BỨC TRANH TOÀN CẢNH CÁC CÔNG VIỆC XOAY QUANH PHÂN TÍCH DỮ LIỆU

Hiện nay, trên thị trường có rất nhiều chức danh công việc như Business Analyst (BA.), Business Intelligence Analyst (BI), Data Analyst (DA), Business Intelligence Engineer, Data Engineer (DE.), Data Scientist (DS), Research Scientist (RS), System Architect, Database Administrator, Chief Analytics Officer (CAO), v.V. Bài viết này sẽ giúp bạn hiểu rõ hơn về các vị trí công việc trong mảng dữ liệu, hiểu rõ các điểm khác biệt, kỹ năng cần thiết cũng như lộ trình thăng tiến tham khảo dựa theo cách thức phân loại trong báo cáo uy tín “The Quant Crunch – IBM” được trường MIT lựa chọn để trình bày trong buổi giới thiệu chương trình “Master in Business Analytics” danh giá. Bài viết cũng sẽ bao gồm quan điểm và nhận định của cá nhân mình dựa theo trải nghiệm thực tế đúc kết trong suốt 10 năm hơn nghiên cứu và theo đuổi con đường trở thành một “người hành nghề phân tích chuyên nghiệp – Analytics Professional”.

Data-Driven Decision Makers.

Data Scientists & Advanced Analytics.

Data-Driven Decision Makers (D3M)

Vai trò: Quản lý các phòng ban chức năng.

Chức năng: Sử dụng dữ liệu để đưa ra các quyết định ở cấp độ vận hành và chiến lược.

Tên gọi nghề nghiệp: giám đốc/quản lý phòng Marketing, Vận hành, Sản phẩm, v.V.

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: Hiện nay, hầu hết là 10% nhưng lý tưởng là 30%.

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức đọc hiểu kết quả phân tích (thấp).

Nhóm kỹ năng chính:.

Tự phân tích hoặc Đọc phân tích.

Trình bày/Kể chuyện.

Lãnh đạo.

Nhận định chuyên môn:.

Đây là điểm đến cuối cùng của hầu hết người đi làm nếu không muốn ngồi trước máy tính suốt ngày với các giả thuyết và mô hình dữ liệu.

Thường rất phù hợp cho những ai không có nền tảng về công nghệ thông tin.

Mặc dù không dành nhiều thời gian để tham gia vào quá trình chuẩn bị báo cáo phân tích, nếu bạn không nhận định được khả năng và giới hạn phân tích của công ty mình thì bạn sẽ không hoàn thành tốt vai trò này trong bối cảnh kinh doanh 4.0.

Functional Analysts (BA.)

Vai trò: Chuyên viên phân tích của từng phòng ban. (Viết tắt FA thường hay dùng để nói vị trí Financial Accountant hoặc Finance Assistant).

Chức năng: Sử dụng dữ liệu để đưa ra các đề xuất thay đổi hoặc cải thiện vận hành trong một phòng ban cụ thể.

Tên gọi nghề nghiệp: chuyên viên phân tích kinh doanh (Sales Analyst), vận hành (Ops Analyst), sản phẩm (Product Analyst), tài chính (Financial Analyst) v.V. Còn hay được gọi chung là Business Analyst (BA.).

Lưu ý: trong mảng phát triển phần mềm và ứng dụng, từ BA. được dùng riêng để chỉ vị trí đứng giữa những lập trình viên và những người còn lại nhằm mục tiêu ghi lại yêu cầu phát triển tính năng đối với phần mềm và ứng dụng. Mình sẽ tạm gọi vị trí này là IT BA. và không nằm trong nhóm nghề phân tích dữ liệu mà là phân tích nghiệp vụ phần mềm.

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: 60%.

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức hoàn thành báo cáo chính xác, kịp thời, rõ ràng, cô đọng (trung bình).

Nhóm kỹ năng chính:.

Xử lý và tổng hợp dữ liệu (ở mức độ đơn giản).

Lập báo cáo chuẩn phân tích (được tự động hóa cập nhật).

