Cuối tuần, mình làm chút tổng hợp về nghề Data Analyst (phân tích dữ liệu) - ngành mà nhiều trung tâm/ trường đại học giới thiệu và đôi khi hơi “thần thánh hóa” đôi chút.

Với xuất phát điểm học Công nghệ Thông tin, mình may mắn học về dữ liệu từ năm 2 Đại học. Tuy nhiên, phần lớn kiến thức thiên về lý thuyết và phải đi làm “lăn lộn” (mò mẫm đến lấy số sai bị sếp chửi) để có một số đúc kết về ngành này.

Để bắt đầu, chúng ta sẽ đi từ khái niệm thuần túy “Dữ liệu - Data” là gì.

Data → Information → Wisdom: Hành trình "Lên Đời" của Kiến Thức

Trước khi hiểu về Data Analyst, hãy hiểu Data và cách nó tiến hóa. Bạn sẽ hiểu được mình cần làm gì vì nó là một quy trình thú vị.

Dữ liệu (Data) = Nguyên liệu thô

Cùng mình đi qua ví dụ sau:

Ông hứng lên chạy quảng cáo trà sữa online và có:

• 100 người xem bài viết
• 72 người nhắn tin xem menu
• 21 người chốt đơn

Ông hứng lên chạy quảng cáo trà sữa online và có:100 người xem bài viết72 người nhắn tin xem menu21 người chốt đơn

Đó là 1 ví dụ của Dữ liệu từ ông Bảo và startup trà sữa. Khi có dữ liệu thì ổng cứ tổng hợp trước rồi tính tiếp.

Thông tin (Information) = Xào nấu nó đi

Quay lại câu chuyện “khởi nghiệp” của ông Bảo.

Ngồi phân tích và nhận ra:

• Tỷ lệ nhắn tin xem menu là 72% (số người nhắn tin xem menu/ số người xem bài viết)
• Tỷ lệ chốt đơn là 21% ( số người chốt đơn/ số người xem bài viết).

Đây là tầng Thông tin, cơ bản là dữ liệu được “xào nấu” nó sẽ cho ông Bảo biết cần phải làm gì.

Từ Thông tin hữu ích trên đủ giúp ông Bảo đưa ra 1 số nhận định:

• Tỷ lệ nhắn tin xem menu là 72% → Khách hàng quan tâm đến trà sữa của ông Bảo bán

• Tỷ lệ chốt đơn là 21% → Lượng lớn khách hàng không chốt đơn sau khi xem menu → Có một số giả thuyết

  • Menu ông Bảo có thể có 1 số vấn đề (Giá đắt, ít đa dạng, khó đọc,…):

  • Khách hàng nhắn tin spam

Tri thức (Wisdom) = Hiểu tại sao và “tiến hóa”

Nếu chỉ đơn thuần tổng kết như tầng Thông tin thì ông Bảo vẫn chưa tìm được hướng cải thiện Tỷ lệ chốt đơn khi chạy quảng cáo.

Khi ấy ông Bảo phân tích tiếp 51 khách hàng không chốt đơn sau khi nhắn tin xem menu:

• X khách hàng chỉ nhắn tin và không seen tin nhắn khi quán gửi menu
• Y khách hàng tìm hiểu thêm sau khi quán gửi menu và không order

Với số liệu trên, ông Bảo có thể quyết định:

• X > Y: Khách hàng spam chiếm đa số, ông Bảo nên thay đổi đối tượng khách hàng chạy quảng cáo hoặc chuyển sang nền tảng khác.
• Y > X: Menu có vấn đề và ông Bảo cần khảo sát xung quanh để cải thiện
• X = Y: Ông Bảo có thể phân tích thêm chi phí, thời gian bỏ ra giải quyết giữa vấn đề X và Y để ưu tiên.

Đó chính là Tri thức. Từ đó, giúp ông Bảo biết được gốc rễ vấn đề đến từ đâu và ổng phải giải quyết dựa trên mức độ ảnh hưởng.

Với ví dụ trên, mình tin rằng bạn cũng hiểu sẽ cần 1 quy trình để chuyển hóa từ Dữ liệu sang Tri thức có ích và Data Analyst sẽ đóng góp chặt chẽ vào quy trình này.

Mở rộng:

Ví dụ với dữ liệu từ câu chuyện ông Bảo, nếu chỉ phân tích tỷ lệ chốt đơn thấp và không quan tâm thông tin khác

→ Tăng budget quảng cáo để tiếp cận nhiều khách hàng hơn

→ Không hiệu quả

Thực tế, doanh nghiệp vẫn có nhiều quyết định sai lầm từ dữ liệu nếu phân tích không đủ sâu.

Data Analyst: Người “Lái data, chở Tri thức”

Cơ bản làm Data Analyst không phải ngồi viết code cả ngày hay làm mô hình AI phức tạp.

70% thời gian Data Analyst sẽ tập trung xử lý dữ liệu

Để biến Dữ liệu thành Thông tin, bạn cũng phải căng não không kém:

• Tìm hiểu rõ vấn đề được đặt ra và mục đích khai thác dữ liệu
• Cách liên kết nhiều nguồn dữ liệu thành thông tin phân tích và chọn hình thức
• minh họa phù hợp
• Xử lý dữ liệu thô (sửa lỗi chính tả, phân loại nhóm,…)
• Ngồi sắp xếp thứ tự ưu tiên của công việc
• Ngồi kiểm tra vì sao dữ liệu chênh lệch hoặc bị sai

Đối với việc làm Data Analyst ở tập đoàn lớn, khâu xử lý dữ liệu thường sẽ có quy trình, dễ tìm hiểu và ít khó khăn hơn so với anh em làm môi trường startup.

