Data Scientist: Điều gì khiến nó trở thành nghề nghiệp “sexy” nhất thế kỷ 21?

Chúng ta vẫn thường tự hỏi hệ thống gợi ý được cá nhân hoá (personalized recommendation system) của Netflix hoạt động ra sao và làm thế nào nó có thể biết được sở thích và mô hình xem phim (viewing pattern) của người xem rõ đến như vậy. Bí mật nằm ở vai trò của một Data Scientist (nhà khoa học dữ liệu). Vậy, điều gì đã khiến nó trở thành nghề nghiệp “sexy”nhất thế kỷ 21, và các sinh viên mới ra trường cũng như các chuyên gia cần phải có những kỹ năng gì để có và duy trì được công việc này?

Data Science là gì? Công việc của một Data Scientist bao gồm những gì?

Data Science (khoa học dữ liệu) là sự pha trộn đa ngành nghề giữa nhiều phương pháp khoa học, quy trình, thuật toán và công nghệ khác nhau để khai thác những insight từ một nguồn dữ liệu, sau đó sẽ được các công ty sử dụng để đưa ra quyết định kinh doanh tốt hơn. Nó đòi hỏi các kỹ thuật và lý thuyết từ nhiều khía cạnh khác nhau như toán học, thống kê, khoa học máy tính, và kinh doanh hay kinh tế để thu thập, dọn dẹp, và hiểu rõ tính thiên vị trong dữ liệu. Sau đó, nhà Data Scientist sẽ thực hiện phân tích dữ liệu – đây là sự kết hợp giữa quá trình mô hình hoá dữ liệu (data visualization) và nhận thức về dữ liệu (data sense) để xác định các mẫu hay xu hướng, tìm ra cách giải quyết hay các cơ hội mới. Vì vậy, để trả lời câu hỏi phía trên, các nhà Data Scientist của Netflix tìm hiểu ý nghĩa và giải thích xu hướng xem phim của người dùng để hiểu rõ hơn về các hành vi hay sở thích phức tạp, giúp đưa ra nhiều đề xuất chính xác hơn tới họ.

Điều gì đã khiến nó trở thành công việc “sexy” nhất của thế kỷ 21?

Được coi là “nghề nghiệp sexy nhất thế kỷ 21” bởi Harvard Business Review năm 2012, nghề “Data Scientist” cho thấy nhu cầu tuyển dụng của nó không hề có xu hướng chậm lại, ít nhất là trong tương lai gần. Khi mà các doanh nghiệp dần trở nên phụ thuộc vào data để giúp họ thông minh hơn, vai trò của Data Scientist trong việc thay đổi số phận của công ty cũng được săn đón hơn bao giờ hết. Thêm vào đó, nó cũng đứng thứ 6 trong top những công việc được trả lương cao nhất tại Hoa Kỳ, với mức lương trung bình dao động trong khoảng $116,000 tới $163,000 vào năm 2018.

Hạng	2018	2019
1	Engagement Lead	Data Scientist
2	Software Engineering Manager	Site Reliability Engineer
3	Customer Success Manager	Enterprise Account Executive
4	Solutions Architect	Product Designer
5	Sales Director	Product Owner
6	Engineering Manager	Customer Success Manager
7	Program Manager	Engagement Manager
8	Product Manager	Solutions Architect
9	Data Scientist	Information Technology Lead
10	Enterprise Account Manager	Scrum Master

Sự thay đổi trong top 10 ngành nghề có nhu cầu tuyển dụng cao nhất từ năm 2018 đến 2019. (Nguồn: Upskill Create)

Vì sao nhu cầu tuyển dụng Data Scientist lại cao đến vậy? Có khá nhiều lý do dẫn đến điều này, tuy nhiên, 2 yếu tố và xu hướng chính tạo điều kiện để nó phát triển nhanh chóng mặt chỉ trong vài năm đó là (1) nền văn hoá dữ liệu và (2) sự thiếu hụt nhân tài và chuyên môn.

