Tự Học Về Data Analyst

Data Analyst, hay nhà phân tích dữ liệu, đóng vai trò là cầu nối giữa dữ liệu lớn và quyết định chiến lược, giúp doanh nghiệp điều hướng trong môi trường cạnh tranh khốc liệt. Bài viết của Light Human “Data Analyst là gì? Khám phá Nghề nghiệp Phân tích Dữ liệu” sẽ đưa bạn vào thế giới của những chuyên gia này, giải thích tại sao công việc của họ lại quan trọng đến vậy và làm thế nào nó trở thành chìa khóa cho thành công của các doanh nghiệp.

Thành thạo trong Data Analysis và Data Exploration

Kỹ năng phân tích dữ liệu bao gồm khả năng sử dụng các công cụ và phương pháp để khám phá, phân tích, và diễn giải dữ liệu. Kỹ năng này giúp tìm ra xu hướng, mẫu, và insights giá trị từ tập dữ liệu lớn.

Cơ hội nghề nghiệp đối với vị trí Data Analyst

Vị trí Data Analyst mở ra nhiều con đường nghề nghiệp và cơ hội thăng tiến trong lĩnh vực dữ liệu.

Xử lý tạo Dashboard và báo cáo một cách chuyên nghiệp

Data Analyst cần có khả năng tạo Dashboard và báo cáo dễ hiểu, trực quan, giúp các bên liên quan dễ dàng hiểu và sử dụng thông tin từ dữ liệu.

Khả năng truyền đạt phức tạp dữ liệu và phân tích của bạn một cách rõ ràng và súc tích tới các bên liên quan không chuyên môn là rất quan trọng.

Trang bị khả năng quan sát trước khi hành động

Khả năng quan sát và phân tích tình hình trước khi đưa ra quyết định giúp tạo ra các phân tích chính xác và hiệu quả.

Đam mê làm việc với máy tính và dữ liệu số

Niềm đam mê với máy tính và số liệu là điều cốt yếu, giúp Data Analyst tìm ra niềm vui và hứng thú trong công việc hàng ngày của mình.

Học Data Analyst làm những công việc gì?

Việc hiểu biết và phân tích dữ liệu không chỉ trở thành một lợi thế cạnh tranh mà còn là một yêu cầu cốt lõi trong hầu hết các ngành công nghiệp. Học Data Analyst mở ra cánh cửa cho một loạt cơ hội nghề nghiệp, không chỉ giới hạn trong việc trở thành một nhà phân tích dữ liệu mà còn bao gồm các vị trí khác nhau từ phân tích kinh doanh đến tiếp thị số. Dưới đây là một cái nhìn sâu hơn về một số lĩnh vực nghề nghiệp mà bạn có thể theo đuổi và vai trò cụ thể mà kiến thức về Data Analyst có thể giúp bạn đạt được

Là nền tảng của bất kỳ tổ chức dữ liệu nào, Data Analyst đóng một vai trò quan trọng trong việc giải mã thông tin từ dữ liệu. Công việc này yêu cầu một sự hiểu biết sâu sắc về phân tích thống kê, khả năng sử dụng các công cụ phân tích dữ liệu như SQL, Python, hoặc R, và năng lực diễn giải các phát hiện một cách có ý nghĩa cho các bên liên quan. Nhà phân tích dữ liệu không chỉ cung cấp insights giá trị mà còn giúp định hình chiến lược và quyết định kinh doanh, đảm bảo rằng các tổ chức đưa ra quyết định dựa trên dữ liệu chính xác và đáng tin cậy.

Business Analyst là những chuyên gia chuyển đổi yêu cầu kinh doanh thành giải pháp kỹ thuật. Họ là cầu nối giữa các bộ phận kinh doanh và IT, giúp xác định, phân tích và xác định yêu cầu dự án để cải thiện quy trình, dịch vụ, phần mềm và sản phẩm. Với một nền tảng vững chắc trong phân tích dữ liệu, Business Analyst có khả năng tạo ra giá trị bằng cách đảm bảo rằng các dự án và giải pháp được phát triển phản ánh nhu cầu thực sự của doanh nghiệp và khách hàng của họ.

Nghiên cứu thị trường là một phần không thể thiếu trong việc phát triển sản phẩm và chiến lược kinh doanh. Market Research Analyst sử dụng dữ liệu để hiểu hành vi, xu hướng và nhu cầu của khách hàng. Họ thiết kế và thực hiện các nghiên cứu, phân tích dữ liệu thu thập được từ khảo sát, nhóm tập trung, và các nguồn dữ liệu thứ cấp để cung cấp insights mà các bộ phận kinh doanh và tiếp thị có thể sử dụng để đưa ra quyết định.

