Để định hướng rõ ràng các kỹ năng cần thiết mà một nhà khoa học dữ liệu nên có, trước hết chúng ta hãy tìm hiểu xem thế nào là một nhà khoa học dữ liệu, vai trò cũng như trách nhiệm mà họ cần chịu là gì.
1. Vai trò của một nhà khoa học dữ liệu là gì?
Nhìn vào danh sách dưới đây bạn sẽ dễ dàng bắt gặp những yêu cầu thường xuyên được đề cập trong các JD tuyển dụng:
1. Xác định chính xác bộ dữ liệu và các biến liên quan
2. Xác định các vấn đề phân tích dữ liệu thách thức nhất
3. Thu thập và tập hợp dữ liệu có cấu trúc và không cấu trúc từ các nguồn khác nhau
4. Làm sạch và xác nhận dữ liệu đảm bảo tính chính xác, đầy đủ và thống nhất
5. Xây dựng và áp dụng các mô hình và thuật toán để khai thác dữ liệu
6. Phân tích dữ liệu để tìm ra các mẫu hình (pattern) và xu hướng
7. Giải thích dữ liệu để tìm giải pháp
8. Truyền đạt kết quả cho các bên liên quan bằng cách sử dụng các công cụ trực quan hóa
Nhà khoa học dữ liệu (Data Scientist) được Harvard Business Review đánh giá là nghề hấp dẫn nhất trong thế kỷ 21, có thể khẳng định đây là nghề nghiệp mà nhiều bạn trẻ đang quan tâm và muốn theo học.
Một nhà khoa học dữ liệu cần phát triển 3 nhóm kỹ năng quan trọng sau:
– Phân tích (Analytics),
– Lập trình (Programming),
– Kiến thức chuyên ngành (Domain Knowledge).
Trong đó nhóm kỹ năng Phân tích bao gồm các kỹ năng về thống kê, tính toán, tư duy phản biện, kỹ năng trực quan hóa dữ liệu, sắp xếp dữ liệu và làm việc với dữ liệu phi cấu trúc.
Kế đến là nhóm kỹ năng lập trình. Nhóm này bao gồm các kỹ năng về lập trình bao gồm nhiều một hoặc nhiều ngôn ngữ như: Python, R, SAS và Scala, kiến thức về trí tuệ nhân tạo, học máy, học sâu, và kinh nghiệm về SQL.
Hầu hết các Data Scientist trẻ sẽ gặp khó khăn ngay ở phần chính là nhóm kiến thức chuyên ngành. Tất cả kết quả phân tích phải được áp dụng trong thực tế, do đó việc hiểu càng sâu các kiến thức chuyên ngành sẽ giúp nhà khoa học dữ liệu có tư duy sâu, rộng hơn về các mô hình, các phân tích mà họ sẽ nghĩ ra để giải các bài toán của doanh nghiệp, từ đó mô hình và phân tích của họ sẽ được tổng quát nhất và chính xác hơn.
2. Kỹ năng cần có của một nhà khoa học dữ liệu?
Ngoài 3 nhóm kỹ năng ở mức tổng quát được nêu trên, người DA cần phải có một số những kỹ năng chi tiết như sau:
2.1 Kỹ năng về tư duy phản biện (Critical Thinking)
Tư duy phản biện là sử dụng các phân tích, khảo sát và ước lượng khách quan trước một vấn đề để đưa ra phán đoán chính đáng và có tính khả thi. Để có tư duy phản biện, nhà khoa học dữ liệu cần giữ thái độ “không bao giờ chấp nhận câu trả lời ban đầu là câu trả lời cuối cùng” – Luôn đặt câu hỏi về mọi điều nghe thấy và đọc được, tập trung vào khía cạnh quan trọng của vấn đề và bỏ qua các chi tiết không liên quan.
2.2 Kỹ năng thống kê (Statistics Skills)
Để có cái nhìn tổng quan về dữ liệu trong bước tiền xử lý dữ liệu, cũng như giúp họ thể hiện tốt các kết quả nghiên cứu cho đồng nghiệp và khách hàng thì đây chính là kỹ năng quan trọng không thể thiếu. Các công cụ hỗ trợ trong thống kê thường là kiểm định thống kê, các hàm phân bố và ước lượng hợp lý cực đại. Hiểu rõ những công cụ, khái niệm này, nhà khoa học dữ liệu sẽ lựa chọn được kỹ thuật tốt nhất có thể áp dụng cho vấn đề của họ. Số liệu thống kê giúp bạn đưa ra quyết định cho các bên liên quan, thiết kế và đánh giá các thử nghiệm.
Có kỹ năng thống kê tốt các nhà khoa học dữ liệu sẽ có cái nhìn tổng quan về dữ liệu trong bước tiền xử lý dữ liệu, đồng thời các kết quả nghiên cứu cho đồng nghiệp và khách hàng sẽ được thể hiện tốt hơn.
2.3 Kỹ năng lập trình (Programming Skills)
Ngôn ngữ Python, R, ngôn ngữ truy vấn cơ sở dữ liệu như SQL là các kỹ năng bắt buộc những nhà khoa học dữ liệu phải thật thành thạo ở cả 2 khía cạnh từ tính toán cho đến thống kê.