   1. Văn hoá dữ liệu (data-driven culture)

Không còn giới hạn trong lĩnh vực công nghệ và những dịch vụ tài chính, tất cả các tổ chức ở khắp các ngành công nghiệp đều phụ thuộc vào các insight và trí tuệ được trích xuất từ dữ liệu để có lợi cho quá trình đưa ra quyết định và giải quyết những thách thức quan trọng và phức tạp nhất trong khía cạnh kinh doanh, cho phép các doanh nghiệp có những bước đột phá mang tính cách mạng. Ví dụ, người tiêu dùng trong lĩnh vực thương mại điện tử có thể tận dụng những khuyến mại hay sản phẩm được cá nhân hoá, còn ngành chăm sóc sức khỏe giờ đã có thể xác định xu hướng bệnh mãn tính, cung cấp phân tích dự đoán và phương pháp điều cá nhân hoá cho các bệnh nhân. Từ năm 2012, data science đã cho thấy nó có thể mang lại nhiều lợi thế đáng kể cho các doanh nghiệp. Trung bình, các công ty sử dụng dữ liệu để đưa ra quyết định “có năng suất cao hơn 5% và thu được nhiều lợi nhuận hơn 6% so với đối thủ của mình”. Điều này mang lại nhiều tiềm năng kinh tế và gia tăng định giá thị trường chứng khoán.

   2. Thiếu hụt nhân tài và chuyên môn

Nhu cầu tuyển dụng Data Scientist không có vẻ sẽ sụt giảm trong thời gian tới, vậy vì sao lại có sự thiếu hụt nhân tài? Báo cáo lực lượng lao động năm 2018 của LinkedIn đã chỉ ra có tới hơn 151.000 vị trí Data Scientist bị bỏ trống trên khắp nước Mỹ.

Việc phải phân tích data rồi sử dụng nó nhằm giải quyết các vấn đề kinh doanh, nắm bắt xu hướng và đưa ra quyết định để hỗ trợ ý kiến mới đòi hỏi các chuyên gia phải sở hữu nhiều bộ kỹ năng khác nhau, từ thống kê và data visualization cho tới machine learning và software programming, sau đó lại phải kết hợp với trực giác kinh doanh. Một ứng viên không đủ tiêu chuẩn có thể có kiến thức nghiệp vụ nhưng lại thiếu kinh nghiệm và nhiều chuyên môn khác để đảm nhiệm công việc này. Hơn nữa, việc thiếu đi những kỹ năng mềm như kỹ năng giao tiếp và hợp tác để làm việc hiệu quả với những đội ngũ liên ngành cũng như khách hàng cũng là một thách thức lớn. Nhìn chung, sự kết hợp phức tạp giữa nhiều kỹ năng chính là nguyên nhân vì sao công việc này lại vấp phải khoảng cách nhân lực trầm trọng đến như vậy, khiến nó trở nên khan hiếm dù đã xuất hiện trên thị trường suốt hơn một thập kỷ.

Những kỹ năng đó không phải đã được đào tạo ở trường đại học, cao đẳng, v..v. hay sao? Câu trả lời thực chất là không hẳn vậy. Hầu hết các chuyên gia và Data Scientist lâu năm thường chuyển từ các lĩnh vực khác sang và có được những kỹ năng cần thiết chủ yếu qua việc tự học hoặc được công ty đào tạo trực tiếp (on-the-job training), bởi lẽ nền giáo dục truyền thống trước đây vốn chưa sẵn sàng. Mặc dù các hệ thống giáo dục trên khắp thế giới đang bắt đầu giới thiệu những khoá học phù hợp để chuẩn bị cho những Data Scientist tiềm năng bước chân vào sự nghiệp nhưng họ sẽ phải mất kha khá thời gian mới có thể thành thạo nhiều kỹ năng như vậy, và đủ trình độ để đáp ứng nhu cầu của các tổ chức.

Làm sao để loại bỏ sự thiếu hụt nhân lực này?

