Buổi Talkshow “Bí kíp công phá 25 Data jobs ngay từ năm 2 đại học” đã cung cấp một số tips giúp bạn ăn điểm hơn trong mắt nhà tuyển dụng. Bên cạnh đó, hai vị diễn giả cũng chia sẻ kinh nghiệm làm việc ở các doanh nghiệp cùng những lời khuyên thực tế dành cho các bạn freshers khi mới bước chân vào ngành.

Chuẩn bị năng lực để chinh phục Data jobs 

Hiện nay chỉ có một số trường đại học tại Việt Nam mới bắt đầu đào tạo ngành Khoa học dữ liệu trong thời gian gần đây và chương trình đào tạo chưa thực sự sát với môi trường làm việc thực tế. Do vậy, các bạn DA tại Việt Nam hầu hết là làm trái ngành hoặc làm đúng ngành nhưng vẫn phải học thêm những kiến thức sát thực tế hơn. Bên cạnh chương trình đào tạo ở Việt Nam, các bạn nên tìm hiểu chương trình đào tạo ở nước ngoài vì mỗi môn học trong chương trình đều sẽ phục vụ cho một mục đích cụ thể trong doanh nghiệp. 

Hãy bắt đầu từ những kiến thức Foundation về một mảng cụ thể. Khi khả năng tự học chạm đến ngưỡng “Self-correct” các bạn sẽ tự phát triển được kỹ năng của bản thân mà không cần quá phụ thuộc vài sách vở. Bên cạnh đó, hãy áp dụng kiến thức vào công việc càng sớm càng tốt để không quên kiến thức nhé! 

3 Tips cho vòng CV giúp bạn đến gần hơn với Data jobs 

Đo kết quả theo từng bước 

Nếu bạn hay trượt ở vòng CV, hãy bắt đầu từ việc review lại CV của bạn. CV của bạn đã thực sự tốt và phù hợp với doanh nghiệp bạn ứng tuyển hay chưa? Các bạn bên Mỹ còn build ra các Excel templates để track các công ty theo từng vòng (CV -> LeetCode -> Technical -> Behavioral).

Thêm các Technical Project có ý nghĩa về mặt business 

Lượng hóa tất cả các chỉ số: Tiết kiệm 50% thời gian làm báo cáo manual trên excel; Làm pipeline chạy nhanh hơn 30%. Tùng đã áp dụng tips này cho bản thân và sửa CV cho bạn bè để qua vòng Resume của Facebook, Amazon, Goldman Sachs. 

Tìm và kết nối với Hiring Manager trên LinkedIn

LinkedIn là một trang mạng xã hội chuyên nghiệp, được thiết kế để giúp mọi người kết nối trong việc kinh doanh, chia sẻ kinh nghiệm, sơ yếu lý lịch cũng như kết nối để tìm kiếm việc làm. Tùng đã tạo sự khác biệt khi chủ động kết nối và nhắn tin tìm hiểu công việc trực tiếp trên LinkedIn để gây ấn tượng với Hiring Manager. Tuy nhiên, khi nhắn tin trực tiếp với Manager/ CEO, bạn cần có sự chuẩn bị kỹ càng về mong muốn của bản thân và công việc mình đang ứng tuyển. 

4 tips giúp bạn thể hiên tốt hơn trong Vòng Phỏng vấn Data jobs

Tìm hiểu về nhà tuyển dụng trước trên LinkedIn 

Hãy giành thời gian tìm hiểu nhà tuyển dụng trên LinkedIn vì họ chính là người sẽ quyết định kết quả phỏng vấn của bạn. Nhà tuyển dụng Data jobs thiên về technical sẽ kỳ vọng bạn nắm chắc những kiến thức technical cơ bản và có lộ trình học những kiến thức khác trong tương lai. Khi đối diện với những nhà tuyển dụng thiên về techinal, bạn cần trung thực về những gì mình biết và không biết và thể hiện được sự quyết tâm trong việc học hỏi những thứ mới. Bên cạnh đó, nhà tuyển dụng thiên về business sẽ thích tư duy business hơn là những kiến thức technical khô khan. Bạn hãy thể hiện tư duy tập trung vào người dùng nhé! 

Tìm hiểu về doanh nghiệp đang ứng tuyển 

Hãy biến buổi phỏng vấn thành buổi trao đổi hai chiều. Bên cạnh việc show ra những kỹ năng của bản thân, hãy chia sẻ những nỗi đau của doanh nghiệp cùng nhà tuyển dụng. Bằng cách đó, bạn thuyết phục nhà tuyển dụng rằng bạn hiểu doanh nghiệp và sẵn sàng cống hiến để giúp doanh nghiệp trở nên tốt hơn. 

