Trong nhiều năm làm việc với hàng nghìn học viên Data Analyst và trực tiếp tham gia vào quá trình tuyển dụng tại nhiều doanh nghiệp khác nhau, kết hợp với buổi review CV trong chuỗi Offer Hunting gần đây, Vinh nhận thấy một thực tế khá thú vị:
Phần lớn ứng viên nghĩ rằng để trở thành Data Analyst, điều quan trọng nhất là học SQL, Power BI hay Python.
Trong khi đó, góc nhìn từ phía nhà tuyển dụng lại hoàn toàn khác.
Vậy nên, Vinh dành thời gian phân tích kỹ Job Description Data Analyst thuộc nhiều lĩnh vực khác nhau và đưa ra góc nhìn để chia sẻ cùng các bạn đang muốn apply vị trí này.
Sau khi bóc tách toàn bộ nội dung của các JD, Vinh có thể khẳng định lại một lần nữa nhà tuyển dụng không tuyển một người “biết phân tích dữ liệu”, mà họ đang tìm kiếm một người có thể giúp doanh nghiệp đưa ra những quyết định tốt hơn dựa trên dữ liệu.
1. Năng lực đầu tiên và cũng là quan trọng nhất: HIỂU BÀI TOÁN KINH DOANH
Nếu chỉ được chọn một yếu tố để đánh giá Data Analyst, Vinh tin rằng phần lớn các Hiring Manager sẽ lựa chọn khả năng hiểu business thay vì khả năng sử dụng công cụ.
Lý do rất đơn giản.
Doanh nghiệp không trả lương cho Data Analyst để viết SQL. Doanh nghiệp trả lương cho Data Analyst để giải quyết các vấn đề mà họ đang gặp phải.
Một công ty game không tuyển Data Analyst vì họ thiếu dashboard. Họ tuyển Data Analyst vì retention đang giảm, doanh thu đang chững lại hoặc chi phí user acquisition đang tăng quá nhanh.
Một công ty du lịch không tuyển Data Analyst vì họ muốn có thêm vài báo cáo đẹp mắt. Họ tuyển Data Analyst vì muốn biết khách hàng nào có khả năng mua tour cao cấp, chiến dịch marketing nào đang lãng phí ngân sách và đâu là cơ hội tăng trưởng tiếp theo.
Một doanh nghiệp lớn tuyển Workforce Analyst không phải vì họ thích dữ liệu. Họ muốn biết liệu công ty đang thừa hay thiếu nhân sự, năng suất lao động có đang được tối ưu hay không và việc tuyển thêm người sẽ tác động như thế nào tới lợi nhuận.
Đó là lý do vì sao những Data Analyst giỏi luôn bắt đầu bằng câu hỏi:
“Vấn đề kinh doanh thực sự ở đây là gì?”
Chứ không phải:
“Dữ liệu đang nằm ở đâu?”
Sự khác biệt giữa một Junior Analyst và một Senior Analyst thường không nằm ở khả năng sử dụng công cụ, mà nằm ở khả năng nhìn thấy bài toán kinh doanh phía sau những con số.
SQL không còn là lợi thế, SQL đã trở thành điều kiện tối thiểu
Nếu cách đây vài năm, biết SQL có thể giúp một ứng viên nổi bật trên thị trường lao động, thì hiện nay SQL đã trở thành kỹ năng nền tảng mà gần như mọi Data Analyst đều phải có.
Điều đáng chú ý là các doanh nghiệp không chỉ yêu cầu ứng viên biết viết query đơn giản.
Họ kỳ vọng Data Analyst có thể tự mình truy xuất, kết hợp và xử lý dữ liệu từ nhiều nguồn khác nhau. Điều này đồng nghĩa với việc ứng viên cần hiểu cách dữ liệu được tổ chức, cách các bảng liên kết với nhau và cách chuyển đổi những yêu cầu kinh doanh thành logic dữ liệu.
2. NĂNG LỰC PHÂN TÍCH mới là thứ tạo ra giá trị
Mình thường nói với học viên rằng:
“Dữ liệu không có giá trị. Insight mới có giá trị.”
Hầu hết các doanh nghiệp hiện nay đều đã có dữ liệu. Thậm chí nhiều doanh nghiệp còn có rất nhiều dữ liệu. Vấn đề là họ không biết phải làm gì với nó. Đây chính là lúc năng lực phân tích trở nên quan trọng.
Một Data Analyst giỏi không chỉ mô tả điều gì đã xảy ra.
Họ phải trả lời được tại sao điều đó xảy ra. Xa hơn nữa, họ phải đề xuất được doanh nghiệp nên làm gì tiếp theo.
Ví dụ, việc phát hiện doanh thu giảm 15% gần như không có nhiều giá trị.
Điều tạo ra giá trị là xác định được nguyên nhân khiến doanh thu giảm và đề xuất được những hành động cụ thể để cải thiện tình hình.
Khi đọc các JD, Vinh thấy rõ các doanh nghiệp đều đang tìm kiếm những người có khả năng biến dữ liệu thành quyết định.
Đó là lý do tại sao những kỹ năng như #forecasting, #trend_analysis, #root_cause_analysis hay #scenario_analysis xuất hiện ngày càng nhiều.
Nhà tuyển dụng không cần người mô tả quá khứ. Họ cần người giúp họ định hình tương lai.
3. DASHBOARD không phải sản phẩm cuối cùng
Một hiểu lầm rất phổ biến là cho rằng dashboard chính là sản phẩm cuối cùng của công việc phân tích dữ liệu.
