Dạo gần đây mình để ý rất nhiều bạn đang lo lắng vì không tìm được một ví trí Fresher hay Intern Data Analyst nào? Liệu có phải thị trường đang nguội lạnh?
Lấy đơn cử như ở trang làm việc Linkedin, trong 3 tuần đổ lại đây thì đã có 10 job mới được Post lên (Đó là mình đã lọc bỏ bớt những tập toàn “chai mặt” post hoài như Agoda, …)
Còn ở Vietnamwork thì tới tận 49 việc chỉ riêng tại HCM
Rõ ràng ngành Data vẫn đang rất Hot. Là một người đang làm trong lĩnh vực Data thì mình thấy rõ ràng rằng thị trường hiện nay đúng là có sự chững lại về số lượng mà tập trung vào chất lương chỉ người làm được việc , thực sự tốt mới có thể trụ lại.
Vậy nên trước khi nộp CV, trước khi có bất cứ hành động nào tiếp theo, bạn cần phải hỏi rõ bản thân mình có đang thật sự biết rõ ngành Data làm gì? Liệu bạn có đủ đam mê để theo đuổi ngành? (Đam mê để có thể làm việc 8-9 tiếng và phải học thêm 2-3 tiếng tự học) Và liệu bạn có cảm thấy bản thân mình phù hợp hay không?
Vòng 1: Screening CV
Có một thực trạng rất đáng buồn đối với các bạn xin việc ngành Data nói riêng và hầu như các bạn ngành khác cũng vậy đó là “Rải CV vô tội vạ”
Để cho thú vị một chút hãy lấy hàm số sau đây
y = (ax +b)/x
Trong đó:
📌y là tỉ lệ thành công được gọi CV so với số lần rải CV
📌x là số lần nộp CV
📌a là số kỹ năng bạn có được
📌b là các yếu tố khác (không nằm trong các yêu cầu của JD)
🔴 Lưu ý: Công thức trên được lược giản và ngầm định các yếu tố sau:
- Tất cả các kỹ năng “a” trong JD đưa về mức độ quan trọng như nhau. (Trong thực tế thì chỉ 20% số kỹ năng được yêu cầu là quan trọng nhất hay dùng nhiều nhất trong công việc hiện tại).
- Các Job bạn applied x đều là các job xịn và “thật”. (Cá nhân mình từng gặp phải tình cảnh vào vòng cuối mới những kỹ năng mà doanh nghiệp thật sự cần là của bạn BA chứ không phải DA như mình)
- Các yếu tố khác “b” cũng được xếp ngang hạng mặc dù thực tế thì cũng tương tự “a”, chúng ta sẽ có yếu tố this yếu tố that.
🎍 Quay trở lại công thức: Bạn rãi 10 CV; JD yêu cầu 10 skills – bạn đạt được 8/10; Biến số b bao gồm rất nhiều yếu tố – Mình ví dụ như may mắn +1; bạn không biết tiếng Anh -1; bạn dở giao tiếp -1 .
Vậy y = [0.25*10 +(1 -1 -1)]/x = 0.7. Hurray bạn có khả năng thành công được gọi tới 7 lần trên 10 lần rãi đơn tức tương ứng có 70% cơ hội thành công.
🎍Vậy điều gì xảy ra nếu hệ số a = 0 hoặc a < 0 (bạn “bịa” kinh nghiệm trong CV, dạo gần đây còn có cả video hướng dẫn nữa luôn á ) và tệ hơn nữa tổng các biến số b <0 🤔 Bạn tạch chứ gì nữa!
🔴Giải pháp: Nâng a là cách tốt nhất để tăng y lên nhưng nếu a của bạn không cao (mới ra trường) thì hãy nâng biến số b lên.
Nâng x lên thì sao⁉️ Như mình đã đề cập từ đầu, thị trường đang chững lại cần chất lượng hơn số lượng vậy nên sẽ không có quá nhiều nơi để bạn rãi CV.
Nhưng giả dụ có nhiều chỗ thì tin buồn với các bạn, kết quả cũng không hả quan hơn là bao:
- Ví dụ nộp 46 chỗ, nhưng a = 2/10 (= 0.2) và lấy b = -1 như trên thì cho ra tỉ lệ đậu phỏng vấn y = ~17% .. Thấp không tưởng 😥
- Giờ tăng lên a = 5/10 skills đi thì x lúc này chỉ được 47%, một cuộc chơi khốc liệt như này mà tỉ lệ dưới 50% là hơi khoai rùi á bro
Vòng 2: Technical Interview
Đây được coi là vòng khó nhất và cũng mất nhiều thời gian đầu tư nhất để chuẩn bị. Với các bạn xin Intern thì đó có thể là 4 năm lý thuyết vỏn vẹn, còn với các bạn nhảy việc từ một công ty thử việc trước đó thì con số đó khá hơn xíu có thể là 4 năm lý thuyệt và 4-6 tháng thực tế.
