Và vì sao AI vẫn chưa thể thay thế DA
Vinh đã gặp rất nhiều bạn Data Analyst có hồ sơ rất đẹp.
Các bạn biết SQL, Python, Power BI. Một số bạn còn học thêm Machine Learning, Statistics hay Data Engineering. Khi nhìn vào CV, Vinh có cảm giác đây là những ứng viên rất tiềm năng.
Nhưng điều thú vị là sau vài năm đi làm, sự nghiệp của các bạn ấy lại phát triển theo những hướng hoàn toàn khác nhau.
Có người nhanh chóng trở thành Senior, Lead, được tham gia vào những dự án quan trọng của doanh nghiệp.
Có người vẫn quanh quẩn với việc làm dashboard, kéo dữ liệu và viết report định kỳ.
Sự khác biệt thường không nằm ở việc ai giỏi SQL hơn.
Cũng không nằm ở việc ai viết Python tốt hơn.
Mà nằm ở một thứ ít được nhắc đến hơn rất nhiều:
Business Understanding.
Sau nhiều năm làm việc trong lĩnh vực dữ liệu, Vinh nhận ra một điều:
Kỹ thuật chắc chắn là điều kiện cần để bước chân vào nghề.
Nhưng hiểu business mới là thứ quyết định bạn sẽ đi được bao xa.
#1 Phần khó nhất của Data Analysis không phải là Technical Skill
Khi mới bắt đầu học Data Analyst, chúng ta thường nghĩ phần khó nhất là kỹ thuật.
Nào là phải học SQL, phải học Python, phải học Power BI rồi học cách xây dựng dashboard.
Thực tế, những kỹ năng này đều có lộ trình học tương đối rõ ràng. Bạn có thể mua một khóa học, xem video hướng dẫn, làm vài chục bài tập. Sau một thời gian học tập nghiêm túc, bạn hoàn toàn có thể sử dụng thành thạo các công cụ đó.
Nhưng khi bước vào môi trường doanh nghiệp thực tế, Vinh nhận ra phần khó nhất của Data Analysis không phải là phân tích dữ liệu.
Phần khó nhất là hiểu vấn đề kinh doanh.
Rất nhiều người hình dung quy trình phân tích dữ liệu như sau:
Data → Analysis → Insight
Nhưng trong thực tế, quy trình thường là:
Business Problem → Data → Analysis → Decision
Nghĩa là trước khi đụng tới dữ liệu, bạn phải hiểu:
– Công ty đang gặp vấn đề gì?
– Tại sao vấn đề đó quan trọng?
– Tác động đến doanh thu, chi phí hay lợi nhuận là gì?
– Quyết định nào sẽ được đưa ra dựa trên kết quả phân tích này?
Nếu không hiểu được những điều đó, rất dễ rơi vào tình huống phân tích cực kỳ chính xác nhưng hoàn toàn vô giá trị.
Đó là lý do một Data Analyst giỏi không bắt đầu bằng câu hỏi:
“Dữ liệu đang có gì?”
Họ bắt đầu bằng câu hỏi:
“Doanh nghiệp đang đau ở đâu?”
#2 Senior và Junior khác nhau ở Business Understanding nhiều hơn Technical Skill
Một trong những hiểu lầm phổ biến nhất trong ngành dữ liệu là:
Senior Analyst là người giỏi kỹ thuật hơn Junior Analyst.
Điều này đúng nhưng chỉ đúng một phần nhỏ.
Trên thực tế, khoảng cách về kỹ thuật giữa một Junior và một Senior thường không lớn như mọi người nghĩ.
Một Junior có thể công cụ trong vài tháng, nhưng điều khiến Senior trở nên khác biệt là họ hiểu doanh nghiệp sâu hơn rất nhiều.
Ví dụ, khi Marketing nói:
“Conversion đang giảm, hãy giúp tôi phân tích nguyên nhân.”
Junior thường lao ngay vào dữ liệu.
– Phân khúc theo kênh.
