1. CƠ HỘI NGHỀ NGHIỆP DATA ANALYST

Hệ thống phân tích dữ liệu tự động đang được đưa vào sử dụng trong nhiều công ty. Tuy nhiên, nó vẫn chưa thể đáp ứng hoàn toàn nhu cầu của người sử dụng. Theo các nghiên cứu, 80% lượng công việc không thể tự động hóa; 20% còn lại có thể thực hiện bằng máy nhưng hiệu quả chưa cao. Hơn nữa, máy học tự động chỉ có thể giải quyết được những vấn đề đơn giản. Các vấn đề phức tạp hơn cần đến tư duy của con người mới có thể giải quyết được. Do đó, ngành phân tích dữ liệu sẽ không biến mất ngay cả khi công nghệ phát triển.
Theo diễn đàn kinh tế thế giới, nhu cầu tuyển dụng nhân sự ngành phân tích dữ liệu tăng mạnh vào năm 2020, gấp 6 lần so với 5 năm trước. Trong 5 năm tới, tỉ lệ này sẽ tiếp tục tăng cao hơn nữa do lượng dữ liệu con người tạo ra ngày càng nhiều. Nhờ đó mà cơ hội việc làm và phát triển sự nghiệp của những người theo đuổi ngành phân tích dữ liệu cũng vô cùng rộng mở.

2. NHỮNG CÂU HỎI PHỎNG VẤN VỀ KINH NGHIỆM LÀM VIỆC VỊ TRÍ DATA ANALYST

Câu 1: Bạn có kinh nghiệm làm việc với những công cụ hỗ trợ phân tích dữ liệu nào?

Data Analyst là công việc đặc thù thường xuyên sử dụng các công cụ để hỗ trợ trong quá trình thu thập thông tin, làm sạch dữ liệu và phân tích chúng. Đôi khi bạn còn chịu trách nhiệm thiết kế cơ sở dữ liệu ( database) và bảo mật nguồn dữ liệu của công ty. Ở câu hỏi này, bạn có thể liệt kê một số công cụ quen thuộc trong ngành như Excel, SQL hay Power BI. Mỗi công cụ hãy chỉ rõ bạn đã sử dụng như thế nào. Ví dụ bạn sử dụng công cụ Pivottable trong Excel để tạo cơ sở dữ liệu và phát triển thuật toán khai thác dữ liệu. 

Câu 2: Bạn định nghĩa như thế nào về Data Cleaning là gì? Cách để thực hiện data cleaning tốt nhất?

Data cleansing là một thuật ngữ quen thuộc trong phân tích dữ liệu. Thuật ngữ này có ý nghĩa làm sạch, loại bỏ các lỗi những dữ liệu không đồng nhất. Quá trình này giúp loại bỏ các kết quả sai lệch để tránh việc ra các kết quả không chính xác. 

Bạn có thể tham khảo quá trình Data Cleaning qua các bước sau:

• Phân tách dữ liệu và chia theo các thuộc tính.
• Chia khối dữ liệu lớn thành những khối dữ liệu nhỏ hơn. Sau đó sẽ tiến hành dọn dẹp theo từng khối dữ liệu này.
• Dọn dẹp dữ liệu theo từng cột.
• Dọn dẹp theo chức năng tiện ích, xếp lệnh đối với những tệp dữ liệu đơn giản.

Câu 3: Theo bạn, quy trình phân tích dữ liệu gồm bao nhiêu bước? 

Dựa vào từng lĩnh vực hoạt động, doanh nghiệp, nhân sự khác nhau mà quy trình xử lý dữ liệu cũng khác nhau. Nhìn chung, quy trình này sẽ bao gồm 5 bước sau:

Bước 1: Đặt vấn đề: Xác định bài toán bạn cần giải quyết là gì ? Các bài toán có thể liên quan đến vấn đề chi phí, đến nhân sự hoặc xác định kế hoạch kinh doanh trong tháng/ quý tiếp theo.

