Góc nhìn thực tế về ngành Data Science

Không thể phủ nhận một thực tế, việc đào tạo hay phát triển nguồn nhân lực của một quốc gia nói chung và một đơn vị nói riêng phụ thuộc rất nhiều vào nhu cầu thực tiễn, như vậy đào tạo phải phục vụ và bắt kịp được nhu cầu xã hội. Trong một vài năm lại đây các ngành Data Science Data Science, là một lĩnh vực liên ngành của Khoa học máy tính (Computer Science), nổi lên như một trong những ngành “hot”, ngành tương lai trên mọi phương tiện truyền thông. Thế nhưng, trên thực tế rất ít bạn hình dung được ngành Data Science thực tế là làm về gì và cần phải học gì để ra làm ngành này.

Data Science được phát triển từ lĩnh vực phân tích thống kê và khai phá dữ liệu. Tạp chí Khoa học Dữ liệu ra mắt lần đầu tiên vào năm 2002, do Hội đồng Khoa học Quốc tế: Ủy ban Dữ liệu Khoa học và Công nghệ xuất bản. Đến năm 2008, chức danh data scientist (nhà khoa học dữ liệu) xuất hiện và lĩnh vực này nhanh chóng phát triển.

Tại sao Data Science là một lĩnh vực nở rộ???

Data Scientist (kỹ sư khoa học dữ liệu) là những người phân tích, sắp xếp và thay dữ liệu “kể chuyện”, bất kể nó có cấu trúc hay không. Công việc của họ sẽ cần phối hợp giữa cả khoa học máy tính, thống kê và toán học. Họ sẽ là người phân tích, xử lý và “mô hình hóa” các dữ liệu, sau đó diễn giải các kết quả để tạo ra các kế hoạch hoạt động cho team và doanh nghiệp.

Nói một cách dễ hiểu, nghề data scientist làm việc cùng dữ liệu và cho ra các insight mang tính phân tích. Họ sẽ truyền đạt các phát hiện và insight này với các bên liên quan – từ lãnh đạo cấp cao, quản lý đến khách hàng. Từ đó các công ty có thể trực tiếp hưởng lợi từ việc đưa ra các quyết định sáng suốt nhất để thúc đẩy tăng trưởng kinh doanh và lợi nhuận của họ (tức là, phụ thuộc vào bối cảnh của các ngành công nghiệp).

Trải nghiệm của bạn Khánh, hiện (năm 2023) đang là sinh viên năm cuối ngành Data science tại Drexel University

“Với tư cách là một người học và làm data, Khánh nhận thấy phần đông các bạn hỏi về data đều bị mất phương hướng trong việc định hướng mình muốn làm gì và học gì? Cái này bản thân mình cũng đã tự trải nghiệm trong 5 năm đại học và nhìn thấy ở hầu như toàn bộ các bạn học data khác xung quanh mình.

TLDR: Chủ yếu DS student đều mất định hướng và không phân biệt được ngành và nghề Data science, vì vậy khi học và làm cần có cách tiếp cận khác với các ngành khác.

️ DS as a major ≠ DS as a profession

Trên trường, ngành DS thường dạy một cách rất bao quát các kỹ năng + kiến thức của một data practitioner. Thường các course sẽ dạy theo dạng: dạy về DS Life Cycle -> một chút Python, SQL, R -> một chút visualization -> một chút Stats, ML -> thực hành nhiều project kéo online dataset về tự xử lý và phân tích. Đây cũng chính là backbone của rất nhiều các MOOC về DS trên mạng. Nhìn qua có vẻ rất đầy đủ và thậm chí trong quá trình học còn cảm thấy rất dễ, nhưng bản chất các course chỉ chạm vào bề mặt chứ không đi sâu vào từng vấn đề. Nếu đi sâu vào từng phần, nhiều bạn sẽ bất ngờ vì độ phức tạp – đồng thời cũng là cái thú vị – thực sự của ngành DS.

Nghề DS có thể hiểu theo hai cách: Data scientist hoặc any role in a data team. Ở đây, mình sẽ nói theo hướng any role in a data team. Mỗi role đều yêu cầu một bộ kỹ năng khác nhau. Dù trên thực tế, các bộ kỹ năng này có sự trùng hợp – ví dụ cả analyst và engineer đều cần biết SQL – yêu cầu về độ thành thạo là cực kỳ khác nhau. Lý do các bộ kỹ năng có sự trùng hợp là vì dù bạn nắm vị trí gì thì bạn cũng phải tương tác với bộ data giống nhau và sử dụng cùng một platform để lưu trữ và trích xuất data. Sự khác biệt về yêu cầu độ thành thạo xuất phát từ các giá trị khác nhau mà từng vị trí mang lại. Một ví dụ nhỏ, cùng là sử dụng SQL, Data analyst phải thành thạo việc viết query để xây report và tạo ra business value, còn Data engineer phải thành thạo việc design data model để xây dựng database cho analyst sử dụng.

