Công việc hấp dẫn nhất thế kỷ 21?
Những từ khóa như công việc sexy nhất thế kỷ 21, mức lương nghìn đô,… đang thu hút rất nhiều bạn trẻ muốn tham gia vào ngành dữ liệu. Rất nhiều bạn đặt câu hỏi về việc học gì, làm gì để xin được việc trong ngành dữ liệu, và các bạn sẽ ngập tràn trong những câu trả lời về Python, R, về Machine Learning hay AI,…
Nhưng liệu có thật là sau khi học tất cả những thứ đó, bạn có thể bước chân vào ngành? Và đây liệu có phải công việc hấp dẫn nhất như những lời hứa hẹn phía trên?
Ngành dữ liệu – tài chính ngân hàng – marketing?
Nếu để ý kỹ, bạn sẽ thấy sự HOT của ngành dữ liệu hiện nay cũng giống như ngành Tài chính ngân hàng trước kia, hay ngành Marketing trong vài năm gần đây. Đó là thời điểm người người nhà nhà lựa chọn ngành chỉ vì cái tên Hot, vì mức lương hấp dẫn, để rồi lại hoang mang khi không tìm việc.
Và dù rất nhiều người lựa chọn ngành, nhưng khi được hỏi vậy cụ thể tài chính ngân hàng hay Marketing là gì thì lại không thể trả lời được.
Vậy khi lựa chọn ngành dữ liệu, bạn có chắc là mình đang không đi vào “vết xe đổ” này? Mình nghĩ câu hỏi đầu tiên cần cân nhắc, không phải là học gì để vào được ngành, mà phải là “Ngành dữ liệu là gì?”. Bởi vì chỉ khi hiểu về ngành, bạn mới có thể tìm được hướng đi phù hợp cho bản thân.
Muốn làm dữ liệu? Hãy hiểu đúng về ngành!
Series bài viết này định hướng cho các bạn mới vào hoặc dự định gia nhập “Data Industry”, và sẽ tập trung vào việc đưa đến các bạn một góc nhìn tổng quan về ứng dụng dữ liệu trong doanh nghiệp (cần phân biệt rõ với ứng dụng dữ liệu trong môi trường học thuật và nghiên cứu).
Mình sử dụng một số từ tiếng Anh “bồi” vì những từ này phổ biến nhưng dịch sang tiếng Việt sẽ không còn sát nghĩa nữa.
Mục tiêu sử dụng dữ liệu trong doanh nghiệp là gì?
Đã có quá nhiều bài viết nói về các vị trí trong ngành dữ liệu, tuy nhiên, để hiểu rõ bản chất, chúng ta cùng hướng đến mục tiêu của việc sử dụng dữ liệu trong doanh nghiệp. Xét về quan điểm đầu tư, mục tiêu chính của việc ứng dụng dữ liệu trong doanh nghiệp là tối đa lợi nhuận cho doanh nghiệp (Data Monetization). Ứng dụng dễ thấy nhất của dữ liệu trong doanh nghiệp đó là Data-Driven Decision Support.
Chúng ta sẽ đi qua từng bước để thấy rõ hơn quá trình này:
- Data capture: Thu thập dữ liệu.
- Mục tiêu: Có được nhiều dữ liệu có giá trị nhất có thể.
- Dữ liệu có thể là dữ liệu có trên các hệ thống nội bộ của doanh nghiệp (CRM, ERP, HR…) hoặc claw từ các nguồn dữ liệu bên ngoài: Mạng xã hội, website.
- Data quality and Integration: Kiểm soát chất lượng dữ liệu và tích hợp giữa các nguồn dữ liệu.
- Mục tiêu: Đảm bảo dữ liệu chính xác, đồng nhất giữa các hệ thống.
- Ví dụ: Dữ liệu một tập đoàn có nhiều công ty con, mỗi công ty con có một hệ thống CRM riêng, một khách hàng sẽ có nhiều ID khác nhau trên từng hệ thống. Khi muốn phân tích hành vi khách hàng, bắt buộc phải chuẩn hóa thông tin về khách hàng – mỗi khách hàng có một Unique ID duy nhất và lịch sử mua hàng tương ứng trên tất cả các hệ thống.
- Data enrichment
- Mục tiêu: Tạo ra thêm thông tin từ những thông tin đã có.