Trình bày/Kể chuyện.

Nhận định chuyên môn:.

Đây là điểm đến đầu tiên dành cho bất kỳ ai muốn thay đổi định hướng nghề nghiệp từ một ngành không hoặc rất ít liên quan tới dữ liệu.

Đặc biệt, bất kỳ ai ở cấp bậc trưởng nhóm (Team Leader), về bản chất là đã hoặc sẽ sớm thực hiện chức năng như một BA. toàn thời gian.

Tại Việt Nam, hầu hết các vị trí tuyển dụng mà trong mô tả công việc có dùng những từ khóa bóng bẩy như đã nêu ở đầu bài, nhưng không hề có đòi hỏi chuyên môn sâu về hệ thống dữ liệu, phần mềm BI và ngôn ngữ lập trình mà về Excel thì đều đang ám chỉ vai trò BA. này.

Analytics Managers (AnM)

Vai trò: Quản lý chức năng phân tích. (Viết tắt AM thường hay dùng để nói vị trí Accounting Manager).

Chức năng: Quản lý hoạt động phân tích trong công ty và tổng hợp các phân tích đề xuất từ BA. và/hoặc DA để trình bày cho các cấp lãnh đạo (BoD).

Tên gọi nghề nghiệp: quản lý hoạt động phân tích kinh doanh (Chief Analytics Officer). Đây là một chức danh cấp Chief (C Level) mới xuất hiện trong vài năm gần đây khi năng lực phân tích của tổ chức lên một tầm cao mới đòi hỏi người có chuyên môn sâu về phân tích để hiểu rõ các phân tích được thực hiện và các kết luận rút ra có đủ tiêu chuẩn để sử dụng hay không.

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: 80%.

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức thành thạo trong việc thực hiện cũng như đánh giá các phân tích và đề xuất, hiểu rộng tổng quát về toàn bộ hạ tầng phân tích trong tổ chức (cao).

Nhóm kỹ năng chính:.

Đánh giá và tổng hợp phân tích.

Trình bày/Kể chuyện/Thuyết phục.

Lãnh đạo.

Nhận định chuyên môn:.

Đây là điểm đến cuối cùng của những ai yêu thích việc phân tích dữ liệu và đưa ra các đề xuất tổng hợp mang tính chiến lược trong tổ chức.

Đòi hỏi khả năng tự đặt đề bài phân tích hỗ trợ tổ chức phát triển và tham vấn cho ban lãnh đạo trong các cuộc họp HĐQT.

Tại Việt Nam, vị trí này hay được gọi là BI Manager hoặc Analytics Lead.

Data Systems Developers (DE.)

Vai trò: Chuyên viên phân tích quản trị hệ thống cơ sở dữ liệu.

Chức năng: Thiết kế, xây dựng và duy trì hạ tầng phân tích dữ liệu bao gồm các luồng cập nhật dữ liệu từ nhiều nguồn và trung tâm dữ liệu (Data Pipeline and Data Warehouse).

Tên gọi nghề nghiệp: Database Admin, Devops, Data/System Engineer, Full-stack Developer. (Các vị trí này gần như luôn phải làm việc với lập trình bằng tiếng anh nên chức danh cũng hiếm khi được dịch ra tiếng việt).

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: 10% (vị trí này tập trung vào việc đảm bảo hạ tầng ổn định trong các công ty có hệ thống dữ liệu phức tạp để BA., DA, AnM, DS có thể thực hiện tốt nhất chức năng phân tích của mình).

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức thành thạo về hạ tầng kiến trúc dữ liệu (cao).

Nhóm kỹ năng chính:.

Xử lý và tổng hợp dữ liệu (ở mức độ phức tạp, thành các bảng thô).

Tối ưu hóa lưu trữ và truy xuất dữ liệu.

Sử dụng tổng hợp nhiều loại ngôn ngữ lập trình kết hợp.

Nhận định chuyên môn:.

