Dạo gần đây mình nhận được khá nhiều câu hỏi từ học viên và các bạn đang làm Data Analyst, xoay quanh cùng một nỗi lo: “AI có thay thế Data Analyst không?”. Mình đã viết về câu hỏi này rồi, nên hôm nay mình muốn nói về vế còn lại, cái vế mà ít người hỏi nhưng lại quan trọng hơn nhiều: nếu AI đang làm được ngày càng nhiều việc của Data Analyst, thì mình nên đầu tư vào đâu để đi xa hơn, thay vì chỉ lo phòng thủ.
Sau nhiều năm làm nghề, làm tuyển dụng và đào tạo, mình nhận ra phần lớn mọi người tiếp cận nỗi lo AI theo một cách khiến họ mãi mệt mỏi. Họ hỏi “học thêm gì để khỏi bị thay thế”, rồi lao đi học công cụ mới. Nhưng đó là một câu hỏi phòng thủ, và nó đặt bạn lên một chiếc máy chạy bộ: học xong tool này thì AI đuổi kịp, lại đi học tool khác, chạy hoài mà không tiến. Câu hỏi chiến lược thì khác hẳn. Không phải là “làm sao để không bị thay thế”, mà là “khi việc thực thi trở nên rẻ đi, giá trị của một Data Analyst sẽ dịch chuyển đi đâu, và mình có đang đầu tư vào đúng chỗ nó dịch tới không”.
Bài này là câu trả lời của mình cho câu hỏi đó, gói trong ba dịch chuyển.
1. TRƯỚC HẾT, HÃY NHÌN KỸ NĂNG CỦA MÌNH NHƯ MỘT DANH MỤC TÀI SẢN
Có một cách nhìn giúp mọi quyết định học tập trở nên rõ ràng hơn: coi mỗi kỹ năng bạn sở hữu là một tài sản, và tài sản thì có loại tăng giá theo thời gian, có loại mất giá.
Kỹ năng thao tác kỹ thuật thuần túy, viết query, kéo số, dựng một dashboard theo yêu cầu có sẵn, là loại tài sản đang mất giá. Không phải vì nó vô dụng, mà vì nó ngày càng phổ biến và ngày càng dễ tự động hóa. AI không tạo ra xu hướng này, AI chỉ làm nó rớt giá nhanh hơn nhiều. Ngược lại, có những năng lực càng dùng càng lên giá: khả năng phán đoán vấn đề, khả năng dùng công cụ làm đòn bẩy, và danh tiếng của bạn trong nghề.
Bi kịch của nhiều Data Analyst là dồn phần lớn giờ học của mình vào loại tài sản đang mất giá, rồi ngạc nhiên khi thấy lợi thế cạnh tranh của mình mỏng dần. Chiến lược nâng cấp sự nghiệp, nói cho cùng, chỉ là chuyển dần khoản đầu tư thời gian từ tài sản mất giá sang tài sản tăng giá.
Học gì không quan trọng bằng học thứ sẽ còn giá trị khi bạn đã bỏ nhiều công vào nó.
2. DỊCH CHUYỂN THỨ NHẤT: TỪ NGƯỜI TRẢ LỜI SANG NGƯỜI ĐẶT CÂU HỎI
Khi AI viết được SQL và dựng được dashboard, giá trị của bạn không còn nằm ở chỗ trả lời được câu hỏi, mà ở chỗ biết câu hỏi nào đáng hỏi.
Phần này mình sẽ nói ngắn, vì nó là nền tảng và nhiều người đã bàn: một Data Analyst giỏi không dừng ở “dữ liệu nói gì”, mà đi tiếp tới “điều đó có nghĩa gì” và “doanh nghiệp nên làm gì”. Nếu retention giảm, giá trị không nằm ở cái dashboard retention, mà ở việc chỉ ra được nhóm khách hàng nào bị ảnh hưởng nặng nhất và nguyên nhân nằm ở sản phẩm, marketing hay trải nghiệm. AI trả lời rất tốt câu hỏi bạn đưa cho nó, nhưng nó không tự biết đâu là câu hỏi đúng cần hỏi, vì việc đó đòi hiểu bối cảnh kinh doanh mà nó không sống trong đó.
Đây là điều kiện cần. Nhưng nếu chỉ dừng ở đây, bạn sẽ giống phần lớn những bài viết về chủ đề này. Hai dịch chuyển tiếp theo mới là chỗ ít người đi tới.
3. DỊCH CHUYỂN THỨ HAI: TỪ “LÀM NHANH HƠN” SANG “DÙNG AI LÀM ĐÒN BẨY”
Gần như ai cũng đồng ý là nên học cách làm việc cùng AI. Nhưng phần lớn hiểu điều đó ở mức nông: dùng AI để làm xong việc cũ nhanh hơn. Và đây chính là chỗ mình muốn bạn dừng lại suy nghĩ, vì nó là một cái bẫy tinh vi.
