Nhiều bạn dành hàng tháng trời để học SQL, luyện Python, dựng dashboard Power BI rất chăm chỉ nhưng lại trượt phỏng vấn Data Analyst chỉ sau 20 phút trao đổi.
Nguyên nhân không nằm ở chỗ thiếu kỹ thuật, mà phần lớn nằm ở việc chuẩn bị chưa kỹ càng. Cụ thể là các bạn chưa hiểu công ty đang làm gì, chưa chứng minh được sự phù hợp với vai trò hay nói cách khác là chưa “fit”.
Rất nhiều ứng viên dừng lại ở việc học công cụ, nhưng lại bỏ qua bước quan trọng nhất: nghiên cứu ngành, hiểu bối cảnh kinh doanh và xác định mình có thể đóng góp thế nào.
Trong khi đó, Data Analyst không chỉ là người xử lý dữ liệu mà là người giúp công ty ra quyết định dựa trên dữ liệu. Và để làm được điều này, bạn cần nắm rõ: khách hàng của công ty là ai, họ đang gặp vấn đề gì, và bạn có thể hỗ trợ ra sao.
Một ứng viên được đánh giá cao chính là người chuẩn bị như thể mình đã là một phần của công ty.
Bài viết này sẽ giúp bạn chuẩn bị theo hướng bài bản và có chiến lược.
I/ Nghiên cứu ngành & công ty
1.1 Nghiên cứu ngành (Industry research)
Trước khi đi sâu vào vị trí, hãy bắt đầu từ bức tranh lớn hơn: ngành mà công ty đang hoạt động.
Bạn có thể ứng tuyển vào e-commerce, fintech, FMCG, công nghệ, edtech hay logistics. Mỗi ngành có “ngôn ngữ” riêng: cách họ đo lường hiệu quả, kỳ vọng từ dữ liệu và những vấn đề được ưu tiên.
Ví dụ:
– E-commerce: tập trung cá nhân hóa trải nghiệm người dùng, tối ưu chi phí logistics, gia tăng LTV.
– Fintech: ưu tiên mobile banking, open finance, bảo mật dữ liệu.
– FMCG: trọng tâm tối ưu chuỗi cung ứng, phân tích hành vi tiêu dùng theo vùng.
Nguồn tham khảo:
+ Annual reports từ công ty đầu ngành
+ Whitepaper từ McKinsey, BCG, Bain, Vietnam Report
+ Bài phân tích từ Tech in Asia, e27, DealStreetAsia
Lưu ý các chỉ số đặc trưng:
– E-commerce: GMV, CAC, AOV
– Fintech: ARPU, churn rate, active users
– FMCG: Market penetration, repeat purchase rate, NPS
Đồng thời, tìm hiểu key players trong ngành: ai dẫn đầu, ai mới nổi, khác biệt ở đâu. Hiểu “sân chơi” sẽ giúp bạn đặt công ty ứng tuyển vào đúng bối cảnh và có cách đặt câu hỏi, trả lời chiến lược hơn hẳn.
1.2 Nghiên cứu công ty (Company research)
Sau ngành là đến công ty. Ứng viên nổi bật luôn thể hiện rằng: “Tôi đã dành thời gian tìm hiểu chính các anh/chị”.
Một số điểm cần chú ý:
– Sản phẩm & dịch vụ: Họ bán gì? Cho ai?
– Mô hình kinh doanh: Subscription, transaction fee, ads-based hay hybrid?
– USP & lợi thế cạnh tranh: Điều gì khiến họ khác biệt?
– Khách hàng mục tiêu: Persona chính là ai, hành vi ra sao?
– Mission & vision: Họ muốn trở thành gì trong 5–10 năm tới?
– Culture: Giá trị cốt lõi, cách ra quyết định, tổ chức team Data.
– Dự án mới nhất: Gọi vốn, mở rộng sản phẩm, partnership quan trọng.
Nguồn tham khảo: website chính thức, LinkedIn, phỏng vấn CEO/lead team, podcast về sản phẩm/gọi vốn, review khách hàng, báo chí phân tích.
1.3 Nghiên cứu đối thủ (Competitor research)
Ứng viên có góc nhìn cạnh tranh luôn ghi điểm cao.
Hãy tìm hiểu:
– USP của đối thủ: Họ mạnh ở đâu?
– Market share: Ai chiếm ưu thế? Tốc độ tăng trưởng thế nào?
– Benchmark số liệu: GMV Shopee – Tiki – Lazada ra sao? Ngân hàng nào có lượng active users cao nhất?
Việc này giúp bạn không chỉ hiểu công ty đang ở đâu, mà còn thể hiện tư duy phân tích chiến lược, biết cách tìm insight, gợi ý cải tiến, đưa ra quan điểm có logic.
II/ Personal & Job Fit
2.1 Phân tích vị trí (Position research)
Một sai lầm thường gặp là không tìm hiểu rõ vị trí mình ứng tuyển. Data Analyst ở mỗi công ty sẽ có scope khác nhau tùy quy mô và chiến lược.
Bạn cần xem xét:
– Scope of work: Thiên về dashboard KPI, phân tích hành vi, hay hỗ trợ Product/Marketing?
