Gần đây các bạn hay hỏi Vinh một câu hỏi:
“Anh ơi, bây giờ có ChatGPT, Claude… rồi thì còn cần học Data Analyst nữa không?”
Đây là một câu hỏi rất hay! Bởi nếu nhìn bề ngoài, AI đang khiến việc học trở nên dễ dàng hơn bao giờ hết. Chỉ cần vài dòng prompt, bạn có thể yêu cầu ChatGPT viết SQL, giải thích Python, xây dựng dashboard, hướng dẫn làm project hoặc thậm chí hỗ trợ chuẩn bị phỏng vấn.
Những thứ trước đây phải mất nhiều giờ tìm kiếm trên Google, xem video YouTube hoặc đọc tài liệu, giờ đây có thể được trả lời chỉ trong vài phút.
Tuy nhiên, sau nhiều năm làm nghề và đào tạo hàng nghìn học viên, Vinh nhận thấy một thực tế thú vị: AI đang giúp mọi người học nhanh hơn nhưng không đồng nghĩa với việc mọi người học sâu hơn.
Và đó chính là lý do việc học Data Analyst bài bản vẫn còn nguyên giá trị!
Thứ thiếu không phải kiến thức, mà là khả năng làm chủ và ứng dụng kiến thức vào thực tế
Ngày nay, kiến thức gần như không còn là rào cản. Các bạn có thể tìm thấy hàng nghìn video hướng dẫn SQL, Python hay Power BI trên Internet. Bạn cũng có thể hỏi AI bất kỳ câu hỏi nào liên quan đến kỹ thuật và nhận được câu trả lời gần như ngay lập tức.
Nhưng có một khoảng cách rất lớn giữa việc “đã học” và việc “thực sự hiểu”.
Vinh đã gặp rất nhiều bạn học viên có thể viết được câu lệnh SQL sau khi xem video hướng dẫn. Các bạn có thể làm theo từng bước trong một bài tutorial. Thậm chí có thể hoàn thành một project cá nhân khá đẹp mắt.
Nhưng khi đi sâu hơn một chút và đặt những câu hỏi như:
“Tại sao lại sử dụng LEFT JOIN thay vì INNER JOIN?”
“Vì sao lại lựa chọn cách tiếp cận này thay vì cách khác?”
“Nếu dữ liệu thay đổi thì giải pháp này còn phù hợp không?”
thì rất nhiều bạn bắt đầu lúng túng.
Điều đó không có nghĩa các bạn không chăm chỉ. Mà vấn đề nằm ở chỗ các bạn đang học cách làm theo, chứ chưa thực sự hiểu bản chất.
Vinh tin rằng trong vài năm Vinh, AI sẽ tiếp tục khiến việc tiếp cận kiến thức trở nên nhanh hơn nữa. Nhưng nghịch lý là càng dễ tiếp cận kiến thức, chúng ta càng dễ tạo cho mình cảm giác rằng mình đã hiểu.
Thực tế, thứ chúng ta nhìn thấy thường chỉ là phần nổi của tảng băng. Trong khi năng lực thực sự nằm ở khả năng hiểu bản chất, khả năng vận dụng linh hoạt và khả năng giải quyết những tình huống không có sẵn đáp án.
Thời đại này không chỉ cần nhanh. Thời đại này cần sâu, cần chất lượng, cần khả năng làm chủ kiến thức.
Đó cũng là lý do tại UniGap, Vinh không xem việc dạy công cụ là mục tiêu cuối cùng. SQL, Python hay Power BI chỉ là phương tiện.
Điều mình quan tâm hơn là mindset sử dụng công cụ như thế nào, cách tiếp cận một vấn đề kỹ thuật trong môi trường thực tế ra sao và cách đưa ra quyết định khi không có một đáp án mẫu nào để tham khảo.
Nếu không phát triển tư duy phân tích bài bản, bạn chỉ đang làm theo yêu cầu. Một trong những hiểu lầm phổ biến nhất về nghề Data Analyst là nghĩ rằng đây đơn thuần là một công việc kỹ thuật. Nhiều người cho rằng chỉ cần biết SQL, biết Power BI và biết xử lý dữ liệu là đủ, nhưng thực tế hoàn toàn khác.
Một Data Analyst giỏi không chỉ làm việc với dữ liệu. Họ làm việc với vấn đề kinh doanh, làm việc với con người, làm việc với những quyết định có thể ảnh hưởng trực tiếp đến doanh thu, chi phí hoặc chiến lược phát triển của doanh nghiệp.
