Data Analyst đang là một trong những công việc “hot hit” ở thời điểm hiện tại. Chắc hẳn các bạn quan tâm đến vị trí này, đặc biệt là các bạn học trái ngành đang có rất nhiều băn khoăn và lo lắng khi bước đầu “rẽ hướng”.
Home mời bạn cùng lắng nghe những chia sẻ thú vị đến từ Thảo Đặng - Data Scientist của phòng Underwriting, Khối Risk & Collection Division tại Home Credit nhé!
💭 Thảo có thể chia sẻ cơ duyên đưa bạn đến với ngành Data được không?
🍀 Mình là cựu sinh viên trường ĐH Kinh tế TP.HCM (UEH), chuyên ngành Kinh doanh quốc tế. Công việc hiện tại cũng không liên quan đến ngành học của mình ở trường lắm. Nhưng trộm vía vì ngành học mình chọn khá là rộng và bao quát nên có một số kiến thức và kỹ năng mình vẫn có thể áp dụng được cho công việc hiện tại - thế nên bạn nào học trái ngành mà vẫn muốn làm Data thì cũng đừng lo nha ;)
Ban đầu mình cũng chưa biết nhiều và cũng chưa nhận ra niềm đam mê với Data Analysis. Nhưng lúc đi học mình khá thích những môn học liên quan đến con số như xác suất thống kê hay các môn tài chính, nghiên cứu và cũng học khá tốt những môn này. Nên khi mình đang tìm kiếm một lĩnh vực mới để thử sức thì bạn mình có recommend mình tìm hiểu về Data Analysis. Càng mày mò mình càng thấy thích và quyết tâm sẽ đi theo con đường này. Ngoài ra mình cũng đam mê công nghệ và luôn muốn áp dụng những công nghệ/công cụ để cải thiện hiệu suất nên càng cảm thấy gắn bó với sự lựa chọn hiện tại.
Sau một thời gian khám phá, tìm hiểu thì hiện tại mảng mình hứng thú nhất - cũng là mảng mình đang làm chính là Underwriting. Trong lĩnh vực consumer finance thì Underwriting thường được hiểu việc thẩm định mức độ rủi ro khi tổ chức tài chính cho 1 khách hàng nào đó vay. Mọi người thường nghĩ việc thẩm định này sẽ được thực hiện thủ công bởi các credit experts và sẽ mất rất nhiều thời gian để kiểm tra và xác thực thông tin của khách hàng trước khi cho khách hàng vay. Nhưng đối với các công ty fintech như Home thì chúng mình dĩ nhiên ko thực hiện thủ công như thế Với quy trình thẩm định tự động, công việc của phòng Underwriting ở Home sẽ xoay quanh việc xây dựng các mô hình chấm điểm tín dụng, tính toán khả năng chi trả của khách hàng để offer cho họ 1 khoản vay phù hợp và kiểm soát rủi ro.
💭 Vậy Thảo đã gặp những khó khăn gì khi "rẽ hướng" vào ngành Data Analysis?
🍀 Khó khăn ban đầu mà mình gặp phải khi bước đầu tiếp cận với Data Analysis là việc lựa chọn kỹ năng nào để học. Vì mình không có technical background về toán hay computer science và cũng ko quen ai trong network làm ngành này để hỏi nên mình đã rất băn khoăn về việc bắt đầu từ đâu trước; tập trung học technical skill nào (SQL, R hay Python). May mắn là vào thời điểm mình đang tìm hiểu về Data Analysis thì Home cũng mở ra chương trình Future Analyst Program 2018. Mình tranh thủ cơ hội, apply và may mắn có cơ hội thực tập ở Home. Giai đoạn thực tập ở Home giúp mình nhận ra được những kiến thức và kĩ năng (domain knowledge và data analysis skills) mình còn đang thiếu để có thể tự tìm tòi và học hỏi tiếp, cũng như giúp mình hiểu hơn về lĩnh vực này
💭 Thảo có thể gợi ý một lộ trình dành cho người mới bắt đầu không?
🍀 Đúc kết từ trải nghiệm cá nhân, mình xin phép gợi ý một lộ trình mà mình nghĩ phù hợp để các bạn yêu thích với ngành Data Analysis có thể bắt đầu nè: https://imgur.com/UBgeUu6. Các skills này được chia thành 3 giai đoạn tương đương với các level lần lượt từ beginner, intermediate và advanced:
1️⃣ Beginner
Với giai đoạn beginner, các phân tích sẽ từ đơn giản đến trung bình và không yêu cầu nhiều về phần automation. Ở giai đoạn này các bạn nên tập trung vào việc học cách làm sao để biến những business requirement/challenges thành một bài phân tích; biến dữ liệu thành những insight cụ thể để có thể đưa ra những quyết định về business.
