ngành trở nên khó khăn và không hồng hào như một số trung tâm quảng cáo. Do đám đông học Data đổ về, một số nơi vẫn cố tình làm ngơ về thị trường việc làm để chào bán khoá học. Họ lựa chọn các bài báo từ Mỹ, phương Tây, sử dụng mức lương và số liệu thống kê từ nơi khác để lừa dối người học. Mình không đồng tình với điều đó.
Mình cũng là người tự học, từ chuyển ngành sang Data, và muốn chia sẻ một chút kinh nghiệm với những bạn đang chuẩn bị bước chân vào. Mong rằng đây sẽ là góc nhìn hữu ích để các bạn đưa ra quyết định chính xác hơn.
Lưu ý:
- Công ty mình đang làm thuộc hệ thống Mỹ, có chi nhánh tại Việt Nam, và mình có trải nghiệm nộp hồ sơ xin việc ở khu vực ĐNA, nên mình sẽ chia sẻ về thị trường Mỹ và Việt Nam.
- Bài viết này không phải là lời khuyên để bạn không nên học Data Analytics, mục đích là cảnh báo về một tương lai không màu hồng như một số trung tâm quảng cáo.
- Nếu bạn cảm thấy thực sự muốn theo đuổi và đam mê ngành này => Hãy chiến đấu.
Tại sao trở thành Data Analyst là con đường dễ dàng nhất để bước vào lĩnh vực Data?
Khi chuyển ngành, luôn tồn tại những yêu cầu về chuyên môn và kỹ thuật, tổng quát là rào cản để bắt đầu nghề. Trong khi các vị trí Data Engineer, Data Scientist đặt ra những rào cản lớn về kỹ thuật và nền tảng học thuật, thì Data Analyst lại dễ dàng hơn để bắt đầu, vì đây là sự giao thoa giữa công nghệ và một lĩnh vực chuyên ngành cụ thể (tài chính, bán lẻ, tiếp thị, quản lý hoạch định, SCM, ….)
Một Data Analyst cần những yếu tố cơ bản: Kỹ năng phân tích dữ liệu (bao gồm tư duy và kỹ năng công nghệ) + chuyên môn trong lĩnh vực bạn đang phân tích + kỹ năng giao tiếp
Chuyển sang nghề Data Analyst dễ dàng vì 2 trong số 3 yếu tố không liên quan đến lĩnh vực kỹ thuật. Bản thân mình cũng lựa chọn con đường này vì nó nhẹ nhàng và giảm áp lực hơn.
Tuy nhiên, đừng hiểu lầm. Data Analyst có mức rào cản thấp hơn so với các vị trí khác, nhưng không có nghĩa là nó dễ dàng hơn.
Tại sao khó tìm việc?
1/ Cơ hội làm việc ngày càng ít, đồng thời cạnh tranh cao
Do sự kết hợp giữa kiến thức chuyên môn và kỹ năng công nghệ, việc tìm việc sẽ khó khăn nếu bạn không thành thạo trong lĩnh vực mà công ty đang quan tâm. Bạn sẽ phải cạnh tranh với những người có kiến thức chuyên môn mạnh mẽ.
Một tendency hiện nay là doanh nghiệp đang cố gắng phân phối chức năng Analytics tới từng bộ phận cụ thể. Phòng dữ liệu (hoặc IT) vẫn giữ Data Analyst nhưng chỉ cần số lượng ít, chuyên về thiết lập data model, phân tích vấn đề cơ bản của dữ liệu thu thập, sau đó các bộ phận khác sẽ tuyển chọn người hiểu biết chuyên môn để truy vấn dạng ad-hoc. Phòng marketing có thể tuyển Marketing Analyst, vừa biết về marketing, vừa thành thạo về data. Phòng tài chính có thể tuyển Financial Analyst,…. Hoặc có những công ty tạo ra các bộ phận Analytics, sau đó tuyển Marketing Analyst, Financial Analyst, đưa vào một bộ phận chung và giảm việc tuyển Data Analyst thuần túy.
