Data Analytics Chia sẻ chuyện nghề

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth trong . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

thuocdo181 said:

Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật).

Etnew000 said:

thấy ngành này hay mà đọc mấy dòng kia là biết không dành cho e rồi, nhưng cũng chấm mút xíu, biết đâu bất ngờ

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

• gom data từ mọi nơi đổ về
• làm công thức, select, join, tính toán trên đống dữ liệu ấy

duchien155 said:

Mình thì đang làm Business Analyst, mình cũng quan tâm đến ngành này. Mục đích tự bản thân có thể trích xuất dữ liệu, đọc cái dữ liệu trong hệ thống và đưa ra các quyết định đúng đắn hơn. Mình thích tự lập bản thân mà không phải phụ thuộc quá nhiều người khác. Cũng mong có thể bạn chia sẻ lộ trình học từng bước cơ bản hoặc trao đổi kĩ hơn cũng được.

lodthmor said:

BA khác DA ko thím. Mình đang học lấy bằng MIS chắc là sau này theo hướng BA. Cần thêm thông tin từ người đi trước.

Đang làm kế toán nên cũng có chút kinh nghiệm bàn giấy ở mảng business


via theNEXTvoz for iPhone

NauQ.T said:

Có backgroud finace, audit sử dụng tương đối tốt excel, cơ bản về PowerQuery, DAX (đang học để nâng cao BI desktop) có việc nào làm thêm cho ké 1 slot với nhé fen

handsome_talent said:

Mình cũng vừa chuyển sang nghề DA này đc vài tháng, vừa apply ddc nên còn nhiều điều cần học hỏi. Sắp tới sẽ có nhiều thắc mắc hi vọng bác hỗ trợ. Lót dép đặt chỗ trước nha .
Hai tuần nay ngồi tìm hiểu về Dwh của công ty và đọc các phụ lục thông báo mà muốn trầm cảm. Gần tới deadline mà sếp dí quá trong khi nhiều số mình còn chưa biết tìm ở đâu ra. Ngoài ra còn nỗi sợ con số mình đưa ra trong báo cáo có đúng k luôn thường trực nữa, k biết bác có kinh nghiệm về cách check k chia sẻ giúp mình với nhé.

1. Định nghĩa công thức, logic tính toán.
2. Xác định nguồn dữ liệu trong db.
3. Tính toán chỉ số đưa ra báo cáo, thực hiện các phân tích khác.

thuocdo181 said:

Chia sẻ kinh nghiệm apply cho các bạn khác đi bác.

Khi tiếp cận hệ thống mới mình thường chia theo subject area, xem mảng nghiệp vụ nào quan trọng thì tìm hiểu trước. Vẽ lại mô hình kinh doanh để hiểu ý nghĩa chỉ số, dữ liệu trước khi đào vào db. Bên bạn có DWH nếu kiến trúc tốt thì cũng dễ thở.

Sếp dí mà nhiều số không biết tìm ở đâu thì liệt kê ra hỏi lại sếp hoặc đồng nghiệp. Làm 1 cái danh sách để hỏi 1 thể.

Dữ liệu chưa có công thức cụ thể, không biết đúng sai như thế nào thì bác tách rõ vai trò ra, ví dụ:

1. Định nghĩa công thức, logic tính toán.
2. Xác định nguồn dữ liệu trong db.
3. Tính toán chỉ số đưa ra báo cáo, thực hiện các phân tích khác.

1 cần có tài liệu hoặc người hiểu về nghiệp vụ, 2 cần tài liệu hoặc người hiểu về db. Nếu 1 và 2 đều không có thì mình tự định nghĩa, tự mò cũng được nhưng làm xong sẽ viết lại rõ ràng và xác nhận với các bên liên quan. Sau khi đó mới thực hiện tính toán.

Quá trình này có thể lặp lại nhiều lần mới ra kết quả đúng. Tách rõ ra bác sẽ biết và giải trình được vấn đề ở đâu; sau này có ai kế thừa cũng đỡ khổ.

Các dữ liệu quen tay rồi cũng nên double check cẩn thận trước khi đẩy ra ngoài. (Filter xem thử các dòng ntn, so chéo với nguồn dữ liệu khác...)

Thiều Bảo Trump said:

sao nghe toàn cào- sắp xếp rồi reporting vậy thím.

Không có dimension reduction, phân tích classification, segmentation, time series forcasting gì à?

thuocdo181 said:

Người ta hỏi là "sợ dữ liệu đưa lên báo cáo không chính xác" thì liên quan gì đến mấy cái buzzword thím liệt kê ra thế?

Thiều Bảo Trump said:

ý mình là quá nhiều thớt DA ở voz toàn tập trung SQL lấy dữ liệu r làm sạch bla bla mà chả thấy ai cố trả lời bài toán kinh doanh.

Người trả lương cho mấy thím cần thứ khác: Tôi phải bán cho ai, nhóm này nên quảng cáo khác thế nào với nhóm kia, những ng có đặc điểm này mang lại bao nhiêu tiền, thường sau bao lâu cần promotion để giữ chân... ít người bàn mấy cái này quá.

lon_ton_sai_vat said:

Tôi chấm hóng đợi cái này. Giờ vô bị đưa mấy cái yêu cầu rồi làm report đề xuất, mà tay ngang chả có tí kiến thức gì. Tự mò mẫm SQL với python thấy chúng nó hay và mạnh quá trời.

lodthmor said:

BA khác DA ko thím. Mình đang học lấy bằng MIS chắc là sau này theo hướng BA. Cần thêm thông tin từ người đi trước.

Đang làm kế toán nên cũng có chút kinh nghiệm bàn giấy ở mảng business


via theNEXTvoz for iPhone

Thiều Bảo Trump said:

ý mình là quá nhiều thớt DA ở voz toàn tập trung SQL lấy dữ liệu r làm sạch bla bla mà chả thấy ai cố trả lời bài toán kinh doanh.

Người trả lương cho mấy thím cần thứ khác: Tôi phải bán cho ai, nhóm này nên quảng cáo khác thế nào với nhóm kia, những ng có đặc điểm này mang lại bao nhiêu tiền, thường sau bao lâu cần promotion để giữ chân... ít người bàn mấy cái này quá.

CuongNQ said:

Nếu cần kết nối với team marketing để hợp tác thì bạn cần những mảng nào?

Bên mình có nhiều kinh nghiệm triển khai campaign cho mảng giáo dục. Client tiêu biểu gồm FPT Education, ILA, ACET, các trường đại học, cao đẳng …

duchien155 said:

Mình thì đang làm Business Analyst, mình cũng quan tâm đến ngành này. Mục đích tự bản thân có thể trích xuất dữ liệu, đọc cái dữ liệu trong hệ thống và đưa ra các quyết định đúng đắn hơn. Mình thích tự lập bản thân mà không phải phụ thuộc quá nhiều người khác. Cũng mong có thể bạn chia sẻ lộ trình học từng bước cơ bản hoặc trao đổi kĩ hơn cũng được.

1. SQL - chủ động truy vấn dữ liệu, đỡ phải trao đổi với dev.
2. Data flow / Database Design - BA xịn sẽ tham gia quá trình thiết kế DB luôn do là người hiểu rõ nghiệp vụ nhất. Thiết kế ở mức Concept và Logic là được rồi.
3. A/B Testing - Thiết kế thử nghiệm trong các quyết định về tính năng.
4. Các kỹ năng giao tiếp và làm rõ yêu cầu, quản lý dự án, quản lý tài liệu thì DA với BA cũng gần như nhau.

thuocdo181 said:

Tối mình inbox thím trao đổi thêm nhé.

thuocdo181 said:

Chia sẻ kinh nghiệm apply cho các bạn khác đi bác.

Khi tiếp cận hệ thống mới mình thường chia theo subject area, xem mảng nghiệp vụ nào quan trọng thì tìm hiểu trước. Vẽ lại mô hình kinh doanh để hiểu ý nghĩa chỉ số, dữ liệu trước khi đào vào db. Bên bạn có DWH nếu kiến trúc tốt thì cũng dễ thở.

Sếp dí mà nhiều số không biết tìm ở đâu thì liệt kê ra hỏi lại sếp hoặc đồng nghiệp. Làm 1 cái danh sách để hỏi 1 thể.

Dữ liệu chưa có công thức cụ thể, không biết đúng sai như thế nào thì bác tách rõ vai trò ra, ví dụ:

1. Định nghĩa công thức, logic tính toán.
2. Xác định nguồn dữ liệu trong db.
3. Tính toán chỉ số đưa ra báo cáo, thực hiện các phân tích khác.

1 cần có tài liệu hoặc người hiểu về nghiệp vụ, 2 cần tài liệu hoặc người hiểu về db. Nếu 1 và 2 đều không có thì mình tự định nghĩa, tự mò cũng được nhưng làm xong sẽ viết lại rõ ràng và xác nhận với các bên liên quan. Sau khi đó mới thực hiện tính toán.

Quá trình này có thể lặp lại nhiều lần mới ra kết quả đúng. Tách rõ ra bác sẽ biết và giải trình được vấn đề ở đâu; sau này có ai kế thừa cũng đỡ khổ.

Các dữ liệu quen tay rồi cũng nên double check cẩn thận trước khi đẩy ra ngoài. (Filter xem thử các dòng ntn, so chéo với nguồn dữ liệu khác...)

thuocdo181 said:

Cảm ơn các bác đã ủng hộ. Mình sẽ sắp xếp chia sẻ thêm về các vấn đề mọi người quan tâm và update lên #1.



Bạn luyện tay với test này xem.
https://docs.google.com/document/d/1noQ2gXwzrqC0kDe5asb_IaL267hQor_NbsoL6rNDW3Y/

Ra đề cũng là 1 bên outsource về mảng dữ liệu, họ đưa test để tuyển cộng tác viên part time.

Đề bài: lấy dữ liệu từ SQL Db, xây báo cáo theo yêu cầu trên Power BI. Không yêu cầu phân tích.
(Khá gần công việc BI Dev)

Có tiền thưởng 1tr cho bạn nào làm tốt nhất.

dantocman said:

Thời hạn đến bao giờ thế bác

via theNEXTvoz for iPhone

duchien155 said:

Khác á bác, không giống tí nào cả đâu. Nếu bác làm kế toán, nên mình nghĩ cách thói quen tính toán sẽ hợp với DA hơn vì logic nhiều.
Mà tiện hỏi bác học MIS ở đâu thế?

Hoai cmn Linh said:

Em đang làm dev backend, nhưng background của e là finance, thím có chỗ nào nhận em chuyển nghề k ạ.
Và mức lương trả cho fresher hay junior tầm bn ạ

cruz1994 said:

cầu cứu thớt, mình đang làm tài chính ngân hàng 5 năm, muốn chuyển nghề thì hướng đi ngành này như thế nào ợ, từ entry level đi lên, tự thấy bản thân chăm tìm tòi học hỏi, thích thú các lĩnh vực khtn

• Excel, google sheet phải có là tất nhiên rồi.
• SQL, học để truy vấn dữ liệu. Nắm logic cơ bản, tự tin xử lý mấy case join nhiều điều kiện, truy vấn con phức tạp là okie.
• Một công cụ BI (Power BI, Tableau, Qlik...). Dùng visualize dữ liệu. Recommend là Power BI vì học nhanh, đang phổ biến mạnh và kết hợp với excel tiện.
• Một ngôn ngữ lập trình. Python nếu không có ưu tiên gì đặc biệt. R cũng ok.

Legaaa said:

Xin hóng 1 khóa học căn bản. Tks..