Trong môi trường công ty không phải thuộc ngành Tài chính – Ngân hàng hoặc Ứng dụng phần mềm (App, SaaS) thì AnM dư khả năng đảm nhiệm tất cả các công việc tương tự vị trí này và tổ chức thường sẽ không có vị trí này nếu đã có AnM hoặc sẽ có vị trí này cùng với nhiều BA. và không có AnM.

DA thường sẽ có kiến thức tương tự nhưng không sâu bằng các bạn DE..

Vị trí công việc này thường hay bị nhầm lẫn với các vị trí khác trong mảng Tech như IT Helpdesk, Software Tester (QA,QC), Network Engineer.

Data Analysts (DA)

Vai trò: Chuyên viên phân tích dữ liệu.

Chức năng: Khai thác các giá trị phân tích từ dữ liệu có kết hợp với kiến thức thống kê và xây dựng mô hình để đưa ra các đề xuất thay đổi hoặc cải thiện vận hành cho bất kỳ phòng ban nào có liên quan..

Tên gọi nghề nghiệp: chuyên viên phân tích dữ liệu (Data Analyst / BI Analyst). Còn hay được gọi chung là Data Analyst (DA/BI).

Lưu ý: từ BI gốc vốn không phải dùng để ám chỉ một nghề nghiệp cụ thể nào mà mang ý nghĩa là một quá trình từ khai thác giá trị dữ liệu đến ra quyết định có sự tham gia của 4 vai trò (ở những công ty rất lớn trên thế giới thì sẽ có rạch ròi ra 4 vị trí cụ thể). Tại Việt Nam, DA thường làm 1+2+3+[4], BA. thường làm [1]+2+3+[4], AnM thường làm [1]+2+3+4 (với [] có nghĩa là thỉnh thoảng).

Data Engineer.

Data Modeler.

Data Visualizer.

Data Storyteller.

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: 100%.

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức hoàn thành báo cáo chính xác, kịp thời, rõ ràng, cô đọng (cao).

Nhận định chuyên môn:.

Xây dựng hạ tầng dữ liệu phân tích.

Xử lý và tổng hợp dữ liệu (ở mức độ phức tạp).

Lập báo cáo chuẩn phân tích (được tự động hóa cập nhật).

Nhận định cá nhân:.

Đây là điểm đến đầu tiên dành cho bất kỳ ai muốn thay đổi định hướng nghề nghiệp từ một vị trí có nền tảng kiến thức về công nghệ (Tech/IT background).

Đây là điểm đến kế tiếp dành cho các bạn BA. thích tìm hiểu sâu hơn về Data Engineer.

Hiện tại (tương lai 5 năm nữa có thể sẽ khác), từ vị trí DA này, phần lớn các bạn sẽ chọn trở thành DS, hoặc cũng có trường hợp ngoại lệ phát triển thành AnM giống như mình. (Mình là dân ngoại đạo, từ Audit > F&A > Ops > BA. (sales) > DA > AnM, thực tế mình cũng đã nghiên cứu được 2 năm với mong muốn trở thành DS chính hiệu nhưng mình nhận ra là thực sự sẽ cần tới 5+ năm trong khi mình dư khả năng trở thành AnM và do cuộc sống có nhiều thay đổi nên mình quyết định dừng bước với DS).

Data Scientists & Advanced Analytics (DS)

Vai trò: Nhà khoa học dữ liệu. Đây là vị trí “Scientist” nên nó đòi hỏi nghiên cứu (Research) giống như các vị trí nhà hóa học, vật lý học, toán học, v.V.

Chức năng: Sử dụng mô hình phân tích phức tạp để tạo ra những đột phá trong cách thức vận hành hoặc sản phẩm của tổ chức.

Tên gọi nghề nghiệp: Data Scientist, Research Scientist, Economist.

Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy: 80%.

Yêu cầu về khả năng làm việc với dữ liệu và phân tích: ở mức thành thạo trong việc lựa chọn thuật toán, kiểm định giả thuyết, thực hiện các phân tích và đề xuất đột phá, hiểu chuyên sâu về toàn bộ hạ tầng phân tích trong tổ chức (rất cao).

Nhóm kỹ năng chính:.

