Bạn đang dùng trình duyệt đã lỗi thời. Trình duyệt có thể không hiển thị đúng trang web này hoặc các trang web khác. Bạn nên nâng cấp hoặc dùng một trình duyệt khác.
vậy task fen chủ yếu dùng python à
khó ở chỗ domain mỗi ngành nó khác nên gg nhiều khi cũng ko đúng ý lắm
chủ thớt có group zalo nào hỗ trợ thì hay.như trên voz này có group excel nhiều pro vcc,post phát có người giải ngay
vậy task fen chủ yếu dùng python à
khó ở chỗ domain mỗi ngành nó khác nên gg nhiều khi cũng ko đúng ý lắm
chủ thớt có group zalo nào hỗ trợ thì hay.như trên voz này có group excel nhiều pro vcc,post phát có người giải ngay
Tôi 3x, giữa năm 2021 bắt đầu học data giờ lương 2k/tháng chưa bonus rồi bác =]] mà tôi học nhiều lắm chắc cũng phải ngốn 2k tiền học rồi =]] mà chắc sẽ còn tốn nữa vì muốn đi xa hơn nữa. Mục tiêu 3 năm nữa lương lên 4k chưa bonus. Được cái tiếng anh tôi tốt nên chỉ làm cho các cty dùng tiếng anh tôi mới làm thôi, tiếng việt nhiều quá ko thích làm, thêm cái đầu óc học nhanh, build portfolio chuẩn chỉnh. Và chỉ học chổ tốt nhất trên thị trường và udacity thôi vì tôi đi làm xưa dư nhã nên ko ngại đầu tư việc học để làm data. Học master thì ko cần thiết lắm vì 80% material đã có ở online rồi. Quan trọng vận dụng và network tốt thôi.
Em làm cty cơ khí công trình 3 năm, nhưng tự học excel, đã từng tự build excel data control cho Planner ở nhiều dự án (kiểm soát mối hàn và khối lượng, tiến độ kết cấu và ống công nghệ). Pivot và query biết xài. Toiec 700 (đang tự học lấy IELTS). Có cơ hội nào làm fresher ở HCM để vừa học vừa làm không các bác. Lương thấp tí cũng không sao.
Em hoàn thành vài bài sơ qua liên quan đến tableau trên coursera và udemy rồi, nhưng bắt tay vào 1 số cái thì thấy ức chế với tableau bản public quá, chi tiền ra mua key thì lại chả đáng, vì đã có job đâu
1 là chỉnh cái viền của figure rất là ức chế, viền trắng trên nền trắng, không thấy border, phải đoán, rồi dịch chuột từng tí mà quá 1 tý nó biến mất mịa luôn, vô cùng ức chế
2 là cái dashboard của bản public nó cho bé có 1 tẹo đúng như cái điện thoại, lắm lúc chỉ muốn đấm cho 1 cái cho bõ tức
Em làm cty cơ khí công trình 3 năm, nhưng tự học excel, đã từng tự build excel data control cho Planner ở nhiều dự án (kiểm soát mối hàn và khối lượng, tiến độ kết cấu và ống công nghệ). Pivot và query biết xài. Toiec 700 (đang tự học lấy IELTS). Có cơ hội nào làm fresher ở HCM để vừa học vừa làm không các bác. Lương thấp tí cũng không sao.
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:
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.
Phạm vi topic 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.
Miễn là anh em còn phản hồi, mình sẽ duy trì thread này.
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.
### Update:
Để mọi người dễ theo dõi, mình xin phép tổng hợp những chia sẻ, thắc mắc được nhiều người quan tâm nhất lên thớt #1. Ngoài ra, mình vẫn sẽ tiếp tục tổng hợp và update những câu hỏi, use case hay và thú vị của những bác hoạt động trực tiếp trong nghề.