- Ví dụ: Tính toán các chỉ số về khách hàng như tỷ lệ quay lại, tỷ lệ rời bỏ, chi phí tốn để acquire một khách hàng, p&l trên từng khách hàng, ngành hàng, khu vực…
- Chú ý: Machine learning hay AI nằm trong khâu Data Enrichment, chỉ là 1 phần trong quá trình sử dụng dữ liệu trong doanh nghiệp, cũng như không phải tất cả các doanh nghiệp đều cần sử dụng mảng này. Nên nếu lựa chọn học về Machine Learning hay AI bạn cần xác định bạn đang đi vào một nhánh rất hẹp của ngành dữ liệu.
- Analytics:
- Mục tiêu: Tìm kiếm insight để đưa ra quyết định.
- Ví dụ: Thông qua tính toán được CLV (customer lifetime value). Xác định được tập khách hàng tiềm năng để tập trung quảng cáo.
Ngành dữ liệu và việc nấu ăn
Để các bạn dễ hình dung, chúng ta sẽ so sánh với một quy trình các bạn quen thuộc hơn, đó là dịch vụ ăn uống:
Data Business | Food Business | |
Quy trình | Data capture | Thu hái, đi chợ mua đồ. |
Data quality and Integration | Kiểm tra chất lượng, sơ chế. | |
Data enrichment | Tẩm ướp | |
Analytics | Chế biến, phục vụ | |
Decision making | Thưởng thức | |
Đối tượng, công cụ | Dữ liệu thô: table, column, KPI. | Nguyên liệu: Thịt cá, rau củ |
Nguồn dữ liệu | Chợ, siêu thị, vườn nhà | |
Database | Tủ lưu trữ thực phẩm | |
Làm báo cáo, thực hiện phân tích | Thực hiện việc nấu nướng | |
Báo cáo, Biểu đồ, Đồ thị, Dashboard | Thức ăn được phục vụ theo nhiều các khác nhau. | |
Ứng dụng ETL | Dao thớt, nồi niêu, bếp | |
Ứng dụng reporting | Dĩa, đũa, muỗng, bàn ghế | |
End User – Decision Maker | Thực khách |
Cũng như trong nhà bếp, ngành dữ liệu cũng sẽ có những đặc thù, vị trí và mức độ chuyên môn hóa khác nhau, quan trọng là End User – người trả lương cho bạn kia ông ấy muốn gì. Chúng ta gọi đó là Business Requiments.
Doanh nghiệp cần gì?
Business Requiments trong Data sẽ có thể cân nhắc những yếu tố chính sau:
- Mức độ chính xác: Cần chính xác tuyệt đối như doanh thu, chi phí ghi nhận hay gần đúng dự phóng. Dữ liệu tổng hợp theo ngày hay tuần, tháng.
- Cách thức cung cấp: Mỗi ngày gửi một email, có trang web để vào tra cứu, có app trên điện thoại để notification ngay khi có những cập nhật.
- Cách thức trình bày: Bảng tính excel thuần số, Power Point, Biểu đồ có thể tương tác được, Báo cáo trên word…
- Mức độ sẵn có: Có dữ liệu ngay hay đợi 1-2 ngày để còn tổng hợp. Dữ liệu cập nhật tự động hàng ngày, tổng hợp sau mỗi tháng hay phải cập nhật theo thời gian thực.
- Chi phí: Chi phí nhân sự, Hạ tầng, Bản quyền phần mềm, Nhân sự các phòng ban hỗ trợ.
Từ Business Requiments và hiện trạng doanh nghiệp sẽ xác định được mảng dữ liệu sẽ cần những con người với khả năng sử dụng công cụ, kiến thức, kỹ năng khác nhau.
Kết luận
Từ bài viết này, các bạn cần nắm rõ được:
- Vai trò của dữ liệu trong doanh nghiệp là gì
- Quy trình sử dụng dữ liệu trong doanh nghiệp
- Doanh nghiệp cần gì – Business Requirement về dữ liệu
Sau khi đã có cái nhìn tổng quan về ngành, với các bài viết tiếp theo chúng ta sẽ cùng tìm hiểu:
- Thực trạng và xu hướng nhu cầu nhân lực có kỹ năng về dữ liệu trong các doanh nghiệp hiện nay.
- Các thức tự xây dựng lộ trình và đạt được những kỹ năng cần thiết trong ngành dữ liệu phù hợp với cá nhân bạn.
- Một số câu chuyện trong ngành. (Trong chăn mới biết chăn có rận)
Để được trao đổi, hỏi đáp về chuyên môn và cơ hội nghề nghiệp ngành dữ liệu, hãy tham gia Group Data Analytics and Business Intelligence Vietnam.
Theo dõi Livestream Chia sẻ câu chuyện ngành dữ liệu và lắng nghe chia sẻ từ chuyên gia trong ngành.
Theo dõi Fanpage Facebook của Datapot để không bỏ lỡ các bài viết tiếp theo.