Boo_boy.only.one
Senior Member
Cũng quan tâm vấn đề này. Mọi người cho hỏi tay ngang muốn học từ đầu thì nên đăng ký học ở trường nào hoặc chỗ nào?
Buy sell mình ko biết bạn lấy thông tin ở đâu hay tiếp xúc vs analyst quỹ nào. Nhưng buy side ng ta đánh giá rất kỹ, mình chưa thấy buy side nào làm kèo ảo để đưa ra quyết định ảo, vì đơn giản họ có thể mất việc ngay lập tức , còn nếu đã chốt thì đó là do bên trên chứ analyst vẫn thừa khả năng để đánh giá các rủi ro/cơ hội của doanh nghiệp. Ở cơ sở đặt bạn cầm 100 tỷ. 1 tháng bạn bỏ hơn 40tr/analyst, mà 1 quỹ bao h chỉ 1 analyst. Tính chung ra 1 năm chắc phải vài tỷ tiền research chưa tính thưởng. Thì với tư cách bạn là chủ fund, nếu kèo ảo bác cũng sẽ ko rảnh chi tiền tỷ đâu.
Cũng quan tâm vấn đề này. Mọi người cho hỏi tay ngang muốn học từ đầu thì nên đăng ký học ở trường nào hoặc chỗ nào?
Thanks b, mình hỏi thêm 1 ý nữa là độ tuổi trung bình của nhân lực ngành là khoảng bao nhiêu, đối với cả 2 job ý? muốn chuyển ngành nghề nhưng nếu quá trễ cũng phải xem lạiMuốn đi phân tích quỹ thì mình thấy con đường dễ đi nhất là bạn đi apply bên sell side để có thêm kinh nghiệm kiến thức các ngành. Cơ mà IB và phân tích cho quỹ là 2 thứ khác nhau mà nhỉ, 1 cái làm deal, 1 cái làm research, cơ bản phải phân biệt 2 jobs này bản chất khác nhau, đôi khi có support nhau thôi. IB - đi thẳng vào các định chế tài chính (Ngân hàng, quỹ, CTCK) làm IB luôn (IB đòi hỏi luật và khả năng đánh giá dòng tiền), Research - đi vào các CTCK làm trước, build knowdledge về ngành, về quản trị, tài chính doanh nghiệp, đến khi có tiếng thì xin vào quỹ. Vào quỹ lương cao nhưng xác định làm lòi mồm nhé, nhưng return cao
Junior cả 2 đều rơi độ 25-30, Senior hay sếp thì 3x đến cuối 3x. 4x đa phần sếp lớn.Thanks b, mình hỏi thêm 1 ý nữa là độ tuổi trung bình của nhân lực ngành là khoảng bao nhiêu, đối với cả 2 job ý? muốn chuyển ngành nghề nhưng nếu quá trễ cũng phải xem lại
mình có cùng mối quan tâm với thím trên, tiên thể b cho mình hỏi 2 câu:Junior cả 2 đều rơi độ 25-30, Senior hay sếp thì 3x đến cuối 3x. 4x đa phần sếp lớn.
Ko phải chỉ ở VN thiếu cái này đâu. Mình học R,Python, SQl thì cơ hội ở nc ngoài khá cao. Bạn cần tuyển thì đầy ng ra, quan trọng là lương bn . Trên 7x thì đầy ng ứng, nhưng đa phần nếu đc Residence ở xứ lừa tôi có thể bị bóc lột 5x ở xứ bạn vài năm . Chứ nc ngoài ko thiếu thì analyst ở VN ko có cửa sống tới giờ đâuNice job!
Đang cần tuyển vài bạn có kỹ năng như vậy đe lam việc.
mình cũng đang đào sâu lĩnh vuẹc này, nhu cầu dữ liệu càng ngày càng nhiều, như đám wallstreet đã dùng đến lượng tự rồi, mình còn chạy theo dài mới hiểu đc nó nhưng tương lai là sẽ có đi cùng vs rât nhiều ngành nghề khi càng phât triển càng nhiều dữ liệu.
mình làm business và investment
1) Sellside VN đa phần đều từ cacq buyside sau khi tích lũy đủ kinh nghiệm mà thành. Có rất rất ít ng bên sellside có thể ứng dụng ngôn ngữ lập trình để tạo ra thứ thật giá trị. Nếu họ tìm đc chén thánh, họ tư lập quỹmình có cùng mối quan tâm với thím trên, tiên thể b cho mình hỏi 2 câu:
1) nếu muốn làm sell side về research thì cần học những kĩ năng gì nhỉ, trước giờ mình chỉ biét học chứ chưa tìm hiểu ra ngoài làm người ta yêu cầu gì. Hiện tại bây mình có kiến thức academic về finance (chủ yếu từ sách với trường lớp), có học khá nhiều về statistics với econometrics và có biết về R. Bây giờ mình cần học thêm gì để đi làm được nhỉ?
