Nghề Data Analyst: đọc số để ra quyết định

Mỗi ngày, các thương hiệu của Equarus tạo ra hàng nghìn dòng dữ liệu: đơn hàng, lượt xem, chi phí quảng cáo, tồn kho. Người biến đống số liệu thô đó thành câu trả lời rõ ràng cho người ra quyết định là data analyst (chuyên viên phân tích dữ liệu). Bài viết giải thích nghề này làm gì mỗi ngày, dùng công cụ nào, và cần kỹ năng gì — bằng ngôn ngữ dễ hiểu cho cả người mới.

Data Analyst làm gì trong một công ty ecommerce?

Trong ecommerce (thương mại điện tử) xuyên biên giới, mỗi hành động đều để lại dấu vết bằng số. Khách bấm vào quảng cáo: một dòng dữ liệu. Khách mua hàng: một dòng nữa. Khách trả hàng, viết đánh giá, bỏ giỏ hàng giữa chừng — tất cả đều được ghi lại.

Việc của data analyst là biến đống dấu vết đó thành câu trả lời. Không phải vẽ biểu đồ cho đẹp. Mà trả lời những câu hỏi giúp công ty hành động: Sản phẩm nào đang lãi thật, sản phẩm nào chỉ ra nhiều đơn nhưng lỗ? Vì sao doanh số một thương hiệu tụt trong tuần qua? Nên tăng ngân sách quảng cáo cho mẫu nào?

Nói ngắn gọn: analyst đứng giữa dữ liệu và quyết định. Đầu vào là số liệu lộn xộn từ nhiều nguồn. Đầu ra là một kết luận đủ rõ để ai đó ngừng đoán và bắt đầu làm.

Một ngày làm việc: từ dữ liệu thô đến quyết định

Công việc xoay quanh ba bước: thu thập và làm sạch, phân tích tìm insight, rồi trình bày lại cho người khác dùng được.

Thu thập và làm sạch dữ liệu

Dữ liệu ở công ty ecommerce nằm rải rác. Amazon một kiểu, TikTok Shop một kiểu, Walmart và Shopify mỗi sàn một định dạng. Cộng thêm dữ liệu quảng cáo và hệ thống nội bộ. Mỗi nguồn có tên cột khác nhau, đơn vị tiền khác nhau, múi giờ khác nhau.

Trước khi phân tích được, bạn phải làm sạch dữ liệu (data cleaning — dọn dữ liệu): gộp các nguồn về một mối, bỏ dòng trùng, xử lý ô thiếu, quy đổi tiền tệ và ngày giờ về cùng chuẩn. Bước này ít hào nhoáng nhưng chiếm phần lớn thời gian. Có một câu trong nghề: "rác vào thì rác ra". Phân tích trên dữ liệu bẩn cho ra kết luận sai, và kết luận sai còn nguy hiểm hơn không có kết luận.

Phân tích và tìm insight

Khi dữ liệu đã sạch, bạn bắt đầu từ một câu hỏi kinh doanh, không phải từ con số. Ví dụ: "Vì sao biên lợi nhuận của dòng sản phẩm A giảm tháng trước?"

Bạn cắt dữ liệu theo nhiều lát: theo sản phẩm, theo kênh, theo thời gian. Bạn so sánh, tìm điểm bất thường, lần theo nguyên nhân. Có thể chi phí quảng cáo tăng. Có thể sàn đổi mức phí. Có thể bạn giảm giá quá tay. Insight (sự thật rút ra từ dữ liệu) là phát hiện làm thay đổi một quyết định — khác với một con số chỉ để nhìn cho biết.

Dựng báo cáo và dashboard

Phát hiện chỉ có giá trị khi người khác dùng được. Vì thế bạn trình bày lại: một báo cáo gọn, hoặc một dashboard (bảng điều khiển tổng hợp số liệu, tự cập nhật) để cả đội nhìn sức khỏe kinh doanh trong vài giây.

Một dashboard tốt không phải cái nhồi nhiều biểu đồ nhất. Là cái trả lời đúng câu hỏi người xem đang có, và chỉ ra ngay chỗ cần chú ý.