Công ty của mình nhận nhiều dự án thiết kế và tạo Data Model để các bộ phận khác truy vấn, sau đó kéo thả trong PowerBI. Có nhiều doanh nghiệp outsourcing hoàn toàn phần Data Analytics như vậy, đôi khi rẻ và hiệu quả hơn là xây dựng đội ngũ in-house.
Với xu hướng này, việc làm Data Analyst chuyên môn kỹ thuật sẽ trở nên ít hơn.
Bạn - những người mới - sẽ đối mặt với sự cạnh tranh quyết liệt từ các senior ở các lĩnh vực khác chuyển sang. Họ chỉ cần bổ sung kỹ năng về Data, kết hợp với các yếu tố có sẵn như chuyên môn xuất sắc, leadership, communication skills,… => Họ không mang theo cái nhãn Intern hay Fresher. Cạnh tranh với nhóm này sẽ thách thức!
2/ Nhiều cơ hội việc làm nhưng ít dành cho Data Analyst và cũng hiếm tuyển fresher/intern
Bạn có thể đọc rằng ngành Data đang rất HOT và nhiều cơ hội việc làm. Nhưng có điều mà những quảng cáo khoá học không bao giờ nói với bạn. …
- Nhiều ở lĩnh vực nào? Ngành data có nhiều vị trí đa dạng: Data Analyst, Data Engineer, Data Scientist, Data Analytics Engineer, Database Administrator, AI Engineer…
- Nhiều ở đâu? Ở Mỹ, Việt Nam, hay Châu Âu?
- Nhiều khi nào? Cách đây 5 năm? 10 năm? Hay là khi nào?
Hiện tại tại Việt Nam, thị trường việc làm ngành data cũng khá sôi động. Tuy nhiên, trong khi thị trường Mỹ luôn có cơ hội cho intern, coop program để nuôi dưỡng tài năng, thị trường Việt Nam lại ưu tiên tuyển người có thể làm việc ngay.
Do đó, thị trường việc làm Data ở Việt Nam chủ yếu hướng đến các vị trí từ Associate level trở lên. Việc tuyển fresher, intern là hiếm, vì không nhiều doanh nghiệp có đủ tài chính, thời gian để đào tạo và chờ đợi nhóm này phát triển.
3/ Điều kiện kinh tế khó khăn
Kinh tế suy thoái khiến các công ty giảm ngân sách của đội ngũ data, vì không phải mọi đội đều mang lại hiệu quả ngay. Do đó, họ thường tuyển người có nhiều kỹ năng. Data Analyst biết thêm chút về Machine Learning sẽ làm việc hiệu quả hơn với Data Scientist. Nếu Data Analyst biết thêm về Data Engineering, chúng ta có thể trở thành Data Analytics Engineer, có khả năng thực hiện nhiều công việc hơn, từ ETL đến việc sử dụng Spark và Airflow, giảm áp lực cho đội ngũ và giảm gánh nặng tài chính cho công ty. Từ những điều trên => Ai nghĩ rằng học xong ngành Data sẽ có việc ngay thì nên xem xét lại background của mình.Chưa kể giờ còn có AI!
Ngay trong Power BI, AI đã có khả năng tự tạo ra các hàm DAX để vẽ biểu đồ chỉ bằng cách nhập yêu cầu bằng ngôn ngữ tự nhiên. Nó còn có các module dự đoán và khả năng kết nối với các mô hình dự đoán,... Tất cả đã sẵn sàng. Kết nối là chạy. Có lẽ các công nghệ này chưa phát triển hoàn chỉnh, nhưng bạn sẽ thấy mọi thứ thay đổi rất nhanh.
Việc thiết lập data model giờ đây đã dễ dàng với sức mạnh của AI, nó có khả năng đọc và hiểu dữ liệu, thay thế công việc của chính bạn.
Mình thường xuyên sử dụng ChatGPT vì nó thực sự giúp giảm độ khó khăn của công việc một cách đáng kể. Tuy nhiên, việc sử dụng nó cần phải cẩn thận và hiểu rõ kết quả, mình chỉ đơn giản nhờ nó giảm bớt những công việc tay chân mà thôi. Điều tiện lợi của ChatGPT trong lập trình thì không thể phủ nhận.
