Trong vài năm gần đây, mình review chắc cũng phải hơn 300 CV Data Analyst rồi. Có CV của những bạn còn đang học năm 2, năm 3, có CV của những bạn đã đi làm vài năm muốn chuyển ngành…
Sau khi xem đủ nhiều CV, mình nhận ra là rất nhiều lỗi lặp đi lặp lại, có thể là nhìn vài dòng đầu là đã đoán được phía dưới sẽ như thế nào luôn.
Và đa số những lỗi này không phải kiểu “thiếu kiến thức chuyên môn quá cao siêu” gì cả, nhiều khi chỉ là những thứ rất cơ bản thôi, nhưng lại ảnh hưởng cực kỳ nhiều tới cảm giác của recruiter khi đọc CV.
Mà thật ra, CV là thứ khá khó. Vì nó giống như bạn phải cố gắng gói gọn cả một con người, cả quá trình học tập, project, kỹ năng… vào chỉ một hai trang giấy nên nếu không biết cách trình bày, rất dễ rơi vào tình trạng hoặc là quá nhiều, hoặc là quá ít.
#1: LỖI FORMATTING
Mình thấy lỗi phổ biến đầu tiên chắc chắn là format.
Nghe hơi nhỏ nhặt nhưng thật sự rất nhiều CV nhìn rất mỏi mắt.
Có CV dài 3-4 trang dù chưa có nhiều kinh nghiệm, đọc tới giữa trang đầu đã bắt đầu mất tập trung rồi. Trong khi cũng có những CV ngược lại, ngắn tới mức đọc xong vẫn không hiểu ứng viên mạnh cái gì.
Rồi font chữ thì mỗi chỗ một kiểu. Chỗ này Times New Roman, chỗ kia Arial. Có đoạn size 11, có đoạn size 13. Bullet point lệch hàng. Spacing không đều. Nhìn tổng thể rất “lộn xộn”.
Mình từng gặp cả CV sai chính tả nữa.
Và điều đáng tiếc là nhiều bạn không để ý những thứ này vì nghĩ:
“Em làm Data Analyst chứ đâu phải designer.”
Đúng, recruiter không cần CV của bạn đẹp như portfolio design. Nhưng CV là thứ đầu tiên họ nhìn thấy ở bạn. Nếu một tài liệu chỉ có 1-2 trang mà còn cẩu thả thì rất khó tạo cảm giác chuyên nghiệp.
Đặc biệt là với nghề Data Analyst, vốn là công việc liên quan rất nhiều tới sự cẩn thận và khả năng trình bày thông tin rõ ràng.
Thật ra recruiter không cần CV “sáng tạo”. Cái họ cần thường chỉ là: dễ đọc, dễ scan, nhìn vào biết ngay trọng tâm nằm ở đâu!
#2 LỖI VIẾT QUÁ CHUNG CHUNG
Một lỗi nữa mình thấy rất nhiều là cách viết kinh nghiệm quá chung chung.
Kiểu như: hỗ trợ phân tích dữ liệu, xây dựng dashboard, làm báo cáo, trực quan hóa dữ liệu
Đọc xong thật sự rất khó hình dung bạn đã làm gì.
Mình nghĩ nhiều bạn đang viết CV theo kiểu “liệt kê task”, trong khi recruiter muốn nhìn thấy năng lực.
Ví dụ cùng là làm dashboard, nhưng:
– dashboard cho ai?
– giải quyết bài toán gì?
– dùng để ra quyết định gì?
– insight nào quan trọng?
… thì thường không thấy nói tới.
Có những CV mình đọc xong cảm giác như ứng viên làm rất nhiều thứ, nhưng lại không biết đâu là thứ bạn thực sự hiểu sâu.
Trong khi đôi khi chỉ cần viết cụ thể hơn một chút là đã khác rất nhiều rồi.
Ví dụ thay vì viết:
“Xây dựng dashboard bán hàng”
Thì có thể viết kiểu:
“Phân tích dữ liệu bán hàng theo khu vực để xác định nhóm sản phẩm có tỷ lệ hoàn đơn cao, hỗ trợ team vận hành tối ưu tồn kho.”
Nghe sẽ khác hoàn toàn. Ít nhất người đọc còn hình dung được bạn đang dùng dữ liệu để làm gì.
#3 LỖI THIẾU LIÊN QUAN
Một lỗi khác mà mình thấy khá phổ biến, đặc biệt ở các bạn mới chuyển ngành, là CV thiếu liên quan tới role đang apply.