Gửi từ Samsung SM-N970F bằng vozFApp

Hieuuuu said:

Ae sinh năm bao nhiêu thế

via theNEXTvoz for iPhone

Corleone said:

mình tò mò về quá trình data cleansing. Thớt có case nào hay k share với. Mình làm việc với DB hubspot mà dữ liệu đầu vào của user nhập rối tung rối mù (inherit từ DB cũ), ngay từ cái cơ bản như First last name, địa chỉ...

langnghe.eya said:

Ngoài chứng chỉ DA 100 thì có chứng chỉ nào thêm trong ngành ko bác.

mthuylinh92 said:

Chào bạn Tô ma hốc

dantocman said:

Chào bác thớt, em học ngành tài chính.
Em đang làm phân tích tài chính: mua bán, sát nhập doanh nghiệp; tính toán dòng tiền dự án, doanh nghiệp; định giá công ty
Trước em có làm phân tích dữ liệu bán lẻ cho pepsi
Em định hướng là data trong ngành tài chính, cụ thể là chứng khoán và doanh nghiệp mà thấy tuyển gắt quá, tự mày mò thì cũng biết sơ sơ sql với power bi. Cũng định tự xây dựng mô hình mà nhiều vướng mắc quá cũng nhanh nản. Không biết nên tiếp tục hướng này không hay là thuần như ngành tài chính truyền thống. Em cảm ơn bác thớt nhiều, đọc chia sẻ cũng vỡ ra vài điều

via theNEXTvoz for iPhone

thuocdo181 said:

Tham khảo combo này bạn nhé: https://home.datapot.vn/product/combo-data-analytics-foundation/
Nói luôn đây là trung tâm mình đang dạy, kẻo mấy thanh niên lại ý kiến vụ seeding.

thuocdo181 said:

Công việc của bạn mình thấy đang dùng đến data nhiều rồi, bạn có thể cân nhắc học thêm theo hướng áp dụng và phát triển công việc hiện tại vẫn cần nhiều đất diễn; không nhất thiết phải nhảy hẳn sang job mới để kiếm cái title có chữ D.

thuocdo181 said:

Bạn học finance mà dev backend được thì khả năng cày cũng khủng rồi. Move dần sang làm Data Engineer là bước đi hợp lý.
Range lương fresher khá rộng, mấy team mình biết đang tuyển khoảng trên dưới 10.
Junior hoặc có kinh nghiệm ngành khác đi sang thì giá khác.



Tính viết 1 bài dài chút về lộ trình hoặc định hướng mà nhưng chắc để cuối tuần.

Start đơn giản nhất thì bạn nên bắt đầu với:

• Excel, google sheet phải có là tất nhiên rồi.
• SQL, học để truy vấn dữ liệu. Nắm logic cơ bản, tự tin xử lý mấy case join nhiều điều kiện, truy vấn con phức tạp là okie.
• Một công cụ BI (Power BI, Tableau, Qlik...). Dùng visualize dữ liệu. Recommend là Power BI vì học nhanh, đang phổ biến mạnh và kết hợp với excel tiện.
• Một ngôn ngữ lập trình. Python nếu không có ưu tiên gì đặc biệt. R cũng ok.

Về phỏng vấn:
Kiếm dataset về làm một số báo cáo, phân tích mẫu để đưa vào hồ sơ sẽ cho nhà tuyển dụng cân nhắc hơn.
Còn nhiều thứ khác phải học nhưng kiếm job nào phù hợp apply đã mới có chỗ mà thực hành. Đã đi làm 5 năm thì nên tìm job nào trong cùng domain của mình apply sẽ dễ thở hơn.



Tham khảo combo này bạn nhé: https://home.datapot.vn/product/combo-data-analytics-foundation/
Nói luôn đây là trung tâm mình đang dạy, kẻo mấy thanh niên lại ý kiến vụ seeding.




Mình 92 bạn nhé,




Nỗi đau muôn thuở. Dữ liệu quan trọng thì thay đổi quy trình, form biểu nhập liệu, có chế tài cụ thể. Dữ liệu cũ đem ra clean rồi update lại 1 lượt.
Trường hợp xấu thì cut off dữ liệu cũ rồi xử lý sau.
Mình hay dọa mấy stakeholder là quy tắc về chi phí dữ liệu: 1:10:100.
1 là chi phí làm đúng dữ liệu ngay từ đầu
10 là chi phí sửa lại nếu có làm sai
100 là chi sẽ mất nếu không làm



DA-100 thân thiện dễ thi rồi. Entry level thi hợp lý.
DP-100 không có giá trị mấy (Quan điểm cá nhân).
MS thì có chứng chỉ cho SQL hoặc level trên là Solution Expert (Đang cho nghỉ hưu dần).
Các hãng khác cũng có Tableau, Qlik....
Mấy khóa MOOC của các trường đại học, hãng công nghệ như G gle AWS



Chào bạn. Tiên Pfizer rồi về VN thôi bạn ơi.

lodthmor said:

Mình ở Mỹ

via theNEXTvoz for iPhone

thuocdo181 said:

Trước mình có thiết kế 1 khóa Essential Skills for Data Driven BA. Trong đấy có mấy phần bạn có thể tham khảo:

1. SQL - chủ động truy vấn dữ liệu, đỡ phải trao đổi với dev.
2. Data flow / Database Design - BA xịn sẽ tham gia quá trình thiết kế DB luôn do là người hiểu rõ nghiệp vụ nhất. Thiết kế ở mức Concept và Logic là được rồi.
3. A/B Testing - Thiết kế thử nghiệm trong các quyết định về tính năng.
4. Các kỹ năng giao tiếp và làm rõ yêu cầu, quản lý dự án, quản lý tài liệu thì DA với BA cũng gần như nhau.

maiyeuweb said:

bác có thể cho em xin thêm thông tin về cái này được không ạ,hiện tại em đang khá có hứng với excel,cảm ơn bác !

Legaaa said:

Cho mình hỏi để học tốt cái này cần những kiến thức nền nào?

soriano22 said:

Chào bác, em có background digital marketing, UX UI, cũng từng thao tác với mySQL, Google Analytics, Data studio và 1 số database của CRM, hiện đang chập chững vào ngành data vì đam mê, giờ e đang ngồi đọc sách và bồi bổ thêm toán ngoài giờ làm việc chính. Rất mong được học hỏi exp từ các bác trong ngành. Không biết với background từ marketing qua thì bác có lời khuyên nào cho e không ạ? và nếu học thêm về data thì liệu 2 ngành này có bổ trợ tốt cho nhau không?

Cảm ơn bác chủ thớt trước

duchien155 said:

Cám ơn bác nhé. Mình note lại rồi, SQL mình chủ động học lại, do cũng có nền tảng lúc trước, may mắn A/B testing thì đi làm thường xuyên có. Chỉ có Database Design, chắc giống như cái ERD, cũng chập chững làm, sai lên sai xuống.

gongoncr said:

Mình đang học julia đc ko thớt. Có văn bằng thống kê doanh nghiệp

JonnyEvans said:

Chỉ biết sql có làm được ko các bác

tenors2 said:

Mấy thím chuyên công nghệ thông tin ở trong đây có vẻ thiếu tự tin với ngành này thế nhỉ. Thằng bạn mình học Kinh tế quốc dân. Ra trường học thêm tí Python mà nó cũng làm đc DA cho Lazada kia kìa. Thằng này chắc trình code tuổi gì với các thím.

vinh91 said:

hoá ra thớt dạy ở datapot à?
trước hỏi học online thì ko có nên tiếc ghê

mthuylinh92 said:

Chộ, vợ ông có ý kiến gì ko? lên đây trao đổi Zalo

thuocdo181 said:

Giờ có online rồi đó bác. Nếu có điều kiện bác ủng hộ nhé.
Đưa lớp lên online phải build lại cả bộ giáo trình với setup riêng một con LMS để cho học viên tương tác nên hơi lâu.


Trống vợ đó người ơi.

kobetrung8 said:

Trong ngành IT thấy mảng này hợp với anh em hệ thống thông tin, anh em làm code nhiều vào sẽ nhanh nản vì viết SQL và dùng tool khá nhiều. Tin học hóa đã đến giai đoạn xử lý data, giờ nhiều cty cần mảng này lắm vì dữ liệu nhiều mà không học được bao nhiêu từ kho đấy.

• Build and continuously improve a variety of data analysis that add value to our business.
• Develop in-depth understanding for what drives growth for the merchants and how it can be improved.
• Collaborate with our Data Engineering team to get the most out of our existing datasets and ensure usability of data.
• Own projects which incorporate use of statistical methodologies. Drive projects which aim to decrease the risk of potential losses and make our marketplace model more attractive for Company and external partners.You will design research plans and, in collaboration with your team, select the most appropriate methodologies.

dtfa085 said:

Chuyên ngành học của mình ngày trước là ngôn ngữ, sau này đi ra làm nhân sự. Gần đây mình có tìm hiểu và định hướng bản thân đi theo con đường People Analytics. Nhiệm vụ chính (do mình tìm hiểu và tự nghĩ ra) sẽ là đào data về ứng viên, về con người hiện tại để xây dựng mô hình ứng viên lý tưởng cho từng vị trí và tìm hiểu/đáp ứng sự thay đổi trong cơ cấu nhân sự theo mô hình kinh doanh từng thời điểm. Thêm một vài cái nữa như xây dựng chính sách phù hợp cho công ty, xây dựng chương trình đào tạo để phát triển tổ chức.
Mình định đi theo con đường là: học Power BI và thi DA100, học thêm về 1 khóa ngắn online về xác suất thống kê, học cơ bản về SQL và lập trình Python cơ bản. Dự kiến lộ trình 2 năm và bắt đầu theo đúng thứ tự nói trên.
Mình sử dụng excel ở mức trung bình, biết hàm cơ bản như if, vlookup, index, match và có thể lồng các hàm này với nhau, pivot table. Cũng khá thích data.
Không biết các thím thấy lộ trình mình tự nghĩ ra như thế có đủ đảm bảo để áp dụng được không? Hay có thím nào đã từng đi theo con đường này, hoặc biết người nào đi theo con đường này thì chỉ thêm cho mình với.

necomake said:

Theo các bác thì làm DA này đường dài thì lên vị trí nào nhỉ, Data Scientist với Data Engineer à

Dạo này tự nhiên job này hot chứ mình thấy khả năng đi lên khá hẹp, hầu hết các job tuyển DA đến từ các công ty công nghệ, tài chính ngân hàng, các ngành khác khá ít. Thường cũng tuyển vị trí junior, senior là cùng chứ không tuyển cấp manager.

Nhiều người nghĩ từ DA sẽ lên DS, nhưng thực ra con đường rất là chua, không phải ai cũng cố được, và job DS cũng không nhiều.

Và với đặc thù ngành công nghệ thì khi không đi lên được thì khả năng sẽ bị đào thải, thay thế cao, tuổi nghề thấp

Gửi từ Meizu 15 bằng vozFApp

thuocdo181 said:

Câu hỏi của bác cũng hay này.

Đồng ý với thím đường từ DA sang DS hẹp, và không hẳn phù hợp với tất cả mọi người.

DA có thể đi lên tiếp theo hướng đi sâu một domain hoặc tech stack nào để thành expert, hướng sang các vị trí Analytics Manager, Data Project Manager, dài hạn có thể là CDO.

Ngoài ra DA có thể chuyển sang các vị trí khác vì có tư duy tốt phân tích, hiểu nghiệp vụ, có kỹ năng tech sẽ có rất nhiều lợi thế.

necomake said:

Đúng là thế nhưng nó chỉ bó gọn trong các công ty IT, ngân hàng và cái kiến thức domain mình thấy cũng thường để làm project outsource là nhiều.

Các ngành hàng khác thật sự job DA khá ít đất diễn, họ chỉ cần một vài người làm analyst số liệu, báo cáo là đủ rồi, thường vị trí này nằm trong một bộ phận của công ty, chuyên phục vụ mục tiêu của bộ phận đó thôi, hướng đi lên khá hẹp do suốt ngày ngồi làm số liệu

Mình nghĩ bạn nào thích làm công nghệ, làm project, học hỏi liên tục, update công nghệ thì sẽ hợp làm DA cũng như mọi job trong cái Tech Industry vậy, nhìn có vẻ đầu vào nó dễ hơn các vị trí khác nhưng cũng dễ bị đào thải hơn, cạnh tranh như Dev vậy chứ không đơn giản là ngã rẽ cho dân kinh tế đâu.

Chung quy mình thấy DA cũng chỉ là một hướng trong mảng tech thôi, mọi người đừng nghĩ nó hot mà đâm đầu vô hối không kịp. cân nhắc khả năng bản thân rồi quyết định

JUchi said:

Định comment vài câu phá làng phá xóm cho các bạn new comer tỉnh ngộ. Nhưng thôi, để quy luật cung cầu quyết định
P/S Mình đang làm BA kiêm DA không lại nói người ngoài thì biết cái đéo gì

thuocdo181 said:

Mảng này hay đó bạn.

Mình trước có build team và lead 1 dự án HR Analytics. Team mình giải quyết bài toán phân tích xung quanh vòng đời nhân sự từ chuẩn hóa và lượng hóa quy trình tuyển dụng, phân bổ workload nhân sự cho từng dự án, đánh giá mức độ phù hợp và hiệu quả hoạt động (nhân sự và dự án). Doanh nghiệp lúc đó mình làm việc hoạt động theo matrix structure nên có nhiều thứ để làm.