1. Học và làm gì để có thể bước vào ngành Data
Các công việc liên quan đến dữ liệu gần như không yêu cầu kiến thức nền và ứng dụng được trong đa ngành, không chỉ riêng kinh tế, kinh doanh. Vì vật, gần như bất cứ ai cũng có thể theo đuổi ngành này, tất nhiên là với mức độ đầu tư và quyết tâm cụ thể.
Mình tạm chia thành 2 nhóm chính:
Sinh viên, người mới ra trường
Khối kinh doanh, kinh tế, tài chính, marketing,...
Khối IT, hệ thống thông tin quản lý, cơ sở dữ liệu,...
Dân IT sẽ có lợi thế hơn về ban đầu vì đã quen thuộc với công nghệ, code. Tuy nhiên là món đa ngành, nên không phải cứ code giỏi là làm được việc mà còn yêu cầu rất nhiều về domain knowledge. Dù là dân Biz hay IT đều phải học thêm. Tuy nhiên định hướng và các vị trí công việc trong ngành cũng rất khác nhau, có thể thuần tech hoặc thuần biz.
Trong quá trình học nên tích cực đi thực tập, làm sớm để hiểu về hoạt động trong doanh nghiệp. Tiếng anh tốt và thi thêm một số chứng chỉ quốc tế cũng có nhiều lợi thế cho các bạn entry level.
Có thể tham khảo:
Hệ thống thông tin quản lý của ngân hàng, thương mại, học viện tài chính. NEU, Bách Khoa và sắp tới cả FTU cũng có ngành phân tích dữ liệu rồi.
Pros:
1. Bằng cấp chính quy bao giờ cũng tốt hơn. Nhất là sau này vào cơ quan nhà nước hoặc xác định học lên tiếp.
2. Chương trình thạc sỹ học lại nhiều môn cơ bản về toán + lập trình, bù đắp cho các phần thiếu hụt của sinh viên kinh tế. Sẽ có ích sau này. Cons:
1. Thời gian đầu tư dài. (1,5-2 năm)
2. Kỹ thuật học nặng về lý thuyết nhưng dàn trải. Sinh viên học xong vẫn phải bơi thêm mới đáp ứng được công việc thực tế.
3. Đầu ra không có định hướng về business, domain hoặc vị trí công việc cụ thể.
Người đã có công việc ổn định và có nhu cầu chuyển ngành
Đối với người làm sales, finance, mkt,... => nếu công việc đang dùng đến data nhiều rồi, có thể cân nhắc học thêm theo hướng áp dụng và phát triển công việc hiện tại, không nhất thuyết phải nhảy hẳn sang job mới để kiếm cái title có chữ D.
Có thể cân nhắc các vị trí admin, chỉ đi tổng hợp số liệu 1 phòng ban kinh doanh nào đó. Ở một số doanh nghiệp lớn, mô hình kinh doanh không đổi nhiều thì DA, DE, DBA làm sau 1-2 năm kinh nghiệm rồi thì khá nhàn (và cũng chán).
Còn nếu muốn chuyển hẳn sang ngành này với mức thu nhập tốt thì nên xác định đầu tư thời gian.
2. Đầu ra của ngành và hướng phát triển
Mức lương
Còn tùy kinh nghiệm và ngành nghề:
Intern - Fresher khoảng 10 đổ lại.
Junior - 1x.
Associate trở lên thì phụ thuộc nhiều yếu tố.
Range trên là tính mặt bằng chung ở HN chỉ mang tính chất tham khảo, HCM cao hơn khoảng 20-30% (estimated).
Các trường hợp ngoại lệ thì không tính. Mảng này đang thiếu nhân sự làm được việc nên nếu tự tin, được refer vị trí phù hợp hoặc phỏng vấn tốt thì thu nhập cũng vô cùng lắm.
Hướng phát triển sự nghiệp
Giờ thị trường đang trending nên loạn lạc. Nhu cầu nhân lực vẫn nhiều, nhưng người làm được không có mấy. Nhiều big corp tuyển về mà không tận dụng hết. Khi mảng dữ liệu trưởng thành hơn sẽ phân tách bộ phận và vai trò rõ ràng hơn, doanh nghiệp và ứng viên có kỳ vọng đúng đắn hơn về ngành.
