Chuyện Nghề: Data Engineer – Ở đâu có vấn đề, ở đó có cơ hội giải quyết bằng Data

Careerly (C): Đầu tiên, anh có thể giới thiệu một chút về bản thân anh với độc giả của Careerly không? 

Tú Trần (TT): Chào các độc giả của Careerly, mình là Tú Trần. Hiện mình phụ trách mảng Data Engineering tại Savills Vietnam, một công ty cung cấp các dịch vụ bất động sản (BĐS). 

Mình làm trong lĩnh vực IT – Data tới giờ khoảng 4 năm và có kinh nghiệm làm việc ở vài công ty khác nhau. Mình là cựu cử nhân trường Đại học Khoa Học Công Nghệ Hà Nội, và đang hoàn thành 1 chương trình Master về Data Science.

C: Điều gì đã đưa anh đến với Data cũng như làm việc tại những công ty kinh doanh, công nghệ hàng đầu thế giới như Microsoft và Savills?    

TT: Thời gian đầu ở Microsoft Vietnam, mình hỗ trợ các đối tác triển khai, sử dụng, tinh chỉnh nền tảng quản lí doanh nghiệp (ERP). Các vấn đề mà đối tác gặp phải về dữ liệu luôn phức tạp, ảnh hưởng vận hành và tốn nhiều thời gian giải quyết nên để phục vụ yêu cầu công việc, mình có cơ hội tiếp cận sớm các khóa học nội bộ về Data, Business Intelligence, Machine Learning,..

Đi sâu vào dần, mình thấy mảng này hợp với sở trường và định hướng phát triển (lập trình, hệ thống, toán ứng dụng), và vấn đề về dữ liệu cần giải quyết ở các industry khác nhau ngày càng tăng nên cơ duyên cũng bắt đầu từ đó.

C: Anh có thể giới thiệu qua về công việc làm Data không? Các vị trí Data đóng vai trò gì trong một công ty/tổ chức?    

TT: Theo thời gian, các doanh nghiệp ngày càng dựa trên dữ liệu nhiều hơn khi ra quyết định. Những vấn đề phổ biến có thể dùng dữ liệu để giải quyết, đánh giá gồm: phát triển sản phẩm nào, gia nhập thị trường nào, đầu tư vào đâu, hướng đến nhóm khách hàng nào, hiệu suất từng phòng ban nội bộ ra sao. 

Các vị trí về Data sẽ là người chịu trách nhiệm đảm bảo dòng chảy và tính khả dụng (availability) của dữ liệu được thông suốt, đầy đủ, chính xác. Mảng Data còn khá mới nên đôi khi các vị trí bị chồng chéo nhau. 

Phổ biến thì có 3 nhóm :

• Data Analyst: hiểu business, giúp các phòng ban theo dõi dữ liệu hiện có qua báo cáo, biểu đồ, làm các thử nghiệm mang tính không thường xuyên (ad hoc experiment) để thu thập thêm data
• Data Engineer: coding, clean data, tích hợp hệ thống, tối ưu database, vận hành data pipeline 
• Data Scientist: thuyết trình insight, làm mô hình dự đoán, NLP, Computer Vision, Recommender System, …

C: Anh cảm thấy người làm Data cần có những tố chất/ kỹ năng/ kiến thức gì? 

TT:Với các vị trí cơ bản, các bạn nên học và thực hành theo các khóa học, bằng cấp và chứng nhận của các trường Đại học hoặc tổ chức công nghệ lớn, mà một số kiến thức trọng tâm nên học là Xác suất thống kê, Lập trình cơ bản, Phân tích kinh doanh, Hệ thống thông tin. 

Một số tố chất phù hợp với Data gồm có tính kiên trì, ham học hỏi, thích nghi liên tục. Ngoài ra thì một kĩ năng quan trọng với muôn nghề chính là kĩ năng Giao tiếp. Các bạn sẽ cần sự trợ giúp của nhiều phòng ban khác nhau để hiểu các vấn đề của business, hiểu KPI từng bộ phận, tiếp cận được data cần thiết và đạt được đồng thuận cao đối với giải pháp mình phát triển.

C: Anh có thể giới thiệu một số công cụ Data Analytics phổ biến mà những bạn muốn học về Data nên tìm hiểu không?    

