Những năm gần đây, dễ dàng nhận thấy xu hướng tuyển dụng Data Analyst (lĩnh vực khoa học dữ liệu nói chung) đang tăng cao với nhiều cơ hội cả trong và ngoài nước. Khác với những ngành nghề khác trong khối ngành Công nghệ thông tin, trở thành Data Analyst đòi hỏi những kiến thức nền về kinh tế, cách vận hành doanh nghiệp, phân tích và giải mã dữ liệu. 

Vì vậy, Data Analyst cũng hứa hẹn sẽ là một ngành nghề triển vọng dành cho không chỉ “dân CNTT” mà cả “những người ngoại đạo” muốn phát triển trong lĩnh vực Khoa học dữ liệu.

Tổng quan về Data Analyst

Định nghĩa

Data Analyst tập trung vào việc thu thập, khai thác, xử lý và trực quan hóa dữ liệu (thông qua các công cụ trực quan như bảng biểu, đồ thị, bản đồ, mô hình phân tích..) để có thể nhìn nhận, đánh giá, báo cáo về vấn đề được đưa ra. Báo cáo nhằm mục đích phân tích dữ liệu từ đó nắm được tình hình thực tế và có thể đưa ra quyết định đúng đắn (data-driven decision making). 

Data Analyst là một trong hai nhánh ngành nghề lớn của Khoa học dữ liệu, bên cạnh Data Engineering (Kỹ thuật dữ liệu).

Tầm quan trọng của Data Analyst 

Xu thế dữ liệu hóa

Trong thời đại hiện nay, dữ liệu được thu thập khắp mọi nơi trên mạng xã hội, qua khảo sát, phiếu ý kiến khách hàng, các kênh truyền thông,.. Với khối lượng lớn dữ liệu như vậy, việc tổng hợp, phân tích, và diễn giải số liệu ra những thông tin súc tích là vô cùng quan trọng để tổ chức-doanh nghiệp có thể phát triển đúng hướng. Ngay cả chính phủ cũng cần Data Analyst để giải đáp bộ số liệu quốc gia, từ đó đề ra chính sách đúng đắn (như đã chứng kiến qua sự kiện COVID-19).

Một số ứng dụng của phân tích dữ liệu

• Chăm sóc sức khỏe: Phân tích dữ liệu về máy móc và dụng cụ được sử dụng trong các bệnh viện để tối ưu hóa lưu lượng bệnh nhân, quy trình điều trị và cắt giảm lãng phí. Nếu tính hiệu quả của quy trình khám chữa bệnh tăng lên chỉ 1% thôi cũng có thể đem lại khoản tiết kiệm hơn 63 tỷ USD cho việc đầu tư chăm sóc sức khỏe toàn cầu.
• Du lịch: Phân tích dữ liệu giúp các doanh nghiệp đưa ra gói sản phẩm được cá nhân hóa dưa trên thị hiếu và hành vi của khách hàng, chủ động đưa ra ưu đãi dựa trên doanh số thực tế và phân tích.
• Game: Thuật toán phân tích dữ liệu giúp nhà phát triển game có được cái nhìn sâu sắc về thị hiếu của người dùng, từ đó có sự điều chỉnh phù hợp.
• Quản lý nguồn năng lượng: Hầu hết các xưởng sản xuất công nghiệp đang ứng dụng việc phân tích dữ liệu để tối ưu hóa việc quản lý năng lượng.

Nền tảng để trở thành Data Analyst

• Hiểu biết cơ bản về một số phần mềm phân tích số liệu cơ bản phục vụ cho công việc
• Không yêu cầu cao về bằng cấp: Đây là một ngành mới, vì vậy kỹ năng và kinh nghiệm được đánh giá quan trọng hơn bằng cấp.
• Khả năng logic tốt
• Khả năng tập trung, cẩn thận, chú ý đến chi tiết
• Kỹ năng sắp xếp, quản lý tốt: Làm việc với data ngoài đời thật, nhất là số liệu tự thu thập (primary data) sẽ rất khác so với khi học trên sách vở, với secondary data (số liệu có sẵn) – vốn rất lung tung, rối rắm nên người làm Data Analyst phải có kỹ năng quản lý, sắp xếp số liệu tốt.

