Quá trình mình chuẩn bị để bước chân vào ngành data

Mở đầu

Nhớ lại khoảng thời gian hơn 3 năm trước (giữa năm 2020) tính từ thời điểm mình viết bài viết này, ngày mình chính thức bước chân vào con đường làm data. Công việc đầu tiên của mình là thực tập sinh phân tích dữ liệu cho Chợ Tốt – một nền tảng về classified ads khá nổi tiếng tại Việt Nam. Mình làm cho danh mục “Việc Làm” hiện tại danh mục này đã phát triển thành một vertical riêng biệt và được đổi tên thành “Việc Làm Tốt”.

Nhìn chung các công việc liên quan đến data thì các job về intern và fresher khá hiếm ở thời điểm mình apply internship và đặc biệt là trong thị trường việc làm hiện nay. Cũng dễ hiểu vì đa số các vị trí data analyst/BI analyst sẽ làm phân tích để hỗ trợ việc ra quyết định của các cấp quản lý/C-level nên đa số công ty sẽ đòi hỏi ứng viên có kinh nghiệm thực tế trong lĩnh vực liên quan để có thể hòa nhập nhanh, manage được công việc tốt và cung cấp các actionable insights cho stakeholders của mình. Tuy nhiên cũng có một số công ty khá open cho intern/freshers ví dụ như Chợ Tốt, các công ty Big4 kiểm toán, Tiki, Home Credit.., do cấu trúc team của các công ty này có nhiều đầu công việc các bạn intern/fresher có thể đảm nhận được, đồng thời cũng có nhiều specialist/senior specialist trong team hỗ trợ.

Với kinh nghiệm cá nhân của mình + chia sẻ từ những anh chị đã phỏng vấn mình thời điểm đó thì ở bài viết này mình sẽ chia sẻ cho bạn đọc một số kinh nghiệm và bước chuẩn bị để ứng tuyển các vị trí entry level cho công việc data analyst/business intelligence analyst.

Mình tạm chia quá trình này thành 4 giai đoạn nhỏ:

(1) Research: Tìm hiểu về ngành và bản thân có thực sự phù hợp với ngành này không?

(2) Study needed skillsets : Học các kỹ năng và công cụ phổ biến

(3) Prepare CV & project portfolio : Chuẩn bị CV và project portfolio

(4) Apply & interview: Ứng tuyển và phỏng vấn

1) Research

Mục đích chính của giai đoạn này là để bản thân mình hình dung rõ hơn và xem bản thân mình có phù hợp với ngành hay không trước khi quyết định dành thời gian để học các kiến thức liên quan. Bản thân mình là một người nghiêng về phần hướng nội nhiều hơn, thích suy ngẫm về các vấn đề trong cuộc sống, mình mong muốn làm trong lĩnh vực ứng dụng công nghệ + kiến thức về business để giải quyết vấn đề cho doanh nghiệp chứ không đơn thuần là chỉ làm các công việc về technical như developers, software engineer. Sau khi tìm hiểu thì mình thấy hướng ngành business intelligence analyst/data analyst đáp ứng được các tiêu chí về công việc mà mình đặt ra nên mình quyết định tìm hiểu sâu hơn về nó.

Background của mình là học ngành E-commerce, thuộc khoa Hệ Thống Thông Tin tại Đại Học Kinh Tế – Luật, ĐHQG TP. HCM. Ngành học mình khá thú vị vì nó mới và mình được học cả kiến thức về business lẫn techincal. Khoa mình học thì may mắn là có một vài anh chị đi trước và thầy cô làm trong lĩnh vực data nên mình cũng có nhiều dịp được nghe chia sẻ của các anh chị. Ngoài ra khoa mình cũng hay mời các doanh nghiệp bên ngoài về chia sẻ về định hướng nghề nghiệp nên trong lúc học mình cũng đã được tiếp xúc với các thông tin về lĩnh vực data nên trước lúc theo học thì mình cũng phần nào mường tượng các công việc mình sẽ đảm nhận trong tương lai.

Một kênh mà mình cũng dùng để research đó là các blog và xem trên Youtube về các content creator là những người trong nghề để hiểu thêm về các công việc của ngành, cách đây 3 năm thì content về công việc liên quan đến phân tích dữ liệu cũng chưa nhiều và chất lượng như hiện nay nên việc tìm hiểu cũng khá mất thời gian. Mình recommend một số kênh mà mình thấy hữu ích: Maz học data, Duy Luân data, Alex the analyst.., Các kênh này thì đa số có cả trên Youtube và Tiktok nên các bạn xem thử nhé.

Ngoài ra mình cũng lân la đi đọc và lọc các yêu cầu từ các JD tuyển dụng các vị trí công việc về business intelligence analyst/data analyst trên Linkedin, các trang tuyển dụng hoặc trên chính website tuyển dụng của công ty. Sau quá trình research mình chọn lọc ra các skillsets và công cụ phổ biến mà đa số công ty yêu cầu để bắt đầu lên kế hoạch học.

