Phuong Thao Analytics

Phuong Thao Analytics Contact information, map and directions, contact form, opening hours, services, ratings, photos, videos and announcements from Phuong Thao Analytics, Education Website, Saigon Paragon Building/3 Nguyễn Lương Bằng, Tân Phú, Quận 7, Ho Chi Minh City.
(1)

Dẫn đầu mảng đào tạo & tư vấn phân tích dữ liệu kinh doanh tại VN với hơn +100 HV/ khóa, mở 70+ khóa Analytics Public (BI, AAA, FA & MAA), +250 KH doanh nghiệp lớn.

21/09/2026

Một dự án Agentic AI Analytics của mình từng có mức token quy đổi theo giá API lên tới khoảng 200 triệu đồng. Nhưng bài toán không phải là “AI tốn bao nhiêu”, mà là thiết kế thế nào để mỗi đồng chi ra tạo được giá trị. Skills, caching, batch, model routing và giới hạn vòng lặp là 5 cách mình đang tối ưu.
Comment BI nếu bạn muốn tìm hiểu cách triển khai Agentic AI Analytics thực tế.

🚨 CÙNG GIẢM 10% DOANH THU. CÔNG TY A VẪN CÓ LÃI. CÔNG TY B LỖ NẶNG.Thị trường tác động như nhau. Kết quả lại hoàn toàn k...
21/09/2026

🚨 CÙNG GIẢM 10% DOANH THU. CÔNG TY A VẪN CÓ LÃI. CÔNG TY B LỖ NẶNG.

Thị trường tác động như nhau. Kết quả lại hoàn toàn khác nhau. Vì sao?
Khi thị trường chững lại, câu hỏi ám ảnh nhất trong phòng họp không phải "doanh thu giảm bao nhiêu %", mà là:
→ "Lợi nhuận sẽ giảm bao nhiêu nếu doanh thu giảm tiếp 10-20%?"
→ "Công ty mình chịu được cú sốc này đến đâu?"
Đội Tài chính thường chỉ trả lời được sau khi số liệu đã xảy ra: "Quý này lợi nhuận giảm 35%." Không ai tính trước được rằng chỉ cần doanh thu giảm 10%, lợi nhuận có thể giảm gấp 3-4 lần như vậy - cho đến khi nó đã xảy ra thật.

🧮 ĐÒN BẨY HOẠT ĐỘNG
Mức độ "khuếch đại" biến động lợi nhuận khi doanh thu thay đổi phụ thuộc vào cơ cấu chi phí:
- Chi phí cố định - mặt bằng, máy móc, lương cứng... không đổi dù bán được nhiều hay ít
- Chi phí biến đổi - nguyên vật liệu, hoa hồng, chi phí theo sản lượng... tăng giảm theo doanh thu
Từ đó, Độ đòn bẩy hoạt động sẽ được tính như sau:
DOL = %Thay đổi Lợi nhuận hoạt động/%Thay đổi Doanh thu
Công ty tỷ trọng chi phí cố định càng cao → DOL càng lớn → lợi nhuận biến động càng mạnh (cả hai chiều).

Ví dụ minh họa cho câu hỏi ở đầu bài - cùng doanh thu giảm 10%:
Công ty A đầu tư nhiều máy móc, mặt bằng, nhân sự cố định - DOL = 4
→ Lợi nhuận giảm ~40% - một cú giảm nhẹ ở doanh thu thổi bay gần hết lợi nhuận
Công ty B thuê ngoài, chi phí chủ yếu theo sản lượng - DOL = 1,5
→ Lợi nhuận giảm ~15% - vẫn đau, nhưng không đến mức khủng hoảng
Cùng một cú sốc thị trường, nhưng cơ cấu chi phí khác nhau khiến "sức chịu đòn" khác nhau hoàn toàn. Và điều quan trọng nhất: con số DOL này tính được TRƯỚC khi thị trường xấu đi thật - không phải đợi báo cáo quý sau mới biết.