Bài toán chua nhất trong đấy là chuẩn hóa quy trình và lôi từ các hệ thống ra để lấy được dữ liệu.
Hướng tiếp cận của bạn nên bắt đầu với Power BI, SQL rồi dành thời gian tìm hiểu thêm về domain nhân sự như quy trình nhân sự, sự khác biệt giữa các Org Structure, Structured behavioral interview, các hệ thống HRM,....

Python, toán không nên ưu tiên vội, tìm được task nào có thể cần dùng thì tập trung học sau.

dtfa085 said:

cảm ơn góp ý của thím. Đọc góp ý của thím và chia sẻ từ các thím khác bên dưới, mình sẽ bỏ qua phần toán và Python vì suy nghĩ kĩ thì đúng là mình cũng chưa có nhiều yêu cầu để dùng đến.
Về dự án ngày trước của thím, có thể chia sẻ thêm giúp mình cụ thể hơn là thím đã lượng hóa quy trình như thế nào được không?
Ví dụ: đi từ bước khảo sát nhân viên, quản lý về hình mẫu ứng viên để tìm ra 3 tiêu chí chung bắt buộc cho phù hợp văn hóa. Sau đó từng phòng ban phải liệt kê từng vị trí và lượng hóa yêu cầu đối với ứng viên để làm sao khi phỏng vấn có thể cho điểm 1-5 từng người, từ đó chọn ra người phù hợp?
Phân tích vòng đời nhân sự có phải tính từ khi người ta nộp CV đến khi người ta rời đi và xem yếu tố gì ảnh hưởng lớn nhất dựa trên dữ liệu?

• Hệ thống lại ngành, ngạch, bậc. Phân tách rõ từng line nhân sự, cấp bậc và vai trò.
• Vẽ lại vòng đời nhân sự, đánh mã và dấu hiệu nhận biết (sự kiện) của từng cấp độ của nhân sự. (VD: Nộp CV, Pass PV 1, Pass PV 2, Thử việc, Chính thức, Nghỉ việc...)
• Tìm và bóc dữ liệu từ các hệ thống. (Thời điểm đó có hơn chục hệ thống dữ liệu liên quan đến nhân sự: phỏng vấn, chấm công, tính lương, đánh giá, đào tạo --> Như một đống rác, nặng nhất ở đây là con SAP - HRM và Jira)
• Song song với đó điều chỉnh lại quy trình và tích hợp các hệ thống nhân sự. Đập một số hệ thống đi nữa )
• Lượng hóa kết quả phỏng vấn bằng Structured Behavior Interview, bài test. Quy trình test cũng có thể phải điều chỉnh cho thống nhất.

secret90 said:

Có fen nào làm dữ liệu về y sinh ko? R với Python thì có người khuyên đi 1 cái thôi, mà mình thấy cả 2 đều ngon. R nhiều tài liệu tham khảo hơn, Python viết dễ hơn nhưng chịu khó đọc tiếng Anh. Ko biết nên đi tiếp cái nào?

JUchi said:

Theo mình thấy thì cái gì có thì Python có cả, làm được cả. Đổi lại syntax thôi.
Nên mình nghĩ học Python hơn.

JUchi said:

Theo mình thấy thì cái gì có thì Python có cả, làm được cả. Đổi lại syntax thôi.
Nên mình nghĩ học Python hơn.

secret90 said:

Có title sách nào fen tâm đắc ko? Tiếng nào cũng đc.

secret90 said:

Có fen nào làm dữ liệu về y sinh ko? R với Python thì có người khuyên đi 1 cái thôi, mà mình thấy cả 2 đều ngon. R nhiều tài liệu tham khảo hơn, Python viết dễ hơn nhưng chịu khó đọc tiếng Anh. Ko biết nên đi tiếp cái nào?

JUchi said:

Theo mình thấy thì cái gì có thì Python có cả, làm được cả. Đổi lại syntax thôi.
Nên mình nghĩ học Python hơn.

secret90 said:

Có title sách nào fen tâm đắc ko? Tiếng nào cũng đc.

wall[e] said:

Data Analyst thì range lương thị trường tầm bao nhiêu chủ thớt nhĩ, hồi bữa 1 có nhận dc offer của 1 cty bảo hiểm ở TP.HCM thì hơn 15tr một xíu (gross & nghỉ t7-cn)

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

mr_chuon said:

Phen chỉ vài chiêu DA dăm ba cái điểm số trong trường học (vd lớp 9 đi) với T_T. Một lớp 35 ông hs có nhiều môn chia làm 2 học kỳ, mỗi môn có 3 loại điểm: đểm hệ số 1, điểm hệ số 2, điểm kt hk. Điểm hệ số 1 thì có môn 1 cột, môn 2-3 cột.
=> tổ chức data như thế nào là hợp lý trước ? bảng theo môn, bảng theo học kỳ...bảng theo học sinh ??

• Mã học viên.
• Tên học viên, và các thông tin khác.

• Mã môn học,
• Các thông tin khác.

• Mã kỳ học,
• Ngày bắt đầu, ngày kết thúc, các thông tin khác.

• Mã giáo viên,
• Các thông tin khác xoay quanh giáo viên.

• Mã học sinh
• Mã môn học
• Mã kỳ học
• Mã giáo viên đứng lớp
• Mã đầu điểm
• Hệ số đầu điểm
• Giá trị điểm số

vutienbg730 said:

Vote mở một discord channel để tiện trao đổi ạ

thuocdo181 said:

Phần này liên quan đến tổ chức dữ liệu thím nhé. Topic của thím mở rộng sẽ đụng đến mô hình hóa dữ liệu và thiết kế CSDL. (Mình có chứng chỉ Solution Expert của Microsoft về mảng này).

Như bài toán của thím, nếu mình tổ chức trong CSDL một cách đơn giản nhất sẽ ntn:

1. Bảng danh sách học viên:

• Mã học viên.
• Tên học viên, và các thông tin khác.

2. Bảng danh sách môn học:

• Mã môn học,
• Các thông tin khác.

3. Bảng danh sách kỳ học:

• Mã kỳ học,
• Ngày bắt đầu, ngày kết thúc, các thông tin khác.

4. Bảng danh sách giáo viên (nếu cần):

• Mã giáo viên,
• Các thông tin khác xoay quanh giáo viên.

5. Bảng điểm của học sinh:

• Mã học sinh
• Mã môn học
• Mã kỳ học
• Mã giáo viên đứng lớp
• Mã đầu điểm
• Hệ số đầu điểm
• Giá trị điểm số

Với bảng 5 bạn sẽ tính toán được hầu hết các chỉ số bạn cần một cách đơn giản. (Có thể làm tương tự với Excel nếu muốn)
Đây là trường hợp đơn giản nhất, mở rộng ra thì đủ case: học sinh thi lại, học lại, cải thiện điểm, thiếu đầu điểm.....

Have fun.

thuocdo181 said:

Mình không dùng discord, có MS Teams, skype, zalo, fb mess. Thím vote đi.

Suchin said:

Oánh dấu
Chủ thớt cho hỏi giờ có các công ty công nghệ hay tập đoàn lớn nào tuyển job DA nhỉ mình có kinh nghiệm 5 năm phát triển từ đầu, tối ưu và vận hành hệ thống DWH phục vụ báo cáo liên quan mảng viễn thông, muốn thử nhảy hẳn sang mảng DA xem có hợp không

Suchin said:

Oánh dấu
Chủ thớt cho hỏi giờ có các công ty công nghệ hay tập đoàn lớn nào tuyển job DA nhỉ mình có kinh nghiệm 5 năm phát triển từ đầu, tối ưu và vận hành hệ thống DWH phục vụ báo cáo liên quan mảng viễn thông, muốn thử nhảy hẳn sang mảng DA xem có hợp không

elfleaf said:

Mình nghĩ bảng điểm thì không cần có mã giáo viên chứ bác. Thay vào đó nên có 1 bảng phân công giáo viên:
ID bản ghi
ID giáo viên
ID lớp
ID kỳ
ID môn.

Lakmin said:

Em hỏi ngu tẹo, DA với BA cùng level thì job nào lương cao hơn nhỉ

rooney1004 said:

hi thím, eđang làm bank, nghiệp vụ phân tích tài chính, làm báo cáo ngành, thẩm định các kiểu
đang có mong muốn chuyển sang ngành liên quan đến data, mà vẫn duy trì kiến thức tài chính ngân hàng của mình; thì nên bắt đầu từ đâu bác nhỉ
em có xem một số workshop thì họ bảo nên học power bi trước, rồi học sql

Lakmin said:

Em hỏi ngu tẹo, DA với BA cùng level thì job nào lương cao hơn nhỉ

rooney1004 said:

hi thím, eđang làm bank, nghiệp vụ phân tích tài chính, làm báo cáo ngành, thẩm định các kiểu
đang có mong muốn chuyển sang ngành liên quan đến data, mà vẫn duy trì kiến thức tài chính ngân hàng của mình; thì nên bắt đầu từ đâu bác nhỉ
em có xem một số workshop thì họ bảo nên học power bi trước, rồi học sql

thuocdo181 said:

Bên mình có đào tạo Power BI nhé.
Ở bank thì mình có triển khai Power BI cho SHB, đào tạo Power BI cho Techcombank, CBBank. Đều là các phòng kế hoạch, tài chính đi học.

JUchi said:

Nó bảo vậy để nó bán khóa học thôi. Chứ cơ bản là bạn nên học SQL, có tư duy giải thuật và cấu trúc dữ liệu, lúc đó quay trở lại học Power BI thì 1 tuần là nắm hết.

JUchi said:

Nó bảo vậy để nó bán khóa học thôi. Chứ cơ bản là bạn nên học SQL, có tư duy giải thuật và cấu trúc dữ liệu, lúc đó quay trở lại học Power BI thì 1 tuần là nắm hết.

nhansam2001 said:

Mấy bác cho em hỏi nắm chắc skillset của DA nhưng chưa có kinh nghiệm với domain knowledge thì có chỗ nào nhận thực tập không nhỉ ? hay phải tự tìm hiểu domain knowledge từ trước ?

F.Terminator said:

Cái này sao mình thấy nhiều thím (kể cả có kinh nghiệm) hay cho các bạn mới cái impression là Power BI dễ nhỉ.

DAX có cái date table/time intelligence, hay mấy cái filter context thì người mới chắc phải một hồi mới hiểu được chứ dễ gì một tuần.

Power BI kéo thả thì nhìn qua có vẻ dễ thật, nhưng ví dụ một measure tính growth vs LY/previous period, hoặc tính share nhưng không trên tổng selected, mà trên một cái subtotal/một cái base 100% khác, lập tức khó ngay.

Chưa kể cái ETL của Power BI là Power Query nữa, cái đó entry floor thấp nhưng ceiling thì tới trời luôn.

F.Terminator said:

Cái này sao mình thấy nhiều thím (kể cả có kinh nghiệm) hay cho các bạn mới cái impression là Power BI dễ nhỉ.

DAX có cái date table/time intelligence, hay mấy cái filter direction, filter context thì người mới chắc phải một hồi mới hiểu được chứ dễ gì một tuần.

Power BI kéo thả thì nhìn qua có vẻ dễ thật, nhưng ví dụ một measure tính growth vs LY/previous period, hoặc tính share nhưng không trên tổng selected, mà trên một cái subtotal/một cái base 100% khác, lập tức khó ngay.

Chưa kể cái ETL của Power BI là Power Query nữa, cái đó floor thì thấp, nhưng ceiling có thể tới trời luôn.

JUchi said:

Nó bảo vậy để nó bán khóa học thôi. Chứ cơ bản là bạn nên học SQL, có tư duy giải thuật và cấu trúc dữ liệu, lúc đó quay trở lại học Power BI thì 1 tuần là nắm hết.

thuocdo181 said:

Power BI nó dễ dùng quá dẫn đến cái false sense là t thành master sau 1 tuần ấy.
Mấy thanh niên học tủ thi xong cái DA-100 ra chém gió đi dạy quá trời.
Trong khi có team doanh nghiệp làm việc với Power BI cả mấy năm rồi, mời mình về dạy Advanced Dax and Data Modeling phải tẩy não lại từ đầu do cái tư tưởng dùng Power BI thay cho vẽ chart trên Excel.

Còn chuyện SQL thì nên học, nhưng vì các bạn không có môi trường để thực hành nên sẽ không ngấm sâu được. Mình vẫn recommend các bạn hướng về cái gì tạo ra sản phẩm cho mình trước mới đi tiếp được.