2) Study needed skillsets

Mình dành khoảng gần 6 tháng của học kỳ 2 năm 3 đại học để học các kỹ năng, công cụ cần thiết mà mình đã research ở bước 1. Đây là những gạch đầu dòng mà mình tập trung học trong thời điểm đó.

SQL, SQL và SQL: Tại sao phải học SQL thì bài viết trước mình cũng đã chia sẻ lý do khá rõ. Không quan trọng mình học SQL trên platform nào (SQL Server, MySQL, PostgreSQL, Google Big Query..), câu lệnh và cú pháp của các platform này có thể khác nhau đôi chút nhưng điều quan trọng khi học SQL theo kinh nghiệm của mình đó quan trọng là hiểu được SQL sẽ giúp được người data analyst trong công đoạn nào của quá trình xử lý và phân tích dữ liệu, tư duy giải quyết vấn đề của business với sự giúp đỡ của SQL. Quá trình học SQL nên đi song song với thực hành với các câu hỏi SQL phỏng vấn thực tế, các case study thì sẽ giúp bạn nhớ lâu hơn kiến thức đã học. Thời điểm đó mình chủ yếu học trên Data Camp, một nền tảng học data có platform để thực hành trực tiếp trên website khá thuận tiện, người đọc không cần phải cài đặt công cụ để bắt đầu thực hành. Các khóa học trên nền tảng này được thiết kế theo skills track & career track nên các bạn có thể search: SQL for data analyst track, SQL basics…, để tìm hiểu và chọn lộ trình phù hợp với nhu cầu bản thân. Ngoài ra cũng có một vài platform các bạn có thể dùng để luyện SQL ví dụ như HackerRank.
BI Tools: Một số công cụ phổ biến nhất hiện nay đó là: Power BI, Tableau, Locker Data Studio, Qlik, Metabase. Phần này mình chỉ học cách sử dụng cơ bản của các công cụ này. Mình chú trọng hơn tới tư duy trình bày dữ liệu, chọn đúng loại biểu đồ để trực quan hóa thông tin mình muốn truyền tải một cách chuyên nghiệp và dễ hiểu nhất cho người đọc insights phân tích/báo cáo. Nhiều bạn mới bắt đầu quá chú trọng vào học sâu một công cụ nào đó và chỉ giới hạn bản thân ở một số công cụ nhất định thì không nên, theo mình cái quan trọng nhất của người làm dữ liệu là biết kết hợp các công cụ + kỹ năng để đưa ra các insights có giá trị cho doanh nghiệp, giúp doanh nghiệp giải quyết được các vấn đề đang gặp phải. Phần BI tools này mình có viết ở bài viết trước (bước share insights) các bạn có thể đọc thêm nhé.
Kiến thức cơ bản về xác xuất thống kê: đây là một phần kiến thức khá quan trọng đối với người làm phân tích dữ liệu tuy nhiên với mình thời điểm đó thì nó khá mông lung vì mình không biết phải bắt đầu từ đâu, mình cũng tìm hiểu khá nhiều nguồn để học cũng chưa đâu vào đâu. Sau khi đi làm mình mới research được một vài khóa học trên Udemy khá hay, chi tiết và dễ hiểu cho người mới bắt đầu. Các bạn có thể tham khảo khóa Statistics for Data Science and Business Analysis này. Ngoài ra có một kênh youtube tên là Stats Quest của một tiến sĩ về Toán giải thích các điểm kiến thức quan trọng trong thống kê, machine learning cực kỳ dễ hiểu và sinh động, highly recommend kênh này để các bạn học mảng kiến thức về thống kê và machine learning.
Công cụ nâng cao để xử lý dữ liệu và thực hiện các bài toán liên quan đến prediction, forecast: Phổ biến nhất là Python và R, mình chọn học Python vì nó dễ sử dụng và nhiều usecase để áp dụng trong thực tế. Course về Python thì cũng khá nhiều hiện nay, phần này mình cũng chủ yếu học trên Data Camp. Bạn có thể search: “Python for data analyst track” sẽ có một vài track được thiết kế từ cơ bản đến nâng cao theo mình đánh giá thì khá ổn để bắt đầu.

3) Prepare CV and Project portfolio

Lúc mình chuẩn bị ứng tuyển ở Chợ Tốt thì mình cũng không có project portfolio chuẩn chỉnh. Các project mình ghi vào CV chủ yếu là từ các môn học trên trường có liên quan tới data. Khá may mắn là các project đó mình cũng có sử dụng các công cụ như Python, Tableau để thực hiện nên đưa vào CV để ứng tuyển cũng khá match với yêu cầu của vị trí mình ứng tuyển. Sau này khi đi mentor và mình có giúp một số học viên cũng như các bạn khóa sau của mình ứng tuyển thì mình có rút ra một số gạch đầu dòng các bạn nên chú ý cho phần này.