Tuy vai trò của một Data Scientist thay đổi tùy thuộc vào các công ty và ngành nghề khác nhau nhưng hầu hết các doanh nghiệp đều đòi hỏi nhân viên của mình phải sở hữu một sự kết hợp cân bằng giữa kỹ năng mềm và kỹ năng chuyên môn, điều mà các chương trình ở đại học và cao học chưa thể làm được.

   1. Tư duy phản biện (critical thinking)

Đây có lẽ là kỹ năng cần phải có nhất trong nghề này – một Data Scientist giỏi phải là người không chỉ biết phân tích mà còn phải truy vấn dữ liệu, có nghĩa là họ phải có khả năng phát triển câu hỏi và nghi ngờ dữ liệu. Đầu tiên, quá trình phát triển câu hỏi đòi hỏi sự hợp tác giữa các Data Scientist với người dùng để thực sự hiểu rõ vấn đề cần giải quyết, cũng như với chủ doanh nghiệp với hiểu biết sâu rộng về mục tiêu và số liệu kinh doanh. Điều này sẽ giúp việc hợp tác chia sẻ kiến thức và giải quyết vấn đề thật hiệu quả. Ngoài ra, người đó cũng luôn phải thể hiện sự tò mò, ham học hỏi, nghi ngờ các dữ liệu, không bao giờ được nhìn nhận mọi thứ ở bề nổi và đi đến kết luận ngay lập tức. Càng đi sâu phân tích data sẽ cho phép các Data Scientist tìm ra càng nhiều insight quý giá có lợi cho khách hàng và tổng thể tổ chức.

   2. Có kiến thức về lập trình và kỹ thuật

Các chuyên gia cần phải sử dụng thành thạo những ngôn ngữ lập trình thống kê bao gồm R, SAS, và Python cùng các ngôn ngữ truy vấn cơ sở dữ liệu như SQL. Các kỹ năng như kỹ sư phần mềm, xử lý dữ liệu, và khả năng phát triển khung kiến trúc dữ liệu phức tạp, kết hợp với những hiểu biết về dữ liệu lớn (big data), trí tuệ thông minh (artificial intelligence), máy học (machine learning) và học sâu (deep learning) cũng sẽ giúp họ xử lý quy trình ghi dữ liệu (data-logging), phát triển các sản phẩm từ data, trợ giúp quá trình ra quyết định và thay đổi quỹ đạo của công ty về lâu về dài. 

   3. Kỹ năng mềm

Thường bị coi nhẹ và bỏ qua, nhưng các kỹ năng mềm cũng là điều kiện hết sức quan trọng trong data science. Chúng bao gồm quản lý dự án và đội ngũ trên khắp các phòng ban, tư vấn cho khách hàng, phân tích rõ ràng kết quả cho nhà kinh doanh, hỗ trợ quá trình ra quyết định và phát triển doanh nghiệp, đồng thời biến các vấn đề kinh doanh trừu tượng thành những giải pháp phân tích.

Kết luận

Với tốc độ phát triển công nghệ cùng tham vọng vượt trội hơn so với đối thủ ngày một gia tăng, các doanh nghiệp đang trở nên cực kỳ phụ thuộc vào data nhằm hiểu rõ và phục vụ khách hàng tốt hơn. Điều này đã dẫn đến sự tăng trưởng vượt bậc của nghề Data Scientist trên khắp thế giới, biến nó trở thành một trong những công việc hot nhất, được săn đón nhất của thế kỷ. Nhu cầu tuyển dụng cũng tăng lên do nguồn cung nhân lực còn thấp, khi mà đa số vẫn chưa thể đáp ứng được yêu cầu chuyên môn và khai thác các cơ hội mà nó tạo ra. Để đáp ứng được điều kiện tuyển dụng, những nhà Data Scientist tương lai cần phải sở hữu những kỹ năng cụ thể giúp công ty tăng cường chiến lược kinh doanh và cải thiện doanh thu.

Theo Woz U + Castille

——————–

Bạn nghĩ như thế nào về bài viết này? Hãy comment cho chúng tôi biết ý kiến của bạn nhé!

PRIMUS – TOP MANAGEMENT JOBS ONLY