Đó cũng là điều được dạy ở chương trình Finance Analytics Agent Skills tại MDA. Đòn bẩy hoạt động chỉ là 1 mảnh ghép trong bộ kỹ thuật Sensitivity & What-if Analysis mà chương trình xây dựng theo triết lý "Foundation before Technique" - hiểu cơ chế tài chính trước khi làm dashboard.
Trong 10 buổi học, bạn sẽ có:
1️⃣ Framework phân tích tài chính bài bản, không rời rạc
2️⃣ Ứng dụng AI (Claude in Excel) tăng tốc mô hình hóa tài chính
3️⃣ Kỹ thuật, cơ chế tài chính cốt lõi - bao gồm cơ cấu chi phí & đòn bẩy hoạt động
4️⃣ Trực quan hóa Balance Sheet, P&L, Cash Flow trên cùng 1 dashboard điều hành
5️⃣ Phân tích nâng cao - lượng hóa "sức chịu đựng" trước khi khủng hoảng xảy ra thật
6️⃣ Data Storytelling - trình bày insight thuyết phục cho lãnh đạo
7️⃣ Capstone: xây hệ thống Finance Analytics vận hành thực tế
Giảng viên đang trực tiếp làm Analytics tại doanh nghiệp lớn, cùng đội ngũ MDA - đơn vị đã đào tạo thành công 3 khóa Finance Analytics (F1-F3) với phản hồi rất tích cực, trong đó có cả Giám đốc Tài chính - Kế toán THACO AGRI.

Đừng đợi thị trường xấu đi mới biết công ty mình chịu được bao lâu.
👉 Khóa Finance Analytics Agent Skills - F4 dự kiến khai giảng 14/10/2026 (Thứ 2 & Thứ 4, 18h30–21h00, Online qua Lark) - ưu đãi đến 15% cho học viên cũ/đăng ký nhóm.
_------------
Liên hệ MDA:
📞 0961 48 66 48 (Za.lo)
📧 [email protected]

Muốn biết thị trường tài chính đang trả giá cho năng lực nào, đừng đi hỏi ý kiến ai. Mở 50 tin tuyển dụng FP&A (khối lập...
21/09/2026

Muốn biết thị trường tài chính đang trả giá cho năng lực nào, đừng đi hỏi ý kiến ai. Mở 50 tin tuyển dụng FP&A (khối lập kế hoạch và phân tích tài chính) ra, đọc như một bộ dữ liệu.

Nhưng khoan đếm. Trước hết phải trả lời được: bộ dữ liệu này đo CÁI GÌ? Sai câu đó là bạn rút ra kết luận mà 50 tin gánh không nổi.

▸ ▸ ▸

50 TIN KHÔNG NÓI ĐƯỢC THỊ TRƯỜNG CẦN GÌ

Mẫu này vừa nhỏ vừa lệch: chỉ có công ty đang tuyển, chỉ có vai trò được ai đó chịu khó viết ra, phần lớn nội dung chép từ tin cũ hoặc tin công ty khác.

Nhưng nó đo rất chính xác một thứ khác, đủ để hành động: NGÔN NGỮ thị trường đang dùng để gọi tên năng lực. Nghe nhỏ vậy thôi, chứ nó quyết định tiền.

▸ ▸ ▸

BỐN BƯỚC TRONG MỘT BUỔI TỐI

Gom tin. 50 tin đúng vai bạn nhắm, đăng trong 3 tháng gần nhất. Mỗi tin ghi: ngày đăng, tên vai, quy mô công ty, dải lương nếu có.

Nhóm từ khóa. Đừng tự chế nhóm nhé. Nghề tài chính có sẵn khung 9 vai Finance Business Partner (dân tài chính đồng hành cùng phòng kinh doanh): Performance Analyst, Decision Support, Risk Guardian... Lấy khung đó làm rổ mà bỏ từ khóa vào, khỏi tự cãi nhau chuyện xếp vào đâu, lại so được với chuẩn nghề.

Đếm tần suất từng nhóm, rồi soi chéo kỹ năng với dải lương.

Đọc kết quả đúng mức nó chịu được. 50 là mẫu nhỏ, nguồn lại lệch, nên đừng phát biểu kiểu "thị trường FP&A năm nay yêu cầu X". Và soi chéo 5 nhóm kỹ năng với vài dải lương là chạy mấy chục phép so sánh cùng lúc, mà chạy đủ nhiều thì kiểu gì cũng lòi ra một tương quan đẹp. Cái đẹp đó có khi chỉ là nhiễu. Một bài dạy phân tích mà không cảnh báo chính nó thì tự phản bội: kết quả này đủ định hướng việc học của MỘT người, chưa đủ để phán về thị trường.