2.4 Kiến thức về Học máy (Machine Learning), Học sâu (Deep Learning) và trí tuệ nhân tạo (AI)
Học máy (Machine learning) – Một lĩnh vực của Trí tuệ nhân tạo, sử dụng các phương pháp thống kê để máy tính có khả năng học từ dữ liệu. Machine learning cho ra đời các công nghệ xe tự lái, nhận dạng giọng nói, tìm kiếm hiệu quả trên web…
Học sâu – Một ngành của học máy, trong đó dữ liệu được biến đổi qua nhiều phép biến đổi phi tuyến trước khi thu được kết quả đầu ra. AI sẽ dựa trên ý tưởng về khả năng của máy tính hoặc chương trình máy tính để suy nghĩ, hiểu và học hỏi như con người. Khoa học dữ liệu có sự giao thoa với AI nhưng không phải là một lĩnh vực của AI.
2.5 Kỹ năng làm việc với dữ liệu phi cấu trúc (Unstructured Data)
Dữ liệu phi cấu trúc là thông tin không có mô hình dữ liệu được xác định trước, hoặc không được tổ chức theo cách được xác định trước. Thông tin phi cấu trúc thường nặng về văn bản, nhưng cũng có thể chứa các dữ liệu như ngày, số và sự kiện. Kỹ năng làm việc với dữ liệu phi cấu trúc chính là một điểm cộng đối với các nhà khoa học dữ liệu.
2.6 Kỹ năng tiền xử lý dữ liệu (Data Pre-processing)
Rất nhiều dữ liệu bị lộn xộn. Các giá trị có thể bị thiếu (missing values), có thể có định dạng không nhất quán. Nhà khoa học dữ liệu sẽ cần phải dọn dẹp và sắp xếp lại dữ liệu.
2.7 Kỹ năng trực quan hóa dữ liệu (Data Visualization)
Để truyền đạt mối quan hệ giữa đặc trưng của dữ liệu rất cần các biểu đồ hoạ biểu diễn qua trực quan hoá dữ liệu. Đây chính là phần thiết yếu của khoa học dữ liệu cho phép các nhà khoa học dữ liệu mô tả, truyền đạt kết quả của họ tới đồng nghiệp và khách hàng. Thành thạo các thư viện sau đây sẽ là lợi thế cho các nhà khoa học dữ liệu: Matplotlib, ggplot, d3.js, hoặc Tableau.
2.8 Kỹ năng thuyết trình (Presentation Skills)
Có kỹ năng sử dụng dữ liệu hiệu quả giúp các nhà khoa học dữ liệu giao tiếp hiệu quả với các bên liên quan hơn. Họ là người đứng ở giao điểm của kinh doanh, công nghệ và dữ liệu. Những phẩm chất như tài hùng biện, khả năng kể chuyện sẽ giúp họ truyền tải được những thông tin kỹ thuật phức tạp thành thứ đơn giản, dễ hiểu, chính xác hơn đến đồng nghiệp và những nhà lãnh đạo doanh nghiệp.
Muốn trở thành một Data Scientist cần rất nhiều thời gian để học tập và rèn luyện. Để nắm được những kiến thức cơ bản về ngành khoa học dữ liệu và ứng dụng, bạn có thể dành từ 6 đến 8 tuần cho việc học tập và rèn luyện. Và để đạt tiến độ này, người học cần lựa chọn các khóa học với nội dung đào tạo phù hợp. Bên cạnh đó những giảng viên, mentor nhiều kinh nghiệm thực tế về khoa học dữ liệu sẽ giúp bạn đạt được kết quả tốt hơn.
Một vài khoá đào tạo về lĩnh vực này tại BAC là các ví dụ dành cho bạn. Bạn có thể làm chủ dữ liệu của mình tốt hơn với combo 4 khóa học căn bản sau:
➠ Power Bi
➠ Tableau
➠ SQL
➠ Python
Mentor của các khóa học đều là những nhà khoa học dữ liệu hàng đầu của các tập đoàn và các doanh nghiệp lớn về công nghệ mới của khoa học dữ liệu trong kinh doanh. Sau thời gian học tập tại BAC, học viên sẽ có đủ khả năng và nhiều cơ hội tham gia những dự án khoa học dữ liệu tại các công ty và tập đoàn lớn.
Nhu cầu đào tạo doanh nghiệp
BAC là đơn vị đào tạo BA đầu tiên tại Việt Nam. Đối tác chính thức của IIBA quốc tế. Ngoài các khóa học public, BAC còn có các khóa học in house dành riêng cho từng doanh nghiệp. Chương trình được thiết kế riêng theo yêu cầu của doanh nghiệp, giúp doanh nghiệp giải quyết những khó khăn và tư vấn phát triển.
CÁC KHOÁ HỌC BUSINESS ANALYST BACs.VN DÀNH CHO BẠN
Khoá học Online:
Khoá học Offline:
Tại Tp.HCM:
Tại Hà Nội:
Tham khảo lịch khai giảng TẤT CẢ các khóa học mới nhất.
Ban biên tập nội dung – BAC