Chuẩn bị hết những gì có thể show ra cho nhà tuyển dụng 

Khi phỏng vấn vào một Tổ chức tài chính, Tùng đã làm một bộ phân tích phân tích Customer Journey cùng với các Metrics liên quan để show ra những hiểu biết của mình về công ty. Nhìn chung, các nhà tuyển dụng sẽ có ấn tượng với những ứng viên sáng tạo và chủ động nên đừng bỏ lỡ cơ hội thể hiện bản thân nhé! 

Phỏng vấn không tốt thì vẫn là cơ hội để xin lời khuyên nghề nghiệp hay cơ hội kết nối với anh chị trong ngành 

Hãy chủ động xin lời khuyên và contact từ nhà tuyển dụng vì trên thực tế, freshers không có quá nhiều dịp để gặp gỡ và trao đổi những anh chị trong ngành.  

Khó khăn khi đi làm

Khi mới đi làm, fresher chắc chắn sẽ phải đối mặt với những khó khăn dưới đây: 

Khó khăn khi không có dữ liệu để làm 

Cú sốc đầu đời của DA: Làm data nhưng không có data để làm. Kỹ năng giao tiếp trong trường hợp này cực kỳ quan trọng. Kết nối với những phòng ban, cá nhân có liên quan trực tiếp đến đầu ra, đầu vào của công việc đảm nhiệm. Cố gắng làm thân với anh Data Engineer nếu muốn sống sót nha. 

Khó khăn khi được giao việc khó và không biết làm như thế nào 

Nếu nhận được việc quá khó và không thể tự mày mò, hãy học hỏi từ những người giỏi. Tìm kiếm cho mình một mentors để xin lời khuyên và hỏi ý kiến. Học hỏi từ mentors sẽ tiết kiệm thời gian của bạn hơn rất nhiều so với việc tự mò kim đáy bể đấy! Đừng ngại mở lời với những anh chị đi trước vì mọi người luôn sẵn lòng giúp đỡ những người ham học hỏi. 

Khó khăn khi công việc không như kỳ vọng 

Bạn muốn được học cái này nhưng lại phải làm cái kia? Thay vì việc chán nản thì bạn nên tập trung làm việc sếp giao trước rồi mới xin được làm các việc mình thích. Khi đã làm tốt những việc được giao, bạn chứng minh được năng lực của bản thân từ đó sếp mới tin tưởng giao cho bạn những việc bạn thích. 

Xu hướng phát triển ngành Data 

Ngành Data tại Việt Nam sẽ phát triển theo 2 line: 

Ngành Data sẽ tách thành line riêng như Marketing, Sales, HR => Quản trị dữ liệu: Hạ tầng dữ liệu như thế nào? Làm thế nào thu thập được dữ liệu đó? Tổ chức nó ra sao? Phân quyền dữ liệu cho ai khai thác? 

Data trở thành công cụ hỗ trợ các ngành khác: Added value cho các ngành khác 

Ngành dữ liệu đang đối diện với sự dịch chuyển lớn: Công cụ dần trở nên dễ tiếp cận hơn dẫn đến việc doanh nghiệp yêu cầu nhiều hơn về business, sự sáng tạo và khả năng giải quyết vấn đề. Tư duy và công cụ luôn phải đi đôi với nhau, tư duy để vận dụng công cụ, công cụ để phục vụ tư duy. 

Xu hướng sử dụng AI trong ngành Data 

Trí tuệ nhân tạo – AI có thể xử lí dữ liệu nhanh hơn, khoa học hơn, hệ thống hơn với quy mô rộng hơn so với con người. Mục đích của việc phát triển AI xuất phát từ mong muốn máy móc sẽ phục vụ, thay thế và giúp đỡ con người giải quyết công việc. Ngành dữ liệu cũng bắt đầu xuất hiện những công cụ AI hỗ trợ cho việc viết code, điển hình như GitHub Copilot. GitHub Copilot là một công cụ AI cung cấp cho bạn các đề xuất code dựa trên nhận xét và ngữ cảnh của file bạn đang chỉnh sửa, cho phép bạn viết code nhanh hơn trong khi tránh những lỗi thường gặp. Nhờ có sự trợ giúp của AI, con người có thêm thời gian giải quyết các vấn đề quan trọng hơn: Tổ chức code như thế nào? Xử lý file dữ liệu ra sao? Tuy nhiên, AI có thể viết report dựa trên số liệu cho sẵn nhưng không thể tự đi tìm dữ liệu ở các phòng ban như con người. Nếu biết cách tận dụng AI để AI phục vụ bạn làm những công việc không quá quan trọng, bạn sẽ có lợi thế hơn những người khác và có nhiều thời gian giải quyết những vấn đề phức tạp hơn.