Điều đó đòi hỏi một tập hợp kỹ năng rộng hơn rất nhiều so với kỹ năng kỹ thuật. Bạn cần hiểu stakeholder đang thực sự gặp vấn đề gì, cần xác định đâu là nguyên nhân gốc rễ, cần biết cách đặt câu hỏi đúng, cần chuyển hóa dữ liệu thành giải pháp.
Nếu không có nền tảng tư duy phân tích bài bản, rất dễ rơi vào trạng thái chỉ làm theo yêu cầu.
Stakeholder hỏi gì thì trả lời nấy, yêu cầu báo cáo gì thì làm báo cáo đó, yêu cầu dashboard gì thì xây dashboard đó.
Nhưng giá trị lớn nhất của Data Analyst không nằm ở việc trả lời câu hỏi mà nằm ở việc giúp doanh nghiệp giải quyết đúng vấn đề.
Đó là lý do Vinh luôn khuyến khích học viên dành thời gian học các nguyên lý giải quyết vấn đề một cách nghiêm túc.
Tại UniGap, Vinh đưa vào chương trình học những tư duy đã được kiểm chứng bởi các tổ chức hàng đầu thế giới. Một trong số đó là Design Thinking. Đây không phải là một framework thời thượng được sử dụng cho mục đích marketing.
=>> Đây là tư duy đang được ứng dụng rộng rãi tại các trường đại học hàng đầu như Stanford, trong các chương trình Business Strategy và Product Innovation trên toàn cầu.
Bởi vì cuối cùng, dữ liệu không tạo ra giá trị, những quyết định tốt dựa trên dữ liệu mới tạo ra giá trị. Nhà tuyển dụng không cần nhiều project. Họ cần những project chất lượng.
Vinh thường thấy nhiều bạn cố gắng làm thật nhiều project với hy vọng hồ sơ của mình sẽ nổi bật hơn.
Có bạn làm 5 project, có bạn làm 10 project, có bạn dành hàng tháng để sưu tầm đủ loại project từ Internet.
Nhưng điều đáng tiếc là số lượng project không phản ánh năng lực thực sự. Trong nhiều trường hợp, project còn trở thành con dao hai lưỡi. Bởi vì khi nhà tuyển dụng xem project, họ không chỉ nhìn vào dashboard đẹp hay những đoạn code phức tạp.
Họ đang đánh giá cách bạn tư duy, khả năng giải quyết vấn đề, cách bạn tiếp cận một bài toán thực tế.
Một project tốt không bắt đầu bằng dữ liệu mà bắt đầu bằng vấn đề.
– Bạn đang giải quyết vấn đề gì?
– Tại sao vấn đề đó quan trọng?
– Bạn đã suy nghĩ về nó như thế nào?
– Bạn đã sử dụng dữ liệu để tìm ra insight gì?
– Recommendation của bạn có thực sự giải quyết được vấn đề đã đặt ra hay không?
Đó mới là những điều nhà tuyển dụng quan tâm.
Thà có một project chất lượng thể hiện được đầy đủ tư duy phân tích, tư duy kinh doanh và năng lực thực thi còn hơn có mười project chỉ dừng lại ở việc trình bày kỹ thuật.
Chính vì vậy, tại UniGap, Vinh không xây dựng các project mang tính trình diễn. Vinh xây dựng những project mô phỏng các bài toán thực tế mà doanh nghiệp đang gặp phải.
Học viên không chỉ học cách xử lý dữ liệu.
Các bạn học cách suy nghĩ như một Data Analyst thực thụ, học cách xác định vấn đề, học cách phân tích nguyên nhân, học cách đưa ra giải pháp và học cách bảo vệ quan điểm của mình trước những câu hỏi phản biện.
Hãy để kết quả nói lên con người của bạn!
—–
Tóm lại: Trong thời đại AI, việc tiếp cận kiến thức sẽ ngày càng dễ dàng hơn. Nhưng chính điều đó lại khiến sự khác biệt giữa người biết và người thực sự làm được ngày càng trở nên rõ ràng hơn.
Doanh nghiệp không tuyển dụng dựa trên số lượng video bạn đã xem, không tuyển dụng dựa trên số lượng khóa học bạn đã hoàn thành. Họ tuyển dụng dựa trên năng lực thực tế mà bạn thể hiện được.
Vì vậy, thay vì cố gắng học thật nhiều, hãy tập trung học thật sâu.
Thay vì cố gắng làm thật nhiều project, hãy tập trung làm thật tốt.
Thay vì chạy theo công cụ mới nhất, hãy tập trung xây dựng nền tảng tư duy vững chắc.
Cuối cùng, thứ giúp bạn có được cơ hội không phải là những gì bạn nói mình biết, mà là những gì bạn thực sự làm được.
Hãy để kết quả nói lên con người của bạn.
Cheers! 
—————————-
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.
