Mình gặp khá nhiều bạn học Data rất nhiều – SQL, Python, Power BI dashboard… đủ cả.
Nhưng đến lúc nộp hồ sơ, rất nhiều bạn lại rơi vào trạng thái:
không biết bắt đầu từ đâu, portfolio chưa xong, hoặc làm xong rồi vẫn không tự tin gửi đi.
Và kết quả thường là trượt ngay từ vòng đầu.
Sau một thời gian làm việc với học viên, mình nhận ra:
vấn đề thường không nằm ở việc bạn giỏi hay chưa, mà là portfolio của bạn có “nói đúng ngôn ngữ” mà nhà tuyển dụng cần hay không.
PORTFOLIO QUAN TRỌNG THẾ NÀO?
Nhiều bạn nghĩ CV là quan trọng nhất.
Nhưng trong thực tế tuyển dụng Data Analyst, portfolio mới là thứ quyết định bạn có được gọi phỏng vấn hay không.
CV nói: bạn đã học gì.
Portfolio cho thấy: bạn làm được gì.
Và trong một thị trường cạnh tranh, đặc biệt với fresher hoặc người chuyển ngành,
điều nhà tuyển dụng cần không phải là một danh sách kỹ năng,
mà là bằng chứng cho thấy:
– Bạn có thể dùng data để giải quyết một vấn đề thật
– Bạn hiểu business, không chỉ hiểu công cụ
– Bạn có thể diễn đạt insight một cách rõ ràng
Portfolio chính là nơi bạn chứng minh tất cả những điều đó.
MỘT SỰ THẬT KHÁ “PHŨ”
Người đọc portfolio đầu tiên của bạn thường không phải Data Manager mà là HR.
Và họ thường chỉ dành khoảng 6-10 giây để scan.
Trong khoảng thời gian rất ngắn đó, họ sẽ tìm:
– Bạn có dùng SQL, Power BI, Python không?
– Bạn có làm project không?
– Bạn có nói đến business impact không?
– Portfolio có dễ đọc không?
Họ không đọc code. Họ không phân tích thuật toán.
Nếu trong vài giây đầu không thấy được “điểm sáng” thì portfolio rất dễ bị bỏ qua, dù bạn có làm rất nhiều thứ phía sau.
VẤN ĐỀ MÀ NHIỀU BẠN GẶP PHẢI
Dù hiểu portfolio quan trọng, nhưng cách làm của nhiều bạn lại vô tình đi ngược lại điều nhà tuyển dụng cần.
Một số lỗi mình thấy rất thường xuyên:
– Quá kỹ thuật
Viết nhiều code, nhiều thuật toán, nhưng thiếu phần giải thích → người không chuyên không hiểu bạn đang làm gì.
– Dự án quen thuộc, không có điểm nhấn
Titanic, Netflix, Superstore… làm rất nhiều nhưng không có góc nhìn riêng.
– Trình bày rối, thiếu cấu trúc
Không rõ đâu là vấn đề, đâu là kết quả, đâu là insight.
– Thiếu góc nhìn business
Phân tích xong nhưng không trả lời: “Việc này giúp gì cho doanh nghiệp?”
– Chỉ dump code, thiếu storytelling
Không kể được câu chuyện từ dữ liệu → người đọc không theo được.
– Lỗi kỹ thuật cơ bản
Link GitHub lỗi, portfolio không mở được, LinkedIn trống…
Và điều đáng tiếc là: một portfolio rất “chăm” về mặt kỹ thuật vẫn có thể bị loại sau vài giây, chỉ vì không nói đúng cách.
VẬY NÊN LÀM GÌ?
Nếu phải tóm gọn, mình nghĩ có 4 điều quan trọng:
1. Viết đơn giản, dễ hiểu
Đừng cố dùng thuật ngữ phức tạp nếu không cần thiết.
2. Tập trung vào giá trị, không phải chi tiết kỹ thuật
Người đọc cần biết bạn giải quyết được gì, không phải bạn code như thế nào.
