ĐIỀU GÌ GIÚP BẠN CÓ THỂ KHÁC BIỆT TRONG NGÀNH KHOA HỌC DỮ LIỆU?

Lương Ngọc Sơn

Chief Technology Officer tại Mentori Đăng ngày 14-09-2023

Xin tự giới thiệu, mình là Lương Ngọc Sơn - MSc Data Science. Trước đây mình là cựu sinh viên khoa Tài chính - Ngân hàng trường Đại học Ngoại thương.

Khoa học dữ liệu đang trở thành một trong những lĩnh vực hấp dẫn và cần thiết nhất trong thế kỷ 21, giúp cho các doanh nghiệp và tổ chức tìm ra những thông tin và kết quả quan trọng từ lượng dữ liệu khổng lồ. Để thành công trong ngành này, có ba trụ cột quan trọng trong phân tích dữ liệu bao gồm:

Kiến thức về công nghệ
Kiến thức về ngành
Kiến thức về toán học, xác suất thống kê.

Tôi đã có một số buổi mentoring trong lĩnh vực khoa học dữ liệu với một số bạn, tôi nhận ra rằng với nhiều người mới bắt đầu, một thiếu sót không nhỏ đó là các bạn tập trung vào kiến thức công nghệ và toán học, xác suất thống kê nhưng quên đi rằng dữ liệu cũng rất quan trọng và đa dạng trong từng ngành. Ví dụ, dữ liệu trong lĩnh vực y tế hoàn toàn khác biệt so với dữ liệu trong lĩnh vực tài chính hay thương mại điện tử. Chỉ khi bạn chọn được ngành phù hợp với sở thích của mình, bạn mới có thể đào sâu vào kiến thức ngành và tìm ra được những thông tin quý báu mà công nghệ hay toán học không thể đưa ra.

Nếu không lựa chọn được ngành phù hợp, bạn sẽ khó hiểu được lý do tại sao dữ liệu lại như thế và khó có thể phân tích một cách sâu sắc nhất. Điều này sẽ làm ảnh hưởng đến kết quả phân tích, và có thể dẫn đến các quyết định sai lầm.

Khi tôi chuyển từ lập trình viên sang ngành tài chính định lượng, kiến thức của tôi về tài chính khi học đại học đã giúp tôi có khác biệt so với các bạn thuần toán tin khác. Tôi có thể đọc hiểu được dữ liệu và có thể giải thích được tại sao nó lại như vậy, nhờ vậy tôi có những hướng suy nghĩ sáng tạo và đột phá hơn. Ngoài ra, kiến thức công nghệ cũng giúp tôi khai thác tối đa trong việc phân tích và tìm ra được những giải pháp và mô hình tối ưu.

Một kỹ năng cần thiết khác là khả năng truyền đạt những phát hiện mới một cách hiệu quả. Điều này không chỉ liên quan đến việc trình bày các kết quả một cách rõ ràng và ngắn gọn mà còn giải thích được những hạn chế và giả định được đưa ra trong quá trình phân tích.

Mình từng làm một bài toán về định giá sim nhưng với yêu cầu là ưu tiên đưa ra kết quả định giá sim giá trị cao thì càng phải chính xác, điều này gần như là đi dự đoán các giá trị ngoại lai, mình đã mất kha khá thời gian để nhận ra và trình bày lại rằng bài toán này không khả thi …

Hơn nữa, khả năng giao tiếp và hiểu nhu cầu với các bên liên quan là rất quan trọng để đảm bảo rằng các kết quả có thể thực hiện được và có ích. Nếu bạn không nắm rõ một khái niệm nào đó trong lĩnh vực kinh doanh, hãy đặt câu hỏi và yêu cầu đối tác của mình giải thích một cách chi tiết và rõ ràng nhất có thể. Ví dụ về việc tính tỉ lệ thành công của đơn hàng là tính theo ngày mua hàng hay là ngày giao hàng thành công?

Khi nhu cầu về phân tích dữ liệu tiếp tục tăng lên, thì nhu cầu học hỏi và cải tiến liên tục cũng tăng theo. Lĩnh vực này không ngừng phát triển, các công nghệ và kỹ thuật mới đang nổi lên. Do đó, cần phải có khả năng tự học để theo kịp các xu hướng mới nhất và luôn cập nhật các công cụ và phương pháp mới.

Tóm lại, khoa học dữ liệu nói chung và phân tích là một lĩnh vực thú vị và thiết yếu trong thế kỷ 21, nhưng thành công trong lĩnh vực này đòi hỏi sự kết hợp giữa công nghệ, toán học, thống kê và kiến thức ngành. Điều cần thiết là chọn ngành phù hợp với sở thích của bạn, vì nó cho phép bạn đi sâu vào kiến thức ngành và tìm thấy thông tin có giá trị mà công nghệ hoặc toán học không thể cung cấp. Hơn nữa, kỹ năng giao tiếp, học tập liên tục và tự học cũng rất quan trọng. Bằng cách thành thạo những kỹ năng này, các bạn có thể cung cấp những hiểu biết có giá trị và giúp các doanh nghiệp và tổ chức đưa ra quyết định sáng suốt.

#datascience #mentoring #dataanalyst #dataanalysis #dataanalytics

251