– Phân khúc theo thiết bị.
– Phân khúc theo khu vực.
– Phân khúc theo hành vi.
Senior lại thường đặt thêm nhiều câu hỏi hơn:
– Conversion giảm có thực sự là vấn đề quan trọng nhất không?
– Doanh thu có đang giảm không?
– Lợi nhuận có bị ảnh hưởng không?
– Khách hàng mới giảm hay khách hàng cũ giảm?
– Mục tiêu kinh doanh hiện tại là tăng trưởng hay tối ưu hiệu quả?
Cùng một yêu cầu nhưng cách tiếp cận hoàn toàn khác nhau.
Senior hiểu rằng dữ liệu chỉ là phương tiện. Business mới là đích đến.
Đó cũng là lý do vì sao hai người có trình độ SQL tương đương nhau nhưng mức độ ảnh hưởng trong tổ chức lại khác nhau rất lớn.
Một người chỉ cung cấp báo cáo. Người còn lại giúp lãnh đạo đưa ra quyết định.
#3 Đó là lý do AI vẫn chưa thể thay thế Data Analyst
Ngày nay AI có thể:
– Viết SQL
– Giải thích query
– Tạo dashboard
– Tóm tắt dữ liệu
– Đề xuất insight
Những việc từng là lợi thế kỹ thuật của Data Analyst đang dần trở nên dễ tiếp cận hơn.
Đó cũng là lý do nhiều người lo lắng rằng AI sẽ thay thế Data Analyst.
Nhưng theo góc nhìn của Vinh, AI đang thay thế một phần công việc của Data Analyst chứ chưa thể thay thế một Data Analyst giỏi.
Lý do rất đơn giản là AI có thể trả lời câu hỏi nhưng AI chưa thực sự hiểu doanh nghiệp của bạn.
AI không biết:
– Vấn đề nào đáng ưu tiên nhất
– Chỉ số nào thực sự quan trọng
– Mục tiêu kinh doanh hiện tại là gì
– Quyết định nào nên được đưa ra
– Trade-off nào doanh nghiệp sẵn sàng chấp nhận
Những thứ đó đòi hỏi bối cảnh, kinh nghiệm và khả năng tương tác với stakeholder.
Nói cách khác:
AI giúp bạn phân tích dữ liệu nhanh hơn.
Nhưng hiểu đúng bài toán kinh doanh vẫn là trách nhiệm của Data Analyst.
Và đó cũng chính là phần tạo ra giá trị lớn nhất.
#4 Business Understanding mới quyết định sự nghiệp
Vinh không phủ nhận tầm quan trọng của kỹ thuật.
Nếu muốn trở thành Data Analyst, bạn vẫn phải học SQL, vẫn phải hiểu dữ liệu, vẫn phải biết cách phân tích.
Đó là những yêu cầu cơ bản của nghề.
Nhưng càng lên những vị trí cao hơn, tiêu chí đánh giá bắt đầu thay đổi.
Lúc này người ta không còn hỏi:
“Bạn biết viết query như thế nào?”
Mà sẽ quan tâm:
– Bạn giúp doanh nghiệp tạo ra kết quả gì?
– Bạn đã cải thiện retention bao nhiêu?
– Bạn đã giúp tối ưu chi phí bao nhiêu?
– Bạn đã tạo ra bao nhiêu doanh thu bổ sung?
– Bạn đã giúp đội ngũ ra quyết định tốt hơn như thế nào?
Đó là lý do nhiều Head of Analytics, Data Lead hay Chief Data Officer không phải là những người code giỏi nhất công ty. Nhưng họ gần như luôn là những người hiểu doanh nghiệp sâu nhất.
Họ hiểu khách hàng. Họ hiểu sản phẩm. Họ hiểu vận hành. Họ hiểu tài chính. Họ hiểu chiến lược.
Và quan trọng nhất, họ biết cách kết nối dữ liệu với kết quả kinh doanh.
Đó mới là năng lực tạo ra giá trị lâu dài.
—————————-
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.