▸ ▸ ▸

CÁI BẠN VỪA ĐO ĐƯỢC, VÀ VÌ SAO NÓ RA TIỀN

Một năng lực chỉ bắt đầu được TRẢ GIÁ khi nó có TÊN.

Trước khi có tên, bạn vẫn làm đúng việc đó mỗi ngày, vẫn tạo giá trị. Chỉ là người viết tin không gõ nó vào ô yêu cầu được, nhân sự không xếp nó vào khung lương nào. Có tên rồi, cùng việc ấy bỗng nhiên đàm phán được.

Ví dụ ngay trong giáo trình bên mình: Khung 9 vai kia có từ lâu, bản 2026 thêm hai vai mới.

→ Analytics Translator: Người phiên dịch hai chiều giữa bài toán kinh doanh và giải pháp phân tích, tìm đúng câu hỏi sếp đang hỏi rồi biến kết quả thành hành động.

→ AI Orchestrator: Người thiết kế và giám sát quy trình con người cộng AI, chọn việc nào giao AI, đặt hàng rào an toàn, ký duyệt trước khi phát hành.

Bạn để ý không? Hai việc này chẳng hề mới, nhiều anh chị làm tài chính đã làm vậy nhiều năm, chỉ là chưa có tên. Cái mới là chúng vừa được đặt tên, mà có tên là bắt đầu định giá được. Hai vai đó vẫn phải đứng trên chuyên môn tài chính vững, AI không thay phán đoán.

▸ ▸ ▸

ĐẾM TREND, ĐỪNG ĐẾM TẦN SUẤT

Từ khóa nhiều nhất chỉ kể chuyện quá khứ: tới lúc bạn đếm được thì thị trường đã học xong, chẳng còn chênh lệch cho bạn.

Thứ đáng đếm là từ khóa VỪA MỚI NHÔ LÊN, cái mà sáu tháng trước chưa thấy. Đó là dấu hiệu một năng lực vừa được đặt tên, và số người có nó còn ít. Cách làm: Lưu bộ 50 tin hôm nay, sáu tháng sau gom 50 tin nữa rồi so hai bảng.

Vài thứ đáng kiểm, nói rõ đây là GIẢ THUYẾT chứ mình chưa đo:

• Cụm "phân tích rồi trình bày cho ban lãnh đạo" có hay đi cùng dải lương cao không?
• Công cụ BI đã thành mặc định như Excel ở phần yêu cầu chưa?
• Từ khóa AI đã dịch từ mục điểm cộng sang mục bắt buộc chưa? Ý này mình để ý vì Gartner dự báo 44% đội tài chính dùng AI dạng agent trong 2026, nhưng đó là số ngành, không phải số bạn tự đếm.

Phản biện mình hay nghe: "JD (tin tuyển dụng) toàn chép của nhau, nhân sự viết cho có, đếm thì ra được gì?"

Đúng. Mà đó chính là lý do cách làm này chạy được: vì các tin chép qua chép lại, bộ 50 tin thành bản ghi trung thực về NGÔN NGỮ CHUNG của ngành hơn là nhu cầu riêng từng nơi. Bạn đo ngành đã quen gọi tên cái gì, và cái tên đó là thứ hồ sơ của bạn phải khớp mới đi tiếp.

▸ ▸ ▸

TỪ KẾT QUẢ RA HÀNH ĐỘNG

Nhiều người sẽ kết luận: Tìm ra chỗ trống thì đi học cái đang thiếu. Mình nghĩ khác.

Bạn chọn MỘT tên gọi đang lên trong bảng của mình, rồi đi giành lấy phần việc mang tên đó ngay chỗ đang làm: xin nhận, đề nghị làm thử một vòng, hoặc tự dựng rồi mang đi trình. Học vẫn cần, nhưng học để làm được việc đó, không phải để thêm dòng hồ sơ. Bằng chứng chỉ sinh ra từ thứ bạn đã thật sự làm.

Ranh giới cuối: Tin tuyển dụng là nhu cầu ĐƯỢC PHÁT BIỂU, lương trong tin lệch xa lương thật được, đối chiếu lại khi phỏng vấn nhé.