Bước 2: Thiết lập mục tiêu rõ ràng cho bài toán. Ở bước này bạn đã xác định rõ bài toán mình cần giải quyết là gì. Vì vậy cần lập ra những mục tiêu cụ thể để tránh bỏ sót bất kỳ dữ liệu nào. Các mục tiêu có thể về thời gian, số lượng mẫu khảo sát, những yếu tố sử dụng để đo lường,..

Bước 3: Thu thập dữ liệu. 

Câu 4: Khi phân tích dữ liệu bạn thường gặp những khó khăn gì ?

Đây là một câu hỏi phỏng vấn Data Analyst quan trọng mà ứng viên cần phải lưu ý. Nhà tuyển dụng nhờ vào câu hỏi này để đánh giá năng lực của ứng viên, muốn hiểu sâu hơn về cách bạn tiếp cận và giải quyết các vấn đề. Khi trả lời, bạn hãy nhớ giải thích đầy đủ, chi tiết các khó khăn mà mình đang gặp phải, tránh đổ lỗi cho người khác và giải thích vì sao mình lại gặp phải những thách thức này.

Gợi ý trả lời: Trong khi thực hiện quá trình phân tích dữ liệu, đôi khi tôi phải đối diện với một số khó khăn như:

• Có các mục bị trùng lặp và có lỗi chính tả. Các lỗi này có thể làm giảm chất lượng của dữ liệu nên tôi phải mất thời gian để xử lý.
• Thu thập được dữ liệu chất lượng kém do lấy từ các nguồn không đáng tin cậy. Tôi đã mất thêm thời gian đáng để để dọn dẹp, sắp xếp lại chúng.
• Dữ liệu được trích xuất từ nhiều nguồn nên đôi khi có sự mâu thuẫn, khác biệt. Sau khi dọn dẹp, tôi phải kết hợp dữ liệu, sắp xếp lại, tránh sự không tương thích để đảm bảo phân tích nhanh chóng và chính xác hơn.
• Dữ liệu thu được không đầy đủ cũng là một thách thức lớn trong quá trình phân tích dữ liệu. Điều này dẫn tới rủi ro là kết quả thu được sai hoặc bị lỗi. Tôi đã phải thu thập và phân tích lại.

Câu 5: Khi có dữ liệu bị thiếu, bạn sẽ xử lý như thế nào ?

Nhà tuyển dụng đặt ra câu hỏi này nhằm mục đích đánh giá khả năng đối diện và xử lý vấn đề của ứng viên. Nếu trả lời tốt, bạn có thể “ghi điểm” kha khá trong buổi phỏng vấn. Vì vậy, bạn có thể tham khảo đáp án dưới đây để có một câu trả lời thật thông minh nhé:

Gợi ý trả lời: Theo cá nhân tôi, khi đối diện với việc dữ liệu bị thiếu hoặc có dấu hiệu bất thường, là một Data Analyst, tôi cần phải:

• Sử dụng các chiến lược như phương pháp loại bỏ, phương pháp xác định, ước lượng, dự báo và phương pháp dựa trên mô hình để tìm kiếm dữ liệu bị thiếu;
• Chuẩn bị 1 bản báo cáo hoàn chỉnh có chứa mọi thông tin về dữ liệu bị thiếu hoặc có dấu hiệu bất thường;
• Xem xét kỹ các dữ liệu có dấu hiệu bất thường để đánh giá tính hợp lệ, tương thích và độ an toàn của chúng;
• Thay thế các dữ liệu không hợp lệ (nếu có) bằng dữ liệu thích hợp (nếu được).

Bạn không cần ghi nhớ các câu trả lời tới mức đáp lời như robot, nhưng hãy chuẩn bị sẵn điều muốn nói để tránh rơi vào thế bị động. Hãy luyện tập với một người bạn để có thể quen và thoải mái với các câu hỏi. Chúc bạn tự tin và phỏng vấn thành công. 

Tổng hợp và biên tập