Tương lai thì các kỹ năng về Data, Analytics sẽ blend vào các vị trí công việc hiện tại của các ngành nghề. Như kiểu tin học văn phòng, tiếng anh bây giờ. Có kỹ năng nhưng không nhất thiết phải title có chữ Data. Dù sao DA là vị trí trung gian nên bước đi tiếp theo cũng có nhiều lựa chọn hơn thuần tech hoặc thuần biz.
Phát triển từ DA
DA có thể đi lên tiếp theo hướng đi sâu một domain hoặc tech stack nào để thành expert, hướng sang các vị trí Analytics Manager, Data Project Manager, dài hạn có thể là CDO. Ngoài ra DA có thể chuyển sang các vị trí khác vì có tư duy tốt phân tích, hiểu nghiệp vụ, có kỹ năng tech sẽ có rất nhiều lợi thế.
DA cũng có thể rẽ sang DE, tuy nhiên con đường là khá hẹp và không hẳn là phù hợp với tất cả mọi người vì yêu cầu rất nặng về tech, tư duy phát triển hệ thống, dev. Một DE xịn, hiểu business sẽ giúp ích rất nhiều ở chỗ đưa cho doanh nghiệp những data mà họ cần.
3. Toolset - Learning path
Start cho người mới
Start đơn giản nhất thì bạn nên bắt đầu với:
Excel, google sheet phải có là tất nhiên rồi.
SQL, học để truy vấn dữ liệu. Nắm logic cơ bản, tự tin xử lý mấy case join nhiều điều kiện, truy vấn con phức tạp là okie.
Một công cụ BI (Power BI, Tableau, Qlik...). Dùng visualize dữ liệu. Recommend là Power BI vì học nhanh, đang phổ biến mạnh và kết hợp với excel tiện.
Một ngôn ngữ lập trình. Python nếu không có ưu tiên gì đặc biệt. R cũng ok.
Về phỏng vấn:
Kiếm dataset về làm một số báo cáo, phân tích mẫu để đưa vào hồ sơ sẽ cho nhà tuyển dụng cân nhắc hơn.
Còn nhiều thứ khác phải học nhưng kiếm job nào phù hợp apply đã mới có chỗ mà thực hành. Đã đi làm 5 năm thì nên tìm job nào trong cùng domain của mình apply sẽ dễ thở hơn.
Toolset
SQL hay rộng hơn là database fundamental quan trọng. Tuy nhiên các bạn học SQL nhưng không có điều kiện ứng dụng trong công việc sẽ khó thành thạo và ngấm được hết để chuyển đổi tư duy sang các công cụ khác.
Ngoài ra, cả hệ sinh thái Power BI nói chung rất rộng, muốn thành thạo nó SQL là quan trọng, nhưng không hẳn là bắt buộc. Và cũng không nên để các bạn hiểu kiểu Power BI là subset của SQL, học SQL xong sẽ có thể thành thạo Power BI ở mức tương đương.
Học SQL tốt cũng có ích trong việc thiết kế CSDL, vẽ ERD.
Hiện tại bên cạnh Power BI, còn có các công cụ BI được sử dụng khá nhiều khác như Tableau, Qlik,... Tuy nhiên mình vẫn +1 cho Power BI vì nó đa dụng, dễ làm quen và mình hay làm việc với hệ sinh thái Microsoft.
Thậm chí, Power BI nó dễ dùng quá dẫn đến cái false sense là t thành master sau 1 tuần.
Mấy thanh niên học tủ thi xong cái DA-100 ra chém gió đi dạy quá trời. Trong khi có team doanh nghiệp làm việc với Power BI cả mấy năm rồi, mời mình về dạy Advanced Dax and Data Modeling phải tẩy não lại từ đầu do cái tư tưởng dùng Power BI thay cho vẽ chart trên Excel.