3. Trình bày rõ ràng, dễ scan
Người đọc phải nắm được ý chính trong vài giây.
4. Mỗi project nên có đủ 4 phần:
Problem – Approach – Insight – Impact
CẤU TRÚC MỘT PORTFOLIO DATA ANALYST
Một portfolio tốt không cần quá “hoành tráng”. Hãy tập trung trả lời rõ ràng được 3 câu hỏi:
– Bạn là ai?
– Bạn biết làm gì?
– Bạn đã làm được gì?
1. About Me (Giới thiệu)
Phần này rất ngắn, nhưng lại rất quan trọng.
Chỉ cần 3-5 dòng là đủ.
Đừng viết chung chung kiểu: “tư duy logic”, “chịu áp lực tốt”…
Hãy trả lời rõ:
– Bạn xuất phát từ đâu
– Bạn đang hướng đến điều gì
– Bạn mạnh ở điểm nào trong Data
Ví dụ:
“Mình có 3 năm kinh nghiệm trong ngành Marketing, hiện chuyển hướng sang Data Analyst. Điểm mạnh của mình là tư duy logic, khả năng làm việc với con người, thích giải quyết các bài toán trong kinh doanh. Hiện tại, mình đang tìm kiếm vị trí Marketing Analyst, nơi giao thoa giữa Marketing và Data.”
2. Skills & Tools
Liệt kê theo nhóm, và chỉ ghi những gì bạn đã thực sự dùng:
– Excel / Google Sheets
– SQL
– Power BI / Tableau
– Python
– Machine Learning
Đừng cố “kể cho đủ” mà hãy “kể cho đúng”.
3. Projects – Phần quan trọng nhất
Đây là phần quyết định portfolio của bạn có “đủ sức nặng” hay không.
Bạn không cần quá nhiều project, nhưng nên có khoảng 6-8 project, trải đều theo công cụ.
Mỗi project nên đi theo format:
Problem → Approach → Insight → Impact
Một vài gợi ý nhỏ:
Excel / Google Sheets
→ Dashboard chi tiêu, doanh số, hiệu suất
→ Thể hiện rõ kỹ năng cơ bản như pivot, slicer
SQL
→ Phân tích hành vi khách hàng
→ Funnel conversion, giỏ hàng, top sản phẩm
→ Tập trung vào câu hỏi & insight, không phải query dài
Power BI / Tableau
→ Dashboard rõ ràng, dễ nhìn
→ Insight viết ngắn, cụ thể
Python
→ EDA, data cleaning, automation
→ Không cần show hết code, chỉ cần highlight logic và kết quả
Machine Learning
→ Không cần phức tạp
→ Quan trọng là: kết quả giúp decision như thế nào
MỘT ĐIỀU MÌNH MUỐN NHẤN MẠNH
Portfolio không phải là nơi để bạn “chứng minh mình giỏi kỹ thuật”.
Mà là nơi để bạn giúp người khác hiểu bạn có thể làm việc như thế nào.
Nó giống như một câu chuyện.
Nếu người đọc không hiểu câu chuyện đó, thì dù bạn làm nhiều đến đâu, cũng rất khó để tạo ấn tượng.
TÓM LẠI
Nếu bạn đang chuẩn bị portfolio, có thể bạn chưa cần làm hoàn hảo ngay.
Thật ra, không ai cảm thấy mình “đủ giỏi” để bắt đầu cả. Nhưng:
– Hãy bắt đầu với những gì bạn có
– Làm từng project một
– Cải thiện dần theo thời gian
Một portfolio chưa hoàn hảo nhưng rõ ràng, luôn tốt hơn một portfolio “để đó vì chưa đủ tốt”.
Nếu bạn đang ở giai đoạn này, hy vọng những chia sẻ này giúp bạn đỡ rối hơn một chút.
Và quan trọng hơn, giúp bạn bắt đầu sớm hơn một chút.
—————————-
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.
