báo động! Tám hiểu lầm phổ biến về phân tích dữ liệu

Là một kỹ năng phổ biến, phân tích dữ liệu đã thu hút nhiều người học tham gia. Tuy nhiên, có rất nhiều hiểu lầm tiềm ẩn trong quá trình học, nếu không cẩn thận, bạn có thể rơi vào đó và lãng phí thời gian, công sức. Bài viết này được viết một cách cẩn thận bởi ông Chen, một giám đốc dữ liệu giàu kinh nghiệm, và nêu chi tiết tám hiểu lầm phổ biến khi học phân tích dữ liệu.

Phân tích dữ liệu có dễ học không? Rất dễ học! Tuy nhiên, nhiều sinh viên rơi vào tình trạng hiểu sai khi học, điều này không chỉ lãng phí năng lượng mà còn không giải quyết được vấn đề. Hôm nay, cô giáo Trần sẽ xem xét tám hiểu lầm phổ biến. Các em học sinh hãy sửa lỗi nếu có và cố gắng hơn nữa nếu chưa sửa được.

1. Mục tiêu không rõ ràng và tham lam nhiều hơn

Tại sao phải học phân tích dữ liệu? Câu trả lời phổ biến:

1. Tôi muốn thay đổi công việc của mình sang phân tích dữ liệu

2. Tôi muốn tăng lương

3. Tôi quan tâm đến dữ liệu

4. Tôi cần giải quyết một vấn đề cụ thể

5. Tôi nghĩ "dữ liệu lớn" và "trí tuệ nhân tạo" rất thời thượng

Xét riêng lẻ thì mỗi ý tưởng đều đúng. Mọi ý tưởng có thể kiên trì đến cùng đều có thể đạt được mục tiêu. Nhưng điều đáng sợ là: trộn lẫn những thứ này lại với nhau và thực hiện tất cả cùng một lúc. Tôi muốn học một kỹ năng có thể giải quyết được vấn đề hiện tại, tìm được việc làm tại một công ty lớn trong tương lai, công việc phù hợp với sở thích, thu nhập lương có thể tăng lên gấp nhiều lần, nhanh chóng đạt được tất cả các mục tiêu trên...

Lịch sử đã dạy chúng ta nhiều lần: càng nhiều từ thì khả năng thất bại càng cao. Có quá nhiều mục tiêu sẽ trực tiếp dẫn đến thất bại trong học tập. Chúng ta thường thấy một sinh viên đầy tham vọng mua 20 cuốn sách cùng một lúc, từ "Thống kê" đến "Sách Xigua", từ "Học Python trong 21 ngày từ con số 0" đến "Ai nói người mới không thể phân tích dữ liệu"... và trên bàn đầy những cuốn sách như vậy, nhưng sau vài tháng, anh ta chẳng học được gì cả.

Về bản chất, phân tích dữ liệu là kiến ​​thức liên ngành điển hình, liên quan đến nhiều chủ đề (như thể hiện trong hình bên dưới). Nếu mục tiêu không rõ ràng, khả năng cao là bạn sẽ bị kẹt ở một nhánh nào đó và không thể thoát ra được.

2. Bị giới hạn ở một góc và tập trung vào một cái sừng

Ngược lại với tình huống trước, một số sinh viên lại đi vào ngõ cụt.

"Tôi là người muốn trở thành Vua Excel"

"Tôi là người sẽ trở thành Vua SQL"

"Ta là người sẽ trở thành vua trăn"

…

Không có gì sai khi nghiên cứu một công nghệ. Điều tôi lo ngại là mọi người dấn thân vào công nghệ không phải vì tình yêu công nghệ, mà vì họ nghĩ rằng, “Tôi sẽ được thăng chức và tăng lương nếu trở thành vua của Excel/SQL/Python…”

Ừm, câu trả lời rõ ràng: Không

Đầu tiên, rất khó để đạt được "The King's Man" và hoàn toàn không thể đạt được trong thời gian ngắn.

Thứ hai, công ty không trả lương theo phần mềm/công cụ/kỹ năng mà theo vị trí công việc.

