Người phân tích dữ liệu cần bốn trụ kỹ năng: hiểu doanh nghiệp kiếm tiền thế nào, thống kê cơ bản đủ để không kết luận sai, bảng tính đủ để thao tác nhanh, và SQL đủ để tự lấy dữ liệu. Bên trên bốn trụ là một lớp kỹ năng nói và viết, thứ quyết định con số có được dùng hay không.
Bài này viết cho người đang tự học hoặc sắp chuyển nghề, muốn biết mỗi kỹ năng cần học đến đâu thì đủ đi làm, thay vì học lan man mọi thứ. Mỗi phần có mô tả "mức đủ dùng" và cách nhờ trợ lý AI hỗ trợ việc học mà không biến nó thành chỗ dựa. Phần cuối là bảng tự đánh giá ba mức để bạn biết mình đang đứng ở đâu.
Bốn trụ kỹ năng và vì sao thiếu một trụ là lệch
Hình dung bốn trụ như bốn chân bàn. Người giỏi SQL nhưng không hiểu kinh doanh sẽ trả lời rất nhanh những câu hỏi không ai cần. Người hiểu kinh doanh nhưng yếu thống kê sẽ kết luận "khách nữ mua nhiều hơn khách nam" trên một mẫu mười đơn hàng. Người giỏi thống kê nhưng không tự lấy được dữ liệu sẽ phải chờ người khác xuất tệp, và mỗi lần chờ là một lần mất nhịp. Người có đủ ba thứ nhưng thao tác bảng tính chậm sẽ mất cả buổi cho việc lẽ ra mười phút.
Không ai đều cả bốn ngay từ đầu. Người từ kế toán sang thường mạnh bảng tính và hiểu chi phí; người từ marketing sang hiểu khách hàng và kênh bán; người học công nghệ thông tin mạnh SQL. Lộ trình hợp lý là xác định trụ nào đang yếu nhất và kéo nó lên mức đủ dùng trước, rồi mới đào sâu trụ mạnh nhất của mình.
Trợ lý AI làm thay đổi mức độ cần thiết của từng trụ nhưng không xoá trụ nào. Phần thao tác cú pháp — nhớ tên hàm, nhớ thứ tự mệnh đề trong truy vấn — giờ dễ tra hơn. Phần hiểu và phán đoán — câu hỏi này đáng hỏi không, con số này có hợp lý không — thì vẫn nằm trong đầu người làm.
Tư duy kinh doanh: đọc được cỗ máy kiếm tiền của doanh nghiệp
Tách doanh thu thành các thành phần. Gần như mọi mô hình bán hàng có thể viết thành số khách nhân với số lần mua nhân với giá trị mỗi lần mua. Khi doanh thu đổi, câu hỏi đầu tiên là thành phần nào đổi. Thói quen này giúp bạn hỏi đúng ngay từ phút đầu.
Phân biệt chi phí cố định và chi phí biến đổi. Tiền thuê mặt bằng không đổi theo số đơn, còn tiền hàng và phí giao hàng thì đổi. Hiểu điều này để biết vì sao bán thêm một trăm đơn có thể lãi nhiều hơn hẳn so với một trăm đơn trước đó.
Nắm nhịp mùa vụ của ngành. Cửa hàng văn phòng phẩm đông vào mùa tựu trường, quán giải khát đông mùa nóng, cửa hàng quà tặng có các đỉnh dịp lễ. Không biết nhịp này thì mọi so sánh tháng với tháng dễ ra kết luận sai.
Biết ai ra quyết định gì. Trưởng cửa hàng quyết định ca làm, phòng mua hàng quyết định lượng nhập, giám đốc quyết định mở chi nhánh. Mỗi người cần một loại con số khác nhau, ở một độ chi tiết khác nhau.
Cách học với AI. Nhờ trợ lý AI giải thích mô hình kinh doanh của một ngành cụ thể, ví dụ "một tiệm bánh mì kiếm lời chủ yếu từ đâu, chi phí lớn nhất là gì, mùa nào đông khách", rồi đối chiếu với người làm thật trong ngành. Câu trả lời của AI là điểm xuất phát, không phải sự thật về doanh nghiệp bạn sắp làm.