Điều mình tiếc nhất cho dân làm số: Quyết định thiếu dữ liệu nhất đời họ lại thường là quyết định về đường đi của chính họ.

50 tin, một buổi tối, và bạn có bản đồ riêng thay vì đi hỏi ý kiến.

Mấy khung vai trò này bên mình có dạy trong chương trình Finance Analytics Agent Skills, link mình để ở comment cho ai muốn đi sâu.

Còn bạn, mở 50 tin ra tối nay, bạn đoán từ khóa nào nhô lên?

21/09/2026

Nghe hơi ngược đời nhưng muốn agent làm tốt hơn, nhiều khi việc cần làm ko phải cài thêm skill. Mà là xóa bớt 😮

Tui từng nghĩ automate được càng nhiều thì càng đỡ mệt. Sai bét. 😅Hồi đầu build hệ thống agentic, tui cố nhét mọi thứ vô...
21/09/2026

Tui từng nghĩ automate được càng nhiều thì càng đỡ mệt. Sai bét. 😅

Hồi đầu build hệ thống agentic, tui cố nhét mọi thứ vô pipeline (luồng xử lý tự động). Data về → agent làm sạch → agent viết query → agent sinh insight → agent đẩy báo cáo. Đẹp như mơ.

Chạy được vài tuần thì tui nhận ra: mình không còn làm phân tích nữa. Mình đang làm bảo trì cho một đám máy móc. 🫠

Vấn đề ko nằm ở chỗ AI dở. Vấn đề nằm ở chỗ tui giao sai việc.

▸ Cái AI giỏi: tốc độ, khối lượng, việc lặp đi lặp lại, việc có quy tắc rõ ràng
▸ Cái con người giỏi: phán đoán trong ngữ cảnh mù mờ, hiểu vì sao business làm vậy, và... chịu trách nhiệm khi sai

Automate mọi thứ = xoá mất cái ranh giới đó. Mà khi ranh giới bị xoá, cái giá phải trả ko hiện ra ngay đâu. Nó hiện ra 3 tháng sau, lúc sếp hỏi "số này em lấy ở đâu ra vậy?". 💀

📌 Ví dụ kinh điển: Semantic Hallucination (ảo giác ngữ nghĩa)

Agent viết ra câu SQL chạy ngon lành, ko báo lỗi, ra số đẹp. Nhưng nó quên join bảng refund (hoàn tiền), và ko lọc test transaction (giao dịch thử nghiệm) ra khỏi doanh thu.

Cú pháp đúng 100%. Business logic (logic nghiệp vụ) sai 100%.

Và ko có agent nào tự phát hiện ra cái đó đâu ha. Chỉ người hiểu domain (lĩnh vực nghiệp vụ) mới thấy.⚡

Nên tui bỏ luôn câu hỏi "cái gì automate được", đổi thành:

→ Khoảnh khắc nào để AI tự chạy? (Green moments - việc đảo ngược được, sai thì sửa lại, chi phí thấp)
⤷ Chuẩn hoá định dạng, sinh code nháp, tóm tắt tài liệu, thử 20 cách visualize (trực quan hoá)

→ Khoảnh khắc nào bắt buộc phải có người? (Blue moments - quyết định khó đảo ngược, đụng tới tiền, tới người, tới uy tín)
⤷ Chốt định nghĩa metric (chỉ số đo lường), duyệt số trước khi trình Ban giám đốc, diễn giải nguyên nhân, đưa khuyến nghị

Partnership (quan hệ cộng tác) hiệu quả nằm ở chỗ mình thiết kế được ranh giới này cho rõ, chứ ko phải ở chỗ mình gọi được bao nhiêu con agent. 🙂

Còn một chuyện nữa ít ai nói: Orchestration fatigue (mệt mỏi vì phải điều phối hệ thống nhiều agent).

Automate 3 việc thì khoẻ thiệt. Automate 15 việc, mỗi việc một agent, thì đầu mình phải giữ trạng thái của 15 thứ cùng lúc. Tự do đâu chưa thấy, thấy mệt trước. 😵‍💫

Mục tiêu cuối khi tui làm automation ko phải là "ko đụng tay vô nữa". Mà là: ít thời gian nhìn màn hình hơn, ít tải nhận thức hơn, và mình là người điều khiển hệ thống, chứ ko phải người hầu của hệ thống.