Một vị trí cần giải quyết các vấn đề cụ thể, thường đòi hỏi sự kết hợp giữa các kỹ năng thực tế và nhiều kỹ năng. Nếu bạn bị ám ảnh bởi một điều gì đó, bạn thường sẽ học hành chăm chỉ trong nửa năm mà vẫn không giải quyết được vấn đề nào, nói gì đến việc được thăng chức hay tăng lương.

3. Kết hợp tìm kiếm việc làm và thăng tiến

Khi đặt ra mục tiêu học tập, bạn muốn cải thiện khả năng thích ứng với vị trí/ngành hiện tại hay cải thiện khả năng cạnh tranh trên thị trường việc làm là hai vấn đề định hướng cơ bản.

Nâng cao sức cạnh tranh của thị trường nhân tài: đáp ứng nhu cầu của doanh nghiệp tương lai

Cải thiện khả năng thích ứng của các vị trí hiện tại: đáp ứng nhu cầu của doanh nghiệp hiện tại

Trừ khi tình hình ngành và tình hình kinh doanh của công ty mà bạn đang ứng tuyển trong tương lai tương tự như công ty hiện tại của bạn, thì việc đáp ứng nhu cầu hiện tại và đáp ứng nhu cầu trong tương lai chắc chắn không phải là một. Chưa kể đến những vấn đề liên ngành. Dưới đây là tóm tắt các tình huống phổ biến. Học sinh có thể tìm ra tình huống của riêng mình và thiết kế lộ trình học tập riêng.

4. Nhảy việc giữa các ngành và đào tạo không đầy đủ

Đây là vấn đề thường gặp ở những sinh viên chuyển đổi nghề nghiệp, đặc biệt là khi khoảng cách quá lớn và kinh nghiệm trước đây không giúp ích được nhiều. Nhiều sinh viên hỏi: "Thưa thầy, em đã học Excel, SQL và Python, vậy em có thể tìm được việc làm gì?" Lúc này tôi thường hỏi lại: "Anh có ý gì khi nói học?!"

Không ít học sinh chỉ gõ trên bàn phím theo các trường hợp và bài tập trực tuyến trong sách, chạy thử và thấy rằng mình có thể tạo ra kết quả, và họ coi như đã học được. Trình độ đào tạo quá thấp, dẫn đến việc quên bài khi thi viết, quên bài khi phỏng vấn, kết quả chắc chắn không tốt.

Mọi hoạt động kỹ thuật đều cần được đào tạo đầy đủ. Phương pháp tốt nhất là "bốn giống hệt nhau" (như hình dưới đây)

5. Thoát khỏi công nghệ và va vào kinh doanh

Đây cũng là vấn đề thường gặp ở sinh viên khi chuyển ngành. Nhiều sinh viên muốn chuyển sang kinh doanh không phải vì họ giỏi phân tích kinh doanh mà vì họ nghĩ "Mình không có kỹ năng chuyên môn, vậy thì cứ kinh doanh trước...". Sau đó, khi đến buổi phỏng vấn, họ thậm chí còn không biết đối phương làm ngành gì, nên cuối cùng họ trượt là điều dễ hiểu.

Lưu ý: Hầu hết những người được gọi là nhà phân tích kinh doanh trên thị trường đều là "nhà phân tích tự do" làm việc một mình trong bộ phận kinh doanh hoặc là anh em họ tổ chức bảng tính Excel cho doanh nghiệp. Công việc của họ không chỉ đơn giản và ở mức đầu vào mà còn chẳng giúp ích gì nếu họ thay đổi nghề nghiệp trong tương lai. Họ vẫn phải đền bù cho kỹ năng kỹ thuật của mình một cách trung thực.

Các vị trí cấp cao thực sự phân tích kinh doanh thường do các nhân viên kinh doanh từ các phòng ban kinh doanh mạnh như vận hành người dùng, tăng trưởng đột phá và quảng bá kênh đảm nhiệm. Về bản chất, đây là cuộc cạnh tranh về năng lực kinh doanh chứ không phải là bảng tổng hợp trong Excel.