Mình hiểu tâm lý này vì ngày xưa mình cũng từng như vậy. Học được gì là muốn cho hết vào CV vì sợ recruiter nghĩ mình “không biết đủ”.
Thế là CV có đủ mọi thứ: hoạt động CLB, tổ chức sự kiện, thiết kế poster, làm content, bán hàng online, edit video…
Không phải những thứ đó vô nghĩa. Nhưng vấn đề là cách trình bày khiến recruiter rất khó hiểu: “Vậy cuối cùng bạn này mạnh về Data Analytics ở đâu?”
Mình nghĩ nhiều bạn chưa thực sự nhìn CV như một tài liệu định vị bản thân. CV không phải nơi kể toàn bộ hành trình cuộc đời, mà là nơi để trả lời nhanh cho câu hỏi: “Vì sao công ty nên interview bạn cho role này?”
Nếu apply Data Analyst thì mọi thứ nên xoay quanh:
– tư duy phân tích
– kỹ năng liên quan
– project
– business thinking
– khả năng giải quyết vấn đề bằng dữ liệu
Chứ không phải cố gắng show mình từng làm thật nhiều thứ.
Tiếp đến là #portfolio.
Đây chắc là phần mình thấy nhiều bạn đầu tư thời gian nhất. Nhưng cũng là phần nhiều người hiểu hơi sai và rất nhiều portfolio bây giờ nhìn khá giống nhau.
Mở ra là: sales dashboard, HR dashboard, Netflix dashboard, pizza sales dashboard
Nhìn qua có thể thấy rất nhiều chart, màu sắc đẹp, filter mượt.
Nhưng đọc xong vẫn không hiểu:
– business problem là gì
– insight nằm ở đâu
– recommendation là gì
– người phân tích thực sự hiểu dữ liệu tới mức nào
Có cảm giác nhiều project đang cố chứng minh:
“Em biết dùng Power BI.”
Chứ chưa chứng minh được:
“Em biết phân tích.”
Mình nghĩ đây là khác biệt rất lớn.
Một dashboard đẹp không đồng nghĩa với một project mạnh.
Thật ra đi làm rồi mới thấy manager ít ai quan tâm dashboard của bạn gradient đẹp cỡ nào đâu. Cái họ quan tâm là:
– vấn đề nằm ở đâu
– nguyên nhân là gì
– nên làm gì tiếp theo
Mình từng xem những project rất đơn giản thôi, thậm chí giao diện không đẹp lắm, nhưng cách phân tích rất logic, đọc vào là biết người làm có tư duy analyst thật sự.
Ngược lại, có những portfolio nhìn rất “wow” lúc đầu nhưng càng đọc càng thấy rỗng vì không có chiều sâu phân tích.
#4 LỖI LỚN NHẤT???
Và nếu phải nói đâu là lỗi lớn nhất sau khi review rất nhiều CV, thì mình nghĩ đó là:
Không biết đâu là điểm chính cần tập trung. Nhiều bạn cố gắng nhét quá nhiều thứ vào CV vì nghĩ càng nhiều càng tốt.
Kết quả là recruiter đọc xong không nhớ được gì.
Không biết bạn mạnh cái gì, định hướng như thế nào, phù hợp role nào, khác người khác ở đâu…
Trong khi CV mạnh thường rất rõ ràng.
Đọc vào có cảm giác: “Ok, mình hiểu bạn này là ai rồi.”
Thật ra, mình nghĩ phần lớn các bạn không thiếu nỗ lực đâu. Nhiều CV mình nhìn là biết người làm đã rất cố gắng. Nhưng đôi khi vì chưa biết cách trình bày nên năng lực thật không được thể hiện đúng.
Mà thị trường entry-level bây giờ cạnh tranh khá cao. Recruiter thường không có nhiều thời gian để “đọc kỹ rồi mới phát hiện ra tiềm năng” đâu. Nhiều khi họ chỉ scan vài chục giây đầu tiên thôi.
Nên có một điều mình nghĩ các bạn nên đầu tư nghiêm túc khi apply Data Analyst là học cách trình bày bản thân rõ ràng hơn.
Vì nhiều khi vấn đề không nằm ở chuyện bạn chưa đủ giỏi.
Mà là CV của bạn chưa khiến người khác nhìn ra bạn giỏi ở đâu.
—————————-
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.
