Khi trao đổi với những người đi làm muốn học phân tích dữ liệu, mình nhận thấy có một thực tế khá thú vị: rất nhiều người bắt đầu bằng việc tìm khóa học, công cụ hoặc lộ trình học, trong khi chưa thực sự xác định rõ mình học để giải quyết vấn đề gì.
Điều này dẫn đến một nghịch lý khá phổ biến. Người học dành nhiều thời gian để học SQL, Power BI, Python hoặc các kỹ thuật phân tích dữ liệu khác, nhưng sau một thời gian lại nhận thấy mình rất ít khi sử dụng những kiến thức đó trong công việc hằng ngày. Kết quả là kiến thức nhanh chóng bị quên đi và người học có cảm giác rằng việc học không mang lại nhiều giá trị thực tế.
———
Hai mục tiêu học tập rất khác nhau
Theo mình, nguyên nhân nằm ở chỗ chúng ta đang gom tất cả những người học phân tích dữ liệu vào cùng một nhóm, trong khi thực tế họ có những mục tiêu rất khác nhau.
Nhóm thứ nhất là những người muốn theo đuổi nghề Data Analyst hoặc các vị trí liên quan đến dữ liệu. Với nhóm này, việc xây dựng một nền tảng tương đối toàn diện là điều cần thiết.
Tuy nhiên, nhóm thứ hai lại chiếm số lượng rất lớn nhưng thường ít được nhắc đến hơn. Đó là những người học phân tích dữ liệu không phải để chuyển nghề hay trở thành Data Analyst, mà để làm tốt hơn công việc hiện tại của mình.
———
Đừng bắt đầu bằng công cụ
Với nhóm học để hỗ trợ công việc, mình cho rằng cách tiếp cận cần hoàn toàn khác.
Thay vì bắt đầu bằng câu hỏi “Nên học công cụ nào?”, họ nên bắt đầu bằng câu hỏi “Mình đang cần giải quyết vấn đề gì trong công việc?”.
Bởi vì bản chất của phân tích dữ liệu không nằm ở công cụ. Công cụ chỉ là phương tiện. Giá trị thực sự nằm ở việc sử dụng dữ liệu để giải quyết một bài toán cụ thể.
————–
Hãy xuất phát từ bối cảnh doanh nghiệp
Trước khi quyết định học bất kỳ công cụ nào, hãy dành thời gian trả lời một số câu hỏi cơ bản:
• Công ty đang lưu trữ dữ liệu ở đâu? Hiện tại đang sử dụng các công cụ thuộc hệ sinh thái nào?
• Những loại dữ liệu nào đang được sử dụng thường xuyên?
• Những quyết định nào đang cần dữ liệu hỗ trợ?
• Những khó khăn lớn nhất trong quá trình làm việc với dữ liệu hiện nay là gì?
• Sản phẩm mình muốn làm sau khi học sẽ trông như thế nào?
Khi trả lời được những câu hỏi này, lộ trình học sẽ trở nên rõ ràng hơn rất nhiều.
————–
Học để hỗ trợ công việc không có nghĩa là học hời hợt
Một điều khác mà mình cũng muốn nhấn mạnh là những người học phân tích dữ liệu để hỗ trợ công việc thường có xu hướng đánh giá thấp độ khó của kỹ năng này.
Phân tích dữ liệu là một kỹ năng tương đối khó bởi nó không chỉ đòi hỏi khả năng sử dụng công cụ mà còn yêu cầu tư duy logic, khả năng đặt câu hỏi, hiểu biết về nghiệp vụ và khả năng kết nối dữ liệu với các quyết định kinh doanh.
Một nguyên tắc mình luôn tin rằng đúng
Người học tiến bộ nhanh nhất không phải là người học nhiều nhất, mà là người có thể áp dụng kiến thức vào công việc sớm nhất.
Vì vậy, trước khi tìm kiếm một khóa học phân tích dữ liệu, có lẽ câu hỏi đầu tiên mỗi người nên trả lời không phải là:
“mình nên học gì?”
Mà là:
“mình đang cần giải quyết vấn đề gì?”
—————————-
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.