Vậy các bạn cần trang bị gì để tăng cơ hội lên? Ông bà ta có câu “Biết người biết ta trăm trận trăm thắng” và ở đây chính là biết được mình sẽ được hỏi gì.
🔴Lưu ý: Mình chỉ kể ra những câu hỏi phổ biến cho Intern và Fresher Data Analyst thui (nhưng mình tin vẫn áp dụng được ở các vị trí khác), các bạn Senior thì mình chịu vì phạm vi nó “lên núi xuống biển, biến hóa khôn lường” quá 😂
Câu hỏi đầu tiên cũng là câu hỏi cấp độ nào cũng sẽ được hỏi:
C1: HÃY GIỚI THIỆU NGẮN GỌN VỀ BẢN THÂN BẠN?
Với câu hỏi này bạn chỉ nên tập trình bày những gì chưa thể hiện được qua CV và tầm 1 đoạn ngắn thôi.
Ví dụ bạn hãy nói về “Hành trình làm đồ án DH”; “Trải nghiệm các clb đã mang tới cho bản thân kỹ năng giúp ích gì cho công việc hiện tại”; “Mục tiêu đặt ra cho bản thân sau khi được công ty nhận và cách bạn sẽ làm để đạt mục tiêu đó”, …
C2: LÝ DO BẠN MUỐN TRỞ THÀNH 1 DATA ANALYST?
Đặc biệt với các bạn có background không phải Kỹ thuật hoặc Kinh tế thì mình tin câu hỏi này lại cực kỳ quan trọng. Lời khuyên là hãy trung thực và thể hiện rõ quyết tâm theo đuổi của mình.
C3: BẠN CÓ KỸ NĂNG SỬ DỤNG CÔNG CỤ BI VÀ NGÔN NGỮ LẬP TRÌNH PHÂN TÍCH NÀO CHƯA?
Trên thị trường thì có rất nhiều BI Tools, trong đó phổ biến nhất và nhiều doanh nghiệp dùng nhất là PBI, Tableau.
Còn ngôn ngữ lập trình phân tích thì ta có SQL, Python và R. Trong đó SQL dùng để làm việc với CSDL quan hệ còn Python thì đa dụng hơn, riêng R thì đa phần dành cho nghiên cứu là chính.
C4: BẠN TỪNG LÀM PROJECT PHÂN TÍCH DỮ LIỆU NÀO CHƯA? HÃY KỂ QUÁ TRÌNH XÂY DỰNG DỰ ÁN NỔI BẬT NHẤT MÀ BẠN LÀM.
Bước này đòi hỏi bạn đã từng tự xây dựng Portfolio dự án trước đó. Một dự án Data thường gồm quy trình từ ETL (Extract – Transform – Load), Xây dựng Data model tới Visualization.
Khi xin vào vị trí DA hãy tập trung vào bước các bạn phân tích, tìm insight và cách bạn Telling story bằng Visualization.
Bên cạnh đó bạn có thể bắt đầu bằng việc kể về những khó khăn trong quá trình phân tích dữ liệu.
C5: So sánh Star Schema và Snowflake? Kể tên 4 mô hình phân tích thường gặp? …
Ở đây mình để … vì đây là câu hỏi thuần về mặt lý thuyết kỹ thuật. Các câu hỏi không khó nhưng đòi hỏi bạn ít nhất phải từng đọc qua. Ở vị trí xin Intern thì thường sẽ không đòi hỏi bạn đi sâu vào việc mô tả cách bạn ứng dụng hoặc xây dựng như thế nào.
C6: PHÂN BIỆT MEAN VÀ MEDIAN? LÀM SAO ĐỂ XÁC ĐỊNH OUTLIERS VÀ CÁCH XỬ LÝ NÓ TRONG DỮ LIỆU?
Khác với ở trên tập trung nhiều vào kiến thức kỹ thuật thì câu hỏi này xoay xung quanh các kiến thức về Xác suất thông kê. Cá nhân mình thấy thì đa phân chỉ có những công ty Fintech, BDS, Market Trading thì hỏi sâu còn đa phần cũng hỏi những kiến thức cơ bản thôi
C7: GIẢI BÀI TOÁN SQL SAU? LÀM SAO ĐỂ CLEAN DỮ LIỆU SAU BẰNG PYTHON? ..
Bài tập này thường liên quan mật thiết tới yêu cầu công việc bạn ứng tuyển. Nếu công việc hằng ngày đòi hỏi sử dụng SQL thì sẽ là bài tập về SQL, còn nếu Python thì tương ứng sẽ là cách các bạn sử dụng các thư viện liên quan ..
C8: MỤC TIÊU CỦA BẠN TRONG 3 NĂM TỚI
Mình rất thích công ty nào hỏi câu hỏi như vậy. 3 năm không phải quá dài cũng không ngắn và các công ty đặt câu hỏi này là những công ty quan tâm tới sự phát triển của nhân viên. Hãy chia sẻ thật lòng nhé!