Tôi thực sự muốn phát triển theo hướng kinh doanh. Khi học, điều cần thiết là mở rộng kiến ​​thức, hiểu biết sâu sắc về các quy trình cụ thể của một ngành cụ thể và tiến hành nghiên cứu chi tiết về phương pháp thu thập dữ liệu và định dạng dữ liệu. Kiến thức này có thể được bổ sung bằng cách đọc các sách lý thuyết như "Growth Hacker" và "Lean Data Analysis", nhưng điều này đòi hỏi phải hiểu biết sâu sắc hơn về ngành. Nếu không, khi đến mức hoạt động cụ thể, bạn sẽ thua lỗ 100% (như minh họa bên dưới)

6. Nhảy việc giữa các đồng nghiệp, thiếu chiều sâu

Nhiều sinh viên thay đổi công việc với bạn bè sẽ gặp phải vấn đề này. Vị trí tôi phỏng vấn là một vị trí phân tích viên thông thường, nhưng tôi bối rối trước đủ loại câu hỏi khó trong buổi phỏng vấn. Sau đó tôi hỏi một cách nghi ngờ:

“Loại phân tích này có cần phải lập mô hình không?”

"Loại phân tích này có cần đến lý thuyết không?"

“Loại phân tích này có cần phương pháp luận không?”

Tình trạng này thực chất là do sự cạnh tranh nội bộ trong tuyển dụng. Mọi người đều biết là bạn không cần dùng đến nó, nhưng người phỏng vấn vẫn sẽ hỏi, nếu không thì làm sao bạn có thể loại những người khác? Nhưng nếu tôi thực sự học nó, tôi sẽ không thể sử dụng nó trong cuộc sống hàng ngày và tôi không biết phải bắt đầu từ đâu. Tôi nên làm gì?

Khi học vào thời điểm này, hãy nhớ rằng: chiều rộng lớn hơn chiều sâu. Trước tiên hãy nhớ đến các danh mục như thống kê, máy học và thuật toán đề xuất. Viết ra những phương pháp thường dùng và ý tưởng cơ bản cho từng loại bài toán, sau đó thực hành khi bạn có thời gian rảnh. Sau đó, hãy thử áp dụng chúng vào các tình huống thực tế khi bạn có thời gian rảnh.

Ít nhất theo cách này, bạn sẽ không bị im lặng hoàn toàn trong suốt buổi phỏng vấn và có thể xử lý được tình huống. Đồng thời, khi kết hợp với kinh nghiệm của bản thân, chúng ta có thể dễ dàng nói rằng "đây chính là những phương pháp". 7. Kỹ thuật Dead Drill, Bỏ qua Cảnh quay

Những sinh viên đang đi làm và muốn giải quyết các vấn đề thực tế thường gặp phải vấn đề này. Điển hình nhất là miệng:

“Thực hành chuẩn mực cho chân dung người dùng là gì?”

“Thực hành chung cho các mô hình dự đoán là gì?”

“Phương pháp khoa học để phân tích nguyên nhân là gì?”

Nếu bạn hỏi tại sao ông lại nhấn mạnh vào "chuẩn", "phổ biến" và "khoa học", câu trả lời là:

Lãnh đạo không chấp thuận

Đồng nghiệp không mua

Khách hàng không chấp nhận

Điều này không liên quan gì đến "chuẩn", "phổ biến" hay "khoa học". Vấn đề là làm sao để làm hài lòng mọi người. Trên thực tế không có cuốn sách nào có thể tham khảo cho loại câu hỏi này. Nếu bạn muốn đọc, bạn nên đọc "Truyền thông" hoặc "Quản lý" thay vì "Mô hình dự đoán nâng cao"...