2) Thím cho mình tên 1 số công ty về sell side để mình tìm hiểu thử được không.
Thanks thím nhiều
Thì tôi đang thấy xu hướng kỹ năng nghề về sau những cái này cần phải có, cũng đang muốn tuyển 1 2 nhân viên cứng, k$ thì tôi ko so với âu mỹ.Ko phải chỉ ở VN thiếu cái này đâu. Mình học R,Python, SQl thì cơ hội ở nc ngoài khá cao. Bạn cần tuyển thì đầy ng ra, quan trọng là lương bn . Trên 7x thì đầy ng ứng, nhưng đa phần nếu đc Residence ở xứ lừa tôi có thể bị bóc lột 5x ở xứ bạn vài năm . Chứ nc ngoài ko thiếu thì analyst ở VN ko có cửa sống tới giờ đâu
Mình đag tìm hiểu học thêm các ngôn ngữ, vì hiện tại chỉ là analyst quèn xài Excel tại VN, nếu lội post thì sẽ biết mình bị miss 1 offer ở NZ do về VN và kẹt dịch. Nguồn job mình lấy Seek.co.nz, Linkedin, Trademe Job, mình đi du học và tìm việc ở NZ nên đấy là trải nghiệm của nghiệm của mình, còn về lĩnh vực thì Finance và Investement. Với 1 CV có đầy đủ khả năng về tài chính và ngôn ngữ lập trình thì mình chưa thấy ai về VN cả.Thì tôi đang thấy xu hướng kỹ năng nghề về sau những cái này cần phải có, cũng đang muốn tuyển 1 2 nhân viên cứng, k$ thì tôi ko so với âu mỹ.
Anh có các nguồn lấy thông tin, dữ liệu ở đâu để cập nhật thêm ko, mà data anh đang nghiên cứu thuộc lĩnh vực gì?
Em có kinh nghiệm làm m&a với project bên holding nhỏ mà apply vị trí phân tích bên quỹ với chứng khoán mà toàn tạch, qua 2-3 vòng rồi mà vẫn tạch, em cũng thấy job tuyển tương đối ít, không biết tìm nguồn tuyển dụng ở đâu với hoàn thiện những kỹ năng gì để làm phân tích ben cty chứng khoán với quỹ nhỉ bácMình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .
Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.
Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.
Mình đang làm BA ở Cty CK xuất thân từ coder, đang cày mấy khóa DA trên Edx để chuyển hướng sang quantitative trading xong nhảy vào làm tự doanh, cũng áp dụng DA, ML để tạo robot trade đó, nhưng ở VN có vẻ cộng đồng chưa nhiều, nhưng tương lai cũng sáng.Mình hiện đang làm Equity Analyst nhưng mà việc viết báo cáo đa phần, mình nghĩ ở các cty chứng khoán hoặc quỹ cũng chỉ làm thủ công. Đa phần là dự đoán bằng kinh nghiệm mà ko back test. Kiến thức về tài chính mình cũng đc kha khá, nhưng ko biết chủ thớt có gợi ý gì về việc nghiên cứu data analysis theo hướng nào. Mình thấy việc làm tay ntn khá là chủ quan. Viết ra đúng thì ôi tôi giỏi vãi lol, forecast sai thì chả thấy ai chịu trách nhiệm vô hình chung làm cho các báo cáo khá là chủ quan và ko có giá trị định lượng .
Thành ra đa phần khi đọc báo cáo mình chỉ đọc tới phần định tính và đánh giá BCTC là ngưng. Phần định giá là phần tào lao nhất . Thích bn là có bấy nhiêu thôi, back test ko có.
Thêm nữa là Machine Learning, ko biết mấy cái này có ai đã áp dụng trong ngành tài chính chưa nhỉ.
Đang làm kỹ sư muốn nhảy qua làm data trong ngành. Không biết thím tìm công việc data liên quan đến ngành chính thế nào? Quan điểm tuyển nhân sự data của các công ty ra sao mong thím chia sẻ.Ngành Data nói chung dạo này đang hot, các con giời lao vào cũng nhiều mà không có định hướng nên phí thời gian hoặc bị chăn dắt chẳng đi đến đâu.
