Phần lớn người học có thể tự nắm phân tích dữ liệu ở mức dùng được trong khoảng sáu tháng học đều đặn ngoài giờ: hai tháng để thật vững bảng tính, hai tháng học SQL cơ bản để truy vấn cơ sở dữ liệu, và hai tháng cho biểu đồ, cách trình bày và một bộ dự án thật nho nhỏ. Thói quen quan trọng nhất là mỗi tuần trả lời một câu hỏi thật, thay vì học hết khoá này tới khoá khác mà chưa bao giờ đụng vào dữ liệu lộn xộn của chính mình.
Vì sao phần lớn người tự học bị mắc kẹt
Cái bẫy phổ biến nhất có hẳn một biệt danh trong giới tự học lập trình: "địa ngục video hướng dẫn" (tutorial hell). Xem một khoá, làm theo, cái gì cũng chạy, thấy mình tiến bộ. Rồi mở dữ liệu của chính mình ra thì không biết bắt đầu từ đâu. Thế là đi tìm khoá khác, và vòng lặp cứ thế quay.
Lý do là video hướng dẫn đã gỡ đi phần khó nhất của công việc thật. Dữ liệu đã sạch sẵn, câu hỏi đã rõ sẵn, đáp án đã biết trước. Phân tích thật bắt đầu từ một câu hỏi mơ hồ của sếp, một file thiếu số liệu, tên gọi lộn xộn, và không gì đảm bảo dữ liệu trả lời được câu hỏi.
Cái bẫy thứ hai là lao vào công cụ thời thượng nhất. Người mới nhảy ngay vào thư viện lập trình hay học máy (machine learning) khi chưa tự tin nhóm và tổng hợp dữ liệu trên bảng tính. Rốt cuộc chỉ chép lại đoạn mã mình không hiểu.
Cái bẫy thứ ba là học một mình trong im lặng. Không ai góp ý thì khó biết một phân tích là chắc chắn hay chỉ trông ấn tượng. Chỉ cần một người bạn mỗi tháng xem giúp bài làm một lần cũng khác hẳn.
Lộ trình sáu tháng nhìn nhanh
Khoảng năm tới tám giờ mỗi tuần. Điều chỉnh nhịp theo cuộc sống của mình; đều đặn quan trọng hơn nhanh.
| Tháng | Trọng tâm | Cuối giai đoạn làm được |
|---|---|---|
| 1–2 | Bảng tính cho thật vững | Làm sạch một bảng lộn xộn, dùng hàm dò tìm, bảng tổng hợp (pivot table), biểu đồ cơ bản, giải thích xu hướng theo tháng |
| 3–4 | SQL cơ bản | Chọn, lọc, nối hai bảng, nhóm và tổng hợp, trả lời câu hỏi kinh doanh từ cơ sở dữ liệu |
| 5 | Biểu đồ và cách trình bày | Chọn đúng loại biểu đồ, ghi nhãn trung thực, viết bản tóm tắt một trang cho người không chuyên |
| 6 | Bộ dự án và rà soát | Ba dự án nhỏ với câu hỏi thật, ghi chép rõ ràng, có người khác xem lại |
| Tuỳ chọn sau tháng 6 | Một ngôn ngữ viết mã | Tự động hoá việc làm sạch và phân tích lặp lại khi phần nền đã thành phản xạ |
Nhịp học hằng tuần để khỏi rơi vào vòng lặp video
Tháng nào cũng dùng khung này.
- Tối đa một phần ba thời gian cho bài giảng. Một phần nhỏ của khoá học hoặc một bài viết, tập trung đúng một kỹ thuật.
- Phần còn lại dành cho một câu hỏi thật. Dùng bộ dữ liệu công khai, chi tiêu của gia đình, số liệu một cửa hàng nhỏ quen biết, hoặc dữ liệu công việc đã ẩn thông tin mà mình được phép dùng.
- Viết câu hỏi ra trước. Ví dụ: "Nhóm hàng nào tăng nhanh nhất trong sáu tháng qua?"
- Làm sạch trước khi phân tích. Ghi lại mọi lỗi gặp phải và cách đã sửa.
- Trả lời bằng một đoạn văn và một biểu đồ. Không giải thích được đơn giản thì có lẽ mình chưa hiểu thật.
- Ghi lại chỗ còn rối. Danh sách đó thành chủ đề học của tuần sau.
- Mỗi tháng chia sẻ một lần. Đưa một bài làm cho bạn bè, đồng nghiệp hay một cộng đồng trên mạng xem và hỏi chỗ nào chưa rõ.
Thói quen của những người đi được tới tháng thứ sáu
Học từng đợt ngắn, đều đặn. Bốn mươi lăm phút, bốn lần một tuần hiệu quả hơn một buổi "cày" Chủ nhật kiệt sức.
Giữ nhật ký học. Ngày nào, học gì, làm ra gì, sai chỗ nào.
Dùng dữ liệu thật, chưa hoàn hảo từ sớm. Dữ liệu lộn xộn dạy nhiều hơn bất kỳ ví dụ sạch sẽ nào.
Tự kiểm số của mình. So con số tổng với một phép đếm tay đơn giản bắt được rất nhiều lỗi ngớ ngẩn.