Bức tranh nghề nghiệp

Công việc chính của Data Analytics

• Thu thập yêu cầu phân tích dữ liệu của tất cả phòng ban trong doanh nghiệp
• Phân tích dữ liệu: Tạo báo cáo tĩnh, động, các dashboard theo dõi vận hành, dashboard hỗ trợ khám phá dữ liệu trên công cụ báo cáo (như Power BI, Tableau, Qlik, Data Studio…)
• Dựa vào phân tích trên để phục vụ cho các quyết định mang tính chiến lược, cũng như các hoạt động vận hành doanh nghiệp nói chung của của các phòng ban điều hành.
• Sử dụng các mô hình thống kê để đưa ra tư vấn cho doanh nghiệp trước các quyết định kinh doanh quan trọng.
• Đảm bảo tính hiệu quả của hệ thống báo cáo và phân tích dữ liệu.

Kỹ năng tương ứng với công việc

Data Cleaning và Data Preparation

Các nghiên cứu cho thấy Data cleaning và Data preparation chiếm đến khoảng 80% công việc của các chuyên gia dữ liệu. Thông thường, một Data Analyst cần thu thập dữ liệu từ nhiều nguồn để sẵn sàng cho việc phân tích. Việc làm sạch dữ liệu cũng liên quan đến việc xử lý dữ liệu bị thiếu hoặc dữ liệu không nhất quán để không ảnh hưởng đến việc phân tích.

Data Analysis và Data Exploration

Về bản chất, Data Analysis có nghĩa là từ câu hỏi, nhu cầu của doanh nghiệp và để biến đổi, phân tích dữ liệu để tìm được câu trả lời cho câu hỏi đó. Bên cạnh Data Analysis còn có Data Exploration – việc quan sát để tìm kiếm các xu hướng hoặc các mối quan hệ dữ liệu liên quan đến hiệu quả hoạt động của doanh nghiệp.

Kiến thức thống kê

Nền tảng xác suất thống kê vững chắc là kỹ năng cần có của Data Analyst. Kiến thức này sẽ giúp dẫn dắt việc phân tích và khai phá dữ liệu. 

Data Visualization

Là một Data Analyst, bạn sẽ cần có khả năng tạo ra các sơ đồ và biểu đồ để giúp truyền đạt dữ liệu một cách trực quan. 

Tạo các Dashboard và báo cáo

Xây dựng các Dashboard và báo cáo giúp mọi người từ các vị trí khác, không có nền tảng hiểu biết về dữ liệu có thể truy cập vào hiểu được các dữ liệu quan trọng.

Kỹ năng Excel

Excel được cho là công cụ cơ bản cần có của việc phân tích. Gần như 99% báo cáo của doanh nghiệp (bất kể lĩnh vực ngành nghề) thì đều phải xuất ra được Excel.

Kiến thức chuyên ngành

Kiến thức chuyên ngành đến lĩnh vực hoạt động của doanh nghiệp là cần thiết để chọn lọc thông tin hữu ích áp dụng vào thực tế, giúp doanh nghiệp vận hành kinh doanh.

Mô hình dữ liệu trong doanh nghiệp

Sau khi Data Analyst đã hiểu được cách thức doanh nghiệp vận hành, từng quy trình để phát sinh ra dữ liệu (ví dụ: sale sẽ có dữ liệu về số lượng sảnphẩm bán, doanh thu, dữ liệu về sản phẩm tồn kho,…..), Data Analyst phải học cách tổ chức dữ liệu ra làm sao và khai thác để tính được KPI và đáp ứng các nhu cầu từ các phòng ban khác.

Cơ hội nghề nghiệp  

Nhu cầu tuyển dụng

Diễn đàn kinh tế thế giới (World Economic Forum) cho rằng đến thời điểm hiện tại, Data Analyst đã trở nên rất quan trọng với các công ty toàn cầu. Báo cáo nhân sự Linkedin đề cập rằng tại Mỹ, số lượng chuyên viên Big Data cần đến đã tăng gấp 6 lần so với 5 năm trước và dự báo còn tăng thêm trong 5 năm nữa.

Indeed.com dự đoán cơ hội việc làm ngành Data Analyst sẽ tăng đều đặn hàng năm. Việc các tổ chức hiện tại đang dồn nguồn lực khai thác sức mạnh Big Data đã dẫn đến số lượng tuyển dụng liên ngành Data Analytics tăng đáng kể trong những năm vừa qua.