Ai làm agentic analytics rồi sẽ thấy: khó nhất ko phải build agent. Khó nhất là biết chỗ nào KHÔNG nên để agent làm. 🎯

Trong Agentic AI Analytics tui dạy phần này khá kỹ, vì đây đúng là chỗ mn hay vấp nhất khi mang hệ thống vô doanh nghiệp thật.

Còn mn thì sao? Có việc nào mn automate rồi mà sau đó phải rút lại ko? Kể tui nghe với 👇

20/09/2026

Cùng một file dữ liệu, AI có thể tạo report trong vài phút. Nhưng nếu không hiểu Additive, Semi-Additive hay Non-Additive Measure, kết quả vẫn có thể sai dù nhìn rất đẹp. Khác biệt không nằm ở model mạnh đến đâu, mà ở cách con người thiết kế logic cho AI. Comment BI nếu bạn muốn tìm hiểu Agentic AI Analytics.

"Biên lợi nhuận công ty giảm 3 điểm, em phân tích thế nào?"Câu này làm nhiều bạn đơ giữa buổi phỏng vấn, vì đang lục tro...
20/09/2026

"Biên lợi nhuận công ty giảm 3 điểm, em phân tích thế nào?"

Câu này làm nhiều bạn đơ giữa buổi phỏng vấn, vì đang lục trong đầu xem ĐÁP ÁN ĐÚNG nằm đâu. Trong khi người bên kia bàn chấm một thứ khác hẳn.

Bạn để ý nè: họ cũng đâu có dữ liệu thật của công ty trong phòng đó. Bạn nói biên giảm do giá vốn tăng, họ lấy gì kiểm? Còn khi bạn nói to cách mình đi từ câu hỏi tới câu trả lời, họ nhặt được sáu bảy điểm quan sát về hành vi bạn sẽ lặp lại mỗi ngày.

Đáp số là một lần bắn. Quy trình là cả loạt, và người ta chấm cả loạt.

Từ đó ra một hệ quả ít ai nói: nhiều bạn nghĩ rất tốt vẫn bị chấm thấp, lý do hay gặp là các bạn NGHĨ THẦM. Im lặng hai mươi giây, trong đầu chạy bốn năm hướng, rồi nói ra đúng một kết luận gọn ghẽ. Cả quá trình đó người chấm chỉ nhận được một tín hiệu. Cũng cái đầu ấy, nói to theo bốn nhịp thì phát ra sáu bảy tín hiệu.

Người chấm không chấm được thứ bạn nghĩ thầm.

Nên thứ cần sửa hiếm khi là làm đáp án chắc hơn, mà là tăng số điểm quan sát mình phát ra. Và đây không phải mẹo diễn đâu nha.

Nói rõ phạm vi: khung này cho CÂU HỎI CASE MỞ ở vai trò phân tích, FP&A hay business partner. Còn vòng kiểm tra kiến thức có đúng sai rõ ràng (định khoản, công thức, test Excel, chuẩn mực kế toán) thì sai vẫn là sai.

▸ ▸ ▸ BỐN NHỊP + BÀI TRẢ LỜI MẪU

Bài mẫu dưới đây mình tự dựng để minh họa cấu trúc, số là số giả định.

LÀM RÕ TRƯỚC (khoảng 30 giây)
"Dạ em xin hỏi lại ba ý cho chắc ạ. Biên mình nói là biên gộp hay biên ròng? Giảm 3 điểm so với kế hoạch hay so với cùng kỳ? Và giảm từ lúc nào, một quý hay trượt cả năm? Ba ý này đổi hướng phân tích khá nhiều, em muốn khoanh vùng trước ạ."

Ứng viên hỏi lại thường được chấm cao hơn ứng viên trả lời ngay, vì hỏi đúng chỗ chứng minh phản xạ khoanh vùng.

CẤU TRÚC (chia nhánh không trùng, không sót)
"Giả sử là biên gộp, so cùng kỳ, trượt đều từ quý hai. Em tách thành bốn nhánh không giẫm lên nhau: Giá bán, giá vốn, cơ cấu hàng bán (mix, tức tỷ trọng các dòng hàng dịch chuyển), và chi phí vận hành. Em kiểm mix trước vì hai lý do: Nó thường tác động lớn nhất khi doanh thu vẫn tăng mà biên vẫn rơi, và số để kiểm lấy nhanh nhất, chỉ cần lãi gộp theo dòng sản phẩm."

