4 người không chuyên ngành, làm thế nào để trở thành nhà phân tích dữ liệu? [Xem lại hội thảo Datarian hàng tháng | Tháng 1 năm 2022]

Gần 2.600 người đăng ký tích lũy!
Hãy đón xem buổi hội thảo gây sốt qua video.

Giờ đây sẽ được tổ chức hàng tháng! Hội thảo!
Hội thảo Datarian hàng tháng 🎤

Sau nhiều trăn trở, cuối cùng Datarian đã bắt tay vào hành động.
Vào năm 2022, chúng tôi sẽ tổ chức chuỗi hội thảo tiếp sức vào tối thứ Ba tuần cuối cùng hàng tháng.

Hơn 200 người đăng ký! Bạn có thể xem lại video buổi hội thảo tháng 1 của Monthly Datarian đang gây sốt. 

Hội thảo Datarian tháng 1 là 🔍

Trong tháng 1, với chủ đề "4 người không chuyên, họ đã trở thành nhà phân tích dữ liệu như thế nào?", 4 nhà phân tích không chuyên thuộc Datarian sẽ cùng ngồi lại và chia sẻ chân thành về việc họ đã trở thành nhà phân tích dữ liệu như thế nào, họ đã chuẩn bị những gì và có những khó khăn gì khi là một người không chuyên.

Đề xuất cho những người sau đây ✅

Những người thường được gọi là 'người trái ngành' nhưng đang quan tâm đến việc tìm việc hoặc chuyển việc sang làm nhà phân tích dữ liệu.

Những người không phải là nhà phân tích dữ liệu nhưng muốn rèn luyện năng lực phân tích và đang băn khoăn không biết nên tìm kiếm thông tin ở đâu

Dành cho những ai tò mò về quá trình trở thành nhà phân tích dữ liệu của 4 người đến từ các chuyên ngành Logistics, Quản trị kinh doanh, Sáng tác văn học và Kỹ thuật cơ khí.

Sinh viên mới tốt nghiệp đang chuẩn bị xin việc
cảm thấy việc đọc thông báo tuyển dụng
nhân viên phân tích dữ liệu thật khó khăn
và mơ hồ.

Timeline hội thảo tháng 1 ⏰

• 4 nhà phân tích dữ liệu lần lượt chuyên ngành Logistics, Quản trị kinh doanh, Sáng tác văn học và Kỹ thuật cơ khí sẽ trả lời thành thật các câu hỏi được gửi về trước đó.
• Chúng tôi sẽ thảo luận một cách cởi mở về những điều thực sự quan trọng để trở thành một nhà phân tích dữ liệu và thực hiện công việc này. "Để trở thành nhà phân tích dữ liệu cần phải có bằng thạc sĩ sao? Ai là người đang lan truyền tin đồn thất thiệt đó vậy?"

#Phần 1 - Hành trình tìm việc của nhà phân tích dữ liệu + Cách đọc thông báo tuyển dụng

Trong phần 1, chúng tôi đã chia sẻ nhiều câu chuyện đa dạng cần thiết để bắt đầu lộ trình nghề nghiệp của một nhà phân tích dữ liệu, chẳng hạn như làm thế nào để trở thành nhà phân tích dữ liệu, thái độ cần có là gì và cách đọc thông báo tuyển dụng như thế nào.

#Phần 2 - Hỏi đáp với 4 nhà phân tích dữ liệu không chuyên ngành

Trong phần 2, bốn nhà phân tích dữ liệu đến từ các chuyên ngành khác nhau sẽ trả lời các câu hỏi đã được chuẩn bị trước. Vì những người trả lời đến từ các chuyên ngành như Logistics, Quản trị kinh doanh, Kỹ thuật cơ khí và Sáng tác văn học, nên họ sẽ mang đến cho bạn nhiều góc nhìn đa dạng cho cùng một câu hỏi :D