Xử lý và tổng hợp dữ liệu (ở mức độ phức tạp, thành kết quả sạch).

Hiểu sâu về thuật toán (tại sao dùng A mà không dùng B).

Trình bày/Kể chuyện (đúc kết các phân tích thống kê phức tạp thành những đoạn đề xuất ngắn gọn súc tích).

Nhận định chuyên môn:.

Đây là điểm đến cuối cùng của hầu hết người đi làm muốn ngồi trước máy tính suốt ngày với các giả thuyết và mô hình dữ liệu.

Thường rất phù hợp cho những ai có nền tảng về công nghệ thông tin và rất khó (đòi hỏi thời gian bỏ ra rất nhiều) đối với những ai thiếu nền tảng công nghệ thông tin.

Nhiều người đánh giá đây là nghề hấp dẫn nhất, nhưng mình đã làm quen nói chuyện xã giao, làm cùng, tham gia trực tiếp dự án có Data Scientist thật sự. Cảm nhận của mình một cách ngắn gọn (sau 2 năm tìm hiểu chỉ riêng về Data Scientist và nhiều năm làm dữ liệu và phân tích): Nếu bạn không học bài bản về mảng này, bạn có 0% trở thành con người này. Hãy tìm hiểu rõ ý nghĩa của từ Scientist để có cái nhìn đúng hơn. Nghề này không phù hợp với tất cả mọi người. Phần lớn các khóa học trên thị trường và những người đang tự nghĩ mình là Data Scientist chỉ đang thực sự là Machine Learning Engineer (1 bước phát triển trong nhánh nghề của Data Engineer).

LỘ TRÌNH PHÁT TRIỂN ĐỀ XUẤT CHO BẠN

Bản đồ ngành nghề bên dưới giúp bạn nhìn thấy được tương quan giữa các vị trí khi xem xét 2 yếu tố để giúp bạn xác định điểm đến tiếp theo cho phù hợp.

(1) Tỉ trọng trên tổng thời gian làm việc dành cho các công việc phân tích thuần túy và.

(2) Yêu cầu về khả năng làm việc với dữ liệu và phân tích.

Nhóm 1,2,3

Nếu bạn thấy công việc hiện tại của mình nằm ngoài vùng nhóm 4. Bạn nên phát triển theo lộ trình sau:.

Vị trí hiện tại.

Lên BA..

Lên DA…

Lên AnM..

Chuẩn bị phỏng vấn BA..

XEM CHI TIẾT.

Nhóm 4 – BA.

Nếu bạn thấy công việc hiện tại của mình nằm trong vùng nhóm 4 và có tính chất giống BA.. Theo lộ trình sau:.

BA.

Lên DA…

Lên AnM..

Freelancer.

Chuẩn bị phỏng vấn DA.

XEM CHI TIẾT.

Nhóm 4 – DE.

Nếu bạn nghĩ mình đang làm DA nhưng bạn đang đọc bài này, rất tiếc phải nói rằng bạn có lẽ đang là DE.. Theo lộ trình sau:.

DE.

Lên DA…

Lên Junior DS.

Lên Senior DS.

Chuẩn bị phỏng vấn DA.

XEM CHI TIẾT.

Với mong muốn chia sẻ kiến thức đầy đủ và cập nhật nhất về dữ liệu và phân tích cho mọi người, mình đã dành toàn bộ thời gian từ khi vừa ra trường cho tới hiện tại để liên tục nghiên cứu chuyên sâu, trải nghiệm nhiều vị trí làm việc trực tiếp khai thác giá trị từ dữ liệu tại nhiều công ty thuộc nhiều mảng khác nhau để mang đến chương trình PHÂN TÍCH TOÀN DIỆN có sự kết hợp hài hòa giữa lý thuyết nền tảng và thực tiễn ứng dụng. Mình và đội ngũ tại UNIACE hi vọng chương trình này sẽ truyền cảm hứng về nghề cho mọi người, đặc biệt là các thế hệ trẻ kế tiếp để cân bằng sự thiếu hụt về nhân lực phân tích tại Việt Nam.