TT:Một số tool thao tác với data hiện đang phổ biến: Excel (các function phổ biến), SQL (query DB), Python (programming, làm được nhiều thứ), Visualize (PowerBI, Tableau, DataStudio), các dịch vụ Data trên Cloud (Azure, GCP, AWS), Big Data (Hadoop, Spark), NoSQL (MongoDB, Neo4j).

Các bạn có thể tự setup môi trường để luyện tập và làm project/lab cá nhân hoặc luyện tập theo bài mẫu có sẵn trên các trang như Datacamp, Dataquest, Codecademy, …

C: Với kinh nghiệm làm Data cho những công ty có quy mô toàn cầu như Microsoft và Savills, anh có thể chia sẻ đôi chút về quy trình xử lý, phân tích dữ liệu đằng sau những cái tên này không? Anh có thấy có điểm gì khác biệt trong xử lý dữ liệu giữa các công ty anh đã từng làm không?    

TT:Chi tiết kiến trúc dữ liệu từng công ty thì liên quan đến vấn đề bảo mật một chút nhưng về cơ bản thì do có thuộc lĩnh vực khác nhau nên business systems sẽ khác nhau và dẫn đến việc sử dụng kiến trúc data flows khác nhau. Với Microsoft là cung cấp nền tảng Software as a Service*, Savills là cung cấp dịch vụ Bất Động Sản. 

* Thuật ngữ Software as a Service (SAAS) đã được Careerly giải thích tại bài viết Tổng hợp thuật ngữ Product Management.

Mình xin chia sẻ một data flow phổ biến trong các tổ chức như hình sau: 

1. Sources: Raw data từ các nguồn như ERP/ CRM/ Core Banking system, file Excel/ CSV
2. Staging: Phân vùng “tạm”, lưu trữ các version gần đây của raw data.
3. Data Warehouse: “Nhà kho” chính, chứa data và cấu trúc schema table chứa nó, data ở đây đã được clean sạch đẹp, chuẩn hóa, validated.
4. Data Marts: Các phân vùng data riêng của từng bộ phận, ví dụ như sales, marketing, product, user có thể tiêu thụ data (consume data) tại khu vực này.

C: Trong các dự án anh đã từng thực hiện, anh cảm thấy dự án nào đáng nhớ nhất? Điều gì làm nó trở thành dự án đáng nhớ nhất của anh?    

TT:Dự án xây dựng, triển khai mô hình Credit Scoring tự động cho 1 tổ chức tài chính là một trong những dự án đáng nhớ nhất với mình. Lý do nó trở nên đáng nhớ với mình là vì project này tác động lớn đến cách vận hành của doanh nghiệp: giảm thời gian thao tác manual của front office, cá nhân hóa product đến từng khách hàng tốt hơn. Ngoài ra thì mình cũng may mắn được làm việc cùng những đồng nghiệp có background đa dạng, thân thiện, nhiệt tình trong dự án.

C: Công việc Data mang lại giá trị, ý nghĩa gì với bản thân anh và anh có thể chia sẻ dự định tương lai trong con đường sự nghiệp của mình được không?    

TT:Công việc về Data mang đến cho anh sự thỏa mãn khi xử lí được pain points (vấn đề của khách hàng), cải thiện hiệu suất công ty bằng dữ liệu, từ đó product công ty phục vụ tốt hơn cho khách hàng, người dùng cuối. Ngoài ra thì công việc này cũng tạo nhiều cơ hội học hỏi, thực hành công nghệ mới, sản phẩm mới, mở rộng network với các chuyên gia trong ngành Tech và Business. Cuối cùng là có thu nhập để trang trải chi phí sống (tất nhiên rồi :D).

Về tương lai gần thì mình vẫn sẽ làm việc chủ yếu trong các project về Data Engineering và Machine Learning cho 1 product line nào đó. Song song thời gian rảnh thì mình cập nhật concepts, best practices về PM, MBA, Fintech, Blockchain.

C: Đôi lời cuối cùng gửi đến Careerly và độc giả của Careerly?    

TT: Chắc vẫn là câu nói quen thuộc của Steve Jobs: “Stay hungry. Stay foolish”. Bạn hãy luôn tò mò và học hỏi điều mới. 
Con người ngày càng sử dụng nhiều digital products, data các nền tảng ngày càng tăng theo cấp số nhân. Ở đâu có vấn đề thì ở đó có cơ hội cho bạn giải quyết, thực thi ý tưởng của mình.

C: Cảm ơn anh vì những chia sẻ giá trị. Careerly xin chúc anh nhiều sức khỏe và thành công với kế hoạch tương lai.