JUchi said:

Thứ nhất là mình có nói phía trên, nắm được SQL về tư duy giải thuật và cấu trúc dữ liệu. Nắm chắc được SQL + trải nghiệm dự án thật ít cũng phải 6 tháng - 1 năm.
Thứ hai là DAX hay Power Query bản chất nó là gì? SQL là gì? Structure Query Language. Mình nói là học SQL cho chắc đã, được chưa?

Thứ ba,Tất nhiên là 1 tuần thì hơi quá, nhưng ở Việt Nam, cái group này nó dạy power BI 4 củ trong 2 ngày thì theo bạn là dạy được DAX và Power Query chuyên sâu ở tầm ceiling như bạn nói không?

Lakmin said:

Em hỏi ngu tẹo, DA với BA cùng level thì job nào lương cao hơn nhỉ

theodoivozdalau said:

Có web nào dạy học online tốt kô mấy thím.

JUchi said:

Thứ nhất là mình có nói phía trên, nắm được SQL về tư duy giải thuật và cấu trúc dữ liệu. Nắm chắc được SQL + trải nghiệm dự án thật ít cũng phải 6 tháng - 1 năm.
Thứ hai là DAX hay Power Query bản chất nó là gì? SQL là gì? Structure Query Language. Mình nói là học SQL cho chắc đã, được chưa?


Thứ ba,Tất nhiên là 1 tuần thì hơi quá, nhưng ở Việt Nam, cái group này nó dạy power BI 4 củ trong 2 ngày thì theo bạn là dạy được DAX và Power Query chuyên sâu ở tầm ceiling như bạn nói không?
View attachment 668348

F.Terminator said:

À đương nhiên SQL là cần biết, mình không phản đối cái đó. Mình đang muốn các bạn newbie có cái nhìn đúng hơn về PBI thôi, không thì cứ thấy kéo thả là lên chart thì nghĩ là ngon

Mình cũng có vài case nhìn thấy mình làm, nhìn thấy tương tác bắt mắt thì hỏi, mình cũng hướng dẫn, cũng headsup là nó không dễ vậy đâu, vẫn nghĩ là dễ, xong bỏ ngang.

Riêng cái việc data chưa model chuẩn, kéo vào cái chart thì PBI tự group vào các năm/quý/tháng/ngày, là đã không sử dụng được rồi.



Sao aggressive vậy thím, mình chỉ muốn đưa đủ context, đặc biệt là cho các bạn mới thôi

Mình nghĩ SQL không có tương đương với M, từ mục đích sử dụng tới logic tới syntax. Thím đưa một bạn thành thạo SQL vào Power Query rồi hỏi dùng, kể cả hỏi logic thôi, đảm bảo bị cứng ngay.

Quan điểm của mình nhé, chưa hiểu filter context, chưa viết được một cái CALCULATE(FILTER) nào, chưa sử dụng được time intelligence thì không thể gọi là "biết dùng PBI". Cái đó với mình mới là floor thôi ấy...

Hồi trước mình cũng dạo một vòng mấy course trên mạng về PBI, thì thấy chủ yếu nội dung xoay quanh "import data set siêu sạch này, load data xong, giờ kéo cái field này vào chart, xong, bạn đã biết Power BI". Cái đó dẫn tới ấn tượng sai, và cả cách làm sai nữa.

theodoivozdalau said:

Có web nào dạy học online tốt kô mấy thím.

Mer_S66_AMG said:

em cùng câu hỏi với thím này

dev_xam_tro said:

code web app python 4 năm cũng đang định sang làm dữ liệu, bác có thể chia sẻ em nên bắt đầu từ đâu không, em cũng chưa hình dung ra công việc này làm gì
sql query thì em cũng khá

warriorsorochilu said:

Mình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .

Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.

Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.

Học và thi chứng chỉ Azure Data Fundamentals hoàn toàn miễn phí.
Microsoft có tổ chức Microsoft Azure Virtual Training Day: Data Fundamentals.Khóa học diễn ra vào 2 ngày 17, 18/08. 9h00 - 12h00 giờ VN.
Nội dung đào tạo về các khái niệm cơ bản về dữ liệu và ứng dụng trên nền tảng Azure.
Sau đào tạo mọi người có thể đăng ký thi để nhận chứng chỉ Azure Data Fundamentals từ Microsoft hoàn toàn miễn phí.
Các bạn có thể đăng ký tại link này: https://mktoevents.com/Microsoft+Event/286889/157-GQE-382
Đúng như tính chất Data Fundamentals, các bạn làm Data ở bất kể vị trí nào đều nên biết về những nội dung nhập môn này.
Nếu cần hỗ trợ thủ tục hoặc đăng ký, mọi người có thể comment tại đây hoặc inbox cho mình.

warriorsorochilu said:

Mình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .

Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.

Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.

awoanda said:

Đào mộ tí, hiện mình đang làm Trade Marketing specialist của cty fintech. Hiện đang chuyển dần qua Brand MKT. Thực tế trong công việc thì có team BI, BA đã cung cấp các Dashboard thông thường rồi, tuy nhiên nhiều khi model của các bạn cung cấp không đáp ứng đủ kết quả trả về để phân tích nên mình muốn chủ động thay đổi các trường, hoặc custom trên dashboard có sẵn để đưa ra các báo cáo của bộ phận khi cần.
Bên mình dùng cả Power BI (team Kế hoạch), Data studio (team MKT). Thì nên bắt đầu từ đâu hay bắt đầu từ công cụ nào? có khoá nào học online mùa dịch hợp lý không? Nhờ các bác tư vấn

cruz1994 said:

bạn làm bên quỹ đầu tư như vietcapital hay gì phải ko vậy, bên mảng đấy có hay tuyển IB không, ít khi nào thấy quỹ đăng tuyển mà cũng ko biết đầu vào cần kinh nghiệm, chuyên môn tài chính giỏi hay trọng hình thức nữa, nếu chỉ tuyển mấy em mới ra trường đẹp trai xinh gái thì dân tài chính doanh nghiệp nhảy ngang có đc ko?

thuocdo181 said:

Chào đồng nghiệp.
Mình từng làm sản phẩm core cho 1 công ty top thị trường về dữ liệu tài chính . (Bán dữ liệu cho công ty chứng khoán). Giờ cũng đang lead dự án MIS của 1 công ty chứng khoán. Và build phần hạ tầng dữ liệu của 1 quỹ tư nhân > 500 tỷ NAV.

Đúng là mảng này các bác bói số thì nhiều, nhất làm mấy phòng nghiên cứu. Viết báo cáo toàn công nghệ đời tống xong tính toán sai bản chất tùm lum.

Còn mấy bác kiếm được tiền từ dữ liệu thì bật mode ẩn danh hết rồi. Như quỹ mình làm hạ tầng cho họ vẫn kiếm tiền từ dữ liệu đều đều.

Có bác điều hành quỹ lớn mình biết thì chỉ cần dữ liệu cơ bản, nhưng họ tự build nguyên một bộ riêng để tự tính từng chỉ số một (có điều chỉnh) chứ không tin tưởng các chỉ số có sẵn luôn.

warriorsorochilu said:

Mình đoán có chữ T hoặc F ngay đầu nếu thật sự bên fen đủ lực. Phần các bạn làm research làm số bói thì chưa chắc vì có lẽ bạn tiếp xúc vs sell side nhiều (mấy bạn này ko phải chịu tn về báo cáo, phần nữa là các CTCK đôi khi lái giá CP và úp bô chính KH của mình nên cố tính định giá sai lùa gà), khi bạn tx với phân tích quỹ sẽ thấy lúc này tiền túi bỏ ra thì nó sẽ khác (báo cáo sai là đuôi thẳng cổ, nhưng lương ko bao giờ dưới $3000 net chưa tính thưởng phải vài trăm tùy vào độ chính xác, bạn viết bc càng đúng thì càng nhiều $, và đương nhiên họ phải xạo lol với ng ta là họ làm đại làm đùa chứ ko bạn chả cả ngày hỏi họ mua con này con kia đc ko ).

Tuy nhiên, công nghệ đúng là thứ mà các analyst còn thiếu vì họ đã quá bận vs các CFA, 1 báo cáo đòi hỏi phân tích viên tìm đến cọng lông chân của doanh nghiệp. Tuy nhiên back test là thứ mà phân tích viên thiếu. Ngoài ra lượng dữ liệu tài chính quá lơn nên khi họ muốn tìm phải mất nhiều thời gian, vv. Mình muốn xem thử DB và DA có thể giúp ít được gì trong tài chính và nếu được có thể build đc AI cho việc lọc CP ko. Còn AI phân tích CP, cơ bản thì đc nhưng DN chiêu trò, cook số thì bố AI cũng chịu.

Nhưng mình học ở nước ngoài, thấy Fintech họ áp dụng để giảm thiểu các thao tác thừa như giấy tờ, retrieve data, vv. Mình mong muốn học để hiểu thêm để có thể áp dụng ko chứ có mỗi cái não và tựa tựa như các phân tích khác thì sớm đào thải, thật lòng mà nói ngành này lừa lọc nhau như cơm bữa . Tay to chơi lớn, cóc nhái thì chơi nhau, cuối cùng ai não sạn nhất thì còn.

thuocdo181 said:

Mình làm từ thời chữ đầu là S, giờ đổi tên sang chữ F rồi.

Đồng ý với thím là có nhiều quan liêu, sell-side loạn hơn vì ít trách nhiệm, số lượng sản phẩm cũng nhiều nữa. Trước mình có tổng hợp dữ liệu gợi ý mua, bán của các công ty CK vào xem có hiệu quả thật không; kết quả là không nhé. Buy-side nghiêm túc hơn tí, nhưng cũng nhiều kèo ảo. Cũng có các case kiểu sếp chốt mua rồi, analyst làm số sao cho việc mua đấy hợp lý.

Túm lại là mỗi ông 1 việc, và một số analyst không áp lực làm đúng mà chỉ cần tròn vai cho các mục đích khác của doanh nghiệp. Còn số họ thực sự đầu tư bằng dữ liệu ra tiền vẫn có nhưng thường thích ẩn dật.

Như thím nói, Analyst giờ thiếu về công nghệ, thiếu cả tính chủ động học. Giờ mọi thứ thay đổi quá nhanh nên muốn làm tốt cái gì cũng phải linh hoạt. Mà muốn nhanh và linh hoạt thì phải có kỹ năng về công nghệ, học nhanh và tư duy làm việc sao cho hiệu quả.

Bỏ qua mấy cái hào nhoáng bên ngoài, tư tưởng của mình là cứ cái gì làm công việc hiệu quả hơn thì thử. Cứ cải tiến từng thứ nhỏ nhỏ một rồi nó sẽ tích lại ra thành quả lớn.

warriorsorochilu said:

Vietcap nó có cả đầu tư, chứng khoán, vv.. Ngành tài chính đầu tư nói chung ngoại trừ customer service (tiếp khách và tư vấn KH) thì éo có cái position nào trọng hình thức cả . Ngành này hơi đặc thù là ngoài khả năng tính toán, tư duy logic phải cực tốt thì còn phải hiểu về ngành, thậm chí ở nc ngoài còn đòi hỏi đến mức có thể hiểu biết về kỹ thuật (vd như phân tích ngành IT thì phải hiểu biết về code, database các kiểu luôn),ở VN thì ko cần sâu như thế nhưng vd như mình làm thép thì phải biết các sp thép làm ra sẽ phải qua các công đoạn nào, máy móc gì, nguyên liệu gì,kỹ thuật gì,tiêu chuẩn chất lượng,đặc thù nganh, vv.

