Trước khi đi sâu vào khuôn khổ và nói về những kỹ năng phân tích dữ liệu cụ thể bạn nên học, thường có hai hiểu lầm phổ biến xuất hiện trong câu trả lời khi ai đó hỏi những kỹ năng phân tích dữ liệu nào họ nên học:
- Thứ nhất, các khuyến nghị tập trung quá nhiều vào kỹ năng kỹ thuật hơn là kiến thức về ngành làm việc
Ví dụ: “Biết nhiều code mới làm được dữ liệu”
Biết code là một yếu tố cần thiết để làm dữ liệu. Tuy nhiên, nếu không có những hiểu biết về domain mà bạn sẽ làm, thì code giống như một thứ fancy ít giá trị.
Những kỹ năng kỹ thuật tốt nhất cũng không quan trọng nếu bạn không thể chuyển đổi phân tích dữ liệu của mình thành giá trị kinh doanh, tức là các quyết định kinh doanh. Bạn đã thực hiện phân tích của mình trong Excel nhưng tiết kiệm cho công ty hàng trăm nghìn chi phí? Chúc mừng! Không ai (tôi cũng không có ngoại lệ) trong ban lãnh đạo cấp cao sẽ hỏi bạn đã sử dụng những công nghệ và thư viện lập trình nào tuyệt vời. (Thực tế là khi bạn đi phỏng vấn vị trí Data Analyst, người phỏng vấn sẽ quan tâm đến kiến thức domain của bạn – ví dụ: banking, bảo hiểm, viễn thông … hơn là Technique)
Và đây cũng là điểm mạnh lớn nhất của bạn với tư cách là một người có nền tảng marketing/kinh doanh: Bạn có nhận thức kinh doanh tốt. Bạn biết điều gì quan trọng đối với doanh nghiệp và tạo ra giá trị gì. Hãy phát huy điểm mạnh đó bằng cách định vị bản thân như một người ở giữa thế giới dữ liệu và kinh doanh. Đó là cách bạn có thể cạnh tranh dễ dàng với những người chỉ có nền tảng kỹ thuật thuần túy, bằng cách mang lại giá trị kinh doanh (đó là điều tôi đã làm khi chuyển đổi sang lĩnh vực này). Và đó cũng là lý do tại sao tôi tập trung rất nhiều vào việc giảng dạy một khuôn khổ phân tích dữ liệu mang lại cho bạn một khuôn khổ có cấu trúc để chuyển đổi dữ liệu thành kết quả kinh doanh.
- Thứ hai, quá tập trung vào công cụ xây dựng Dashboard
Ví dụ: “Học Tableau, PowerBI, Google Analytics, v.v.”
Đúng, đó có lẽ là có một số công cụ phổ biến nhất hiện nay. Tuy nhiên, rất có thể ở mỗi công việc bạn sẽ có ít nhất một số công cụ cho phân tích như web, tool dashboard. Có rất nhiều tool như vậy, mà mình khuyến khích các bạn nên biết sử dụng ít nhất một công cụ.
Tuy vậy, thay vì học kỹ càng từng tính năng của một công cụ cụ thể (cũng như khi đi làm, bạn vẫn luôn có thể Google bất kỳ thách thức nào bạn gặp phải…), hãy học các kỹ năng trung lập mà bạn có thể áp dụng cho các công cụ khác nhau.
Ví dụ, thay vì biết mọi tính năng chi tiết trong Tableau, tốt hơn hết là học những gì tạo nên một bảng dashboard tốt, cách thức nó được cấu trúc dữ liệu và cách nó mang lại giá trị cho đối tượng (liên quan trực tiếp lại với những gì tôi đã viết ở trên). Thay vì học những function của Tableau, hãy coi Tableau như một phương tiện để học (và thể hiện) những Insight giá trị.
Điều này giúp bạn linh hoạt hơn nhiều khi tìm kiếm cơ hội việc làm mới và bạn không có nguy cơ bị mắc kẹt khi xuất hiện một công cụ dẫn đầu thị trường mới.
- Thứ ba, quá tập trung vào các loại code thời thượng
Ví dụ: “Học Python, R, v.v.”
Thực tế là mình đã bỏ không học SQL mà học thẳng Python vì cho rằng SQL quá “dễ” hoặc quá “xưa”. Tuy nhiên sau khi đi làm, mình đã thấy đó là điều sai lầm.
Mình đánh cược 100k rằng mỗi khi ai đó hỏi trong một cộng đồng “Tôi muốn chuyển sang phân tích dữ liệu. Tôi nên học gì?” sẽ có ít nhất một câu trả lời nói “Python”. Thường theo sau là “Nếu bạn muốn được coi trọng trong phân tích dữ liệu thì bảng tính và SQL sẽ không đủ”.
Bạn có muốn nghe một bí mật trong ngành không? Điều đó không đúng. Ngay cả các chuyên gia phân tích có kinh nghiệm cũng thường sẽ không sử dụng Python nhiều. Thay vào đó, SQL và bảng tính thường là công cụ cốt lõi của nhiều nhà phân tích và tổ chức phân tích dữ liệu. Tất nhiên, Python có nhiều lợi thế độc đáo và đúng đắn trong bộ công cụ của bất kỳ chuyên gia công nghệ nào đối với một số trường hợp sử dụng chuyên sâu. Nhưng thường thì nó được sử dụng bởi các cá nhân và tổ chức để xuất hiện “nâng cao” và “hấp dẫn” hơn.
Điều này liên quan trực tiếp đến những gì tôi đã nói ở trên về hiểu lầm thứ nhất: Nếu phân tích của bạn mang lại giá trị kinh doanh, không ai quan tâm bạn đã sử dụng công nghệ gì. Đừng bắt đầu từ trên cao và học Python trong một khóa học chỉ vì nó. Thay vào đó, hãy dành thời gian học các khái niệm lý thuyết, hãy nghĩ cách bạn có thể ứng dụng các kỹ năng phân tích của mình nhanh nhất. Hãy bắt đầu với các kỹ năng cơ bản và sử dụng chúng ngay để mang lại giá trị thực tế cho doanh nghiệp (và xây dựng một danh mục phân tích cho chính mình).