Mấy tuần nay covid không đi cày được nên lập cái topic tư vấn chơi chơi và kể chuyện công việc, chia sẻ với anh em.
Sơ lược về mình:
Phạm vi topic này:
- Mình làm dữ liệu từ năm 2014, khởi đầu từ Data Analyst sau lấn sang làm đủ thứ từ DBA, Data Quality Control, Head of Data Department, Data Architect, MIS Project Manager.
- Ngành học đại học là phân tích tài chính, theo mảng này phải học thêm khá nhiều về CNTT.
- Mình có làm thêm mảng đào tạo, tư vấn, triển khai từ 2018. Hiện tại, vẫn đang làm đào tạo cho cá nhân, doanh nghiệp, liên kết với một số trường đại học.
Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.
- Kể chuyện nghề: lịch sử làm việc, những cú để đời trong quá trình hành nghề.
- Tư vấn nghề nghiệp: Cho các bạn quan tâm, muốn theo ngành này.
- Kết nối đến các thím cùng ngành. Mình có theo dõi vài topic, thấy cũng nhiều thím làm cùng ngành, hi vọng kết nối và hỗ trợ được lẫn nhau.
- Tìm đồng đội: Team mình đa phần giờ các anh em đều làm sâu về chuyên môn, không có người làm marketing, vận hành và growth . Hi vọng, kết nối được với các bạn cùng chí hướng và có khả năng làm mảng giáo dục.
Để mở đầu, mình note lại một số quan điểm cá nhân về một số lầm tưởng trong ngành:
1. Làm dữ liệu phải giỏi siêu nhân về toán, thần thánh về lập trình hoặc công cụ, hiểu rất sâu về business.
Quan điểm cá nhân: Bạn code tốt hơn một ông thuần về business, hiểu về business hơn một ông dev bình thường, hiểu về toán tốt hơn cả 2 ông kia (cũng chưa biết đâu vì nhiều dev xịn mình biết học sư phạm toán với toán ứng dụng ra đấy :-s ). bạn viết truy vấn SQL có thể tốt hơn Dev vì bạn hiểu về business nhưng thử viết một stored produce xử lý một tác vụ của phần mềm xem có toang không đã nhé.
2. Bạn không cần học SQL, lập trình. Mấy cái đó chỉ dành cho các công ty nghèo không có tiền mua tool xịn như Power BI, Alteryx.... Còn làm gì có tool làm được hết rồi, cần thì request IT xử lý..
Quan điểm cá nhân: Tool toy rất tiện và bản thân mình cũng ủng hộ tool nếu có thể. Tuy nhiên tool nào cũng có mặt hạn chế. Thử vào một doanh nghiệp và cần trích xuất dữ liệu trực tiếp với lượng dữ liệu từ vừa đến lớn với logic phức tạp thì SQL sẽ là cứu cánh để bạn triển khai được nhanh, gọn và mạch lạc hơn. Và mình học và làm việc sâu với SQL không phải vì mình "nghèo" mà vì tính phổ biến, khả năng tùy biến của ngôn ngữ và ưu điểm tuyệt đối của nó trong một số hoàn cảnh cụ thể. Ít nhất mình có quyền lựa chọn thay vì chết vì phụ thuộc tool toy.
3. Mình chỉ cần học về tư duy là đủ rồi, chứ công cụ không quan trọng.
Quan điểm cá nhân: Việc đầu tiên khi người ta học làm bếp là học cầm con dao sơ chế miếng thịt, cá như thế nào. Với một chief có thể nấu được bữa ăn từ bất cứ những công cụ gì họ có trong tay. Họ làm được vì họ từng sử dụng qua rất nhiều công cụ chứ không phải họ chỉ ngồi học lý thuyết về ẩm thực. Trước đây mình đã từng viết 1 bài về Law of the Instrument: "if all you have is a hammer, everything looks like a nail". Quá trình sử dụng công cụ để giải quyết vấn đề giúp bạn phát triển tư duy, nếu khả năng sử dụng công cụ của bạn bị giới hạn thì rất có thể bạn sẽ dẫn về số 2, phụ thuộc vào một công cụ nào đó vì không còn quyền lựa chọn. Khá hài hước khi tư tưởng coi thường công cụ nhưng xét mặt nào đó lại bị phụ thuộc vào công cụ. )
4. Ngược lại với 3, mình cần phải giỏi công cụ X, master công cụ Y, công ty không tuyển mình vì mình không giỏi công cụ xyz.
