Mình đã xem rất nhiều portfolio của các bạn đang học hoặc muốn chuyển ngành sang Data Analyst. Và có một điều mình thấy là khoảng 80% portfolio đang fail vì cùng một lý do.
Không phải vì các bạn thiếu kỹ năng kỹ thuật hay vì dashboard chưa đủ đẹp, cũng không phải vì chưa biết Python hay Machine Learning mà là vì portfolio đó không cho người xem thấy được khả năng giải quyết vấn đề bằng dữ liệu.
Đây là thứ quan trọng nhất nhưng cũng là thứ nhiều bạn bỏ quên nhất.
❌ Rất nhiều portfolio hiện tại đang giống nhau
Mình tin rằng nếu bạn từng xem portfolio của các bạn fresher Data Analyst, bạn sẽ thấy một cảm giác khá quen là dataset giống nhau, dashboard cũng giống nhau, insight giống nhau, tới cách trình bày cũng giống nhau nốt.
Chủ yếu sẽ là Sales dashboard, HR dashboard, Netflix dashboard, Pizza sales dashboard, Superstore dashboard. Thực ra không có gì sai với những dataset này cả và chúng rất phù hợp để luyện tập. Nhưng vấn đề là rất nhiều bạn chỉ đang “làm dashboard”, chứ chưa thực sự “phân tích”. Vậy nên khi đọc xong người ta không hiểu business đang gặp vấn đề gì, người phân tích muốn trả lời câu hỏi gì, insight nào thực sự quan trọng hay hành động tiếp theo nên là gì?
Đó là lý do portfolio nhìn thì ổn nhưng lại không tạo được cảm giác thuyết phục.
❌ Nhà tuyển dụng không tuyển một người biết vẽ chart
Điều này mình thấy rất nhiều bạn hiểu nhầm nha! Có thể do học qua quá nhiều video hướng dẫn dashboard (thường nhiều kênh chia sẻ cái này) nên nhiều bạn vô thức nghĩ rằng portfolio càng đẹp thì càng dễ có việc!
Thực tế không hẳn vậy. Dashboard chỉ là công cụ trình bày, điều recruiter hoặc hiring manager thực sự quan tâm là: “Bạn có biết cách dùng dữ liệu để suy nghĩ và giải quyết vấn đề hay không?”
Ví dụ:
– Doanh thu giảm vì lý do gì?
– Nhóm khách hàng nào đang churn?
– Khu vực nào có return rate bất thường?
– Campaign nào đang đốt ngân sách nhưng hiệu quả thấp?
– Sản phẩm nào nên ưu tiên mở rộng?
Đây mới là bản chất của công việc Data Analyst. Nếu portfolio chỉ dừng ở việc mô tả dữ liệu thì rất khó tạo khác biệt.
❌ Sai lầm lớn nhất: Làm project nhưng không có business context
Đây là lỗi mình thấy nhiều nhất. Nhiều portfolio bắt đầu kiểu như:
“Phân tích dữ liệu bán hàng”
“Xây dựng dashboard doanh thu”
“Phân tích hành vi khách hàng”
Nghe thì đúng, nhưng quá chung chung.
Một project tốt phải bắt đầu bằng business problem rõ ràng.
Ví dụ:
– Vì sao tỷ lệ hoàn đơn ở miền Nam tăng mạnh trong 3 tháng gần đây?
– Vì sao doanh thu tăng nhưng lợi nhuận giảm?
– Vì sao retention của nhóm khách hàng mới đang thấp?
– Có nên mở rộng category sản phẩm này không?
Khi có problem rõ ràng, toàn bộ quá trình phân tích sẽ có direction.
Vì lúc đó bạn biết mình cần tìm dữ liệu gì, cần phân tích metric nào, insight nào quan trọng, dashboard nên phục vụ quyết định gì.
Còn nếu không có business context thì sẽ kiểu như “em có dataset nên em làm vài cái chart.”
❌ Một dashboard đẹp không đồng nghĩa với phân tích tốt
Có một giai đoạn rất nhiều bạn bị cuốn vào chuyện design như chỉnh màu, bo góc, animation, icon rồi background.
Mình không nói điều đó không quan trọng, mà thực tế là presentation tốt luôn là điểm cộng.