Ở Anh, 80% công ty có kế hoạch tuyển thêm nhân lực trong lĩnh vực Data trong năm 2019. Theo Bộ Lao Động Mỹ, yêu cầu nhân lực ngành này sẽ tăng tới 19% từ nay tới năm 2026, và là mức tăng ấn tượng so với tất cả các ngành nghề khác.

Thu nhập

Báo cáo khảo sát do Viện Chuyên gia Phân tích Dữ liệu Úc (IAPA) công bố, mức lương trung bình hàng năm cho các nhà phân tích dữ liệu là 130.000 đô la, tăng bốn phần trăm so với năm ngoái. Mức lương trung bình của nhà phân tích dữ liệu chiếm đến 184% mức lương trung bình toàn thời gian của nhân viên Úc.

Glassdoor.com chỉ ra 5200 đô la mỗi tháng là mức lương trung bình của Data Analyst – một mức lương hứa hẹn với nhiều cơ hội thu nhập và sự nghiệp.

Các ngành nghề tuyển dụng Data Analyst cao

• Ngân hàng
• Tư vấn tài chính, chứng khoán, bảo hiểm
• Viễn thông
• Startup về công nghệ
• Phát triển mạng xã hội
• Các trường đại học, cao đẳng, các học viện và viện nghiên cứu
• Y dược, điều chế, hóa học, hóa mỹ phẩm
• Các ngành sản xuất, lắp ráp

Lộ trình phát triển

Lộ trình phát triển của Data Analyst có thể đi theo các vị trí sau:

• Chuyên viên sắp xếp & xử lý dữ liệu (Data Processing Specialist): Làm sạch dữ liệu, tổng hợp và xuất nhập các dữ liệu từ dạng thô để biến chúng thành những dữ liệu hữu ích. 
• Data Analyst: Tiếp nhận & xử lý các yêu cầu từ bộ phận khác: BOD, Marketing/Sales/Operations/ Finance team, đưa ra câu trả lời dựa trên kỹ năng của bản thân, xây dựng một bộ cấu trúc dữ liệu hoàn chỉnh, đảm bảo độ tin cậy của các dữ liệu, mô hình, tiến độ xử lý dữ liệu,..
• Data Analyst Manager: Quản lý một team Data từ 3-5 người (và có thể nhiều hơn nữa theo quy mô công ty). Vị trí này cần thêm kỹ năng quản lý đội nhóm, con người, đi kèm với nhiều thử thách, vấn đề cần giải quyết.

Infographic về Data Analyst và Analytics Manager của Data Camp

Đào tạo Data Analyst

Các nguồn tự học Data Analyst

• Các MOOC như Coursera, Udemy… bao gồm rất nhiều khóa học về khoa học dữ liệu.
• Blog Analyticsvidhya.com cung cấp nhiều thông tin về dữ liệu.
• Blog Tony Chu là nguồn tài liệu về data visualization 
• Các bài viết trên medium (ví dụ như nhóm Towards Data Science). 

Ngoài ra, có nhiều khóa học vềkỹ năng lập trình, kỹ năng thống kê và toán học, kỹ năng sắp xếp dữ liệu, kỹ năng giao tiếp và trực quan hóa dữ liệu,.. mà bạn có thể tìm hiểu.

Các trường đào tạo 

• Khoa Toán Kinh tế thuộc ĐH KTQD với chương trình đào tạo cử nhân “Khoa học Dữ liệu trong Kinh tế và Kinh doanh”
• Trung tâm Tin học, ĐH Quốc Gia TP HCM
• Đại học Công nghệ thông tin (ĐHQG – HCM)
• Đại học Công nghệ TP.HCM Hồ Chí Minh (HUTECH) 
• Đại học Sư phạm Kỹ Thuật HCM
• Đại học Bách Khoa Hà Nội

…

Kết luận

Hy vọng qua những thông tin được cung cấp ở trên, bạn đã có một cái nhìn tổng quan về những cơ hội, thách thức cũng như sự phù hợp của vị trí Data Analyst với bản thân. Nếu muốn tìm hiểu thêm về lĩnh vực này, bạn có thể tham khảo những bài viết liên quan về Big Data và các vị trí trong mảng Khoa học dữ liệu của Spiderum nhé!