Ngành chủ yếu có 2 bên, sell side và buy side. Sell side đa phần là các công ty chứng khoán (ăn phí và phí tư vấn tùy nơi). Buy side thường là các quỹ hoặc tay to, đòi hỏi team nghiên cứu phải cực giỏi. Ở VN đang thừa analyst, đa phần được nhận làm phân tích thường profile khá khủng do đầu ra các ĐH sl lớn, nhưng nhu cầu ít nên các analyst cho dù có làm ngành khác vẫn giỏi như thường miễn có thời gian học, kể cả IT coding vì tư duy logic của mấy bạn này cực xịn. Lương ngang hoặc thấp hơn IT 1 chút chưa tính làm deal, giỏi mồm mép kiếm deal thì IT lương sợ ko có cửa luôn. 1 deal ăn chia mấy tỉ là nhỏ , và thường IT cũng có project nhưng ko nhiều như deal tài chính đâu, quan trọng là đủ sức bước vào ko ấy. Làm deal thì đa phần IB sẽ kết hợp với research. Tóm lại, hình thức trong ngành tài chính = 0 trừ mô giới dụ trai hám gái, mà MG ko có kiến thức phân tích kỹ thuật thì đẹp tới cỡ nào mà tk đưa cho đám gái đẹp mất tiền xong cũng đek thấy nó đẹp nữa đâu . CÒn backdoor trình tầm tầm ko có cửa, nên chuyển ngành khuyên thật . Còn tài chính dn mà kiểu kế toán nhập liệu vẫn có cửa nếu am hiểuthật sâu BCTC. Biết dòng tiền chảy như nào và có khả năng phân tích các dòng tiền này, thì thêm tiếng Anh IELTS ít nhất 6.5 hoặc 7.0 (cái này thật ko chém, ko tin vào cứ bảo IELTS 6.0 HR nó cảm ơn bạn đến dự ngay, đơn giản vì ngành này 1 ngày đọc 50 trang tài liệu nc ngoài là bthg), khả năng tư duy logic tốt vài hiểu biết về định giá tài sản tài chính (CP, Trái phiếu, vv) thì ok, thiếu 1 trong những thứ trên tốt nhất đừng nghĩ tớiviệc HR xem CV.

cruz1994 said:

thanks bạn, mình cũng tìm hiểu cái này khá nhiều, nhưng theo bạn thì để theo ngành phân tích quỹ buy side thì có thể bắt đầu từ vị trí nào và nên ứng tuyển ở những quỹ/công ty đặc điểm như thế nào, ngoài ra cần phấn đấu đạt đc mốc nào? mình thì có nền tảng tài chính doanh nghiệp, ngân hàng thẩm định, tiếng anh và hiện đang bổ sung thêm kiến thức về qly tài chính, danh mục thông qua cfa. Sorry bạn hỏi hơi chi tiết 1 tí, bữa interview bên McK tạch vòng 2 hơi nản, cơ bản vẫn muốn dấn thân vào IB

thuocdo181 said:

Đồng ý với thím là có nhiều quan liêu, sell-side loạn hơn vì ít trách nhiệm, số lượng sản phẩm cũng nhiều nữa. Trước mình có tổng hợp dữ liệu gợi ý mua, bán của các công ty CK vào xem có hiệu quả thật không; kết quả là không nhé. Buy-side nghiêm túc hơn tí, nhưng cũng nhiều kèo ảo. Cũng có các case kiểu sếp chốt mua rồi, analyst làm số sao cho việc mua đấy hợp lý.

warriorsorochilu said:

Buy sell mình ko biết bạn lấy thông tin ở đâu hay tiếp xúc vs analyst quỹ nào. Nhưng buy side ng ta đánh giá rất kỹ, mình chưa thấy buy side nào làm kèo ảo để đưa ra quyết định ảo, vì đơn giản họ có thể mất việc ngay lập tức , còn nếu đã chốt thì đó là do bên trên chứ analyst vẫn thừa khả năng để đánh giá các rủi ro/cơ hội của doanh nghiệp. Ở cơ sở đặt bạn cầm 100 tỷ. 1 tháng bạn bỏ hơn 40tr/analyst, mà 1 quỹ bao h chỉ 1 analyst. Tính chung ra 1 năm chắc phải vài tỷ tiền research chưa tính thưởng. Thì với tư cách bạn là chủ fund, nếu kèo ảo bác cũng sẽ ko rảnh chi tiền tỷ đâu.

Boo_boy.only.one said:

Cũng quan tâm vấn đề này. Mọi người cho hỏi tay ngang muốn học từ đầu thì nên đăng ký học ở trường nào hoặc chỗ nào?

warriorsorochilu said:

Muốn đi phân tích quỹ thì mình thấy con đường dễ đi nhất là bạn đi apply bên sell side để có thêm kinh nghiệm kiến thức các ngành. Cơ mà IB và phân tích cho quỹ là 2 thứ khác nhau mà nhỉ, 1 cái làm deal, 1 cái làm research, cơ bản phải phân biệt 2 jobs này bản chất khác nhau, đôi khi có support nhau thôi. IB - đi thẳng vào các định chế tài chính (Ngân hàng, quỹ, CTCK) làm IB luôn (IB đòi hỏi luật và khả năng đánh giá dòng tiền), Research - đi vào các CTCK làm trước, build knowdledge về ngành, về quản trị, tài chính doanh nghiệp, đến khi có tiếng thì xin vào quỹ. Vào quỹ lương cao nhưng xác định làm lòi mồm nhé, nhưng return cao

cruz1994 said:

Thanks b, mình hỏi thêm 1 ý nữa là độ tuổi trung bình của nhân lực ngành là khoảng bao nhiêu, đối với cả 2 job ý? muốn chuyển ngành nghề nhưng nếu quá trễ cũng phải xem lại

warriorsorochilu said:

Junior cả 2 đều rơi độ 25-30, Senior hay sếp thì 3x đến cuối 3x. 4x đa phần sếp lớn.

junejune said:

Nice job!
Đang cần tuyển vài bạn có kỹ năng như vậy đe lam việc.
mình cũng đang đào sâu lĩnh vuẹc này, nhu cầu dữ liệu càng ngày càng nhiều, như đám wallstreet đã dùng đến lượng tự rồi, mình còn chạy theo dài mới hiểu đc nó nhưng tương lai là sẽ có đi cùng vs rât nhiều ngành nghề khi càng phât triển càng nhiều dữ liệu.
mình làm business và investment

Madsoulchild said:

mình có cùng mối quan tâm với thím trên, tiên thể b cho mình hỏi 2 câu:
1) nếu muốn làm sell side về research thì cần học những kĩ năng gì nhỉ, trước giờ mình chỉ biét học chứ chưa tìm hiểu ra ngoài làm người ta yêu cầu gì. Hiện tại bây mình có kiến thức academic về finance (chủ yếu từ sách với trường lớp), có học khá nhiều về statistics với econometrics và có biết về R. Bây giờ mình cần học thêm gì để đi làm được nhỉ?
2) Thím cho mình tên 1 số công ty về sell side để mình tìm hiểu thử được không.
Thanks thím nhiều

warriorsorochilu said:

Ko phải chỉ ở VN thiếu cái này đâu. Mình học R,Python, SQl thì cơ hội ở nc ngoài khá cao. Bạn cần tuyển thì đầy ng ra, quan trọng là lương bn . Trên 7x thì đầy ng ứng, nhưng đa phần nếu đc Residence ở xứ lừa tôi có thể bị bóc lột 5x ở xứ bạn vài năm . Chứ nc ngoài ko thiếu thì analyst ở VN ko có cửa sống tới giờ đâu

junejune said:

Thì tôi đang thấy xu hướng kỹ năng nghề về sau những cái này cần phải có, cũng đang muốn tuyển 1 2 nhân viên cứng, k$ thì tôi ko so với âu mỹ.
Anh có các nguồn lấy thông tin, dữ liệu ở đâu để cập nhật thêm ko, mà data anh đang nghiên cứu thuộc lĩnh vực gì?

warriorsorochilu said:

Mình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .

Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.

Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.

warriorsorochilu said:

Mình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .

Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.

Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

tungtaoday123 said:

Kiếm thử 1 DA đúng nghĩa vừa biết technical (bao gồm nhưng giới hạn việc mô hình thống kê, mô hình học máy, visualization) vừa am hiểu domain để support business ra quyết định. Khó vl ra đó và lúc nào cũng thiếu nhân sự

vutienbg730 said:

Chuẩn đó thím, mình backgroud tech(học ở đại học) - nhưng từ khi đi làm, giai đoạn đầu về marketing và business, giờ đã chuyển sang DA được 2 năm thì mình thấy: DA có kiến thức về domain để talk với business là điều tối quan trọng; bản thân trong công ty cũng có rất nhiều bạn học DA ở nước ngoài về, nhưng thuần kỹ thuật quá, business không hiểu nên rất khó co-working đạt hiệu quả cao nhất :3

warriorsorochilu said:

Mình đag tìm hiểu học thêm các ngôn ngữ, vì hiện tại chỉ là analyst quèn xài Excel tại VN, nếu lội post thì sẽ biết mình bị miss 1 offer ở NZ do về VN và kẹt dịch. Nguồn job mình lấy Seek.co.nz, Linkedin, Trademe Job, mình đi du học và tìm việc ở NZ nên đấy là trải nghiệm của nghiệm của mình, còn về lĩnh vực thì Finance và Investement. Với 1 CV có đầy đủ khả năng về tài chính và ngôn ngữ lập trình thì mình chưa thấy ai về VN cả.

Ở đây tranh thủ trau dồi, sau đó hết dịch mà NZ cho nhập cảnh mình cũng té sớm thôi.

vinh91 said:

có thím ở đây là kĩ sư kế hoạch ko? cty mình sắp sử dụng power bi fulltime.trước giờ chỉ dùng excel mà chủ yếu để làm report.lão sếp bảo set up power bi để làm report tự động mà ko hiểu nó là như nào

HVA said:

case này khó mà cũng cực dễ, tùy vào CIO bên bác define nhưng dựa vào requirement thì chắc là sếp cao hứng đòi thôi. Set up power BI để làm report thì cực kỳ đơn giản, nhưng remap lại data để khai thác tối đa data lại là chuyện khác. nói chung dữ liệu bác cung cấp ít quá nên không tư vấn đc gì.

HVA said:

case này khó mà cũng cực dễ, tùy vào CIO bên bác define nhưng dựa vào requirement thì chắc là sếp cao hứng đòi thôi. Set up power BI để làm report thì cực kỳ đơn giản, nhưng remap lại data để khai thác tối đa data lại là chuyện khác. nói chung dữ liệu bác cung cấp ít quá nên không tư vấn đc gì.

vinh91 said:

kiểu như này thím cty mình là hoá dầu hàng ngày mình phải làm báo cáo về sản lượng,tồn kho và hàng đã vận chuyển.mà lão sếp bảo làm 1 cái template xong power bi tự update và chuyển cho các phòng ban mỗi ngày luôn

vinh91 said:

kiểu như này thím cty mình là hoá dầu hàng ngày mình phải làm báo cáo về sản lượng,tồn kho và hàng đã vận chuyển.mà lão sếp bảo làm 1 cái template xong power bi tự update và chuyển cho các phòng ban mỗi ngày luôn

HVA said:

bác nếu chưa có exp gì thì lên ytb xem channel của ông gà excel để tập làm, xong học thêm vài tut như ông thớt đưa là dư xăng.
NHƯNG đây là 1 cơ hội để cty và cả thím đổi đời á, nên tìm hiểu và xây dựng lại data, sau này dựa vô data, report có thể công ty thím đưa ra dự đoán, để phân tích và quyết định phương án sản xuất, kinh doanh, giải quyết đc câu chuyện tồn kho, tối ưu hóa được dây chuyền sản xuất, map được với finance thì lúc đó thím đổi đời luôn á.

thuocdo181 said:

Đồng ý với thím này. Build ra report đầu tiên thì dễ, build sao để duy trì, nâng cấp và mở rộng phạm vi ra mới khó.



Mức độ phức tạp phụ thuộc vào bài toán của bạn nữa.
Ví dụ:
Trường hợp dễ: nguồn dữ liệu của bạn là excel, csv và có cấu trúc rõ ràng.
Yêu cầu tính toán và hiển thị không có gì đặc biệt thì bạn xem một số tutorial cũng có thể tự làm được.

Bạn có thể tham khảo series này:

Trường hợp khó:
Nguồn dữ liệu của bạn không đầy đủ, thi thoảng phải điều chỉnh bằng tay.
Bạn phải lấy dữ liệu từ các database mà không nắm được cấu trúc.
Bạn phải lấy dữ liệu trên web và các nguồn kỳ dị khác.
Bạn phải xử lý phân quyền cho từng người dùng xem báo cáo sẽ thấy các vùng dữ liệu khác nhau.
Bạn phải xử lý dữ liệu realtime hoặc near realtime.
Bạn muốn tạo riêng một bản mobile và desktop.
Bạn phải làm báo cáo sao cho logic và có ý nghĩa.........