Thống kê cơ bản: học đến đâu là đủ
Người phân tích kinh doanh không cần giải được bài toán xác suất phức tạp. Họ cần hiểu một nhóm khái niệm vừa đủ để không bị con số đánh lừa — và để nhận ra khi trợ lý AI bị đánh lừa. Danh mục nền tảng của trang giải thích kỹ từng khái niệm; ở đây chỉ nêu mức cần nắm.
| Khái niệm | Dùng khi nào | Mức đủ dùng |
|---|---|---|
| Trung bình, trung vị | Mô tả giá trị đơn hàng, thời gian giao hàng | Biết khi nào trung bình bị kéo lệch bởi vài giá trị rất lớn |
| Phân phối, ngoại lệ | Xem dữ liệu trải ra thế nào trước khi tóm tắt | Nhìn biểu đồ tần suất và nhận ra dữ liệu lệch, có điểm lạ |
| Tỉ lệ và số tuyệt đối | So sánh chi nhánh, sản phẩm khác quy mô | Biết lúc nào phải dùng tỉ lệ, lúc nào số tuyệt đối mới nói đúng |
| Mẫu và cỡ mẫu | Khảo sát, thử nghiệm nhỏ | Biết mẫu nhỏ thì dao động lớn, đừng kết luận chắc chắn |
| Tương quan và nhân quả | Mọi kết luận kiểu "vì A nên B" | Luôn hỏi có yếu tố thứ ba nào khiến cả A lẫn B cùng thay đổi |
| Khoảng tin cậy nói nôm na | Báo cáo kết quả thử nghiệm, dự báo | Nói được "khoảng từ… đến…" thay vì một con số duy nhất |
Cách học hiệu quả là gắn mỗi khái niệm với một tình huống ở công việc của chính bạn. Bạn có thể nhờ AI ra đề, ví dụ: "Cho mình một ví dụ giả định về cửa hàng mà trung bình và trung vị giá trị đơn hàng chênh nhau nhiều, rồi hỏi mình nên báo cáo con số nào và vì sao, chưa đưa đáp án." Tự trả lời trước, sau đó mới nhờ AI nhận xét câu trả lời của bạn.
Bảng tính: không phải thuộc hàm mà là tổ chức được bảng
Bảng tính là công cụ đầu tiên và lâu dài nhất của người phân tích. Mức đủ dùng không đo bằng số hàm thuộc lòng — phần đó tra cứu hoặc hỏi AI rất nhanh, và cách dùng hàm, làm sạch dữ liệu được hướng dẫn kỹ ở trang AI Dữ Liệu. Mức đủ dùng đo bằng những việc bạn làm được dưới đây.
- Nhìn một tệp lạ và trong vài phút nói được mỗi dòng là một cái gì: một đơn hàng, một dòng sản phẩm trong đơn, hay một khách hàng.
- Dựng bảng tổng hợp theo nhóm (bảng pivot) để trả lời câu hỏi kiểu doanh thu theo chi nhánh và tháng, rồi đổi chiều xem nhanh.
- Tách riêng phần dữ liệu gốc, phần tính toán và phần trình bày để người khác mở ra hiểu được và sửa được.
- Ghi chú rõ giả định ngay trong tệp: con số này đã trừ trả hàng chưa, lấy từ ngày nào đến ngày nào.
- Tự kiểm tổng: tổng theo nhóm cộng lại phải bằng tổng chung, số dòng trước và sau khi lọc phải giải thích được.
- Vẽ nhanh một biểu đồ đường hay cột để tự nhìn xu hướng trước khi viết bất cứ kết luận nào.
Nếu bạn làm được sáu việc này một cách thoải mái, phần còn lại là kinh nghiệm. Nếu chưa, đó là chỗ nên luyện trước khi học công cụ dashboard hay lập trình.
SQL: hiểu dữ liệu nằm trong bảng như thế nào
Ở hầu hết doanh nghiệp có hệ thống bán hàng, quản lý kho hay phần mềm quản lý khách hàng, dữ liệu nằm trong cơ sở dữ liệu quan hệ: nhiều bảng nối với nhau bằng mã. Bảng đơn hàng có mã khách, bảng khách hàng có mã khách và thông tin khách. SQL là ngôn ngữ để hỏi những bảng đó.
Mức đủ dùng của người phân tích là đọc được sơ đồ bảng, viết được truy vấn chọn cột, lọc dòng, gộp nhóm để tính tổng và đếm, nối hai ba bảng, và hiểu kết quả có bao nhiêu dòng vì sao. Quan trọng hơn cú pháp là hiểu "độ hạt" của từng bảng — mỗi dòng đại diện cho cái gì — vì phần lớn lỗi SQL của người mới là nối bảng làm nhân đôi dòng mà không biết.
Trợ lý AI viết nháp truy vấn rất nhanh, nên người mới dễ có cảm giác không cần học. Thực tế ngược lại: bạn phải đọc hiểu được truy vấn AI viết để biết nó có lọc đúng ngày, có đếm trùng khách hay không. Bài riêng về học SQL trong danh mục này đi sâu vào phần luyện tập.
Kỹ năng nói và viết: lớp quyết định con số có được dùng không
Hỏi lại trước khi làm. Ba câu hỏi đơn giản tiết kiệm được hàng ngày làm lại: kết quả này để quyết định việc gì, cần trước khi nào, và độ chính xác cần đến đâu. Người mới ngại hỏi vì sợ bị coi là chậm hiểu; người lâu năm hỏi vì biết giá của việc làm sai hướng.