Dùng AI như gia sư, không như cái nạng. Nhờ công cụ AI giải thích một lỗi thì được; dán nguyên đề bài vào rồi chép đáp án là bỏ qua việc học.
Không nhảy công cụ liên tục. Tháng nào cũng đổi phần mềm là tháng nào cũng về vạch xuất phát.
Chấp nhận những tuần học chậm. Lỡ một tuần là bình thường; bỏ cuộc sau tuần đó mới là rủi ro thật.
Làm xong những dự án nhỏ. Ba dự án khiêm tốn đã hoàn thành hơn mười dự án tham vọng bỏ dở.
Những sai lầm làm người tự học mất cả mấy tháng
Mua một lúc nhiều khoá học. Đợt giảm giá, gói combo rất dễ dụ, nhưng khoá học dở dang chỉ thành nỗi áy náy âm ỉ chứ không thành tiến bộ.
Bỏ qua phần tập làm sạch dữ liệu. Làm sạch nghe chán, nhưng trong công việc thật nó thường tốn thời gian hơn cả phân tích.
Học thuộc hàm thay vì hiểu hàm. Biết vì sao hàm dò tìm trả lỗi khi ô có khoảng trắng thừa đáng giá hơn thuộc tên hai mươi hàm.
Không để ý dữ liệu được thu thập ra sao. Cách đặt câu hỏi khảo sát, những ngày bị thiếu, hay việc đổi cách ghi doanh số có thể lật ngược kết luận.
Vẽ biểu đồ trước khi có câu hỏi. Bảng điều khiển đẹp mà không có câu hỏi rõ ràng hiếm khi cho ai biết phải làm gì.
Chỉ tập trên dữ liệu hoàn hảo. Dữ liệu các cuộc thi rất gọn; dữ liệu ở chỗ làm thì không. Nên trộn cả hai.
Không bao giờ giải thích kết quả thành lời. Không kể được phát hiện của mình cho một người bạn trong hai phút thì phân tích chưa xong.
So mình với người khác trên mạng. Người ta đăng khoảnh khắc đẹp, không đăng mấy tháng mù mờ phía sau. Chỉ so với nhật ký của chính mình tháng trước.
Cuối chặng sẽ được gì, nói thật
Sau sáu tháng làm đều tay, mình phải tự cầm được một câu hỏi kinh doanh hợp lý, tìm và làm sạch dữ liệu liên quan, truy vấn, tổng hợp câu trả lời và giải thích rõ ràng bằng một biểu đồ. Đó là kỹ năng hữu ích thật ở nhiều vị trí, từ vận hành tới tiếp thị tới tài chính.
Mình chưa phải chuyên gia. Thống kê, thiết kế thí nghiệm, kỹ thuật dữ liệu (data engineering) và học máy là những mảng sâu hơn, mất nhiều thời gian hơn. Biết hiểu biết của mình dừng ở đâu là một phần của việc đáng tin khi làm với dữ liệu.
Cẩn thận với cám dỗ nói quá kết quả. Biểu đồ cho thấy hai thứ cùng tăng không chứng minh được cái này gây ra cái kia. Mẫu nhỏ và dữ liệu thiếu dễ dẫn tới kết luận sai. Nói "dữ liệu gợi ý rằng" thay vì "dữ liệu chứng minh rằng" là dấu hiệu chín chắn, không phải yếu kém.
Nếu muốn đi xa hơn, thói quen sáu tháng này mang theo được nguyên vẹn: mỗi tuần một câu hỏi thật, làm sạch cẩn thận, giải thích đơn giản và thường xuyên nhận góp ý.
Câu hỏi thường gặp
Nên học Python hay SQL trước?
Với phần lớn công việc phân tích kinh doanh, nên học SQL trước, sau khi đã vững bảng tính. SQL gọn hơn, dùng ngay được để truy vấn dữ liệu công ty và dạy mình tư duy theo bảng. Python trở nên đáng giá khi cần tự động hoá việc làm sạch hay phân tích lặp lại.
Tìm dữ liệu thật để tập ở đâu?
Bộ dữ liệu công khai của cơ quan thống kê, tổ chức quốc tế và các cổng dữ liệu mở là điểm khởi đầu tốt. Dữ liệu cá nhân như chi tiêu gia đình cũng được, hoặc dữ liệu đã ẩn thông tin của một cửa hàng nhỏ quen biết, khi được cho phép.
Công cụ AI có phân tích dữ liệu giùm được không?
Chúng viết được công thức, gợi ý câu truy vấn và mô tả xu hướng, giúp làm nhanh hơn. Nhưng chúng cũng có thể đọc nhầm cột hay bịa kết luận, nên vẫn cần đủ kỹ năng để kiểm từng bước. Học nền tảng chính là thứ giúp dùng AI an toàn ở đây.
Đang đi làm toàn thời gian thì sáu tháng có thực tế không?
Với mức thực tế mô tả ở đây thì có, nếu dành năm tới tám giờ mỗi tuần và tập đều. Tuần làm việc thất thường thì kéo kế hoạch ra chín hay mười hai tháng, đừng bỏ.
Có cần toán cao cấp không?
Ở giai đoạn này thì không. Phần trăm, trung bình, trung vị và hiểu rõ mẫu là gì đã đủ đi khá xa. Thống kê trở nên quan trọng nếu sau này đi vào thí nghiệm, dự báo hay học máy.