Nhưng nếu phải chọn giữa dashboard rất đẹp nhưng insight nông vs. dashboard đơn giản nhưng phân tích sâu thì trong môi trường doanh nghiệp thực tế, cái thứ hai giá trị hơn nhiều.
Manager không quan tâm bạn dùng màu gradient đẹp thế nào mà họ sẽ quan tâm vấn đề nằm ở đâu, nguyên nhân là gì, cần hành động gì tiếp theo.
❌ Một vấn đề khác: Portfolio thiếu “góc nhìn cá nhân”
Có nhiều project hiện tại giống như đang làm theo template, từ cách đặt title cho tới insight. Nó tạo cảm giác bạn này đang cố làm đúng chứ chưa thực sự có tư duy phân tích riêng.
Trong khi đó, những portfolio mình đánh giá cao thường có góc nhìn rõ ràng, giả thuyết riêng, cách đặt câu hỏi thú vị, storytelling tốt
Ví dụ cùng là dữ liệu bán hàng nhưng có bạn chỉ dừng ở: “Doanh thu tháng 12 cao nhất.”
Nhưng có bạn sẽ đào sâu hơn:
– tăng trưởng này đến từ khách hàng cũ hay mới?
– lợi nhuận có tăng tương ứng không?
có đang phụ thuộc quá nhiều vào discount không?
– sau campaign retention có giữ được không?
Đó mới là mindset của một Data Analyst.
⭐️ Portfolio tốt không cần quá nhiều project
Nhiều bạn nghĩ phải có 10 dashboard, 15 project, đủ mọi công cụ
Thực ra không cần, mình từng thấy những portfolio chỉ có 2-3 project nhưng rất thuyết phục.
Vì mỗi project đều có business context rõ, có logic phân tích, có insight cụ thể, có recommendation, có storytelling còn hơn là 15 project mà na ná nhau.
Chất lượng luôn quan trọng hơn số lượng.
⭐️ Nếu mình làm lại portfolio từ đầu, mình sẽ làm gì?
Nếu quay lại từ đầu, mình sẽ tập trung vào 4 thứ.
1. Bắt đầu từ business problem
Đừng bắt đầu bằng dataset.
Hãy bắt đầu bằng một câu hỏi kinh doanh thực tế.
Ví dụ:
– Làm sao giảm churn?
– Làm sao tăng retention?
– Làm sao tối ưu marketing spend?
– Làm sao tăng repeat purchase?
Sau đó mới đi tìm dữ liệu phù hợp.
Cách tiếp cận này sẽ giúp project có chiều sâu hơn rất nhiều.
2. Tập trung vào tư duy phân tích
Mình sẽ dành nhiều thời gian hơn để:
– đặt giả thuyết
– đào sâu nguyên nhân
– phân tích logic
– suy nghĩ về business impact
Thay vì dành toàn bộ thời gian để chỉnh dashboard cho đẹp.
3. Viết insight và recommendation rõ ràng
Đây là phần rất nhiều bạn làm sơ sài.
Một project tốt không kết thúc ở chart.
Nó cần trả lời:
“Vậy thì sao?”
“Doanh nghiệp nên làm gì?”
Insight tốt phải dẫn tới action.
4. Làm ít nhưng làm sâu
Thay vì làm thật nhiều project nhỏ, mình sẽ chọn ít project hơn nhưng đầu tư kỹ hơn.
Vì trong phỏng vấn, người ta thường đào rất sâu vào project của bạn. Nếu bạn chỉ làm hời hợt, bạn sẽ rất dễ lộ ngay khi bị hỏi sâu hơn.
Cuối cùng, portfolio chỉ là công cụ phản ánh tư duy.
Mình nghĩ điều quan trọng nhất mà portfolio nên thể hiện là
“Bạn có tư duy của một Data Analyst hay chưa?”
Bạn có biết đặt câu hỏi không? Có biết đào sâu vấn đề không? Có biết kết nối dữ liệu với business không? Có biết biến dữ liệu thành decision không?
Nếu portfolio trả lời được những câu hỏi đó, dù chưa hoàn hảo, nó vẫn có sức nặng hơn rất nhiều so với một dashboard chỉ đẹp về mặt hình thức.
Hy vọng bài viết giúp bạn cải thiện được portfolio của mình!
Cheers!
—————————-
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.
