Big data - 'quyến rũ', cơ hội và thách thức

Ngành nghề “quyến rũ” nhất thế kỷ 21

Nhu cầu tuyển dụng và cơ hội việc làm là hai khía cạnh ảnh hưởng trực tiếp từ tình hình khủng hoảng kinh tế hiện nay trên thế giới. Ngoài xu hướng công việc trong ngành kinh tế, cùng với sự thịnh hành của IoT (Internet vạn vật), AI (Trí tuệ nhân tạo), Blockchain (Chuỗi khối), dữ liệu lớn (big data) là một trong các nền tảng cốt lõi của công nghệ 4.0.

Theo Harvard Business Review, ngành khoa học dữ liệu được coi là ngành nghề “quyến rũ” nhất của thế kỷ 21. Từ đây, các ngành nghề liên quan đến dữ liệu như data engineer (kỹ sư dữ liệu), data analyst (nhà phân tích dữ liệu), data scientist (nhà khoa học dữ liệu) nhận được sức hút và sức nóng của sinh viên ra trường.

Bà Thảo Nguyễn (Integrated Analytics Lead - Commercial Insights and Strategy tại Johnson & Johnson) chỉ ra 3 tiêu chí quan trọng để thích nghi và phát triển trong lĩnh vực dữ liệu. Thứ nhất, technical skill (các kỹ năng chuyên môn cần có để giải quyết vấn đề). Các kỹ năng này là những công cụ hỗ trợ, được áp dụng mô hình học máy, hoặc trí tuệ nhân tạo để đưa ra dự đoán (loại dữ liệu nào thì sẽ phù hợp với mô hình nào).

Thứ hai là kiến thức chuyên môn để người học biết ngành nào sẽ cần loại dữ liệu nào. Cuối cùng là bản lĩnh và kiến thức kinh doanh nhất định. Bản lĩnh này một phần dựa vào khả năng thuyết trình để tạo ảnh hưởng và niềm tin của lãnh đạo…

Theo bà Phượng Tạ (Phó chủ tịch Chiến lược dữ liệu tại RADaR Analytics), đứng trước một vấn đề, điều đầu tiên các ứng viên cần làm trong quá trình phân tích dữ liệu là bắt đầu với những câu hỏi, không phải “lao luôn” vào dữ liệu.

“Cần biết câu hỏi mình muốn trả lời là gì bởi có khi đối tác không đưa câu hỏi cụ thể. Nếu như không làm rõ yêu cầu của doanh nghiệp, khách hàng là gì thì không thể phân tích dữ liệu”, bà Phương Tạ chia sẻ.

Dữ liệu ở khắp mọi nơi

Là nhà khoa học dữ liệu tại Quora, ông Tuấn Nguyễn cho rằng các sinh viên đang học tập trong ngành dữ liệu cần nắm thật rõ kiến thức cơ bản về dữ liệu trước khi tiếp xúc kiến thức phức tạp hơn. Những kiến thức này, bao gồm thống kê, thuật toán, phân phối của dữ liệu, T-test hoặc A/B Testing… Một khi ứng viên có nền tảng kiến thức dữ liệu vững vàng, việc tiến xa hơn trong lĩnh vực này sẽ được rộng mở.

Tuy nhiên, trong trường hợp sinh viên ra trường muốn đổi hướng sang ngành dữ liệu nhưng chưa có kiến thức cụ thể, ứng viên có thể tìm kiếm những điểm chung trong các công việc từng xử lý bởi “dữ liệu ở khắp mọi nơi”. “Đó có thể là những câu chuyện từng xử lý một dữ liệu như thế nào, kết quả nhận được là gì, đóng góp gì cho dự án”, ông Tuấn nói thêm.

Ngoài ra, theo chia sẻ của ông Tuấn, khi phân tích, người làm dữ liệu cần tìm những giá trị và sự thấu hiểu về sản phẩm, dịch vụ. Để phát hiện ra những giá trị này, người làm dữ liệu cần hai yếu tố quan trọng, gồm product intuition (trực giác về sản phẩm) và business acumen (độ nhạy bén trong kinh doanh).

Nói về xu hướng ngành dữ liệu, các chuyên gia đánh giá lĩnh vực này vẫn cần nguồn nhân lực lớn bởi ngành nào cũng được thuyết phục bởi những đánh giá và phát hiện dựa trên dữ liệu. Ngoài chú trọng tới kinh nghiệm, kỹ năng chuyên môn, sở thích cá nhân trong một ngành nhất định cũng là lợi thế giúp ứng viên ghi điểm.

Càng nhiều kiến thức trong nhiều ngành, việc phân tích dữ liệu càng thuận lợi, mà theo nhận định của các chuyên gia, đó là “mang lại làn gió mới” cho dự án, cho công ty.