Mình thường hỏi các bạn đang muốn chuyển ngành một câu rất đơn giản:
“Nếu mỗi ngày bạn dành 2-3 tiếng học Data Analyst thì bạn nghĩ điều gì sẽ xảy ra sau 6 tháng?”
Nhiều bạn trả lời:
“Dạ, chắc là biết SQL.”, “Chắc là làm được dashboard.”, “Chắc là hiểu thêm về data.”
Những điều đó đúng, nhưng chưa rõ ràng.
Vì nếu học theo một lộ trình bài bản, thì sau 6 tháng có thể đạt được nhiều hơn thế.
THÁNG 1: SQL + PROBLEM SOLVING
Tháng đầu tiên thường là giai đoạn làm quen với dữ liệu.
Bạn bắt đầu học những thứ rất nền tảng:
– cách dữ liệu được lưu trữ trong database
– cách viết SQL để truy vấn dữ liệu
– cách join nhiều bảng dữ liệu với nhau
– cách giải những bài toán phân tích cơ bản bằng SQL
Về lý thuyết, những thứ này nghe có vẻ không quá phức tạp. Nhưng khi bắt tay vào làm, nhiều người mới nhận ra thực tế không hề đơn giản.
Sẽ có những ngày bạn thấy mình thực sự “bạc mặt” với dữ liệu: SQL query chạy sai liên tục, một phép join tưởng như đúng nhưng lại trả về bảng dữ liệu trống, hoặc nhìn vào một dataset thì rối như tơ vò mà không biết nên bắt đầu từ đâu. Đó là giai đoạn mà gần như bất kỳ ai bước vào con đường học Data Analyst cũng phải trải qua.
Tuy nhiên, sau vài tuần kiên trì “vật lộn”, một bước ngoặt nhỏ bắt đầu xuất hiện. Bạn dần nhận ra rằng SQL không chỉ đơn giản là những dòng lệnh khô khan. Thực chất, nó là một cách suy nghĩ.
SQL buộc bạn phải đặt câu hỏi rõ ràng: mình đang muốn tìm điều gì trong dữ liệu, thông tin đó nằm ở bảng nào, và mối quan hệ giữa các bảng dữ liệu ra sao.
Khi bạn bắt đầu đặt đúng câu hỏi, dữ liệu không còn là những dòng và cột vô tri nữa. Nó trở thành một nguồn thông tin có thể kể những câu chuyện rất thú vị về cách mọi thứ đang vận hành phía sau những con số.
THÁNG 2-3: POWER BI + DASHBOARD + PROJECT
Sau khi đã có nền tảng SQL, bạn bắt đầu bước sang giai đoạn tiếp theo: Data Visualization và các công cụ BI.
Ở giai đoạn này, bạn sẽ làm quen với:
– Data modeling
– Data visualization
– DAX
– Dashboard design
Nếu SQL giúp bạn truy vấn dữ liệu, thì các công cụ BI giúp bạn biến dữ liệu thành những câu chuyện dễ hiểu cho người khác.
Thay vì chỉ ngồi viết query, bạn bắt đầu xây dựng dashboard, phân tích các dataset thực tế và thực hiện những project phân tích dữ liệu cụ thể như:
– Phân tích dữ liệu nhân sự để hiểu vì sao những nhân viên giỏi lại rời công ty trong một dự án HR Analytics
– Đánh giá dữ liệu để xác định đâu là khu vực tiềm năng để doanh nghiệp mở rộng thị trường trong một dự án Market Expansion
– Phân tích doanh thu để biết chiến dịch nào đang mang lại lợi nhuận và chiến dịch nào đang đốt ngân sách trong một dự án Sales Analysis.
Ở giai đoạn này, bạn bắt đầu nhận ra một điều quan trọng: data không chỉ là những con số khô khan mà là thứ dùng để hiểu cách một doanh nghiệp vận hành, cách khách hàng ra quyết định và cách các chiến lược kinh doanh thực sự tác động đến kết quả cuối cùng.
THÁNG 4: PYTHON + DATA ANALYSIS
Sau khi đã quen với SQL và các công cụ BI, bạn bắt đầu bước sang một cấp độ khác: Python cho phân tích dữ liệu.