Ngành DS học trên trường không chuẩn bị cho học sinh để tham gia vào thị trường nghề DS. Có thể thấy rõ sự đối nghịch trong giá trị mà ngành DS cung cấp và nghề DS đòi hỏi. Ngành DS cung cấp kiến thức theo chiều ngang còn nghề DS đòi hỏi kiến thức theo chiều dọc. Nếu chăm chỉ học trên trường, chắc chắn nói tới mảng nào của DS bạn cũng biết (and so do all of the other DS students), nhưng không đủ thành thạo để stand out in the job market (và ngay bản thân bạn cũng đang không biết mình muốn đi sâu vào mảng nào). Theo trải nghiệm của mình thì đây là vấn đề của gần như tất cả các bạn DS students. Sự mất định hướng sẽ hiện rõ dần khi các bạn bắt đầu join the market và nhận ra mình không đặc biệt như mình nghĩ (ai cũng stack their resume với rất nhiều project, phân tích và xử lý rất nhiều dataset, làm cả trăm online course, etc.). Tuỳ mục tiêu career của mỗi người sẽ có nhiều cách tái định hướng khác nhau. Nhưng dù là cách nào thì vẫn phải take action asap nếu nhận thấy bản thân đang rơi vào hoàn cảnh này.

Learn DS through jobs and internships

Trải nghiệm đi làm thực tế là rất có giá trị đối với mọi ngành học trên trường. Tuy nhiên, đối với DS, nhu cầu “học” khi đi làm còn lớn hơn nữa. Đối với mình thì đây là một ngành khá cô độc dù cho DS là một ngành nghề rất hot. Lý do thứ nhất: ngành DS cho undergraduate là rất mới so với một số ngành đặc thù khác như BA, Finance, CS, etc. Cách đây 5 năm, vào thời điểm mình apply, chỉ có 3 trường offer Bachelor degree cho DS và nhận học sinh quốc tế (University of Rochester, Case Western Reserve, và Drexel). Vì vậy, mạng lưới alumni, faculty, curriculum, etc. chuyên sâu về DS ở các trường là rất hạn chế. Lý do thứ hai: như mình đã chia sẻ ở trên, cộng đồng DS student còn chưa giúp được bản thân thì làm sao giúp được những người xung quanh. Thậm chí, cộng đồng này vô tình còn khiến cho sự mất định hướng lan toả một cách rộng rãi và mạnh mẽ hơn. “Đừng học Data science” – đây sẽ là lời khuyên cửa miệng của đa số các bạn DS student năm cuối sau khi apply 200 chỗ và chỉ được nhận 1 interview.

Bởi vậy, nếu bạn có “lỡ” chọn ngành DS thì phải xác định thành công hay thất bại là do nỗ lực của bản thân gần như toàn bộ. Nếu bạn may mắn có một mentor hiểu về data và tận tình giúp đỡ bạn (make sure mentor đó không phải là một DS alumni mất định hướng khác) thì hãy tận dụng cơ hội đó càng nhiều càng tốt vì những mentor như vậy rất hiếm. Thông qua trải nghiệm thực tế, hãy học về sự khác biệt của những data role, học về bộ kỹ năng của từng role đó, học cách mà họ interact với nhau và với data, học nhìn một data pipeline from a high level, học employer thật sự cần gì ở một data practitioner, học để tự thiết kế một chương trình học cho chính bản thân mình sau khi kết thúc kỳ thực tập/công việc. Luôn đặt câu hỏi “mình có gì đặc biệt hơn những người còn lại trong team” để tìm ra hướng phát triển theo chiều sâu cho bản thân. Đừng lao vào Leetcode 100 bài SQL và Python để đến lúc phỏng vấn employer hỏi các bạn trích xuất thử 10 dòng dữ liệu từ MySQL database qua Excel để tính sum mà mình không biết làm thế nào.

Be ready to compete against the Master degree holders

Sự thật là có quá đông các bạn đang theo học Master degree in DA/DS, và rất nhiều trong số đó là những người đã có sẵn years of professional experience. Cả undergraduate và Master student đều ít nhiều gặp những thử thách tương tự nhau như mình đã chia sẻ ở trên, nhưng đối với những người đã có nhiều kinh nghiệm thực tế thì việc định hướng bản thân khi học và làm DS sẽ dễ đạt được hơn. Khi đi apply việc, cả hai nhóm này thường apply cùng một vị trí (các bạn Master thường học DS vì muốn chuyển ngành/nghề nên sẽ apply cả các vị trí entry level như các bạn undergraduate) nên vô hình chung các bạn undergraduate sẽ gặp bất lợi. However, lợi thế của các bạn undergraduate là thời gian “ngâm” ở trường lâu hơn nên nếu tận dụng được thì các bạn sẽ có nhiều thời gian hơn để develop a proper data practitioner’s mindset, learn the fundamentals, try the new tech, discover the new trends, do the internships, etc. Đây đều là những thứ khó mà hoàn thành được một cách trọn vẹn trong 1-2 năm của Master degree. Tuy nhiên, vì sự mất định hướng mà hầu như các bạn DS undergrad đều tự đánh mất lợi thế này của mình. Kết quả là lúc apply và bị reject vì không có Master degree, các bạn quay ra blame là vì người khác có bằng cấp cao hơn nên không công bằng. Don’t hate the player, hate the game.