Quan điểm cá nhân: Thành thạo công cụ là một điểm cộng lớn khi bạn apply công việc, nhất là với các vị trí junior. Tuy nhiên, nếu như bạn đã thành thạo và tạo được sản phẩm bằng một công cụ nào đó, bạn hoàn toàn có thể học công cụ tương đương mà không mất nhiều thời gian. Các nguyên lý và cách sử dụng công cụ, ngôn ngữ lập trình đều tương tự nhau, nếu học hãy tập trung vào một số mảng và thực sự thành thạo nó thay vì đẽo cày giữa đường để gom key word ném vào CV.
5. Mình đã luyện xong 1001 đường tịch tà kiếm phổ, sẵn sàng trở thành siêu nhân trong ngành dữ liệu.
Quan điểm cá nhân: Bạn có thể chỉ cần thuần Excel vẫn kiếm được công việc chính thức trong ngành dữ liệu với mức lương tính bằng nghìn USD (người thật việc thật). Nhưng đa phần các công việc trong ngành dữ liệu đều cần tìm hiểu thêm rất nhiều thứ khác, tech stack khác với dự án trước đây, domain khác với domain đã biết, nghiệp vụ hoặc luật lá thay đổi. Bạn sẽ tìm hiểu đủ thứ từ marketing đến UI-UX design, human heuristics.... Giữ tư duy mở và thái độ sẵn sàng học bất cứ cái gì công việc yêu cầu. Khả năng học và vận dụng nhanh mới giúp bạn sống sót và phát triển tốt trong ngành này.
6. Làm BI/DA là phải làm dashboard đẹp, kể được câu chuyện về dữ liệu, phải có 1001 nghiêm quy giới luật về information design cần tuân thủ.
Quan điểm cá nhân: Bạn cần phải làm được những điều trên nhưng chỉ là một phần rất nhỏ trong công việc, nếu bạn tôn thờ nó quá thì nhiều khả năng bạn làm consultant hơn là làm in-house cho doanh nghiệp. Đào bới được dữ liệu xem nó nằm đâu trong hệ thống, thống nhất được với các đơn vị xem dữ liệu nào chính xác đã hộc máu rồi. Nhiều stakeholders chỉ cần một cái pivot table hay chart đơn giản là quá đủ cho nhu cầu của họ. Quan trọng là context và mục đích sử dụng và làm sao tối đa được giá trị cho stakeholders.
Mời các cao nhân khác trao đổi và đóng góp thêm.
Bạn nào có câu hỏi gì cũng thả luôn ở đây nhé.
Chuẩn đó thím, mình backgroud tech(học ở đại học) - nhưng từ khi đi làm, giai đoạn đầu về marketing và business, giờ đã chuyển sang DA được 2 năm thì mình thấy: DA có kiến thức về domain để talk với business là điều tối quan trọng; bản thân trong công ty cũng có rất nhiều bạn học DA ở nước ngoài về, nhưng thuần kỹ thuật quá, business không hiểu nên rất khó co-working đạt hiệu quả cao nhất :3Kiếm thử 1 DA đúng nghĩa vừa biết technical (bao gồm nhưng giới hạn việc mô hình thống kê, mô hình học máy, visualization) vừa am hiểu domain để support business ra quyết định. Khó vl ra đó và lúc nào cũng thiếu nhân sự
Cái vấn đề là không phải công ty nào cũng chỉ kinh doanh trên digital channel mà bảo chỉ cần DS và DE chạy mấy cái propensity model, recommendation system là có thể khai thác được khách hàng. Đa phần là omni channel và nhiều solution vậy không có thằng DA trả lời các vấn đề Bán ở đâu, bán cho ai, bán trên kênh gì, khi nào bán thực thi với các chiến lược của BOM thì còn khướt mới Data driven được. Tôi thấy DA mới là nghề của tương lai, còn lại sau autoML, tool phục vụ cho việc ingest dữ liệu, tổ chức dữ liệu thi DE và DS nhân sự sẽ thu hẹp lại và DS đúng nghĩa phải làm reseacher chứ applied science sẽ thuộc về DAChuẩn đó thím, mình backgroud tech(học ở đại học) - nhưng từ khi đi làm, giai đoạn đầu về marketing và business, giờ đã chuyển sang DA được 2 năm thì mình thấy: DA có kiến thức về domain để talk với business là điều tối quan trọng; bản thân trong công ty cũng có rất nhiều bạn học DA ở nước ngoài về, nhưng thuần kỹ thuật quá, business không hiểu nên rất khó co-working đạt hiệu quả cao nhất :3