Viết kết luận lên đầu. Người đọc bận chỉ đọc ba dòng đầu. Đặt câu trả lời chính ở đó, sau đó mới là cách làm và chi tiết. Đây là thói quen khó nhất với người quen viết báo cáo theo trình tự thời gian.
Nói rõ mức chắc chắn. Phân biệt "dữ liệu cho thấy rõ", "có dấu hiệu", và "chưa đủ để kết luận". Một người phân tích dám nói câu thứ ba khi cần sẽ được tin hơn người lúc nào cũng có câu trả lời chắc nịch.
Giải thích cho người không quen số. Đổi phần trăm thành hình ảnh cụ thể: "cứ mười khách vào cửa hàng thì ba người mua", thay vì "tỉ lệ chuyển đổi ba mươi phần trăm". AI có thể gợi ý cách diễn đạt, nhưng bạn phải chọn cách hợp với người nghe.
Tự đánh giá: bạn đang ở mức nào
Bảng dưới giúp bạn tự định vị, không dùng để so với người khác. Mỗi trụ có thể ở mức khác nhau; việc của bạn là biết trụ nào cần kéo lên trước.
| Trụ | Mới bắt đầu | Đi làm được | Vững |
|---|---|---|---|
| Kinh doanh | Biết doanh thu, lợi nhuận là gì | Tách được doanh thu thành thành phần, biết mùa vụ ngành mình | Đề xuất được câu hỏi mà sếp chưa nghĩ tới |
| Thống kê | Tính được trung bình, tỉ lệ | Chọn đúng trung bình hay trung vị, nghi ngờ mẫu nhỏ | Thiết kế được thử nghiệm đơn giản, giải thích sai số |
| Bảng tính | Lọc, sắp xếp, tính tổng | Bảng pivot, tổ chức tệp rõ ràng, tự kiểm tổng | Dựng mẫu báo cáo người khác dùng lại được |
| SQL | Chọn và lọc trên một bảng | Gộp nhóm, nối bảng, hiểu độ hạt | Viết truy vấn nhiều bước, tối ưu khi dữ liệu lớn |
| Nói và viết | Trình bày theo trình tự đã làm | Kết luận lên đầu, nói mức chắc chắn | Thuyết phục được người không đồng ý |
Hãy đánh dấu mức hiện tại của mình ở từng dòng, chọn một dòng thấp nhất và đặt mục tiêu lên một mức trong ba tháng. Các bài lộ trình tự học và hồ sơ dự án trong danh mục này gợi ý cách luyện cụ thể.
Câu hỏi thường gặp
Người phân tích dữ liệu cần học toán đến mức nào?
Với công việc phân tích kinh doanh, toán phổ thông cộng thống kê mô tả và vài khái niệm suy luận cơ bản là đủ: tỉ lệ, trung bình, trung vị, phân phối, cỡ mẫu, tương quan. Toán cao cấp chỉ cần khi bạn chuyển sang xây mô hình dự báo phức tạp.
Nên học bảng tính hay SQL trước?
Đa số người mới nên học bảng tính trước vì thấy kết quả ngay và dùng được trong công việc hiện tại. Khi đã quen tư duy gộp nhóm và lọc trong bảng tính, học SQL sẽ nhanh hơn vì bản chất các thao tác giống nhau, chỉ khác cách viết.
Tư duy kinh doanh có học được không hay phải có kinh nghiệm?
Học được, bằng cách đọc báo cáo tài chính đơn giản của doanh nghiệp, hỏi người làm nghề về cách họ kiếm tiền, và tập tách doanh thu thành các thành phần. Kinh nghiệm làm việc trong một ngành giúp nhanh hơn, nhưng không phải điều kiện bắt buộc.
Có cần chứng chỉ để chứng minh kỹ năng không?
Chứng chỉ giúp bạn học có hệ thống và có thể là điểm cộng khi hồ sơ còn mỏng, nhưng nhà tuyển dụng thường nhìn vào dự án mẫu và cách bạn giải bài tình huống hơn. Một dự án phân tích có câu hỏi rõ, kết luận rõ thường nói được nhiều hơn một tấm chứng chỉ.
Dùng AI để học kỹ năng phân tích có hiệu quả không?
Hiệu quả nếu bạn dùng AI để ra đề, giải thích khái niệm và soát bài làm của mình, chứ không để AI làm thay. Thứ tự tốt là tự làm trước, rồi nhờ AI chỉ chỗ sai. Luôn đối chiếu giải thích của AI với một nguồn tài liệu đáng tin khi gặp khái niệm thống kê mới.
Kỹ năng mềm nào quan trọng nhất với người phân tích?
Khả năng hỏi lại để làm rõ yêu cầu và khả năng viết kết luận ngắn, đặt câu trả lời lên đầu. Hai kỹ năng này quyết định bạn có làm đúng việc và người khác có dùng kết quả của bạn hay không, quan trọng không kém kỹ năng kỹ thuật.