ĐÀO MỘT NHÁNH CHO THẤY ĐỘ SÂU
"Em đào nhánh mix. Giả định doanh thu vẫn tăng 8 phần trăm nhưng biên gộp rơi từ 32 xuống 29. Nếu giá bán và giá vốn từng dòng hàng gần như đứng yên, phần rơi nhiều khả năng đến từ tỷ trọng dịch sang hàng biên thấp. Cách em kiểm: Lấy biên từng dòng hàng kỳ trước áp vào tỷ trọng doanh thu kỳ này, ra mức biên giả định nếu cơ cấu đứng yên. Chênh giữa nó với thực tế chính là phần do mix."

KHUYẾN NGHỊ CÓ ĐIỀU KIỆN
"Em chưa chốt nguyên nhân khi chưa có số, nhưng em nói trước hai hướng ạ. Nếu phần lớn là do mix, chỗ xử lý nằm ở chính sách giá và cơ cấu thưởng đội bán hàng, chứ không nằm ở cắt chi phí sản xuất. Nếu do giá vốn, em đi tiếp xuống giá nguyên vật liệu và hao hụt sản xuất. Để chốt, em cần doanh thu và lãi gộp theo dòng hàng và theo kênh của hai kỳ."

Bốn nhịp cho người chấm thấy đủ bốn thứ họ tìm → biết khoanh vùng, biết cấu trúc, có độ sâu, hướng tới hành động.

▸ ▸ ▸ BỐN THỨ LÀM LÀ TRƯỢT

Trả lời ngay, không hỏi lại câu nào. Bạn vừa cho thấy mình nhận đề mà không kiểm đề.

Nghĩ tới đâu nói tới đó, không cấu trúc. Nhiều ý, nhưng người nghe không xếp được vào đâu, cũng không biết bạn sót gì.

Chỉ nêu nguyên nhân, quên nêu cách kiểm. "Chắc do giá vốn tăng" thì ai cũng nói được. Câu làm bạn khác đi là câu ngay sau nó.

Kết luận chắc nịch khi chưa có dữ liệu. Với nghề này là lỗi nặng nhất, vì nó dự báo đúng rủi ro tốn tiền nhất: Mang con số chưa kiểm lên bàn họp rồi để cả phòng quyết theo.

Chắc có bạn nghĩ: vậy thuộc khung rồi nói dài dòng là qua à? Không qua đâu. Mỗi nhịp bắt bạn nộp một thứ cụ thể: Câu làm rõ phải là câu mà tùy câu trả lời sẽ đổi hướng phân tích, đào sâu phải nêu CÁCH kiểm chứ không dừng ở tên nguyên nhân. Ai rỗng ruột thường đứt ở nhịp ba, và đó cũng là chỗ người phỏng vấn dồn.

▸ ▸ ▸ LUYỆN THẾ NÀO

Lấy 10 tình huống quen thuộc của nghề: Biên giảm, tồn kho phình, DSO tăng (số ngày thu tiền kéo dài, tức tiền về chậm), lãi tăng mà tiền giảm, một dòng hàng âm biên... Mỗi ngày một tình huống, trả lời theo bốn nhịp, rồi THU ÂM lại.

Nghe lại là lộ hết: Có hỏi lại không, có chia nhánh không, có nêu cách kiểm hay chỉ đoán. Luyện đều chừng hai tuần thì bốn nhịp thành phản xạ.

Case interview không phải bài kiểm tra kiến thức. Nó là buổi xem trước cách bạn sẽ làm việc. Cho họ xem một quy trình nghĩ sạch sẽ đi, vì đó mới là thứ họ đang mua.

Bạn từng bị hỏi câu case nào khó đỡ, hay đang sợ bị hỏi câu nào? Comment cho mình biết nhé.

Phần tách biến động theo giá, sản lượng, cơ cấu hàng bán rồi kể lại cho sếp nghe, bên mình có dạy trong chương trình Finance Analytics Agent Skills. Link mình để ở comment nha.