Trong lĩnh vực tiếp thị số, việc sử dụng dữ liệu để tối ưu hóa chiến dịch và tương tác với khách hàng trở nên cực kỳ quan trọng. Chuyên gia tiếp thị số với kiến thức về phân tích dữ liệu có thể hiểu sâu hơn về hiệu suất chiến dịch, hành vi người dùng, và ROI, giúp họ tinh chỉnh chiến lược tiếp thị để đạt được kết quả tốt nhất. Từ SEO, SEM đến quảng cáo trực tuyến và tiếp thị nội dung, khả năng phân tích dữ liệu giúp mở rộng tác động và hiệu quả của tiếp thị số.

Product Manager là người quản lý và hướng dẫn vòng đời của sản phẩm, từ ý tưởng ban đầu đến triển khai và bảo trì. Họ sử dụng dữ liệu để đưa ra quyết định về phát triển sản phẩm, xác định tính năng mới, và ưu tiên lộ trình sản phẩm. Với sự hiểu biết về phân tích dữ liệu, Product Manager có thể đánh giá nhu cầu của thị trường, phản ứng của người dùng đối với sản phẩm, và hiệu suất của sản phẩm trên thị trường để đảm bảo rằng sản phẩm đáp ứng tốt nhất nhu cầu của khách hàng và mục tiêu kinh doanh.

Khoá học Data Analyst với Excel và Power BI

Khóa học Data Analyst của VTI Academy có khung chương trình đào tạo được thiết kế theo quy trình phân tích dữ liệu. Cung cấp nền tảng kiến thức từ cơ bản đến nâng cao về Excel và Power BI để phân tích dữ liệu, vận dụng vào công việc thực tế hằng ngày.

Khoá học này sẽ trang bị kiến thức nền tảng vững chắc dành cho các bạn muốn chuyển sang ngành Data Analyst, giúp bạn hiểu được data analyst là gì và cách vận dụng excel, power BI vào quy trình phân tích dữ liệu. Sau khi học xong, bạn sẽ có thể:

Hi vọng bài viết này đã cung cấp được những thông tin hữu ích để giúp bạn hiểu được Data Analyst là gì, Data Analyst học ngành gì và học thêm ở đâu.

Follow thêm fanpage VTI Academy để cập nhật thêm những thông tin hữu ích về ngành CNTT và khám phá các khoá đào tạo hấp dẫn nhé!

Tiếp nối series về nghề, mình dành bài viết này chia sẻ về lộ trình + nguồn tự học để trở thành một Data Analyst dựa trên những trải nghiệm của bản thân trong hành trình 3 năm vừa qua.

Nếu như bạn lần đầu đến với blog mình, mời bạn xem qua bài viết tổng quan nói về kinh nghiệm trở thành một DA của mình tại đây

Nếu như bạn là người mới đang tìm hiểu về nghề Data Analyst, mình hi vọng bạn hãy dành vài phút để xem qua các công việc thực tế của một DA tại bài viết này. Hoặc có thể tiết kiệm thời gian bằng cách xem hết chiếc video bên dưới để hình dung rõ ràng về công việc hằng ngày khi làm Data. Xem xong nhớ LIKE và SUBCRIBE ủng hộ kênh tớ nhé!

Bởi lẽ, lời khuyên chân thành mà Maz muốn gửi gắm đến mọi người (những ai đang tìm hiểu nghề Data và có ý định chuyển đến ngành này), hãy tìm đọc và hiểu thật kĩ giá trị cốt lõi của người phân tích dữ liệu là gì, công việc cụ thể ra sao? Sau đó tự hỏi bản thân, mình có thật sự thích thú với nghề data, vị trí mong muốn trong lĩnh vực này là gì? Điều gì ở bạn phù hợp với sự lựa chọn này? Nếu câu trả lời dứt khoát và rõ ràng hết các vấn đề, Maz tin bạn sẽ đạt được mục tiêu của mình sớm thôi.

Rèn luyện các kĩ năng và kiến thức về nghề Data Analyst mất bao lâu? Thứ tự trau dồi như thế nào? Nguồn tự học tốt ở đâu? Các nội dung ở đây hoàn toàn dựa trên kinh nghiệm và sự tìm hiểu của riêng cá nhân Maz. Bạn có thể tự kiểm chứng và chọn lọc những gì cần thiết cho bản thân khi đọc qua bài viết nhé.

4 – 6 tháng là con số ước lượng mà mình nghĩ mọi người hoàn toàn có thể thực hiện được nếu như thật sự quyết tâm và nghiêm túc. Tuy nhiên, học sao cho đúng, cái gì đầu tư học tốt, học sâu? Để trả lời câu này thì việc đầu tiên cần làm là bạn phải hiểu đúng bản chất và vai trò của Data Analyst.