Peer pressure

Cái này thì chắc chắn ai cũng phải đối mặt bất kể mọi ngành nghề. Tuy nhiên, với trải nghiệm học DS của mình, thì cái peer pressure khi nhìn các bạn học ngành khác đạt được các thành tựu nhất định trong khi bản thân vẫn không hiểu mình muốn học gì, làm gì, và đạt được gì (dù GPA 4.0) là cực kỳ discouraging. Chắc chắn sẽ có nhiều bạn đồng cảm được với mình ở cái cảm giác mất phương hướng và tự vấn bản thân khi chứng kiến quá nhiều bạn bè lần lượt “thoát” DS sang ngành khác năm này qua năm khác. Again, “thoát” DS chẳng có gì là sai, thậm chí là một cách tái định hướng rất tốt nếu bạn thực sự thấy DS không phù hợp với mình và muốn trải nghiệm một ngành học khác. Bản thân mình cũng nghe nhiều sự gaslight từ học sinh ngành khác khi nói về DS – “Học thì dễ mà không biết làm cái gì”, “Không học nổi CS nên mới sang DS học cho dễ”, etc. – đây đều là những chất xúc tác rất tốt để convert một bạn DS student thành một anti-DS chính hiệu. Đây là một thực tế không thể tránh khỏi khi bạn học DS, nên bạn cần chuẩn bị sẵn tâm lý để đương đầu và take action asap để tránh lãng phí thời gian. Một khi bạn biết mình muốn học, làm, và đạt được gì thì mọi sự áp lực sẽ dần biến mất. Vả lại, bạn còn chưa hiểu ngành của bạn thì bạn đừng expect người ngành khác có đủ hiểu biết về DS để nhận xét bạn

Trên đây là một số những chia sẻ nhỏ của mình về trải nghiệm học DS ở undergrad. Còn rất nhiều thứ mình muốn kể thêm nhưng bài đã dài nên chắc để một dịp khác. Feel free to discuss. I’d love to hear what we think about the matters above.”

Nguồn tham khảo:

1. Chris Tran trên group Viet Tech

2. Mr Khánh, chuyên ngành Data science, Drexel University

3. https://itp.vn/

4. https://topdev.vn/

AIT ở đây ngoài làm việc với tư cách hỗ trợ các bạn làm cách thủ tục chúng tôi còn là chuyên gia định hướng nghề nghiệp, đưa ra những nhận định trên con số thống kê thực tế.

Văn phòng Tư vấn du học AIT luôn cập nhật các thông tin về du học và học bổng Canada. Bạn có câu hỏi liên quan xin đừng ngần ngại liên hệ với chúng tôi

Địa điểm văn phòng Tư Vấn Du Học – Định Cư AIT tại Việt Nam: Tầng 5, Toà Nhà Tem, số 14 Trần Hưng Đạo, Hoàn Kiếm, Hà Nội.

Hotline: 091 559 1919

Email: Counselor@aitduhoc.com

———————————–

Văn phòng Tư vấn Du học AIT, thành lập từ năm 1997, là đơn vị được điều hành bởi Chuyên gia Tư vấn Di trú Canada, cô Vũ Như Quỳnh – đơn vị tư vấn và cung cấp dịch vụ di trú hợp pháp được công nhận bởi Chính phủ Canada.

Văn phòng Tư vấn Du học AIT là một trong số ít các văn phòng tại Việt Nam cam kết đồng hành cùng học sinh và phụ huynh trong suốt quá trình du học và làm thủ tục định cư tại Canada

Các dịch vụ Di trú Canada: Visa Du học, Visa Lao động/ LMIA, Visa Du lịch (thời hạn 10 năm), Super Visa (ở lại 5 năm), Gia hạn Visa, Khôi phục tình trạng pháp lý (ở quá hạn, out of status), Bảo lãnh vợ chồng, Bảo lãnh bố mẹ, Express entry: FSW, FST, CEC, Chương trình chỉ định tỉnh bang, Định cư doanh nhân, Gia hạn thẻ thường trú nhân, Hồ sơ xin quốc tịch