Có nhiều kịch bản tương tự, chẳng hạn như

Các vấn đề cần giải quyết thông qua giao tiếp: tầm cỡ thống nhất, mục tiêu đánh giá và tiêu chí đánh giá

Cần được giải quyết bởi ban quản lý: thiếu tiêu chuẩn quản lý, không thực hiện được tiêu chuẩn

Cần giải pháp kỹ thuật: Không số hóa quy trình làm việc và thiếu thu thập dữ liệu

Cần giải pháp kinh doanh: thiếu ý tưởng lập kế hoạch, năng lực kinh doanh không đủ, thiếu kinh nghiệm tích lũy

Những điều này sẽ khiến việc phân tích dữ liệu trong công việc thực tế trở nên bất khả thi. Và những yếu tố này không liên quan gì đến phân tích dữ liệu. Do đó, nếu bạn muốn giải quyết những vấn đề này thông qua việc học, bạn không thể chỉ tập trung vào phân tích dữ liệu mà phải suy nghĩ từ nhiều góc độ: chúng ta nên làm gì? Sau đây là một tiêu chí đánh giá đơn giản (như được trình bày bên dưới):

8. Luôn nghĩ về hệ thống và bỏ qua thực tế

Một số sinh viên luôn nghĩ đến việc thực hành một cách có hệ thống khi học tập trong cuộc sống hàng ngày. Ý tưởng này không sai, nhưng sẽ dễ gặp phải vấn đề nếu bạn muốn thực hành tất cả các loại phép toán trong một tập dữ liệu hoặc thậm chí là một bảng rộng.

Đầu tiên, cấu trúc bảng dữ liệu thực tế rất phức tạp và không thể sử dụng một bảng rộng cho mọi mục đích.

Thứ hai, trong công việc thực tế, các vấn đề xảy ra rất rải rác và không thể đưa tất cả các vấn đề vào trong một bảng.

Nếu bạn muốn: hãy tìm một cái bàn rộng và luyện tập tất cả các kỹ năng. Bạn không chỉ thấy khó khăn khi tìm một tập dữ liệu có thể đáp ứng 100% nhu cầu mà ngay cả khi bạn tìm được một tập dữ liệu có vẻ rất phù hợp để luyện tập thì nó vẫn sẽ thất bại khi thực chiến. Bởi vì trong chiến đấu thực tế, phân tích vấn đề là bước đầu tiên.

Nếu bạn thực sự muốn học một cách có hệ thống, bước đầu tiên là phải phân tích rõ ràng đâu là vấn đề kinh doanh, đâu là vấn đề kỹ thuật, đâu là vấn đề thu thập dữ liệu và đâu là vấn đề trích xuất dữ liệu, đồng thời cải thiện khả năng phân biệt của chính bạn. Sau đó, bạn có thể nâng cao khả năng của mình ở từng môn học thông qua các chuyên khảo để có thể giải quyết vấn đề một cách dễ dàng.

bản tóm tắt

Tám vấn đề thực ra đều xuất phát từ vấn đề ban đầu: mục tiêu không rõ ràng. Trong số tất cả các công việc, phân tích dữ liệu có nhiều hỗ trợ lý thuyết nhất và mỗi chủ đề này đều vô tận nếu bạn đào sâu hơn. Điều này khiến mọi người có ảo tưởng rằng chỉ cần đọc nhiều sách hơn, tôi có thể chinh phục thế giới.

Nhưng thực tế thì:

Kịch bản làm việc của phân tích dữ liệu rất phức tạp, kết hợp giữa lý thuyết, kinh doanh, công nghệ, mục tiêu và quan hệ con người.

Thông tin công việc phân tích dữ liệu rất khó hiểu, với đủ loại thuật ngữ lan truyền, và có nhiều trường hợp bán thịt chó dưới vỏ bọc thịt cừu.

Những tình huống phức tạp này cũng khác nhau tùy từng người và mức độ khó khăn cũng hoàn toàn khác nhau đối với những người ở trình độ khác nhau. Vì vậy, khi gặp vấn đề, đừng vội mua 20 cuốn sách. Đầu tiên, hãy xác định xem bạn thực sự muốn gì. Tập trung vào những điểm chính và loại bỏ một vài chữ "và" khỏi mục tiêu của bạn, phần còn lại sẽ tự nhiên trở nên dễ dàng.