Các câu hỏi trước buổi họp được trả lời trong phần 2

• Tôi tò mò muốn biết tại sao bạn lại quyết định chọn định hướng nghề nghiệp là phân tích dữ liệu.
• Nhân viên phân tích dữ liệu (Data Analyst) có phải là người đảm nhận tất cả các vị trí phân tích không? Khi xem các thông báo tuyển dụng cho Data Analyst, Business Analyst và Product Analyst, tôi thấy có nơi mô tả công việc của Data Analyst là làm về modeling (mô hình hóa), nhưng cũng có nơi lại viết là phân tích sản phẩm như Funnel/AARRR. Vì vậy, tôi thắc mắc về cơ bản mình cần phải tích lũy năng lực từ đâu đến đâu.
• Điều gì là khó khăn hoặc mệt mỏi nhất khi làm việc với tư cách là một nhà phân tích dữ liệu? Tôi rất tò mò về những trăn trở trong công việc thực tế.
• Tôi nghĩ rằng để một người trái ngành trở thành chuyên viên phân tích dữ liệu, họ cần có những kinh nghiệm liên quan hoặc một portfolio vượt trội hơn cả những người đúng chuyên ngành. Bạn đã chuẩn bị những kinh nghiệm hay portfolio như vậy như thế nào?
• Nếu phải chọn ra 3 bộ kỹ năng quan trọng nhất để trở thành một nhà phân tích dữ liệu, đó sẽ là gì?
• Tôi nghe nói rằng vị trí phân tích dữ liệu gần như bắt buộc phải có bằng thạc sĩ, không biết ý kiến của những người đang làm việc trong ngành có giống như vậy không ạ?
• Những điểm tốt cần nhấn mạnh khi phỏng vấn với tư cách là một nhà phân tích dữ liệu mới vào nghề
• Vì là người trái ngành & mới học phân tích dữ liệu được khoảng 1 năm nên tôi vẫn còn thiếu tự tin lắm. Tôi cảm thấy kiến thức cơ bản về Machine Learning chưa vững và kỹ năng viết code cũng còn yếu, nên tôi không tự tin liệu mình có thể làm tốt ở công ty hay không, thậm chí còn ngần ngại khi ứng tuyển thực tập. Làm thế nào để tôi có thể lấy hết can đảm để bước những bước đi đầu tiên ạ?

Hội thảo tháng 1 
Giới thiệu người tham gia 📖

Hãy kiểm tra Q&A nhé! 💬! 💬

Nếu bạn tò mò về đánh giá sau khi tham gia buổi live
👏

Nội dung nào ấn tượng nhất trong buổi hội thảo?

• Tôi rất ấn tượng với phần chia sẻ rằng SQL và Google Sheets là những công cụ được sử dụng chủ yếu trong thực tế. Hầu hết các bài giảng về phân tích dữ liệu đều tập trung nhiều vào Python, R, hay thậm chí là Hadoop, nên thực sự tôi đã rất băn khoăn không biết nên ưu tiên học công cụ nào trước. Giờ đây, các tiêu chí đã trở nên rõ ràng hơn.
• Tôi rất ấn tượng với câu trả lời rằng nhất định phải đặt câu hỏi khi người phỏng vấn hỏi "Bạn có câu hỏi nào không?".
• Những ví dụ thực tế cụ thể đã để lại ấn tượng rất sâu sắc. Chẳng hạn như câu chuyện về việc gửi dữ liệu bằng bảng tính (spreadsheet) để hỗ trợ người nhận có thể thực hiện các phân tích bổ sung.
• Trong khi quyết tâm theo đuổi công việc phân tích dữ liệu, tôi đã lập ra vô số kế hoạch học tập, nhưng câu nói về chủ nghĩa hoàn hảo quá mức thực sự đã chạm đúng tim đen của tôi...
• Thật tuyệt vời khi có những trải nghiệm đa dạng từ bốn người nên không có một câu trả lời khuôn mẫu nào cả.
• Tôi rất thích vì những hiểu lầm về chuyên viên phân tích dữ liệu (đặc biệt là việc nhất thiết phải học thạc sĩ, v.v.) đã được giải đáp rất nhiều, đồng thời các anh chị cũng đã chia sẻ về những năng lực và thái độ thực sự cần thiết.
• Nội dung bạn chia sẻ trong phần hỏi đáp thực sự rất ấn tượng! (Thực ra ý tôi là tất cả mọi thứ luôn đấy). Tôi cảm nhận rõ được tâm huyết của bạn qua cách bạn đọc và trả lời từng câu hỏi trong số rất nhiều câu hỏi được gửi đến. Nhờ những câu trả lời dưới nhiều góc độ khác nhau mà tôi đã có thêm cho mình rất nhiều gợi ý bổ ích.

Một lời nhắn gửi đến Datarian!

• Cảm ơn các bạn đã tạo ra một không gian giao lưu như thế này.
• Trong thời buổi nhu cầu về phân tích dữ liệu ngày càng tăng cao như hiện nay, các bạn giống như một tia sáng vậy. Xin cảm ơn.
• Vì đây là những câu chuyện được rút ra từ kinh nghiệm thực tế của bốn vị diễn giả nên khoảng thời gian này càng trở nên ý nghĩa hơn.
• Công việc phân tích dữ liệu vốn dĩ giống như đang ở trong một màn sương mù, nhưng nhờ có buổi chia sẻ này mà tôi đã có thêm tự tin và xác định được phương hướng học tập trong tương lai, điều đó thật tuyệt vời.
• Tôi luôn cảm thấy sợ hãi khi đối mặt với những điều mới mẻ, nhưng khi thực sự đối diện, tôi nhận ra mình đã quá sợ hãi trước cái bóng của một thứ rất nhỏ bé. Đối với tôi, bài giảng này chính là như vậy, và nó sẽ giúp tôi có một tâm thế tốt trong việc chuẩn bị xin việc sau này.