ChatGPT có khả năng xử lý cả những câu lệnh SQL phức tạp
Tại Mytour, anh Thầy Giáo Sang đã có thể tự mình phát triển toàn bộ ứng dụng web chỉ thông qua sự hỗ trợ của ChatGPT.
Mặc dù ChatGPT không thể thay thế hoàn toàn vai trò của Data Analyst, nhưng nó mang lại cho các công ty lý do để không tuyển thêm nhân sự mới, thay vào đó nâng cấp đội ngũ của họ bằng công nghệ tiên tiến hơn. Tình trạng thiếu việc cho những Data Analyst mới vào nghề là không tránh khỏi, đặc biệt khi AI ngày càng trở nên mạnh mẽ.Những thắc mắc phổ biến về nghề Data Analyst
1/ Có cần phải thành thạo Python mới có thể làm Data Analyst?
Khi nhìn vào chương trình đào tạo Data Analyst của một số trung tâm, bạn sẽ thấy Python được đặt lên hàng đầu. Tại các diễn đàn, có vài anh chị lâu năm 'gatekeeping' ngành nghề này, yêu cầu về loại Data Analyst, tech stack, và dung lượng dữ liệu đều phải đạt một cấp độ nhất định, v.v. Tuy nhiên, mình không đồng ý với quan điểm đó. Cụ thể, đối với mỗi thị trường và công ty, khái niệm về Data Analyst có thể khác nhau đáng kể. Có công ty chỉ cần bạn giỏi SQL là đủ, vì họ có đội ngũ Data Engineer chịu trách nhiệm về cơ sở dữ liệu. Ở những nơi khác, có thể họ đòi hỏi kỹ năng Python cao cấp. Cũng có công ty chỉ cần Data Analyst lành nghề về pandas nếu không có Data Engineer, trong khi ở những nơi có DE, họ lại tìm kiếm Data Analyst chuyên sâu về phân tích. Mỗi công ty, mỗi quốc gia và mỗi ngành nghề đều có đặc điểm riêng. Miễn là bạn có khả năng phân tích dữ liệu, dù chỉ là 1000 dòng, nhưng có thể tìm ra thông tin quan trọng và tạo ra tác động tích cực cho công ty, bạn đã là một Data Analyst. Mức lương của bạn sẽ phụ thuộc vào năng lực và độ phức tạp của công việc. Tuy nhiên, quan trọng nhất là khả năng phân tích dữ liệu, không nhất thiết phải phức tạp.2/ Sau khi học Data Analytics, có cơ hội nhận mức lương nghìn đô ngay không?
Để rõ ràng, có khả năng bạn có được mức lương nghìn USD sau khi học Data Analytics, nhưng không phải chỉ do kỹ năng Data của bạn mà còn phụ thuộc vào khả năng tiếng Anh và môi trường làm việc của công ty. Sự xuất sắc không chỉ nằm ở kỹ thuật. Nếu bạn có khả năng giao tiếp tốt, hiểu biết sâu sắc về chuyên môn, và có kỹ năng lãnh đạo, bạn vẫn có thể tạo ra giá trị. Quan trọng là kỹ năng của bạn có thể mang lại giá trị cho công ty ở mức nào. Mặc dù nhiều trung tâm quảng cáo về việc học Data Analytics để đạt mức lương nghìn đô, nhưng thực tế cho thấy rất khó để có được mức lương đó khi mới bắt đầu ở Việt Nam. Ở những công ty Mỹ hoặc làm outsourcing dự án quy mô lớn, việc chi trả $1000 cho một vị trí Data Analyst là điều phổ biến và dễ dàng vì số tiền đó không đáng kể so với quy mô dự án.
Trong ngành IT, việc không biết tiếng Anh thường đồng nghĩa với mức lương thấp, kể cả khi có nhiều năm kinh nghiệm. Một số công ty có thể tận dụng việc bạn không thông thạo tiếng Anh để đàm phán giảm giá.Tự học trên mạng có thể đưa bạn trở thành Data Analyst, tuy nhiên, thành công hay không phụ thuộc vào khả năng học và ứng dụng kiến thức của bạn.