Chỉ cần dính 1 trong các case trên là đau đầu rồi.

vinh91 said:

đúng rồi thím.nhiệm vụ mình là dự báo,phân tích sx,ảnh hưởng thị trường mà.job title là planning analyst mà.finance thì mình tính toán doanh thu chung chung thôi.bên accounting mới tính toán kĩ lại dựa trên báo cáo của mình
nhưng data ko clean đâu,vì nhiều phòng ban lắm,lão sếp cũng bảo trước phải sắp xếp data excel trước rồi mới load vào power bi cho nó auto

HVA said:

có công ty nào chuyển đổi mà data clean đâu thím, trừ khi công ty mới toanh, tìm đc ông siêu nhân system về thiết kế thì họa may, data sẽ phát triển theo thời gian, bổ sung, hoặc bớt đi thậm chí phá đi làm lại là bình thường. sếp nói có team IT support chắc là team đó có người phụ trách làm master data, thím trong vai trò BA dự án này chắc luôn.

tungtaoday123 said:

Cái vấn đề là không phải công ty nào cũng chỉ kinh doanh trên digital channel mà bảo chỉ cần DS và DE chạy mấy cái propensity model, recommendation system là có thể khai thác được khách hàng. Đa phần là omni channel và nhiều solution vậy không có thằng DA trả lời các vấn đề Bán ở đâu, bán cho ai, bán trên kênh gì, khi nào bán thực thi với các chiến lược của BOM thì còn khướt mới Data driven được. Tôi thấy DA mới là nghề của tương lai, còn lại sau autoML, tool phục vụ cho việc ingest dữ liệu, tổ chức dữ liệu thi DE và DS nhân sự sẽ thu hẹp lại và DS đúng nghĩa phải làm reseacher chứ applied science sẽ thuộc về DA

HVA said:

Visa của bạn là visa gì vậy? cũng đang tìm remote job về data ở NZ đêy.

thuocdo181 said:

Hi mọi người, cuối tuần này mình có talk ở UEB - Research & Sharing lần 2.

Nếu bạn muốn nghe câu chuyện về một sinh viên năm 2 đại học, quyết định trải nghiệm một năm gap year đầy sóng gió ở VN.

Kết quả, sau 1 năm bạn ấy collect được số offer letter đúng bằng số tuổi (VN:18, US:2). Các công việc bạn ấy lựa chọn phỏng vấn đề thuộc những ngành đang được quan tâm với yêu cầu cao (Business Analyst, Data Analyst, Data Engineer). Thậm chí những vị trí vốn dự kiến tuyển dụng senior.

Chúng mình sẽ nói từ chuyện học và chuẩn bị những gì, tìm thông tin tuyển dụng ở đâu, nộp CV ứng tuyển như thế nào để không bị rớt từ vòng gửi xe., trả lời phỏng vấn ra sao khi gặp các C level trong doanh nghiệp... cho đến những kinh nghiệm đau thương và outplay nhà tuyển dụng thần thánh.

Thời gian 14h30 chiều T7 tuần này, 28/08.

Online qua MS Teams
Đăng ký tham dự: https://bit.ly/csead2108
Xem thêm thông tin: https://lnkd.in/gPaUaan3

dantocman said:

Em có kinh nghiệm làm m&a với project bên holding nhỏ mà apply vị trí phân tích bên quỹ với chứng khoán mà toàn tạch, qua 2-3 vòng rồi mà vẫn tạch, em cũng thấy job tuyển tương đối ít, không biết tìm nguồn tuyển dụng ở đâu với hoàn thiện những kỹ năng gì để làm phân tích ben cty chứng khoán với quỹ nhỉ bác
Em cảm ơn bác nhiều


via theNEXTvoz for iPhone

warriorsorochilu said:

Mình ra trường đầu năm ngoái thôi, lúc đầu apply thì vào làm IB nhưng sau chuyển qua phòng phân tích nhưng lúc chuyển phải pv lại. Job tuyển ít thì đúng r tại ai làm nghề này ai cũng muốn vào để có thể lv up qua bên quỹ ăn lương cao.

Nếu bạn muốn làm phân tích thì cần 3 thứ thôi, 1 là rành thật rành đọc hiểu BCTC, biết cách dòng vốn vận hành thế nào để sinh ra ln, cái này cũng khoai đấy, nhiều ông làm mấy năm vênh mặt chứ đưa cái BCTC éo cân nổi luôn, vốn do tưởng hiểu BCTC rồi nhưng vẫn ko biết 3 bảng nó liên hệ vs nhau ntn; 2 là hiểu về cách thức định giá (Cái này có thể học CFA, hoặc học ở trường), 3 là tư duy cực tốt về vận hành doanh nghiệp.

Trên này 3 cái kia chỉ là điều kiện cần để làm junior. Còn senior thì master 3 cái trên còn phải có hiểu biết về hầu hết các ngành có trên TTCK. Nói chung là mất 1 thời gian dài đấy.

Mà bác có xác định là vào quỹ ko thì join CTCK trước, chịu lương thấp vì value added của analyst ở CTCK thấp, báo cáo up free đầy trên mạng là biết nó thừa đến mức nào. Còn mà lơ ngơ thì kiểu gì cũng kẹt ở CTCK, đi làm nhìn mặt sếp riết cho đến khi nào ngấy thì nghỉ, vài k analyst mà ông nào cũng muốn làm cho quỹ thì tự hiểu tỷ lệ chọi và tại sao ng ta ko nhận bác.

MÌnh làm cũng chỉ để học hỏi cách vận hành dn, chứ lâu dài mình sẽ tách ra kd riêng . Nên chả mong lắm, mình học thêm data để tự nghiên cứu đầu tư thôi. Chứ lương hiện giờ kể cả lên 35-45 củ đòi add thêm data analyst kết hợp finance, vv, mình xin phép dis phát rồi quay lại NZ làm.

warriorsorochilu said:

3-year post study visa. Nhưng mình học về Finace, data là dự định học thêm để support thôi. Mà có tính qua đó ko hay làm kiếm thêm thôi bác.

satan456 said:

Gạch
Em đang làm BA, nhưng muốn nghề nghiệp của mình có liên quan tới data, có cao nhân nào biết là lai lai giữa BA với data thì có những path nào không ạ. Cảm ơn các thím

Arashi Ackerman said:

Trong thớt có anh em nào quan tâm vị trí Data Engineer PLSQL Oracle ở HCM gửi CV mình nhé

via nextVOZ for Android

khangpham said:

Vị trí này giờ hơi khó kiếm nè, chắc là bank hay bảo hiểm

chuoixanh86 said:

Data analysis mảng e-commerce/logistics/supply chain phát triển được không nhỉ

HVA said:

em hỏi cho "em gái mưa" trước cũng học master finance bên đó, bây h kiếm việc remote thôi ạ, ở VN làm lương thấp hơn nhưng được cái gần nhà, đợt qua đó bị tụi sirilanka nó lừa 1 lần nên mình cũng lo chắc ko cho đi nữa đâu.

cocghe1995 said:

Bác thớt với anh em cho mình hỏi chút, công ty mình là đơn vị vận chuyển, giờ muốn tự động phân loại mặt hàng dựa trên nội dung khách họ điền thì nên bắt đầu từ đâu. Mình đang nghĩ là sẽ xây dựng thư viện rồi bắt theo keyword nhưng thấy thế chưa ổn lắm

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

fox.d.pal said:

Mình cũng định hướng cho em mình thi ngành này. Bác có thể cho em hỏi là nên định hướng theo trường đại học nào và ngành gì để dễ phát triển lên nhất ạ? Trong quá trình học nên học thêm các loại kiến thức gì, nên học hỏi thực tế như thế nào để khi ra trường có kiến thức thực tế để phát triển tốt cho tương lai ạ.

Mong bác chia sẻ. Mình xin trân trọng cảm ơn ạ.

Gửi từ Một thế giới khác... bằng vozFApp

kagayaart said:

Chào anh em, mình muốn hỏi một chút vì chỉ mới bắt đầu tìm hiểu . Background mình dân kinh tế, cũng từng tự mở business buôn bán, hiện thì đang làm Digital Marketing, biết dùng spss nghiên cứu, excel, đang học cơ bản python, mình cũng học tốt các thứ về toán. Mình tìm hiểu về mảng này thì thấy có 2 hướng là Data Analysis và Business Intelligence. Mục tiêu của mình thì cần để tăng cường năng lực Marketing chứ ko định đổi ngành, học mang tính ứng dụng và nhanh, cũng như thêm 1 nghề tay trái nhận thêm job. Mình muốn hỏi anh em là với mục tiêu vậy mình nên học DA hay BI, và theo thứ tự thì nên học những gì, nếu có nơi dạy nữa thì càng tốt, cảm ơn anh em.

letuan1121 said:

Chào các bác e là sinh viên mới ra trường chuyên ngành kinh tế, hiện tại đang thử việc tại ngân hàng nhưng cảm thấy không hợp làm vị trí tín dụng muốn nghỉ hẳn để sang ngành dữ liệu thì lộ trình học khoảng bao lâu và học phí như thế nào. Tiếng anh của e thì nghe và đọc tạm ổn còn nói và viết thì hơi kém.

thuocdo181 said:

Khóa này nhiều chứng chỉ nhỏ, các bạn follow và collect dần, khá đầy đủ:
https://www.coursera.org/professional-certificates/google-data-analytics

Cho các bạn đang làm việc với đồ Microsoft hoặc Power BI:
https://docs.microsoft.com/en-us/learn/certifications/exams/da-100

Có đầu tư thì góp nhau mua Acc DataCamp học cũng ổn.

Và các web online khác, mời các bạn khác bổ sung.

Khóa 1: Data Fundamentals​

Khóa Data fundamentals sẽ dạy cho bạn những kiến thức nền tảng nhất về ngành Dữ liệu. Học viên sẽ được học các kiến thức cơ bản về cơ sở dữ liệu trong môi trường đám mây, khám phá cách làm việc với dữ liệu quan hệ và không quan hệ trên Azure – nền tảng điện toán đám mây được cung cấp bởi Microsoft.

Kết thúc khóa học, học viên có thể:

• Nắm được các khái niệm dữ liệu cốt lõi
• Nắm được cách làm việc với dữ liệu quan hệ trên Azure
• Nắm được cách làm việc với dữ liệu không quan hệ trên Azure
• Nắm được khối lượng công việc phân tích trên Azure
• Đủ điều kiện tham gia kỳ thi DP-900 lấy chứng chỉ Microsoft Azure Data Fundamentals.

Khóa 2: DP-080: Querying Data with Microsoft T-SQL​

Khóa học tiêu chuẩn của Microsoft, cung cấp các khái niệm và ứng dụng cơ bản trong phân tích dữ liệu của ngôn ngữ SQL chuẩn: Transact-SQL. Học viên sẽ được đào tạo các kỹ năng về tổ chức, tích hợp và khai thác dữ liệu nhằm đưa ra các thông tin và dự báo phục vụ cho quy trình ra quyết định một cách hiệu quả nhất . Khóa học bao gồm cả truy vấn và sửa đổi dữ liệu trong cơ sở dữ liệu quan hệ được lưu trữ trong hệ thống cơ sở dữ liệu dựa trên Microsoft SQL Server, bao gồm: Microsoft SQL Server, Azure SQL Database và Azure Synapse Analytics.

Kết thúc khóa học, học viên có thể:

• Hiểu được các nguyên tắc cơ bản của Cơ sở dữ liệu quan hệ và Ngôn ngữ truy vấn có cấu trúc (SQL).
• Sử dụng các câu lệnh Transact-SQL để thiết kế và tùy chỉnh cơ sở dữ liệu (bằng công cụ MS SQL) cũng như lưu trữ, truy xuất và thao tác với dữ liệu trong cơ sở dữ liệu quan hệ.
• Ứng dụng SQL trong phân tích dữ liệu (BI và các công cụ báo cáo).

Với đội ngũ giảng viên được đào tạo bài bản, nhiều năm kinh nghiệm phân tích và xử lý dữ liệu ở cả môi trường doanh nghiệp trong và ngoài nước, Datapot hướng tới mục tiêu cung cấp những khóa học đơn giản, hiệu quả và gắn liền với thực tiễn nhất có thể.