Julia, R hay Python cũng okie. Có điều Julia chưa phổ biến bằng 2 thằng kia, sau này nếu cần thì học thêm 1 ngôn ngữ khác cũng không vấn đề gì. Python thì đa dụng.
Learning path
Sách
Python for Data Analytics - Wiley
HBR Guide to Data Analytics Basics for Managers - HBR
Modern Database Management System - Pearson
How to lie with statistic
Còn mấy quyển sách giáo khoa kiểu Storytelling with data... thì thôi khỏi nhắc.
Học online
Mình thấy Datacamp khá okie. Nếu chưa muốn đầu tư lắm thì học các open course trên coursera, edx, mooc mấy trường lớn cũng nhiều khóa ngon. Quan trọng là có học hay không thôi.
Về Power BI
Nếu bạn có khả năng tự học tốt, muốn tự bơi thì có thể tham khảo learning path của MS, cũng đầy đủ và cấu trúc tốt: https://docs.microsoft.com/en-us/learn/certifications/exams/da-100
Yếu tố nữa cần cân nhắc với các bạn là môi trường làm việc và các bạn ứng dụng như thế nào? Các khóa học sẽ mang lại kiến thức foundation, định hướng cách học tập và hỗ trợ các bạn trong giai đoạn đầu. Nếu học xong các bạn không làm thường xuyên thì lấy gì cạnh tranh với những người cũng học đầy đủ và làm việc đó hàng ngày?
Vì vậy, mình luôn khuyên các bạn nên tích cực đi thực tập, làm sớm để quen với công việc và ứng dụng những gì mình đã học.
Nếu bạn muốn học trực tiếp với giảng viên hướng dẫn, thúc đẩy trong quá trình học thì có thể tham khảo và ủng hộ khóa học ở chỗ mình. Bên mình là Learning Partner của Microsoft, khóa học tổ chức theo tiêu chuẩn của hãng: https://home.datapot.vn/product/powerbi-and-analytical-thinking/
Học có giảng viên hướng dẫn thì sẽ có người hệ thống kiến thức, nhấn mạnh và giải thích kỹ hơn về các concept quan trọng, hướng dẫn các tips, tricks kinh nghiệm trong quá trình học và ứng dụng vào công việc nữa. 4. Phân biệt DA vs BI
Quan điểm của mình, với entry level thì skillset và công việc của DA, BI khá tương đồng. Thực tế công việc trong doanh nghiệp cũng không có khác biệt đáng kể.
Thật ra đều là làm việc với dữ liệu và sản phẩm cũng tương tự như nhau nên phân biệt vị trí này là ko cần thiết, cũng như phân biệt DA và DS, thật ra cũng tuỳ định nghĩa từng nơi, ví dụ mấy chú DS tại một số DN làm khác gì DA đâu.
Cách phân biệt gần đúng nhất BI và DA là phân biệt theo "field of application" . Business Intelligence thì sẽ tập trung vào xây dựng hệ thống lưu trữ dữ liệu, hệ thống báo cáo, phân tích, dự báo cho doanh nghiệp, hỗ trợ việc ra quyết định kinh doanh
Data Analytics thì thường tập trung hơn vào hệ thống báo cáo, phân tích, dự báo, và có thể thuộc rất nhiều lĩnh vực chứ ko chỉ Business. Ví dụ như Y tế, chính trị, môi trường.
Có thể hiểu Business Intelligence = Data Analytics (business-oriented) + BI System (DWH+BI tools)
Đừng đọc mấy tài liệu các bạn Marketing chém lung tung lại loạn.
5. Cách tiếp cận một hệ thống CSDL mới
Khi tiếp cận hệ thống mới mình thường chia theo subject area, xem mảng nghiệp vụ nào quan trọng thì tìm hiểu trước. Vẽ lại mô hình kinh doanh để hiểu ý nghĩa chỉ số, dữ liệu trước khi đào vào db. Bên bạn có DWH nếu kiến trúc tốt thì cũng dễ thở.