Ngẫm lại vai trò của Data Analyst: là người tìm ra insights thông qua những con số giúp business tạo ra những quyết định có cơ sở, cải thiện tình hình doanh nghiệp và chất lượng sản phẩm. Như vậy người DA phải có năng lực thực hiện được công việc ở các giai đoạn: từ preparation – exploratory – modeling – communication. Ở đây mình chia sẻ chi tiết các nội dung cần học trong Roadmap trên theo từng giai đoạn + nguồn tài liệu kèm theo để mọi người có thể dễ dàng hình dung được các kiến thức và kĩ năng sẽ áp dụng vào các công việc làm phân tích ra sao:

I. Cần gì để làm tốt Data Preparation?

Có 2 yêu cầu cần một DA đạt được ở giai đoạn này:

Source: https://www.youtube.com/watch?v=vOk3X2_GOCM. Đây là video mà mình thấy trình bày nhẹ nhàng tình cảm, mang đến cho bạn cái nhìn tổng quan nhất. Nếu phần nào chưa rõ, bạn hãy tiếp tục google thêm nhe. Nếu có thời gian, hãy “ngó” qua các khái niệm “SQL vs NoSQL” ở đây nữa nhé.

2. Thực hiện được việc querying, transforming, profiling dữ liệu từ database: Có thể dùng SQL hoặc Python

SQL: Bạn cần nắm bắt được các phần chính sau đây:

Nội dung chi tiết tại: Maz Học Data. Không chỉ có kiến thức SQL mà Maz còn cung cấp cho bạn các phương pháp phân tích phổ biến, giúp bạn đến gần hơn với công việc phân tích dữ liệu

PYTHON: dùng ở giai đoạn này cần nắm bắt các concepts sau:

Sources: Mình sẽ đề cập ở phần tiếp theo

II. Data exploratory là tiêu điểm

Trong giai đoạn này, mục tiêu chính của bạn là “khai phá” ý nghĩa của data để đưa ra insights. Vì thế bạn cần có sự kết hợp hài hòa giữa domain knowledge + statistical techniques + visualization skills + problem solving strategies.

Khi bạn đủ hiểu về mảng công việc mình đang làm (marketing, risk, finance, …) bạn sẽ có đủ kiến thức và kinh nghiệm để biết rõ từng chỉ số, các root causes có thể xảy ra đối với bài toán bạn đang giải quyết. Khi đã hiểu rõ rồi thì việc giải quyết như thế nào đầy tính logic, có hệ thống để đảm bảo không bỏ sót các khía cạnh của vấn đề, problem solving skill sẽ giúp bạn chuyện này.

DOMAIN KNOWLEDGE: Mình khuyên bạn hãy tập trung vào một lĩnh vực mà mình đang theo đuổi hoặc vị trí hiện tại đang làm việc để bắt đầu đào sâu. Trong quá trình làm việc và tìm hiểu thêm, mình có tổng hợp lại một số nguồn tham khảo:

Các kĩ thuật thống kê là vô cùng cần thiết trong quá trình “khám phá” dữ liệu ở những bước đầu tiên, khi bạn mới tiếp xúc với data. Vì thế hãy đảm bảo bạn có thể nắm rõ ý nghĩa và sử dụng statistics hợp lí trong giai đoạn làm EDA (Exploratory Data Analysis):

3. Dùng BI tools (Data visualization tools) cũng làm được EDA

Với mình, các BI tools có thể giúp Data Analyst thực hiện rất tốt công việc phân tích dữ liệu. Bởi lẽ khả năng trực quan hóa vô cùng dễ dàng sẽ giúp chúng ta tìm ra nhanh chóng những insights mong muốn. Vậy thì mình cần học điều gì ở đây?

Chắc mọi người cũng hay được nói nhiều về Tableau, Power BI, Qlik, Google Data Studio, … Đây ắt hẳn là những BI tools phổ biến nhất trên thị trường hiện nay. Ở đây mình sẽ không so sánh chất lượng giữa các tools, vì mỗi sản phẩm sẽ vượt trội ở một tính năng riêng. Nhưng với kinh nghiệm của mình, việc chọn học những tool phổ biến hơn (có cơ hội được sử dụng ở nhiều công ty) thì sẽ là Tableau và Power BI.