🔴Ngoài ra ở vòng này còn 1 bài toán nữa mà ứng viên phải đối mặt.
C9: MỨC LƯƠNG MONG MUỐN CỦA BẠN?
Trước khi đến với câu hỏi này, mình có câu chuyên thú vị này (Chắc bạn cũng từng nghe đâu đó) đó là “Mức lương trung bình”.
Ví dụ: Ngành Data Science mức lương trung bình có thể lên tới 30-40tr hay ngành Data Analyst với có thể lên tới 35tr
📌 Câu chuyện mức lương trung bình này sẽ dễ dẫn tới một “ảo tưởng” về hạn mức và thước đo tiêu chuẩn cho cả một ngành. Sự thật là nó không sai nhưng mà nó mức của sếp hoặc quản lý của bạn
🎍 Mình ví dụ như trong ảnh lấy 1 team Data ra thử xem hen. Bạn có một anh giám đốc dự án lương trên 100tr, một chị Manager và một anh Senior cả hai người đều trên 70tr. Khi tính ra trung bình khoảng 36,8tr, rõ ràng nằm trong mức kỳ vọng mà ở trên nhưng đó đâu có đại diện cho toàn bộ tất cả nhân viên đâu đúng chứ? Thậm chí thấp hơn rất nhiều so với khoảng trung bình. Và đây là ví dụ nên mình lấy con số 14 chứ thật ra nó cũng dao động khá nhiều và thậm chí còn thấp hơn 10tr ấy chứ! Cho dù bạn tăng số lượng mẫu (sample) lên 20, 50 hay 100 thậm chí 100 người thì kết quả vẫn vậy.
Hiện tượng này trong Phân tích thống kê gọi là “Nghịch lý số trung bình”. Đúng ra cần phải ghi là mức lương trung bình 35tr với độ lệch chuẩn là X (X càng cao thì chứng tỏ mức lương càng phân bố rời rạc và xa so với mức trung bình trên)
Ở góc nhìn của người đi xin việc và phỏng vấn thì lời khuyên của mình là phải xem xét mức lương mong muốn của bản thân đa chiều hơn: level của bạn ở đâu? Số năm kinh nghiệm của bạn? Bạn đạt được bao nhiêu tiêu chí trong JD?
Và quan trọng hơn hết là bạn cần nhìn mọi thứ rộng ra hay ít nhất đừng quá tin vào 1 chỉ số nào cả vì có thể bạn đang bị “đánh lừa”.
Vòng 3: CTO / Manager / Leader Interview
Vòng này thường khá hỏi sâu về Văn hóa, Định hướng và thậm chí Test lại các yêu cầu đặc biệt như khả năng nói tiếng Anh 😂
Ngoài ra đây cũng là vòng chốt lại mức lương mà công ty có thể chi trả cho bạn dựa trên năng lực, nhu cầu và phổ lương có thể chi trả của công ty. Nhưng nói chung là vòng này khá là dễ thở nhưng lại vô cùng quan trọng cho sự gắn bó và hài lòng sau này của bạn.
Một số gợi ý bạn có thể cần cân nhắc cẩn thận trước khi bước vào phòng phỏng vấn 3 này:
- Nghĩ kỹ lại mục tiêu của bản thân trong 2-3 năm tới. Ở đây ví dụ bạn là một người đang cần một mức lương mới đủ cao để chi trả các chi tiêu và bạn nghĩ năng lực bạn xứng đáng như vậy thì hãy cân nhắc deal lại mức lương NET gần hoặc đúng mức mong đợi; Ngược lại bạn cần một công ty có văn hóa giúp bạn phát triển lâu dài thì hỏi các câu để làm rõ văn hóa của công ty như: Thời gian làm việc, nghỉ trưa; Các chính sách đào tạo nhân viên; Các chỉnh sách phúc lợi, Các hoạt động và clb nếu có, …
- Luôn luôn và luôn luôn hỏi về các khoản bảo hiểm xã hội (đóng full lương không?) và các chính sách khám sức khỏe, nghỉ phép, lương OT. Việc này là quyền lợi của bạn vì vậy tuyệt đối không nên bỏ qua nhé.
- Luôn tự tin nói ra suy nghĩ của mình nhưng cũng nên khôn khéo tránh việc mình đưa quá nhiều đánh giá chủ quan. À mà hãy nhớ hỏi bao lâu thì có thể có kết quả. Việc này cũng giúp bạn xác định deadline nhận việc nếu có những công ty khác cùng gửi offer cho bạn nè.
Bình tĩnh và Lạc quan
Sau khi đã trả qua một kỳ phỏng vấn đầy thử thách, việc còn lại bạn có thể làm là hãy luôn bình tĩnh và lạc quan. Trong lúc hãy cứ trau dồi thêm kiến thức hoặc rèn luyện các kỹ năng mình đã có vì bạn biết đấy “30 chưa phải là Tết” Bạn còn 2 tháng thử việc nữa kia mà 😂