Sếp dí mà nhiều số không biết tìm ở đâu thì liệt kê ra hỏi lại sếp hoặc đồng nghiệp. Làm 1 cái danh sách để hỏi 1 thể.
Dữ liệu chưa có công thức cụ thể, không biết đúng sai như thế nào thì bác tách rõ vai trò ra, ví dụ:
Định nghĩa công thức, logic tính toán.
Xác định nguồn dữ liệu trong db.
Tính toán chỉ số đưa ra báo cáo, thực hiện các phân tích khác.
1 cần có tài liệu hoặc người hiểu về nghiệp vụ, 2 cần tài liệu hoặc người hiểu về db. Nếu 1 và 2 đều không có thì mình tự định nghĩa, tự mò cũng được nhưng làm xong sẽ viết lại rõ ràng và xác nhận với các bên liên quan. Sau khi đó mới thực hiện tính toán.
Quá trình này có thể lặp lại nhiều lần mới ra kết quả đúng. Tách rõ ra bác sẽ biết và giải trình được vấn đề ở đâu; sau này có ai kế thừa cũng đỡ khổ.
Các dữ liệu quen tay rồi cũng nên double check cẩn thận trước khi đẩy ra ngoài. (Filter xem thử các dòng ntn, so chéo với nguồn dữ liệu khác...)
Còn tuỳ thím pv thế nào. Nghiệp vụ + tool đều tốt thì được offer tốt thôi. Khuyên thím apply vào mấy khối tài chính kế hoạch các thứ, giờ mấy khối đấy nhiều vị trí cũng phải dùng tool nhiều
Chia sẻ tí xem có bác nào trong đây cần tuyển không. Hoặc tip cho mình hướng phát triển với ạ.
Mình đang làm phân tích chứng khoán 3 năm kinh nghiệm. Lương thưởng tất tật chia bình quân net 2k. Không cao không thấp.
Nhưng phòng phân tích chứng khoán low tech quá các bác. Sớm muộn cũng bị đào thải.Toàn excel, mỗi analyst có 1 file riêng. Format mỗi người một kiểu. Khách reqest data thì sếp huy động dàn analyst copy từ excel bằng cơm.
Xin sếp cho làm data analyst để tiết kiệm thời gian chi phí thì sếp bảo mày tập trung công việc chính đi. Thuê DA cũng méo chịu thuê.
Mình từng có bài đăng báo khoa học quốc tế. Nghĩa là mình hiểu cấu trúc dữ liệu, hồi quy các thứ. Nhưng mình làm mấy công cụ lỗi thòi như stata excel nên giờ phải học lại công cụ sql python từ đầu. Mình mạnh hơn DA ở chỗ domain knowledge ngành tài chính, kinh tế mạnh do làm phân tích chứng khoán.
Giờ muốn nhảy nhưng chẳng biết đi đâu. Làm DA từ đầu thì lương thưởng kém hẳn việc hiện tại rồi. Làm quant tài chính thì ngta toàn tuyển background toán, vào dạy lại tài chính. Mình thì là đối tượng ngược lại
Chia sẻ tí xem có bác nào trong đây cần tuyển không. Hoặc tip cho mình hướng phát triển với ạ.
Mình đang làm phân tích chứng khoán 3 năm kinh nghiệm. Lương thưởng tất tật chia bình quân net 2k. Không cao không thấp.
Nhưng phòng phân tích chứng khoán low tech quá các bác. Sớm muộn cũng bị đào thải.Toàn excel, mỗi analyst có 1 file riêng. Format mỗi người một kiểu. Khách reqest data thì sếp huy động dàn analyst copy từ excel bằng cơm.
Xin sếp cho làm data analyst để tiết kiệm thời gian chi phí thì sếp bảo mày tập trung công việc chính đi. Thuê DA cũng méo chịu thuê.