20/09/2026

💥BÍ QUYẾT dựng cho workspace chính của bạn
Chỉ mất tầm 20 phút 🤩

Cửa vào nghề data cho người mới đang hẹp lại thật. Câu đó đúng, nhưng mình còn nợ phần sau. Hẹp không có nghĩa là đóng, ...
20/09/2026

Cửa vào nghề data cho người mới đang hẹp lại thật. Câu đó đúng, nhưng mình còn nợ phần sau. Hẹp không có nghĩa là đóng, và chỗ nó hẹp cũng không nằm ở nơi nhiều người tưởng đâu.

▸ ▸ ▸

CỬA KHÔNG HẸP ĐỀU

Thứ AI vừa làm rẻ đi rất nhanh là ba việc cụ thể. Làm sạch dữ liệu. Viết truy vấn. Dựng báo cáo cơ bản. Đúng ba việc người mới vào nghề trước đây được thuê để làm.

Phần cửa đóng lại chính là phần đó. Đóng thật, không nói giảm.

Có điều ít ai kể đoạn sau. Khi phân tích rẻ đi, doanh nghiệp đòi nhiều phân tích hơn chứ không ít đi. Phòng nào cũng muốn số riêng. Tổng nhu cầu phình ra.

Vậy chỗ khan hiếm chạy đi đâu? Sang tầng bên cạnh. Người biết giao đúng việc cho máy, và người nhìn ra lúc máy trả về thứ sai.

→ Cửa không đóng. Cửa DỊCH CHỖ.

Hai chẩn đoán nghe gần giống nhau mà dẫn tới hai chiến lược ngược hẳn. Tin cửa hẹp thì cố chen vào cửa cũ, thêm chứng chỉ, thêm tool. Hiểu cửa dịch thì đi tới chỗ cửa mới. Cùng một năm bỏ ra, hai kết quả khác xa.

▸ ▸ ▸

Nói lại chỗ hay bị hiểu nhầm. Hồ sơ chết không phải hồ sơ trẻ. Hồ sơ chết là hồ sơ chứng minh mình làm tốt đúng thứ vừa thành hàng đại trà.

Biết SQL vẫn cần, biết Power BI vẫn cần. Chỉ là chúng trượt từ điểm khác biệt xuống thành vé vào cửa. Vé vẫn phải có, mà cầm vé rồi cũng chưa chắc được chọn.

Thứ quyết định việc được chọn nằm ở hai kỹ năng khác. Đặt đúng đề bài, và thẩm định được kết quả.

Đây mới là chỗ đau. Hai kỹ năng đó không khóa nào cấp chứng chỉ được. Chúng tới từ việc ngồi trong một bối cảnh kinh doanh đủ lâu để biết số nào nghe vô lý.

→ Cái bạn đang thiếu, nói gọn lại, là bối cảnh.

▸ ▸ ▸

Tới đây kiểu gì cũng có bạn nhắn, em chưa đi làm ngày nào thì lấy đâu ra bối cảnh, mà không có bối cảnh thì không ai tuyển.

Vòng luẩn quẩn đó có thật. Chỉ là cách phá nó nằm ở phía tự tạo bằng chứng trước khi xin, chứ đợi có việc rồi mới có kinh nghiệm thì kẹt.

Bốn hướng dưới đây xoay quanh một chuyện. Tự cấp bối cảnh cho mình mà không cần ai tuyển trước.

▸ ▸ ▸

VÀO BẰNG CỬA NGHIỆP VỤ
Nộp đơn vào vị trí business có chạm số. Sales admin, marketing executive, chăm sóc khách hàng, kho vận. Rồi thành người giỏi data nhất phòng đó.

Nghe như đường vòng, thật ra là đường ngắn nhất tới thứ bạn thiếu. Sáu tháng ngồi phòng kinh doanh, bạn biết vì sao đơn tháng 7 tụt, biết cột nào hay bị nhập ẩu. Không khóa học nào bán được mấy thứ đó.

HỒ SƠ LÀM VIỆC CÙNG AI CÓ KỶ LUẬT
Chỗ này đang bị bỏ trống nhiều nhất. Ai cũng dùng AI, nhưng ít ai chứng minh được mình dùng có kỷ luật. Portfolio (bộ sản phẩm trưng bày) của bạn, thay vì chỉ khoe dashboard đẹp, kể luôn quy trình.