Công cụ của nghề

Bạn không cần biết hết mọi thứ từ ngày đầu. Nhưng đây là bộ công cụ nền:

• Spreadsheet (bảng tính — Excel, Google Sheets): công cụ hằng ngày. Thạo hàm và PivotTable (bảng tổng hợp xoay) là đã làm được rất nhiều.
• SQL (Structured Query Language — ngôn ngữ truy vấn cơ sở dữ liệu): dùng để lấy đúng dữ liệu cần từ một kho dữ liệu lớn. Chỉ cần SQL cơ bản là đủ để bắt đầu.
• BI tools (Business Intelligence — công cụ trực quan hóa dữ liệu kinh doanh, ví dụ Power BI, Looker, Metabase): dùng để dựng dashboard tự cập nhật, thay cho việc làm báo cáo tay mỗi tuần.

Thứ tự học hợp lý: spreadsheet cho vững, rồi SQL, rồi BI. Nền tảng quan trọng hơn công cụ. Người đọc số giỏi bằng Excel vẫn hơn người biết công cụ xịn mà không hiểu mình đang tìm gì.

Dashboard đẹp không phải mục tiêu. Mục tiêu là một quyết định tốt hơn nhờ nhìn vào con số.

Kỹ năng cần có

• Tư duy logic. Bạn phải lần được từ một con số bất thường đến nguyên nhân gốc, thay vì dừng ở bề mặt.
• Tỉ mỉ với dữ liệu. Một sai sót nhỏ khi làm sạch có thể làm lệch cả kết luận. Cẩn thận là bắt buộc.
• Đặt đúng câu hỏi. Phân tích bắt đầu từ một câu hỏi kinh doanh tốt, không từ việc nghịch số cho vui.
• Kể chuyện bằng số. Data storytelling (kể chuyện bằng dữ liệu) là khả năng trình bày phát hiện sao cho người không rành số vẫn hiểu và hành động được.
• Tiếng Anh đủ đọc. Công cụ, tài liệu và dữ liệu thị trường phần lớn bằng tiếng Anh.

Nếu bạn muốn hiểu nền tảng chỉ số trước khi vào nghề, đọc Các chỉ số cốt lõi: ACOS, ROAS, CVR, AOV.

Bài này hợp với ai?

Nghề data analyst hợp với bạn nếu:

• Bạn thấy vui khi lần ra nguyên nhân đằng sau một con số lạ.
• Bạn thích sự rõ ràng và ghét phỏng đoán mơ hồ.
• Bạn muốn công việc của mình ảnh hưởng đến quyết định thật, không chỉ dừng ở báo cáo.

Có thể chưa hợp nếu bạn ngại làm việc với bảng số mỗi ngày, hoặc thích một công việc ít đòi hỏi sự chính xác.

Lộ trình phát triển theo impact

Data analyst là một vai trò thuộc Builder Track — lộ trình cho các vị trí ngoài R&D. Nguyên tắc đơn giản: phạm vi công việc và sự ghi nhận mở rộng theo impact (giá trị thực bạn tạo ra), không theo thâm niên hay chức danh.

Đây là nghề có đòn bẩy lớn. Một phân tích đúng có thể chỉ ra rằng cả một dòng sản phẩm đang lỗ ngầm, hoặc một kênh đang bị bỏ phí. Người làm rõ được điều đó bằng số sẽ sớm được giao những câu hỏi lớn hơn và ảnh hưởng rộng hơn.

Đọc số là ngôn ngữ chung ở Equarus. Data-driven — ra quyết định bằng logic và dữ liệu thay vì cảm tính — là một trong bốn giá trị cốt lõi. Bạn có thể xem cách nó vận hành hằng ngày ở bài Cách Equarus ra quyết định bằng data và trang giá trị cốt lõi.

Kỹ năng phân tích cũng là nền của nhiều nghề khác. Nó đỡ trực tiếp cho nghề performance marketer và nghề Finance/Kế toán trong ecommerce. Nếu bạn thích ra quyết định bằng data và muốn cùng xây, xem lộ trình sự nghiệp và các vị trí đang tuyển.