Mình từng có bài đăng báo khoa học quốc tế. Nghĩa là mình hiểu cấu trúc dữ liệu, hồi quy các thứ. Nhưng mình làm mấy công cụ lỗi thòi như stata excel nên giờ phải học lại công cụ sql python từ đầu. Mình mạnh hơn DA ở chỗ domain knowledge ngành tài chính, kinh tế mạnh do làm phân tích chứng khoán.
Giờ muốn nhảy nhưng chẳng biết đi đâu. Làm DA từ đầu thì lương thưởng kém hẳn việc hiện tại rồi. Làm quant tài chính thì ngta toàn tuyển background toán, vào dạy lại tài chính. Mình thì là đối tượng ngược lại
Worldquant university có chương trình Master Quant Finance hoặc thím học thêm 1 bằng master financial engineering nữa rồi apply quant reascher. Nhưng mà master financial engineering cũng toàn yêu cầu bằng toán thì phải.
Mà đang làm equity analyst kết hợp tự đầu tư thì cũng ổn mà thím nhỉ .
Em cũng đang muốn len chân vào phân tích chứng khoán mà tuyển fresher khoai quá
Thím có nhận đệ không ạ huhu
Uhm pbi kiểu advance excel report thôi. Nhưng càng làm mình càng thấy nó ko hiệu quả vì performance và nó quá nhiều metrics ko.cần thiết. User họ chỉ thích nhìn số họ tính tay sang tính tự động thôi chứ insight phân tích thì họ nhiều khi cũng chưa quan tâm hay ko open minded để quan tâm. Mình cũng làm pbi data modelling,thiết kế layout dashboard với làm ít dax thôi. Chứ dax khó cũng google thôi fen.
Tôi 3x, giữa năm 2021 bắt đầu học data giờ lương 2k/tháng chưa bonus rồi bác =]] mà tôi học nhiều lắm chắc cũng phải ngốn 2k tiền học rồi =]] mà chắc sẽ còn tốn nữa vì muốn đi xa hơn nữa. Mục tiêu 3 năm nữa lương lên 4k chưa bonus. Được cái tiếng anh tôi tốt nên chỉ làm cho các cty dùng tiếng anh tôi mới làm thôi, tiếng việt nhiều quá ko thích làm, thêm cái đầu óc học nhanh, build portfolio chuẩn chỉnh. Và chỉ học chổ tốt nhất trên thị trường và udacity thôi vì tôi đi làm xưa dư nhã nên ko ngại đầu tư việc học để làm data. Học master thì ko cần thiết lắm vì 80% material đã có ở online rồi. Quan trọng vận dụng và network tốt thôi.
Haha bác cứ tin đi xl với bác đc mie gì đâu. Trước đó tôi làm 9 năm kỉ sư cho cty đa quốc gia, ko code. H code cho cty đa quốc gia tiếp thôi về Data. Tôi làm việc chỉ nói tiếng anh, éo có nói tiếng việt. Viết document cũng thế. Nên khi tôi chọn job tôi bảo thẳng, job nào dùng nhiều tiếng anh tôi mới làm. Có tiếng anh lương cao hơn job có tiếng việt rồi fen
Ngành này trong giai đoạn vừa rồi có tốc độ tăng lương nhanh hơn mặt bằng chung. Có giai đoạn phải tính là cấp số mũ.
Điểm nữa là nếu đang làm việc okie thì sẽ ít khi bị đụng chạm nhiều. Trong giai đoạn cắt giảm này, mảng BI khá an toàn. Một số doanh nghiệp còn đầu tư thêm vì muốn tối ưu hiệu quả và cắt giảm chi phí phần số liệu và báo cáo.
Nay mới thấy bài này, dạo này muốn trái ngành tí không biết có trung tâm nào dạy uy tín về mảng này không nhỉ, mình cần chất lượng không cần dạy gấp rút
)
