SSDH – Bài viết sẽ nói về ý nghĩa của DA và các công cụ mà bạn nên học để có thể bắt đầu với công việc này.
Data analyst là việc mất nhiều năm nên mình hy vọng các bạn dành 10 phút để đọc bài này một cách nghiêm túc.
Đầu tiên mình xin giới thiệu một người đang làm trong ngành Data và cũng tốt nghiệp chuyên ngành kinh tế nên và cũng từng mentor cho nhiều bạn. Nên bài viết này mình mong đem lại nhiều ý nghĩa cho các bạn.
Bài viết dành riêng cho các bạn đang bắt đầu và sẽ có ý định theo DA.
I. Theo ngành gì? Học công cụ gì? Để làm DA
Có nhiều bạn hỏi mình là anh ơi em muốn theo DA thì nên học python trước hay sql trước? Em nên học ngành này hay học ngành kia? Trung tâm này tốt hơn hay trung tâm kia tốt hơn?
Cá nhân mình nghĩ thì cách tiếp cận này giống như chặt cây từ ngọn xuống gốc vì các bạn chưa hiểu rõ DA là ai và vì sao chúng ta phải học những thứ đó?
Thay đổi cách đặt câu hỏi: DA là ai? Giá trị mà một DA đem lại cho doanh nghiệp là gì? Sau khi thành DA tôi phải làm những công việc gì? Những công cụ nào giúp tôi giải quyết những công việc đó?
Việc thay đổi góc nhìn từ khi bắt đầu giúp bạn thuận lợi hơn bao giờ hết
II. Data analyst là ai? Đem lại giá trị gì cho doanh nghiệp?.
Nói một cách ngắn gọn thì Data analyst là người đem lại giá trị kinh doanh cho doanh nghiệp bằng cách cung cấp thông qua việc phân tích dữ liệu.
Các giá trị cụ thể như sau:
Cung cấp những thông tin sâu về dữ liệu
Đánh giá được xu hướng kinh doanh
Tìm ra được vấn đề kinh doanh và vấn đề của nhà quản trị và đưa ra được những giải pháp phù hợp cho những vấn đề đó.
Làm những báo cáo ý nghĩa.
– Giá trị cao nhất của công việc này là hiểu được dữ liệu đang nói với bạn về câu chuyện gì và đem những câu chuyện đó kể cho người khác.
– Công việc đơn giản nhất mà DA phải làm đó là làm báo cáo có ý nghĩa và mô tả sơ bộ về dữ liệu.
III. Cần phải học gì? để trở thành một DA
Sau khi biết được chúng ta là ai, làm gì thì việc học gì là điều vô cùng dễ dàng. Ở bài viết này mình tập trung trả lời cho câu hỏi?
” Làm thế nào để bắt đầu với vị trí DA từ thực tập đến dưới 6 tháng kinh nghiệm?”
Kiến thức kinh tế cụ thể: Như đã nói ở trên, giá trị cuối cùng mà DA đem lại là giá trị về kinh doanh nên một bài phân tích mà không có ý nghĩa về mặt kinh doanh thì cũng trở nên vô nghĩa. Bạn có thể tìm một lĩnh vực để bắt đầu (Nhân sự, tài chính – kế toán, marketing,…)
Kỹ năng làm báo cáo: Nếu như bạn không có kiến thức kinh tế nên bắt đầu từ việc làm báo cáo, làm báo cáo ở đây không phải là chứng minh bạn khai thác được gì từ dữ liệu, nhiệm vụ của bạn là làm những thứ mà HIỆN TẠI nhà quản lý đang quan tâm bằng cách đặt câu hỏi (ví dụ: tình hình doanh thu, phân bổ chi phí,…)
Đến đây không phải là hết, mà mình không muốn nêu ra quá nhiều sợ các bạn hoảng sợ, những công việc chuyên sâu hơn mình sẽ dành lời cho các bài viết tiếp theo.
IV. Kỹ năng làm báo cáo thì cần phải học gì? Công cụ gì?
Kỹ năng này là điểm bắt đầu của hầu hết các DA và cũng là kỹ năng cơ bản nhất.
Đầu tiên đó là bạn cần phải học cách đặt câu hỏi: Để làm được báo cáo có ý nghĩa thì chúng ta phải cung cấp “thứ mà người ta cần, không cung cấp thứ mà chúng ta có”. Vì vậy hãy tự đặt câu hỏi xem những nhà quản lý hiện tại họ đang quan tâm những vấn đề gì, báo cáo của bạn sẽ trả lời cho những câu hỏi nào? Thường các bạn bỏ qua kỹ năng này trong việc làm báo cáo nên đó là nguyên nhân vì sao những báo cáo vô nghĩa được tạo ra
Chuẩn bị dữ liệu: Để chuẩn bị dữ bạn cần biết dữ liệu cần làm đang ở đâu và làm gì để có được. Nếu dữ liệu đang được lưu trữ trong database thì bạn phải dùng ngôn ngữ SQL để lấy ra, ở bước này bạn có thể học thêm python hoặc excel,… tùy theo yêu cầu lưu trữ của công ty mà bạn đang làm.
Xử lý dữ liệu: Các công cụ giúp bạn xử lý dữ liệu là Excel, Google Sheet, Python,…
Trực quan hóa dữ liệu: Có một lời khuyên là bạn chỉ cần học một công cụ trực quan (ví dụ: Excel,Power BI, Tableau, Google Data Studio,…) bởi các công cụ này sẽ có điểm tương đồng nên khi công cụ mới thì cũng rất dễ để thích nghi, nếu dành quá nhiều thời gian để học tất cả công cụ này thì thật lãng phí vì doanh nghiệp họ cũng chỉ dùng một mà thôi.
Các công cụ thì nhiều vô kể nhưng mình vẫn khuyên các bạn nên bắt đầu từ Excel và SQL là hai công mà có mức độ ưu tiên cao nhất vì nó chiếm đa số thời gian của bạn sau này, sau đó là một công cụ trực quan bất kì nhưng mình khuyên nên học PowerBI vì nó rất tổng quan và chi tiết.
Mức độ ưu tiên cuối cùng là R, Python và các ngôn ngữ khác,… (Tùy theo yêu cầu của mỗi công ty) bởi bạn sẽ ít phải làm với các công cụ này nhất ở giai đoạn đầu, tuy nhiên nếu muốn làm công việc khó hơn thì bắt buộc nhưng hãy để dành nó khi bạn đã sẵn sàng và làm tốt công việc hiện tại nhé.
Tóm lại, công cụ chỉ là những thứ giúp chúng ta làm việc tốt hơn và hãy bám theo những thứ mà chúng ta sẽ đem lại cho doanh nghiệp và thay đổi cách đặt câu hỏi.
Cảm ơn các bạn đã đọc.
SSDH (tác giả Đức Long, Data Analytics Vietnam)