Ở giai đoạn này, bạn thường sẽ làm quen với:
– Pandas
– Data wrangling
– Exploratory Data Analysis (EDA)
– Data visualization bằng Python
Những bài tập bắt đầu giống với công việc thực tế hơn: bạn phải làm sạch dataset, xử lý những bộ dữ liệu lớn hơn và khám phá dữ liệu để tìm ra insight có giá trị. Đây cũng là lúc nhiều người bắt đầu cảm thấy mình thực sự đang làm công việc phân tích dữ liệu, chứ không chỉ học công cụ một cách rời rạc.
Bạn bắt đầu đặt những câu hỏi mang tính phân tích hơn:
– Tại sao doanh thu lại tăng mạnh ở quý này?
– Nhóm khách hàng nào mang lại giá trị cao nhất cho doanh nghiệp
– Yếu tố nào đang ảnh hưởng nhiều nhất đến hành vi mua hàng?
Khi những câu hỏi như vậy xuất hiện thường xuyên hơn, kỹ năng phân tích dữ liệu của bạn cũng bắt đầu rõ ràng và sắc nét hơn rất nhiều.
THÁNG 5 – 6: ML CƠ BẢN + PORTFOLIO + APPLY JOB
Ở giai đoạn cuối của hành trình, bạn bắt đầu tiếp cận thêm một số khái niệm nâng cao hơn như:
– Probability
– Hypothesis testing
– A/B testing
– Machine learning cơ bản
Tuy nhiên, điều quan trọng hơn cả không nằm ở việc học thêm lý thuyết, mà nằm ở việc bạn bắt đầu hoàn thiện các project phân tích dữ liệu, xây dựng portfolio cá nhân, chuẩn bị CV và luyện tập cho các buổi phỏng vấn.
Đây là lúc bạn bắt đầu nhìn lại toàn bộ hành trình của mình.
Những project bạn làm không chỉ là bài tập nữa. Chúng trở thành bằng chứng cho thấy bạn có thể giải quyết vấn đề bằng dữ liệu.
Và từ đây, bạn có thể bắt đầu apply vào các vị trí Data Analyst.
6 THÁNG HỌC DATA ANALYST KHÔNG HỀ DỄ
Sẽ có những ngày SQL query chạy sai liên tục, dataset nhìn mãi vẫn không hiểu, dashboard làm xong nhưng nhìn rất xấu, và cảm giác tiến bộ của mình thì chậm hơn rất nhiều so với kỳ vọng ban đầu. Điều đó hoàn toàn bình thường.
Gần như ai bước vào ngành dữ liệu cũng phải trải qua những giai đoạn như vậy.
Sự khác biệt không nằm ở việc bạn có gặp khó khăn hay không, mà nằm ở việc bạn có tiếp tục đi tiếp sau những ngày khó khăn đó hay không.
Nếu bạn giữ được nhịp học khoảng 2 – 3 tiếng mỗi ngày, sau 6 tháng bạn hoàn toàn nắm trong tay:
– kỹ năng SQL vững
– khả năng xây dashboard
– kinh nghiệm phân tích dữ liệu bằng Python
– từ 5-6 project trong portfolio
Và quan trọng nhất là bạn có đủ nền tảng để bắt đầu apply các vị trí Data Analyst.
ĐIỀU THÚ VỊ NHẤT CỦA HÀNH TRÌNH NÀY
Sự thay đổi không đến từ một ngày đặc biệt nào cả. Nó không đến từ một khóa học thần kỳ, cũng không đến từ một video YouTube nào đó làm bạn “giác ngộ”.
Nó đến từ một điều rất đơn giản: 2-3 tiếng mỗi ngày, ngày này qua ngày khác, trong suốt 6 tháng.
Khoảng 500 giờ “bạc mặt” với dữ liệu và chính quãng thời gian đó âm thầm biến bạn từ một người mới bắt đầu trở thành một người có thể thực sự làm việc với dữ liệu.
—————————-
Nếu bạn quan tâm đến khóa coaching giúp bạn trở thành Data Analyst trong vòng 6-8 tháng thì tham khảo ngay lộ trình này: http://link.unigap.io/lo-trinh-hoc-data-analyst Hoàn tiền nếu không có offer.
Nếu bạn muốn học Phân tích dữ liệu để phục vụ công việc thì tham khảo lộ trình Khóa Power BI Mastery: http://link.unigap.io/powerbi-mastery
Thành thạo Power BI sau 2 tháng, học ~ 2 giờ mỗi ngày, 18 buổi training, có 4 projects để luyện tập, áp dụng tư duy Design Thinking vào phân tích dữ liệu.