Khóa 3: DA-100: Analyzing Data with Power BI​

Là sự kết hợp giữa phát triển tư duy và kỹ năng sử dụng công cụ phân tích, khóa học cung cấp những kiến thức nền tảng và thiết yếu về ứng dụng Power BI trong phân tích dữ liệu và ra quyết định trong doanh nghiệp.
Power BI là công cụ phân tích kinh doanh từ Microsoft, được sử dụng bởi các tập đoàn như Unilever, Techcombank,.. hỗ trợ làm báo cáo tự động, nhanh chóng & hiệu quả hơn so với sử dụng Excel, PowerPoint.
Kết thúc khóa học, học viên có thể:

• Hiểu được các nguyên tắc cơ bản sử dụng Power BI. Sử dụng Power BI để visualize dữ liệu, truyền tải được thông điệp.
• Sử dụng các Power BI để làm sạch, transform dữ liệu. Có thể tổng hợp được dữ liệu từ nhiều nguồn khác nhau.
• Biết cách tiếp cận các vấn đề bằng dữ liệu, hiểu được tầm quan trọng của dữ liệu trong doanh nghiệp.
• Có tư duy về ứng dụng dữ liệu trong môi trường doanh nghiệp, tư duy về sử dụng dữ liệu và công cụ để giải quyết vấn đề.
• Chuẩn bị kiến thức và kỹ năng cần thiết để thi chứng chỉ Microsoft Certified Data Analyst Associate.

cocghe1995 said:

Bác thớt với anh em cho mình hỏi chút, công ty mình là đơn vị vận chuyển, giờ muốn tự động phân loại mặt hàng dựa trên nội dung khách họ điền thì nên bắt đầu từ đâu. Mình đang nghĩ là sẽ xây dựng thư viện rồi bắt theo keyword nhưng thấy thế chưa ổn lắm

kagayaart said:

Chào anh em, mình muốn hỏi một chút vì chỉ mới bắt đầu tìm hiểu . Background mình dân kinh tế, cũng từng tự mở business buôn bán, hiện thì đang làm Digital Marketing, biết dùng spss nghiên cứu, excel, đang học cơ bản python, mình cũng học tốt các thứ về toán. Mình tìm hiểu về mảng này thì thấy có 2 hướng là Data Analysis và Business Intelligence. Mục tiêu của mình thì cần để tăng cường năng lực Marketing chứ ko định đổi ngành, học mang tính ứng dụng và nhanh, cũng như thêm 1 nghề tay trái nhận thêm job. Mình muốn hỏi anh em là với mục tiêu vậy mình nên học DA hay BI, và theo thứ tự thì nên học những gì, nếu có nơi dạy nữa thì càng tốt, cảm ơn anh em.

vinh91 said:

kiểu như này thím cty mình là hoá dầu hàng ngày mình phải làm báo cáo về sản lượng,tồn kho và hàng đã vận chuyển.mà lão sếp bảo làm 1 cái template xong power bi tự update và chuyển cho các phòng ban mỗi ngày luôn

hieu said:

ối, em nhớ lần trước có topic DA, giao lưu với thím về python thì phải, thím còn kêu lão trưởng phòng biết nhiều nhưng k share, vụ setup như sếp thím đòi thì dễ thôi, ủn data vào pbi desktop, lên report theo nhu cầu end-user, ném lên web, cài schedule cho n tự chạy, cơ mà có pbi pro thì mới dùng đc thì phải, auto send mail cũng có trên pbi web sẵn r, quan trọng là đảm bảo được nguồn data hàng ngày k bị đứt đoạn thôi

phamkhuongvu said:

Tài khoản free cũng dùng được schedule refresh. Mà nó không cho chia sẻ báo cái với phân quyền thôi. Bọn MS làm tiền vkl.

hieu said:

còn chuyển giao các phòng ban nữa thím, send qua mail nhìn ảnh thì k có tác dụng gì mấy, pbi báo cáo động n mới phát huy khả năng, acc pro pbi hình như cả năm có mấy củ thôi, cả 1 cty dư sức sắm 1 2 cái acc

khangpham said:

Nếu data kg quá lớn thì mua một account premium của nó sau nhúng (embedded) vào một website thì có thể share cho nhiều người mà, ai muốn xem chỉ việc truy cập website thôi

khangpham said:

Nếu data kg quá lớn thì mua một account premium của nó sau nhúng (embedded) vào một website thì có thể share cho nhiều người mà, ai muốn xem chỉ việc truy cập website thôi

hieu said:

cách đó cũng ổn thím, ngày trước làm ecom chơi embedded tiện vl, bao nhiêu báo cáo nhưng phân quyền đơn giản, từ ngày sang bank k chơi trò đấy đc nên e cg quên béng mất

thuocdo181 said:

Public to web thì chỉ cần office 365 admin mở quyền là share public được. Account free cũng public được luôn. Rủi ro vụ bảo mật. Trước mình cũng hay làm trò này để khỏi tốn tiền mua license.



Combo ngon bổ rẻ mà dễ dùng nhất là google sheet + google data studio + google sites. Có thể chi tiền cho google bigquery nếu cần lượng dữ liệu lớn hơn.

Mà quen tay Power BI rồi thì quên data studio luôn, sướng quen rồi khổ không chịu được.
Account pro là 10 USD/user tháng.
Ăn chơi thì premium per user 20 USD/user.
Giàu nữa thì Premium bắt đầu từ ~ 5k/tenant/tháng.

thuocdo181 said:

Public to web thì chỉ cần office 365 admin mở quyền là share public được. Account free cũng public được luôn. Rủi ro vụ bảo mật. Trước mình cũng hay làm trò này để khỏi tốn tiền mua license.

khangpham said:

Ý mình là nhúng, chứ kg phải dạng public to web kg cần xác thực dạng iframe
PBI embedded cho phép làm được nhiều thứ khác ngon lành cành đào hơn cách Public to web, ví dụ như xác thực hay cơ chế phân quyền data

thuocdo181 said:

Embedded cũng cần mua license riêng. Giá cũng không yêu thương lắm.
Mấy team làm embdeded ngon nhúng luôn vào app thì làm được đủ trò.

Bác chắc biết link này rồi nhưng mình add thêm cho bác nào muốn trải nghiệm thử.
https://playground.powerbi.com/en-us/showcases-gallery/insight-to-action

Chấp nhận hạn chế trải nghiệm tí thì cài report server nếu muốn tiết kiệm chi phí.

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

hieu said:

bank thì k chơi hàng google đc r thím, dùng họ MS nên pbi là hợp lý nhất r, nhưng phải cái làm việc với data khó khăn do k access đc thẳng production để edit trên pbi desktop thôi, toàn vừa làm vừa đoán

khangpham said:

Yep, theo lý thuyết thì embedded cần phải có mua A.SKU với giá thấp nhất tầm 700USD/tháng
thực tế là có thể xài user Premium (~19 USD/tháng) làm được việc này, miễn là lượng data kg quá lớn, vượt quá capacity của Premium User
Theo thông tin mới leak được từ Microsoft thì sắp tới sẽ GA một số features cho PBI,trong đó có phần chính thức cho phép embed bằng premium user luôn

thuocdo181 said:

Ý bác là cái vụ Data không có mô tả rõ ràng. Vụ đó thì nỗi đau không của riêng ai.
Mình có làm dự án + đào tạo ở mấy bank, thấy adopt Power BI nhanh vc.

DekIu said:

đang có hướng nhảy sang DA/DE
Nghiệp vụ các doanh nghiệp: trước làm triển khai pmem kế toán, nên các mô hình dn ở vn và nc ngoài cũng va vấp kha khá.
Nghiệp vụ xử lý,phân tích dữ liệu: cviec hiện tại là phân tích và xử lý dữ liệu, từng phân tích rõ ràng từng khoản chi phí, doanh thu của tập đàon, hệ thống tính lương tự động của khối kih doah....
bác chủ thớt cho e xin tên 1 cái chứng chỉ cho DA hay DE để e thi, rồi tự tin đi xin các cty khác với.

hieu said:

không thím, schema đầy đủ rõ ràng, nhưng chỉ được access db UAT đã được mock data, làm trên desktop cũng chỉ là uat thôi, và dùng direct query nên rất khó dùng dax các hàm tính toán, đồng thời cũng phế 1 nửa tính năng của pbi là power query, và cáu nhất là làm nhưng k biết data đúng hay sai, publish lên web thông qua gateway mới nhìn được số prod, bank em hiện tại đang là như thế, nên mỗi lần edit báo cáo là publish pbi rất nhiều lần

thuocdo181 said:

Vụ này do quy trình thì đúng là khó. Làm mấy case kiểu này phải tính toán trước các case nhiều, càng sớm lên tay bác ạ.

hieu said:

nổ não thôi thím, em là DA cho vận hành, số má phải chuẩn chỉnh từng ly còn báo cáo lên ủy ban, mà làm việc với data test khó chịu lắm, code với tính hàm xong cg k biết đúng hay sai, chỉ có publish lên web mới biết, r lại mò ngược lại code dưới desktop, hard work quá, trong khi bên viettel thì dữ liệu xịn đến intern còn tiếp cận được

thuocdo181 said:

Phân biệt DA với BI trước nhé:

Quan điểm của mình, với entry level thì skillset và công việc của DA, BI khá tương đồng. Thực tế công việc trong doanh nghiệp cũng không có khác biệt đáng kể.

Thật ra đều là làm việc với dữ liệu và sản phẩm cũng tương tự như nhau nên phân biệt vị trí này là ko cần thiết, cũng như phân biệt DA và DS, thật ra cũng tuỳ định nghĩa từng nơi, ví dụ mấy chú DS tại một số DN làm khác gì DA đâu.

Cách phân biệt gần đúng nhất BI và DA là phân biệt theo "field of application" . Business Intelligence thì sẽ tập trung vào xây dựng hệ thống lưu trữ dữ liệu, hệ thống báo cáo, phân tích, dự báo cho doanh nghiệp, hỗ trợ việc ra quyết định kinh doanh

Data Analytics thì thường tập trung hơn vào hệ thống báo cáo, phân tích, dự báo, và có thể thuộc rất nhiều lĩnh vực chứ ko chỉ Business. Ví dụ như Y tế, chính trị, môi trường.

Có thể hiểu Business Intelligence = Data Analytics (business-oriented) + BI System (DWH+BI tools)

Bạn tham khảo thêm bài viết này, logic khá tốt: https://anyinstructor.com/data-analyst-vs-bi-analyst-a-helpful-comparison/

Đừng đọc mấy tài liệu các bạn Marketing chém lung tung lại loạn.


Định hướng học của bạn nên hướng sang Marketing Analytics.
Về business sẽ có nhiều thứ nên tìm hiểu thêm, chủ yếu xoay quanh công nghệ và ứng dụng trong mảng của mình. VD: Google analytics, CDP, Các bài toán liên quan đến MKT và trải nghiệm khách hàng...

Về tech và analytics skills:
Bạn có thể start với các khóa học online free trước xem có phù hợp không.
Nếu xác định đầu tư và muốn learn data the hard way, thì tham khảo combo khóa học foundation chỗ mình. Có lộ trình, outcome rõ ràng, giảng viên theo dõi và hướng dẫn tận tình. Nhưng cũng nói trước là phải dành thời gian học mới theo được. Mình không bán thuốc học giỏi.

AlanSeeping said:

Hóng ké bác này. Mình cũng background Digital Marketing và hiện đang làm mảng app nhưng hiện tại khá mệt vì ngày nào cũng OT chạy thep plan, KPI, thay đổi sáng tạo,.... Mình được đánh giá là có logic, các báo cáo mình đều làm bằng excel nên cũng quen với lượng dữ liệu nhiều.
Mình muốn chuyển sang mảng data hoặc gì đó "systematic" hơn. Chủ yếu là bớt đứng mũi chịu sào, có nhiều thời gian cho gia đình con cái và bản thân hơn. Vậy có hướng đi nào không nhỉ bác?

Loserboiz said:

Nếu có bằng đh qtkd mà giờ mún làm chuyên sâu bên mảng dữ liệu thì mình có nên đi học thsi data science k các bác??

thuocdo181 said:

Bạn có thể cân nhắc các vị trí sales admin, chỉ đi tổng hợp số liệu 1 phòng ban kinh doanh nào đó. Một số doanh nghiệp lớn, mô hình kinh doanh không đổi nhiều thì DA, DE, DBA làm sau 1-2 năm kinh nghiệm rồi khá nhàn (và cũng chán ). Còn muốn bắt đầu chuyển sang ngành này với mức thu nhập tốt thì bác nên xác định đầu tư thời gian.


Mình có tham khảo một số chương trình thạc sỹ ở VN, có mấy nhận xét dưới đây.

Pros:
1. Bằng cấp chính quy bao giờ cũng tốt hơn. Nhất là sau này vào cơ quan nhà nước hoặc xác định học lên tiếp.
2. Chương trình thạc sỹ học lại nhiều môn cơ bản về toán + lập trình, bù đắp cho các phần thiếu hụt của sinh viên kinh tế. Sẽ có ích sau này.

Cons:
1. Thời gian đầu tư dài. (1,5-2 năm)
2. Kỹ thuật học nặng về lý thuyết nhưng dàn trải. Sinh viên học xong vẫn phải bơi thêm mới đáp ứng được công việc thực tế.
3. Đầu ra không có định hướng về business, domain hoặc vị trí công việc cụ thể.