– Đối với CV (resume):

Ngoài các phần cơ bản của một CV cần có thì phần quan trọng mà nhà tuyển dụng sẽ nhìn vào đầu tiên khi scan CV đó là “Kinh nghiệm làm việc” (Working Experience). Đối với phần này các bạn nên ưu tiên phần project và các kinh nghiệm liên quan đến vị trị ứng tuyển lên trước, sắp xếp nó theo tiêu chí liên quan nhất đến vị trí ứng tuyển. Và đặc biệt là nên thành thực về khả năng bản thân, tránh showcase những project mình không phải do mình thực hiện và mình không hiểu rõ về nó để tránh trường hợp nhà tuyển dụng đánh giá bạn là người không trung thực.

– Đối với Project Portfolio:

Các project đưa vào CV nên kèm theo sản phẩm demo vì ở thời điểm này nhà tuyển dụng chỉ đánh giá được ứng viên thông qua project cá nhân vì ứng viên chưa có nhiều kinh nghiệm thực tế. Sản phẩm demo theo mình sẽ bao gồm các phần bên dưới, các bạn có thể gom các phần này lại, đẩy lên Github và đính kèm link portfolio vào CV:

1 document tóm tắt lại kết quả phân tích/các bước thực hiện project (bằng google docs, slides hay bất cứ platform nào dùng để document được)
Link các file report trên BI Tools
Link Python, R code/ SQL script để xử lý dữ liệu

4) Apply and interview:

– Nộp CV ứng tuyển:

Ở bước này mình chọn lọc trước list công ty mục tiêu, thời điểm đó mình ưu tiên các công ty công nghệ lớn như: Shopee, Tiki, VNG, Chợ Tốt, Momo, Lazada.., và xem thử có vị trí phân tích dữ liệu nào open cho intern/fresher không? Sau khi tìm được vị trí phù hợp thì mình đọc kỹ JD của họ và tìm hiểu trước về công ty, mô hình kinh doanh của họ, team mà mình dự định sẽ ứng tuyển vào. Thường bước này mình sẽ google hoặc tốt hơn là tìm xem trong network của mình có ai đã/đang làm ở các công ty mục tiêu hay không để hỏi xin advice. Các bạn nên tránh trường hợp rải CV mà không có chọn lọc, điều này sẽ ít đem lại hiệu quả và sẽ tốn thêm thời gian của bạn mà thôi. Và đặc biệt để tăng hiệu quả thì với mỗi công ty mình sẽ customize lại CV, cover letter và nội dung email ứng tuyển theo JD và đặc điểm công ty để nhà tuyển dụng thấy là mình thực sự quan tâm đến vị trí đó.

– Bài test ứng tuyển (nếu có):

Đa số công ty sẽ yêu cầu ứng viên làm một bài test ứng tuyển sau khi qua vòng CV & phone screening. Test này thì tùy công ty có thể cho bạn làm ở nhà hoặc test trực tiếp khi phỏng vấn. Thông thường nội dung bài test cũng sẽ xoay quanh các kiến thức cơ bản trong ngành: SQL, Python, BI Tools và một ít logic test, business case study. Ngày xưa mình cũng làm một bài test tại nhà, với level intern và fresher thì nội dung test cũng không quá khó.

– Phỏng vấn:

Phần cuối cùng này sẽ chốt được bạn có thực sự phù hợp để làm việc tại công ty hay không, kỹ năng phỏng vấn là một topic khác nên mình sẽ không nói chi tiết ở bài này, theo kinh nghiệm của cá nhân mình thì có một vài keywords bạn nên chú ý:

Thành thật: như mình có nói ở trên thì hãy thành thật với khả năng của bản thân và luôn show cho nhà tuyển dụng thấy là bạn có khả năng học hỏi kiến thức mới và khả năng hòa nhập nhanh với công việc.
Bám sát các project/kinh nghiệm đã ghi trong CV, 80-90% câu hỏi của nhà tuyển dụng sẽ dựa vào phần này nên một lần nữa như ý trên thì thành thật là vàng. ^^
Chuẩn bị và luyện tập trước kỹ các phần chắc chắn sẽ được hỏi để phần trả lời được mượt mà hơn trong lúc phỏng vấn, ví dụ như: giới thiệu bản thân, tại sao em lại ứng tuyển vào vị trí này? mô tả các project ở trong CV.

Kết

Đó là tổng quan về quá trình mình chuẩn bị để bước chân vào ngành data, mong là vài viết sẽ cung cấp thêm một vài thông tin hữu ích cho bạn, cám ơn đã ghé thăm blog của mình.

*Disclaimers: Các bài viết mình chia sẻ trên blog chủ yếu đến từ trải nghiệm cá nhân và kinh nghiệm của bản thân mình, với mong muốn mang đến thêm nhiều góc nhìn bổ ích cho công việc và cuộc sống của các bạn. Mong rằng các bạn sẽ đón nhận và góp ý những điều mình chia sẻ với một tư duy mở và phát triển. Bài viết đôi khi sẽ sử dụng một số thuật ngữ tiếng Anh vì nếu dịch sang tiếng Việt sẽ hơi khó hiểu nên mình vẫn sẽ giữ nguyên bản. Cám ơn các bạn đã ghé thăm blog của mình.