4. Python – là ngôn ngữ hiện tại mình dùng làm EDA mỗi ngày

Hiện nay, Python thường là một optional requirement trong các JD tuyển dụng vị trí Data Analyst ở các công ty Việt Nam. Tuy nhiên, thị trường ngày một phát triển hơn vì thế trong vài năm tới Python cũng sẽ trở nên phổ biến như SQL của hiện tại. Với mình, việc dùng Python làm EDA là một “best practice”. Mời bạn xem qua “output” của việc EDA với Python sẽ như thế nào nhé (Bạn có thể xem full bài phân tích của DMITRY UAROV tại đây.).

Python không những có thể query dữ liệu mà còn có nhiều thư viện hỗ trợ chúng ta clean, transform, làm statistics và visualization. Cùng mình tham khảo các nội dung cần và nguồn học Python thôi.

Với mình, công việc áp dụng các mô hình thuật toán vào phân tích để giải quyết cho Predictive Analytics đòi hỏi sự am hiểu và thực hành tốt Machine Learning. Tuy nhiên, input của các model Machine Learning thường là các features được tìm ra từ bước descriptive và diagnostic analytics. Điều này có nghĩa, bạn phải thực sự hiểu bài toán, vấn đề đang giải quyết, làm EDA sâu sắc để có thể tạo ra input cho bước modeling.

Trong hành trình 3 năm qua, mình may mắn được làm việc cùng với team có cả các bạn Data Engineers và Data Scientists, nên có thể hiểu phần nào tính chất công việc của cả 2 vị trí này. Mình đã từng có ý định học Machine Learning ngay từ những ngày đầu bước vào nghề DA, nhưng lúc đó anh leader đã ngăn mình lại và bảo, hãy học và làm tốt bài toán descriptive và diagnostic trước khi bắt đầu với Modeling. Vì thế mãi đến tận bây giờ, khi mình thật sự đủ hiểu về cái nghề Data Analyst, mình mới enroll khóa học Machine Learning đầu tiên.

IV. Communication of insights sẽ chốt hạ thành quả

90% thời gian DA sẽ dành để làm việc với dữ liệu, ước chừng chỉ 10% còn lại được dùng để giao tiếp và trình bày kết quả mình làm ra với đối tác và sếp. Nhưng mà, 10% lại quyết định thành công hay thất bại của 90% công sức. Vì thế communication và presentation skills là những kĩ năng tuyệt đối người DA không thể lơ là.

3 Tips giúp mình thực hiện communication of insights xịn hơn:

V. Xây dựng Portfolio and Resume

Đây là bước cuối cùng nhưng lại là việc mà mình cần phải làm từ nay và cả về sau cho sự nghiệp. Trong suốt quá trình trau dồi các kiến thức và kĩ năng ở trên, bạn đều thực hành với dữ liệu thực tế. Vì thế hãy dùng chúng tạo nên một “hồ sơ năng lực” xịn xò hơn mỗi ngày nhé.

Học gì trước, gì sau? Mình đã chia sẻ kinh nghiệm đúc kết của 3 năm qua trong Roadmap 4 tháng này. Đồng thời ở mỗi topics mình cũng đã nói chi tiết các key points trong công việc của một Data Analyst mà mình cần đầu tư lĩnh hội.

Maz không phải là một chuyên gia xuất sắc trong lĩnh vực data, nhưng Maz biết hành trình đến với nghề Data Analyst lắm gian truân đến nhường nào. Hi vọng câu chuyện của mình sẽ giúp các bạn rút ngắn được thời gian trên con đường bước chân vào nghề phân tích dữ liệu. Nếu thấy hữu ích, giúp mình chia sẻ với mọi người nhe.

Đôi lời tâm sự: Trong các bài viết trước, Maz nhận được rất nhiều câu hỏi mà các bạn nhắn gửi. Một trong những lời nhắn nhủ là Maz hãy ra bài viết thường xuyên hơn. Maz rất vui vì nhận được sự quan tâm của mọi người, nhưng bản thân Maz tâm niệm rằng, việc chia sẻ các nội dung liên quan đến kiến thức thì mình phải thật sự cẩn trọng và kĩ lưỡng để hạn chế những sai sót hết mức có thể. Vì thế tần suất ra blog mới có hơi lâu nhưng hi vọng vẫn mang lại những nội dung chất lượng với mọi người.

Follow Maz tại đây để cùng cập nhật thông báo mỗi khi có bài viết mới nhé:

** Mọi thông tin trên blog đều thuộc bản quyền của blog Maz Nguyen. Vui lòng đọc kĩ Copyright Notice trước khi copy hoặc đăng tải lại nội dung/hình ảnh của bài viết **

—————————————————————————————————–

Maz có một dự án dạy học ở đây: Maz Học Data với SQL là course đầu tiên, bạn có thể tham khảo qua nếu thấy cần thiết nhé.