→ Bạn giao gì cho AI, giữ lại phần nào cho mình.
→ Bạn kiểm kết quả nó trả về bằng cách nào, đã bắt được lỗi gì.
→ Chỗ nào bạn quyết định không tin nó, và vì sao.

Nhà tuyển dụng giờ không sợ bạn dùng AI. Họ sợ tuyển phải người không biết lúc nào nên nghi ngờ nó. Phần biết nghi ngờ đó mà viết ra được thì nó phân biệt bạn với cả ứng viên cũ lẫn con AI.

BẰNG CHỨNG CÔNG KHAI
Mỗi tháng viết một bài phân tích công khai. Dữ liệu mở cũng được, số liệu ngành cũng được. Không cần dài.

Điểm nằm ở chỗ khi người tuyển gõ tên bạn, họ thấy một người đã suy nghĩ bằng số từ trước khi có ai trả lương cho việc đó. Với hồ sơ chưa kinh nghiệm, đây là cách rẻ nhất để có thứ nói thay mình được.

MỘT DỰ ÁN DỮ LIỆU THẬT, BẰNG MỌI GIÁ
Dữ liệu thật khác dữ liệu mẫu ở chỗ nó bẩn, nó thiếu, và có người cãi lại kết luận của bạn.

Tìm ở đâu. Tổ chức phi lợi nhuận, quán cà phê quen, shop online của người nhà, câu lạc bộ ở trường. Chỗ nào có người đang phải quyết gì đó mà chưa ai giúp nhìn số.

Xin thế nào. Đừng xin cho em thực tập. Hỏi thẳng anh chị đang phải quyết chuyện gì mà thiếu số, rồi làm đúng chuyện đó, miễn phí, vài tuần.

Ba tháng va chạm kiểu này để lại thứ mọi bản CV đều thiếu. Một câu chuyện kể được, có tình huống, có chỗ mình làm sai, có kết quả người ta dùng thật.

▸ ▸ ▸

KHUNG SÁU THÁNG (gợi ý thôi, không phải cam kết)

Tháng 1-2, nền tảng tư duy phân tích, chọn một ngành để hiểu sâu bối cảnh.
Tháng 3-4, một dự án dữ liệu thật, viết công khai những gì học được.
Tháng 5-6, nộp đơn song song hai hướng, data junior và nghiệp vụ có chạm số.

Mình để chữ gợi ý thật lòng. Thị trường bao nhiêu vị trí, kinh tế năm nay ra sao, mấy chuyện đó ngoài tầm bạn và cả mình. Phần trong tầm là làm cho hồ sơ đứng đúng chỗ giá trị đang chảy tới.

Bốn việc trên có điểm chung mình thích. Không ăn thua gì thì mất vài tháng buổi tối, mà trúng thì đổi cả đường nghề. Kiểu cược đó, người mới nên chơi nhiều ván. 🙂

Phần tư duy phân tích nền và cách điều phối AI Agent chạy trọn quy trình, bên mình có dạy trong chương trình Agentic AI Analytics. Link mình để ở comment nhé.

Còn bạn, đang mắc ở chỗ thiếu bối cảnh hay thiếu bằng chứng?

19/09/2026

Claude làm Excel có thể rất đẹp, nhưng đẹp chưa chắc đã production-ready. Nếu cùng một dataset mà mỗi lần AI phân tích khác nhau, khó trace logic và khó audit thì rủi ro rất lớn.
👉Comment BI để tìm hiểu cách MDA triển khai Agentic AI Analytics thực tế.

Address

Saigon Paragon Building/3 Nguyễn Lương Bằng, Tân Phú, Quận 7
Ho Chi Minh City
700000

Opening Hours

Monday 09:00 - 21:00
Tuesday 09:00 - 21:00
Wednesday 09:00 - 21:00
Thursday 09:00 - 21:00
Friday 09:00 - 21:00
Saturday 09:00 - 12:00

Website

,

Alerts

Be the first to know and let us send you an email when Phuong Thao Analytics posts news and promotions. Your email address will not be used for any other purpose, and you can unsubscribe at any time.

Contact The School

Send a message to Phuong Thao Analytics:

Shortcuts

Share

Category