Trên thực tế, dashboard chỉ là phương tiện, thứ doanh nghiệp thực sự cần là quyết định.
Một dashboard đẹp nhưng không giúp ai đưa ra quyết định tốt hơn thì gần như không có giá trị.
Ngược lại, một dashboard đơn giản nhưng giúp lãnh đạo nhanh chóng nhận ra vấn đề và hành động kịp thời lại có thể tạo ra tác động rất lớn.
Điều này lý giải tại sao các JD hiện nay liên tục đề cập tới Data Visualization, KPI Design và Data Storytelling.
Doanh nghiệp không tìm kiếm những người biết kéo thả biểu đồ.
Họ tìm kiếm những người biết cách truyền tải thông điệp từ dữ liệu.
Một dashboard tốt không chỉ trả lời câu hỏi “điều gì đang xảy ra” mà còn giúp người xem hiểu “tại sao điều đó xảy ra” và “nên làm gì tiếp theo”.
4. GIAO TIẾP VỚI STAKEHOLDERS đang trở thành kỹ năng sống còn
Nếu phải chọn ra một kỹ năng bị đánh giá thấp nhất trong ngành Data Analyst, Vinh sẽ chọn khả năng giao tiếp.
Rất nhiều người nghĩ rằng Data Analyst chỉ cần ngồi trước màn hình, viết SQL và làm dashboard.
Nhưng thực tế hoàn toàn khác.
Một phần rất lớn công việc của Data Analyst là làm việc với các stakeholder.
Bạn cần hiểu nhu cầu của Product Manager.
Bạn cần trao đổi với Marketing Team.
Bạn cần trình bày kết quả cho lãnh đạo.
Bạn cần thuyết phục các phòng ban hành động dựa trên insight của mình.
Điều thú vị là những Data Analyst có ảnh hưởng lớn nhất trong doanh nghiệp thường không phải là những người giỏi kỹ thuật nhất.
Họ là những người có khả năng kết nối giữa dữ liệu và con người.
Họ biết cách đặt câu hỏi đúng.
Họ biết cách trình bày vấn đề.
Họ biết cách kể một câu chuyện đủ thuyết phục để khiến người khác hành động.
5. TƯ DUY TỰ ĐỘNG HOÁ đang trở thành lợi thế cạnh tranh mới
Một xu hướng rất rõ trong các JD mà tôi phân tích là sự xuất hiện của những từ khóa như Automation, Data Pipeline, Reporting Automation hay AI.
Điều này phản ánh một nhu cầu rất thực tế của doanh nghiệp.
Không ai muốn dành hàng giờ mỗi tuần để xuất Excel, copy dữ liệu và gửi báo cáo thủ công.
Doanh nghiệp muốn những hệ thống có thể vận hành ổn định và tự động.
Họ muốn dữ liệu được cập nhật liên tục.
Họ muốn stakeholder có thể tự xem dashboard bất cứ lúc nào.
Họ muốn giảm tối đa những công việc lặp đi lặp lại.
Chính vì vậy, những ứng viên có khả năng sử dụng Python, Apps Script hoặc các công cụ tự động hóa đang ngày càng được đánh giá cao.
Trong tương lai gần, một Data Analyst giỏi không chỉ là người phân tích dữ liệu tốt.
Đó còn là người biết cách xây dựng các hệ thống giúp tổ chức vận hành hiệu quả hơn.
6. AI ĐANG THAY ĐỔI CÁCH DATA ANALYST LÀM VIỆC
Một điểm rất đáng chú ý khác là AI đã bắt đầu xuất hiện trực tiếp trong các JD tuyển dụng.
Điều này không có nghĩa AI sẽ thay thế Data Analyst.
Ngược lại.
Doanh nghiệp đang kỳ vọng Data Analyst biết tận dụng AI để làm việc hiệu quả hơn.
Những người biết sử dụng ChatGPT, Claude hay Gemini để hỗ trợ phân tích dữ liệu, xây dựng báo cáo, kiểm tra logic SQL hoặc tóm tắt insight sẽ có lợi thế rất lớn về năng suất làm việc.
Trong vài năm tới, khoảng cách giữa một Data Analyst bình thường và một Data Analyst xuất sắc có thể không nằm ở khả năng viết code.
Nó nằm ở khả năng kết hợp giữa tư duy phân tích và sức mạnh của AI.
—–
Kết luận
Sau khi phân tích nhiều JD Data Analyst thuộc các ngành nghề khác nhau, mình nhận định rằng:
SQL, Python, Power BI hay Tableau vẫn rất quan trọng. Nhưng đó chỉ là điều kiện cần.
Điều kiện đủ nằm ở khả năng hiểu business, tư duy phân tích, giao tiếp với stakeholder, xây dựng hệ thống hỗ trợ ra quyết định và liên tục tìm cách tạo ra giá trị từ dữ liệu.
Nếu bạn đang muốn trở thành Data Analyst hoặc đang trên hành trình phát triển sự nghiệp trong lĩnh vực này, hãy nhớ rằng:
Mục tiêu cuối cùng của Data Analyst không phải là tạo ra dashboard.
Mục tiêu cuối cùng của Data Analyst là giúp doanh nghiệp đưa ra những quyết định tốt hơn.
Đó mới là thứ mà nhà tuyển dụng thực sự sẵn sàng trả tiền.
—————————-
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.