Nếu bạn là người chủ động, tự học sẽ phù hợp môi trường startup.
Tuy “chông gai” nhưng sẽ học và phát triển nhanh.

Ngược lại, nên chọn tập đoàn lớn để bám sát quy trình có sẵn và được sếp kèm cặp.

30% còn lại mới là phân tích thực sự

Cơ bản thì phân tích dữ liệu cũng như đưa ra quyết định trong cuộc sống hàng ngày:

• Đăng ảnh selfie lên mạng xã hội lúc 6h tối vì sẽ có nhiều likes
• Đi làm sớm hơn 45 phút và đi đường A, X, K,… để tránh kẹt xe
• Tấp vào 1 quán ăn ngẫu nhiên vì số lượng khách đông, biển hiệu hấp dẫn,…

Từ Thông tin để chuyển đổi thành Tri thức cũng là một hành trình “chông gai”:

• Bạn sẽ cần phân tích, làm việc cùng team để mổ xẻ thông tin nhằm chắt lọc insights hoặc gợi ý phát triển cho doanh nghiệp.
• Trong quá trình trên, bạn cũng có thể phát hiện lỗi dữ liệu và phải quay lại quy trình Xử lý dữ liệu ngay lập tức.

Thông thường với vị trí Fresher → Junior Data Analyst sẽ tập trung xử lý dữ liệu nhiều hơn và các vị trí cao hơn sẽ đóng vai trò phân tích từ Thông tin được xử lý (Tùy theo quy trình mỗi doanh nghiệp).

Data Analyst từ công việc bản thân

Trong cấu trúc công ty mình gần như không có Data Analyst, thay vào đó sẽ có các vị trí Analyst tương ứng từng phòng ban:

• Tiếp thị: Marketing Analyst
• Rủi ro/ Gian lận: Risk/ Fraud Analyst
• Sản phẩm: Product Analyst
• …

Và với vị trí sản phẩm, mình may mắn kiêm vị trí Product Analyst và có nhiều trải nghiệm “xào nấu dữ liệu” rất thú vị.

Ví dụ, ứng dụng công ty mình ra mắt tính năng giúp khách hàng cập nhật Căn cước nếu thông tin định danh cũ/ hết hạn:

1. Hiểu rõ trải nghiệm và ảnh hưởng:

   1. Mình sẽ cần làm rõ trải nghiệm khách hàng bao gồm: các điểm chạm (Ở đâu trên ứng dụng?), các bước thực hiện

   2. Các số liệu đo lường hiệu quả: % Khách hàng cập nhật Căn cước thành công,…

2. Chuẩn bị dữ liệu:

   1. Chưa có dữ liệu: Làm việc với đội kỹ thuật để đảm bảo ghi nhận đúng và đủ dữ liệu phục vụ nhu cầu đo lường hiệu quả.

   2. Có dữ liệu: Lọc và làm sạch dữ liệu để tổng hợp thành thông tin

3. Tạo các biểu đồ phân tích

4. Phân tích & kết luận: “Tính năng có 30% khách hàng vào ứng dụng thử và 80% trong đó cập nhật thành công”

5. Đề xuất: “Cải thiện điểm chạm trên ứng dụng, đảm bảo tính năng tiếp cận khách hàng rõ ràng”

Lời khuyên thực tế

Đối với mình, Analyst như người bác sĩ giúp sản phẩm chẩn đoán bệnh, theo dõi và kê đơn phù hợp. Khác với bác sĩ, Analyst sẽ chẩn đoán và đưa ra khuyến nghị, việc “chữa bệnh” sẽ thuộc các team khác (Product, Engineer, Marketing,…)

Điều làm nên 1 analyst khác biệt mình nghĩ dựa trên tư duy logic, soft skills và business sense. Khi analyst trang bị đầy đủ thì Hard skills cũng chỉ như công cụ giúp mình giải quyết vấn đề.

Soft skills:

• Tò mò: Luôn đặt bản thân trong tâm thế “tại sao” và “what if” để phân tích dữ liệu cực chi tiết.
• Giao tiếp: Trình bày rõ ràng dễ hiểu với các bên liên quan.
• Business acumen: Hiểu ngành nghề đang làm phân tích để khai thác và đưa ra insights thực sự giá trị.

Hard skills:

• Excel/ Google Sheets: Kỹ năng đơn giản, biết dùng các hàm.
• SQL: Kỹ năng phải có
• Các BI Tool: Tableau/ PowerBI/… (Tùy vào doanh nghiệp bỏ tiền mua không)
• Python/ R: Nice to have vì cần thiết giúp xử lý các dữ liệu phức tạp

Kết Luận

Data Analyst không phải nghề "thần thánh" gì cả. Đó là nghề rất thực tế và có nhiều cơ hội phát triển.

Nếu bạn:

• Thích làm việc với số liệu
• Có tư duy logic
• Tò mò với dữ liệu và muốn tìm hiểu "câu chuyện" đằng sau những con số
• Đưa ra quyết định ảnh hưởng trực tiếp/ gián tiếp đến quyết định kinh doanh

Data Analyst (hoặc các vị trí analyst khác liên quan) sẽ là lựa chọn phù hợp.