Giả sử AI giúp bạn tiết kiệm được mười giờ mỗi tuần. Câu hỏi thật sự quyết định sự nghiệp của bạn không phải là “AI có giúp mình nhanh hơn không”, mà là “mình tái đầu tư mười giờ đó vào đâu”. Đa số sẽ dùng mười giờ tiết kiệm được để… làm thêm việc cùng loại: kéo thêm số, dựng thêm báo cáo, xử lý thêm request. Họ nhanh hơn, nhưng vẫn đứng nguyên ở tầng giá trị thấp, chỉ là làm được nhiều hơn ở đúng cái tầng đang mất giá. Một số ít thì dùng thời gian đó để leo lên: ngồi với business nhiều hơn, đào sâu nguyên nhân, chuẩn bị khuyến nghị kỹ hơn.
Nói cách khác, AI không phân loại Data Analyst thành “biết dùng AI” và “không biết dùng AI”. Nó phân loại thành người tái đầu tư thời gian tiết kiệm được vào việc giá trị cao, và người tiêu số thời gian đó vào việc giá trị thấp. Đòn bẩy chỉ có ý nghĩa khi bạn biết mình muốn nâng cái gì lên.
Tốc độ chỉ là lợi thế nếu bạn dùng nó để đi lên, chứ không phải để chạy tại chỗ nhanh hơn.
4. DỊCH CHUYỂN THỨ BA: TỪ “BẠN BIẾT GÌ” SANG “NGƯỜI KHÁC BIẾT BẠN VÌ ĐIỀU GÌ”
Đây là dịch chuyển mà mình thấy nhiều người bỏ qua nhất, và cũng là tài sản tăng giá mạnh nhất trong thời kỳ AI.
Khi AI khiến kiến thức và kỹ năng kỹ thuật trở nên phổ biến, lợi thế của bạn không còn nằm hoàn toàn ở việc bạn biết gì, vì thứ bạn biết thì ngày càng nhiều người và nhiều công cụ cũng biết. Lợi thế dịch sang một chỗ khó sao chép hơn nhiều: người khác biết bạn vì điều gì. Mình gọi đó là Reputation Capital, và nó khác hẳn với thứ mà nhiều người nhầm là “personal brand”. Reputation Capital không phải số follower, cũng không phải đăng bài mỗi ngày. Nó là một danh tiếng đủ mạnh để khi ai đó cần một Data Analyst giỏi về một lĩnh vực nào đó, cái tên đầu tiên hiện lên trong đầu họ là bạn.
Trong nội bộ doanh nghiệp, Reputation Capital là khi có một bài toán dữ liệu khó, mọi người nghĩ đến bạn đầu tiên, không phải vì bạn dựng dashboard đẹp, mà vì bạn từng nhiều lần giúp họ hiểu vấn đề và ra quyết định đúng. Bên ngoài, recruiter ngày nay hiếm khi chỉ đọc CV. Họ tìm LinkedIn, portfolio, các bài bạn viết, các case study bạn chia sẻ, để hiểu cách bạn suy nghĩ chứ không chỉ để biết bạn dùng công cụ nào. Danh tiếng được xây từ hai vế: làm tốt để được tin tưởng, và chia sẻ để giá trị đó được nhiều người biết đến. Thiếu vế đầu thì chia sẻ chỉ là ồn ào; thiếu vế sau thì giá trị của bạn bị nhốt trong một phòng ban.
Và đây là lý do sâu xa khiến Reputation Capital là tài sản tăng giá: nó gắn với những thứ AI về bản chất không làm được. AI có thể tạo biểu đồ, nhưng không xây được niềm tin với một CEO. AI có thể tóm tắt một cuộc họp, nhưng không dẫn dắt được một cuộc thảo luận căng thẳng giữa Product, Marketing và Sales. Và quan trọng nhất, AI không thể chịu trách nhiệm cho một quyết định kinh doanh. Niềm tin và trách nhiệm là thứ chỉ con người trao cho con người.
Kỹ năng của bạn có thể bị sao chép trong vài tháng. Danh tiếng thì phải mất nhiều năm để người khác gây dựng được thứ tương tự.
——–
Nếu tóm lại toàn bộ chiến lược trong một câu, mình sẽ nói thế này: AI không làm Data Analyst kém quan trọng đi, nó chỉ dịch chuyển chỗ mà giá trị nằm, và nhiệm vụ của bạn là dịch chuyển khoản đầu tư thời gian của mình theo cho kịp.
Cụ thể là ba dịch chuyển: từ người trả lời câu hỏi sang người biết đặt câu hỏi đúng; từ dùng AI để làm nhanh hơn sang dùng AI làm đòn bẩy để leo lên; và từ việc bạn biết gì sang việc người khác biết bạn vì điều gì. Cả ba đều là những tài sản tăng giá theo thời gian, ngược với kỹ năng thao tác thuần túy đang mất giá mỗi ngày.
Cách kiểm tra xem bạn có đang đi đúng hướng rất đơn giản. Hãy nhìn lại giờ học và giờ làm của tuần vừa rồi, rồi tự hỏi: phần lớn thời gian của mình đang chảy vào tài sản đang mất giá, hay tài sản đang lên giá?
Cheers! 