Nếu xác định học MSc ngành này bạn nên tìm việc làm song song trong quá trình học. Nếu chỉ học thôi thì giống học lại đại học ngành 2 lắm. )

Satan123 said:

Lội thớt mưới biết bác làm ở DP
Em cũng vừa đăng kí combo bên này, thấy khá ổn nhưng thường cuối tuần phải cày lại video do đi làm về đuối quá nên kiến thức không nạp vào được hết
Xin phép add contact bác để có gì em nhờ tư vấn thêm nhé ạ

thuocdo181 said:

Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.

Sơ lược về mình:

• Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
• Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
• Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.

Phạm vi topic này:

• Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
• Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
• Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
• Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.

Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.


Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:

1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.

Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.

2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..

Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.

3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.

Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )

4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.

Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.

5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.

Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.

6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.

Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.


Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.

lugach said:

Mình tuổi đời thì ít hơn thím chủ thread, tuổi nghề thì ít hơn khá nhiều cao nhân trong đây, những cũng có kinh nghiệm tương đối trong ngành. Mình xin chia sẻ với các bạn đang chuẩn bị chuyển sang ngành này hoặc đang có ý định chuyển ngành như sau.
1. Môi trường VN hiện tại có rất nhiều cơ hội cho ngành này phát triển, các công ty outsource tuyển 1 lúc vài trăm người là bình thường. Quan điểm cá nhân của mình là ngành này đang khát nhân lực nhưng thừa người dở và thiếu người làm được việc. Nên bạn cần chuẩn bị kỹ tâm lý là Apply nhiều nơi nhưng không thấy phản hồi.
2. Mình thấy hiện tại tuyển rất nhiều Level nhưng toàn Junior đổ lên, cơ hội cho Fresher mình thấy khá hiếm, nên thay vì chọn những trung tâm đào tạo nhan nhản hiện tại, hay tìm hiểu kỹ, chỗ nào có thể giới thiệu việc làm ở mức độ fresher một cách uy tín thì hẵng xuống tiền đi học.
3. Tiếng anh rất cần thiết, mình không có ý chê bai mấy khóa học hiện nay nhưng nếu các bạn có vốn tiếng anh tương đối, ở nhà các bạn cũng có thể học được những thứ mà bất cứ trung tâm nào ở VN dạy với giá cả phải chăng hơn hoặc free. Cho nên quay lại vấn đề thứ 2 bạn cần tìm mentor tốt chứ không phải trung tâm hoặc giảng viên nào có thể đào tạo bạn mà không có cam kết gì hết.

thuocdo181 said:

Bạn có thể tham khảo:
Hệ thống thông tin quản lý của ngân hàng, thương mại, học viện tài chính. NEU và Bách Khoa cũng có ngành phân tích dữ liệu rồi.

Trong quá trình học nên tích cực đi thực tập, làm sớm để hiểu về hoạt động trong doanh nghiệp. Tiếng anh tốt và thi thêm một số chứng chỉ quốc tế cũng có nhiều lợi thế cho các bạn entry level.

Nếu điểm thi okie và thích ngắm hoa hậu thì thi vào FTU nhé, trong 1-2 năm tới sẽ có ngành KHDL. Có thể lúc đó bạn sẽ gặp mình ở lớp nào đó. )

14143311 said:

trong này có bác nào rành về excel ko?
Em đang quản lý danh sách các code sản phẩm trong nhóm. Những code này có status thay đổi hàng ngày, làm sao để lưu giữ status cũ và mới của từng code một cách gọn gàng nhất
Em dc giao làm cái này mà ko tìm ra dc cách nào làm tối ưu

via theNEXTvoz for iPhone

kaname_momojiri said:

Mình chỉ muốn hỏi là mình bắt đầu dạng beginner thì học qua bọn datacamp.com được không??? Nó đang saleoff 80% ấy nên hỏi mọi người trước.

fox.d.pal said:

Mình cũng đang hướng cho em nó vào ngành đó của NEU. Thích ngắm hoa hậu thì chắc là không vì quên không chia sẻ nó là nữ . Cảm ơn bạn đã chia sẻ, nếu nó vẫn keep được lực học như hiện tại thì mình có lẽ cũng hướng cho nó sang ngoại thương. Mà quan ngại nhất có lẽ là nó không thích thôi.

Gửi từ Một thế giới khác... bằng vozFApp

kaname_momojiri said:

Mình chỉ muốn hỏi là mình bắt đầu dạng beginner thì học qua bọn datacamp.com được không??? Nó đang saleoff 80% ấy nên hỏi mọi người trước.

thuocdo181 said:

Bạn có thể cân nhắc các vị trí sales admin, chỉ đi tổng hợp số liệu 1 phòng ban kinh doanh nào đó. Một số doanh nghiệp lớn, mô hình kinh doanh không đổi nhiều thì DA, DE, DBA làm sau 1-2 năm kinh nghiệm rồi khá nhàn (và cũng chán ). Còn muốn bắt đầu chuyển sang ngành này với mức thu nhập tốt thì bác nên xác định đầu tư thời gian.


Mình có tham khảo một số chương trình thạc sỹ ở VN, có mấy nhận xét dưới đây.

Pros:
1. Bằng cấp chính quy bao giờ cũng tốt hơn. Nhất là sau này vào cơ quan nhà nước hoặc xác định học lên tiếp.
2. Chương trình thạc sỹ học lại nhiều môn cơ bản về toán + lập trình, bù đắp cho các phần thiếu hụt của sinh viên kinh tế. Sẽ có ích sau này.

Cons:
1. Thời gian đầu tư dài. (1,5-2 năm)
2. Kỹ thuật học nặng về lý thuyết nhưng dàn trải. Sinh viên học xong vẫn phải bơi thêm mới đáp ứng được công việc thực tế.
3. Đầu ra không có định hướng về business, domain hoặc vị trí công việc cụ thể.

Nếu xác định học MSc ngành này bạn nên tìm việc làm song song trong quá trình học. Nếu chỉ học thôi thì giống học lại đại học ngành 2 lắm. )

14143311 said:

trong này có bác nào rành về excel ko?
Em đang quản lý danh sách các code sản phẩm trong nhóm. Những code này có status thay đổi hàng ngày, làm sao để lưu giữ status cũ và mới của từng code một cách gọn gàng nhất
Em dc giao làm cái này mà ko tìm ra dc cách nào làm tối ưu

via theNEXTvoz for iPhone

secret90 said:

Có fen nào làm dữ liệu về y sinh ko? R với Python thì có người khuyên đi 1 cái thôi, mà mình thấy cả 2 đều ngon. R nhiều tài liệu tham khảo hơn, Python viết dễ hơn nhưng chịu khó đọc tiếng Anh. Ko biết nên đi tiếp cái nào?

thaib181 said:

Cho e hỏi bác học ngành gì mà làm về dữ liệu y sinh vậy ? Y đa khoa hay CNSH ?

babysaker1 said:

Cho em hỏi tí là các bác nghĩ sao về các job data analyst remote ạ

Em tính app 1 chỗ để đỡ học phí thạc sỹ ạ

thuocdo181 said:

Datacamp là nền tảng ngon nhất để học và thực hành luôn rồi. Mà các course ở Data Camp hơi kiểu cầm tay chỉ việc và bắt chước theo. Mới bắt đầu học để lấy kiến thức cơ bản cũng rất okie. Sau đó nên làm các project lớn hơn.
Tiền thì rủ bạn bè mua cùng cho đỡ lãng phí.

lightning42 said:

Chào bác. Em cũng là dân mới lon ton chuyển qua học code thôi ah. Hiện nay em đang học ở codecademy, em đã học xong phần SQL và hiện em đang chuyển sang học Python. Tất nhiên là mới học dc 2 tháng nên em còn có nhiều thứ không hiểu và còn phải thực hành nhiều lắm. Em có được thấy bác nói là bên Datacamp học thì ngon nhất và thực hành cũng tương tự.
Cũng tiện bác có thể cho em hỏi vài thứ, rất mong dc bác trả lời. Em chân thành cảm ơn bác
1. Sau khi học xong bên codecademy, em có cần phải qua bên Datacamp để học thêm không ah?
2. Em tự đặt ra mục tiêu cho mình là sau 1 năm cày bừa, em phải giải được thành thạo bài tập SQL, Python. Em biết nói thế sẽ có nhiều bác cười em. Nhưng hiện giờ em đọc nhiều bài trên sqlzoo, progestsql em vẫn chưa hiểu, nên em chỉ tạm đặt ra mục tiêu như thế thôi. Vậy theo bác, 1 năm như thế là có quá ngắn hay không? Em có cần phải điều chỉnh lại thời gian để đạt được mục tiêu không?
3. Theo em, mindset là rất quan trọng khi code, theo bác, để từ một người có thuần tư duy cơ bản sang tư duy code, đặc biệt là tư duy của Data Analysis/ Data Scientist, cần phải làm gì cơ bản hằng ngày để có được tư duy này?

Cảm ơn bác vì đã đọc câu hỏi của em. Em rất mong nhận được câu trả lời của bác.

thuocdo181 said:

Tự tin thì cứ apply thôi bác, nhưng mấy job này thường không nhận fresher do khó kiểm soát công việc cũng như đào tạo nhân viên mới.

rock_o0o said:

Sr vì bới thớt lên. Mng cho mình hỏi h học Data ở HN thì trung tâm nào uy tín nhất nhỉ? Mình cx background tài chính, muốn tìm khóa học data ở trung tâm mà đảm bảo đầu ra í. Google search thì ra 2 trung tâm top 1 tìm kiếm là funix vs mcivietnam. Không biết nên chọn cái nào nhỉ?

Bảo Kê Chuồng Bò said:

Tân sinh viên ngành Data chào các cô các chú. Không biết các cô, chú có lời khuyên gì cho sinh viên năm nhất ngành data không ạ.

Internet Explorer Beta said:

có ngành này luôn hả thím, tên đầy đủ là gì thế

Internet Explorer Beta said:

có ngành này luôn hả thím, tên đầy đủ là gì thế

fRzxy said:

Ngày xưa e học đại học có ngành tên là hệ thống thông tin kinh tế

fRzxy said:

Ngày xưa e học đại học có ngành tên là hệ thống thông tin kinh tế

moonie said:

Công ty đang Xài SAP và Power BI, data analyser, nói thật mới đầu chả biết quái gì, sau tự mò, tự học hỏi người này người kia giờ cũng thành thạo

Internet Explorer Beta said:

ngành này không biết gì cũng được tuyển hả thím

moonie said:

Đâu, mình đâu liên quan gì ngành này, mình làm bên mảng Commercial, cty áp dụng cái này, mình xài theo, học dần trước đó chưa biết, không học liên quan gì Data Analytic. Vào nhìn thấy cũng thích vì mình mê mảng phân tích data trong máu

Bảo Kê Chuồng Bò said:

Tân sinh viên ngành Data chào các cô các chú. Không biết các cô, chú có lời khuyên gì cho sinh viên năm nhất ngành data không ạ.

Internet Explorer Beta said:

có ngành này luôn hả thím, tên đầy đủ là gì thế

hieu said:

năm nhất thì cứ chơi đi đã, cày sớm làm gì

Bảo Kê Chuồng Bò said:

Chơi cả kì 1 rồi chú, học online thi online. Chả học chữ gì, thi thì có bạn kéo

anhtua4cvp said:

Đọc thì ham phết mà mấy năm gần đây toàn làm việc kiến thức ko cao nên cảm giác ko thể tiếp thu nổi (e đã có vợ, 1 con), kinh nghiệm của em thì 5 năm làm sales admin, trợ lý TGĐ, chuyên tổng hợp báo cáo với xây dựng quy trình, kiểm soát hoạt động doanh nghiệp. Cơ bản thì cái gì cũng biết 1 chút nhưng ko sâu. Đại học thì e học kiểm toán nhưng học dốt (ham chơi) nên ko theo nghề, giờ muốn làm thuần 1 chuyên môn nào đó để có kiến thức thật sâu và phát triển lên cao mà gửi cv các vị trí như kiểm toán nội bộ, kiểm soát nội bộ, phân tích tài chính, ... toàn fail do kiến thức ko sâu và ít kinh nghiệm.
Bác chủ thớt có thể cho em xin lời khuyên ko?

hieu said:

Thầy Tuấn dạy phỏng, tôi report cho thầy nhé

Bảo Kê Chuồng Bò said:

Ngành Khoa học dữ liệu, mã ngành 7480109 chú ơi. Ngành này có 1 vài trường mới mở, bắt đầu từ 2020 thôi, đang còn mới lắm