– Key metrics: Conversion, churn, retention, ROI, ARPU – chỉ số nào quan trọng nhất?
– Stakeholders: Làm việc với Product Owner, Growth, Marketing hay Finance?
– Technical skills: SQL ở mức nào? Python nhiều hay Excel/Sheets là chính? BI tool là Power BI hay Tableau? Có nhắc đến Git, Airflow, dbt không?
– Soft skills: Có yêu cầu storytelling, viết báo cáo, giao tiếp, thuyết trình?
– Upcoming projects: Nếu công ty sắp ra mắt tính năng mới, hãy dự đoán các chỉ số họ cần theo dõi và chủ động nhắc đến trong phỏng vấn.
2.2 Đối chiếu bản thân (Personal fit)
Sau khi hiểu JD, hãy gắn hồ sơ của bạn vào đó:
– Kinh nghiệm liên quan: Chọn 1-2 project gần với yêu cầu, nhấn mạnh vấn đề business bạn đã giải quyết.
– Skill gaps: Nhận diện thiếu sót, nhưng kèm cách bạn đang học để cải thiện.
– Project chứng minh: Portfolio có 1-2 case study “đúng mẫu” ngành công ty cần.
– Soft skills: Chọn 3 kỹ năng nổi bật kèm dẫn chứng.
– Weakness: Thành thật, có chiều sâu, và cho thấy hướng cải thiện.
2.3 Động lực & định hướng (Motivation & Career goal)
Hãy giúp nhà tuyển dụng thấy rõ động lực và định hướng của bạn:
– Why this company: Vì sứ mệnh, sản phẩm, văn hóa hay cơ hội học hỏi?
– Career goal 1–2 năm: Ví dụ: sau 6 tháng làm chủ dashboard Marketing; sau 1 năm dẫn dắt 1 dự án phân tích cho Product.
– Expectation: Bạn muốn học gì, đóng góp gì?
– Culture fit: Phù hợp startup nhanh hay enterprise chặt chẽ? Có khả năng làm việc đa stakeholder?
III/ Chuẩn bị Kỹ năng – Case study – Mindset – Logistics
3.1 Kỹ năng chuyên môn
Trước buổi phỏng vấn, hãy chắc chắn bạn vững:
– SQL: JOIN, CTE, window functions, cohort analysis.
– Python/R: pandas, data cleaning, EDA, visualization.
– Excel/Sheets: Pivot, VLOOKUP/XLOOKUP, array formula.
– Visualization: Storytelling qua dashboard hợp lý, logic từ overview → detail → insight → action.
Mẹo nhỏ: Hãy chuẩn bị một mini dashboard bằng dữ liệu ngành công ty đang hoạt động, đó là “tín hiệu vàng” cho thấy bạn chuẩn bị rất nghiêm túc.
3.2 Case study luyện tập
Cách luyện hiệu quả:
– Chọn problem thực tế của ngành (churn fintech, cart abandonment e-commerce, user activation SaaS).
– Tìm dataset phù hợp (Kaggle, Google Dataset, tự tạo).
– Giải theo framework: Problem → Data → Analysis → Insight → Action.
3.3 Soft skills & mindset
– Storytelling with data: Người ta nhớ insight, không nhớ bạn dùng hàm gì.
– Business-first thinking: Bắt đầu từ vấn đề, không phải công cụ.
– Mindset: Sẵn sàng học, lắng nghe feedback, linh hoạt, cam kết gắn bó.
3.4 Câu hỏi ngược lại cho interviewer
Đặt câu hỏi để thể hiện sự hiểu biết và nghiêm túc:
– “KPI quan trọng nhất của team Data hiện tại là gì?”
– “Thách thức dữ liệu lớn nhất công ty đang gặp phải là gì?”
– “Trong 90 ngày đầu, anh/chị mong em đóng góp điều gì?”
3.5 Logistics & tâm thế
– Logistics: Thiết bị ổn định, trang phục phù hợp, portfolio dễ truy cập.
– Tâm thế: Phỏng vấn là cuộc trò chuyện hai chiều. Tự tin, nhưng đừng “diễn”.
TÓM LẠI
Phỏng vấn Data Analyst không chỉ là kiểm tra kỹ thuật. Đó là nơi bạn thể hiện tư duy hệ thống, hiểu business, hiểu vai trò và chứng minh mình thật sự “fit”.
Kỹ năng phần đông có thể giống nhau, nhưng sự chuẩn bị kỹ lưỡng, mindset business-first và khả năng kết nối dữ liệu với vấn đề thực tế mới là yếu tố tạo nên sự khác biệt.
Hãy chuẩn bị như thể bạn đã là một phần của công ty. Từ cách bạn nghiên cứu ngành đến cách nói về KPI, hãy để nhà tuyển dụng thấy rằng: bạn không chỉ phù hợp với vị trí mà bạn chính là người họ đang tìm kiếm.
Chúc bạn tự tin và nhận được offer xứng đáng.
Tặng bạn thêm 1 quote mình tâm đắc:
“By failing to prepare, you are preparing to fail.” – Benjamin Franklin
Cheers! 