Về technical skill, thì bạn nên biết những câu lệnh SQL đơn giản để truy vấn dữ liệu và Excel để phân tích và visualize những findings của mình.
2️⃣ Intermediate
Ở giai đoạn này bạn nên nâng cao các kỹ năng:
- SQL: truy vấn dữ liệu và tự động hóa
- Dashboard: giúp giảm workload, phục vụ hiệu quả cho việc report và monitor
- Data storytelling: nếu bạn muốn những findings của bạn có thể được áp dụng vào thực tế thì đây là kỹ năng cần thiết để bạn có thể thuyết phục sếp/các stakeholders và những người khác
3️⃣ Advanced
Khi đã đến giai đoạn này, bạn nên cải thiện hiệu suất làm việc của mình bằng cách tự động hóa mọi thứ có thể :D. Nhìn chung thì tùy mục tiêu và sở thích mà bạn có thể lựa chọn đầu tư nhiều thời gian và công sức cho nhóm kỹ năng nào.
💭 Khi bắt đầu, các bạn thường không biết nên tiếp cận với nguồn kiến thức nào là đúng, là phù hợp; Thảo có thể chia sẻ một số nguồn hữu ích không?
🍀 Ai mới học Data Analysis cũng phải nghiên cứu Statistics nha :D. Mình ko có khóa học nào thích nhất về Statistics để giới thiệu nhưng có 1 cuốn sách mình khá thích và nghĩ là nó hiệu quả cho người mới bắt đầu: Statistics for Business & Economics by David R. Anderson
Cái thứ hai cần nghiên cứu chính là các kỹ năng và công cụ cần trong ngành. Đối với những bạn mới bắt đầu tìm hiểu về Data Analysis thì mình thấy Datacamp là một sự lựa chọn tốt :D các khoá học của họ tập trung vào phần tương tác với người học, luôn xen kẽ video bài giảng và bài thực hành để mình nhớ và hiểu bài ngay. Ngoài ra thì họ cũng thiết kế sẵn cho mình những lộ trình theo kỹ năng hoặc theo career path mong muốn để từ đó có thể dễ dàng lựa chọn và mài giũa những kỹ năng này tốt hơn :D
💭 Việc trang bị kiến thức và kỹ năng chuyên môn liệu đã đủ để phát triển trong ngành này?
🍀 Câu trả lời của mình là chưa nha. Thứ nhất là mình phải bồi dưỡng liên tục những kiến thức mới bằng việc tự học thêm ở nhà qua Datacamp, Udemy, Coursera… Bên cạnh đó, để có thể nhớ và nâng cao kỹ năng, chúng ta phải liên tục ứng dụng những điều mình học vào công việc thực tế. May mắn ở Home mình luôn được trao cơ hội để thử những điều mới nhờ đó mình có thể nâng cao kỹ năng và cải thiện hiệu suất công việc.
Thêm nữa, mình nghĩ để trở thành 1 data analyst tốt và mang lại những giá trị cụ thể cho công ty thì không phải technical skills mà domain knowledge mới là quan trọng nhất. Vì dù cho bạn có sử dụng những công cụ tân tiến phức tạp tới đâu, nhưng bạn ko thể biến những con số thành insights để cải thiện business thì phân tích của bạn cũng ko có giá trị. Và những insights này thường chỉ có được khi bạn có kiến thức chuyên môn nhất định. Trong suốt quá trình làm việc ở Home từ lúc thực tập cho đến hiện tại, mình đã học được rất nhiều kiến thức quý giá từ cấp trên và cả từ những chương trình trainings/workshops mà công ty tổ chức nhờ đó mà mình có thể phục vụ công việc tốt hơn.
Hi vọng rằng, thông qua những chia sẻ vô cùng thú vị và hữu ích từ Thảo, các bạn trẻ có niềm yêu thích với ngành Data Analysis sẽ vững tin hơn trên con đường chinh phục đam mê của mình
Bạn cũng có thể tham gia Webinar #1: Roadmap for beginners to conquer Data Analysis & Product Development để lắng nghe chia sẻ từ các senior & quản lý giàu kinh nghiệm tại Home Credit về con đường sự nghiệp của họ, từ đó rút ra lộ trình cho chính bản thân mình.
👉 Tham gia Webinar #1 ngay: https://bit.ly/HomeRacerEventSeries
—------
CHINH PHỤC ĐƯỜNG ĐUA HOME RACER PROGRAM 2022!
🏁 Bắt đầu hành trình của bạn trong ngành Tài chính tiêu dùng tại: https://bit.ly/HomeRacerProgram2022
📅 Hạn cuối ứng tuyển vòng 1: 𝟭𝟭:𝟱𝟵 𝗣𝗠 (𝗩𝗡𝗧), 𝟯𝟭/𝟬𝟴/𝟮𝟬𝟮𝟮 (𝗧𝗵𝘂̛́ 𝗧𝘂̛)