Chắc chắn có khả năng, nhưng kết quả phụ thuộc vào người học. Tự học kỹ năng data là khả thi, nhưng chuyên môn có thể khó khăn hơn. Mỗi người có xuất phát điểm và kinh nghiệm làm việc khác nhau, cùng với cách học cá nhân. Chuyển từ lý thuyết học sang áp dụng thực tế là một trải nghiệm khác biệt, các bạn ạ. Ví dụ, nếu bạn học trên Datacamp, họ có dạy SQL khá tốt. Tuy nhiên, nếu bạn theo đuổi học Data Analyst, có thể bạn sẽ thiếu kỹ năng thiết lập cơ sở dữ liệu SQL, sử dụng các database client, hay các chức năng như Store Procedure, Partitioning, Indexing,… Điều này giới hạn bạn chỉ biết cách truy vấn, trong khi thực tế làm việc đòi hỏi tương tác với cơ sở dữ liệu ở mức độ cao hơn. Các bạn cần tích luỹ thêm những 'giá trị đặc biệt' của bản thân để làm phong phú thêm trong giai đoạn đầu.4/ Học ở trung tâm có hiệu quả không?
Chất lượng của trung tâm không thể đánh giá chính xác vì mình chưa bao giờ trải nghiệm. Tuy nhiên, việc một khoá học đáp ứng đầy đủ nhu cầu là rất khó, do thị trường đang đòi hỏi một sự đa dạng lớn như đã nêu ở trên. Mình đã xem giáo trình của một trung tâm lớn và thấy nó rất gần với thực tế làm Data Analyst ở Việt Nam. Tuy nhiên, theo phản hồi từ học viên, quá trình giảng dạy không được mượt mà. Còn một trung tâm khác có tiếng, họ dạy chủ yếu Python và Machine Learning, mặc dù mình không hiểu tại sao lại cần nhiều Machine Learning như vậy :| Nói chung, mọi người tùy thuộc vào khả năng cá nhân. Có người có thể học nhanh với sự hỗ trợ, nhưng quan trọng là phải chọn những nơi uy tín. Riêng mình thấy các khoá học ngày nay đã quá đắt đỏ.CHỐT: ĐỪNG CHỌN HỌC IT HOẶC DATA CHỈ VÌ LỜI QUẢNG CÁO CỦA TRUNG TÂM
Quảng cáo về mức lương cao từ trung tâm
Không có gì sai khi chọn học một ngành nghề vì tiền. Là người Châu Á, chúng ta thường quen với việc muốn con cái học bác sỹ, kỹ sư để mong con có thu nhập tốt và danh tiếng. Nhưng ở Việt Nam, mức lương trong lĩnh vực IT không cao như nước ngoài hay như những thông tin trên internet thường nói. Ở Việt Nam, có nhiều cách khác nhau để kiếm tiền mà không cần làm trong lĩnh vực IT. Trước đây, mình đã có công ty riêng, doanh nghiệp cá nhân. Mình nhận thấy rằng, với độ nỗ lực tương tự, kinh doanh có thể mang lại thu nhập lớn hơn. Mặc dù vậy, quyết định của mình dựa trên mục tiêu cụ thể, không phải chỉ vì tiền bạc. Vì vậy, mình đã chấp nhận và kiên trì trong việc học hỏi tiếp tục. Trên Reddit có một câu chuyện thú vị, kể về người giàu ở thung lũng Silicon không phải là những lập trình viên, mà là một bà bán mì Ramen ở góc đường, giá trị tài sản hàng chục triệu USD. Các anh dev ở đây thường xuyên chi tiêu khủng để giảm áp lực công việc.- Nếu vấn đề của bạn là muốn kiếm tiền, có nhiều con đường khác nhanh chóng và đơn giản hơn, ít đau đầu hơn. Nếu bạn không thích, không nhất thiết phải bám vào ở đây.
- Nếu bạn muốn theo đuổi vì bạn cảm thấy đúng đắn, sống với con số, biểu đồ mang lại cảm giác thoải mái, và bạn muốn tạo ra giá trị thông qua con đường này... Thì mình hoàn toàn ủng hộ bạn :D
