Experience Sharing – Nên học data ở nguồn nào

Một trong những khó khăn hiện nay của những người đang tìm hiểu, học tập, tìm kiếm công việc về data là họ có quá nhiều nguồn để học data và họ không biết lựa chọn nguồn nào cho phù hợp. Với kinh nghiệm nhiều năm làm data trong doanh nghiệp cũng như kinh nghiệm thiết kế lộ trình và soạn thảo tài liệu cho các khoá học về data của mình, hi vọng bài viết này sẽ giúp các bạn nắm được ưu, nhược điểm của các nguồn học data khác nhau.

Các nguồn học data:

Học qua sách (xin phép không đề cập tới các research paper tại đây do người viết còn ít kinh nghiệm đọc và ứng dụng các research paper):

Ưu điểm:

• Đây là cách học truyền thống nhưng thường đảm bảo tính chính xác cao (nếu chọn sách từ các nhà xuất bản và tác giả uy tín)
• Các nội dung kiến thức đầy đủ.
• Một số nội dung kiến thức, công nghệ, nhất là những công nghệ mới hoặc kiến thức chuyên sâu thì khó tìm được ở các nguồn khác ngoại trừ sách
• Tập đọc sách kĩ thuật, sách toán, xác suất thống kê, … là một cách tốt để rèn tính kiên nhẫn và đào sâu kiến thức

Nhược điểm:

• Kiến thức về công nghệ, đặc biệt là kiến thức về một, một vài công cụ nhất định, nếu đưa vào sách sẽ mau chóng bị cũ và kém cập nhật do công nghệ và các công cụ ngày nay phát triển nhanh, liên tục. Tuy nhiên, các kiến thức nền tảng và nếu không bắt buộc phải gắn cụ thể với một phiên bản nhất định của một công cụ nào đó thì ta không quá lo việc kiến thức bị cũ.
• Sách từ các nhà xuất bản lớn thường dày, dài khiến người đọc ít kinh nghiệm dễ bị mông lung (không biết tập trung vào đâu), chán nản.
• Giá thành của sách bản quyền còn đắt so với thu nhập tại Việt Nam

Học qua các trường đại học (lấy bằng đại học, thạc sỹ, tiến sỹ):

Ưu điểm:

• Với các trường có danh tiếng (nhìn chung là cả trong nước và nước ngoài) thì học viên sẽ có lộ trình đào tạo được vạch sẵn, tương đối đầy đủ về kiến thức học thuật, và tuỳ vào trường, khoa mà có tính thực tiễn, tính cập nhật cao hay thấp
• Thường có thời gian đủ dài (tối thiểu 1 năm) để hấp thụ và ứng dụng kiến thức được học
• Giảng viên được trường đảm bảo đầy đủ bằng cấp và kinh nghiệm giảng dạy cũng như kĩ năng sư phạm
• Có cơ hội giao lưu, kết bạn với nhiều người khác có cùng mục tiêu nghề nghiệp và với các thày cô có trình độ cao và có network trong ngành
• Được trải nghiệm văn hoá và nhiều hoạt động liên quan khác của các trường
• Có thể được giới thiệu tới các doanh nghiệp liên kết với trường để thực tập, ứng tuyển
• Bằng của các trường danh tiếp giúp nâng cao giá trị CV của bạn trong mắt nhà tuyển dụng
• Để sau này phát triển lên các vị trí lead Data Scientist hay các vị trí lead, head về advanced data analytics / AI / … tại các tập đoàn lớn, thường việc có đầy đủ bằng cấp về Computer Science / Data Science / AI / … ở bậc thạc sỹ / tiến sỹ là điều kiện cần có, do tính chất khó, chuyên sâu về toán và kĩ thuật của các mảng công việc này (nên đòi hỏi phải được đào tạo bài bản, đầy đủ) cũng như do mặt bằng chung các ứng viên khác trên thị trường tuyển dụng. Vì vậy, việc học và có bằng ở một ngôi trường danh giá là rất có giá trị, cả về thực tiễn (kiến thức, kinh nghiệm, quan hệ, …) lẫn về gia tăng mức độ cạnh tranh của CV.

Nhược điểm:

• Chi phí tương đối cao, đặc biệt nếu là trường nước ngoài, cả học online lẫn offline.
• Thời gian dài và nội dung học gồm nhiều môn cũng có thể là nhược điểm nếu như bạn đang cần học tập trung vào một vài nội dung nhất định và có quỹ thời gian hạn chế
• Các nội dung giảng dạy trong trường đại học thường sẽ được cập nhật chậm hơn đôi chút so với tốc độ phát triển của công nghệ trên thị trường về mặt công cụ, ứng dụng các công nghệ hay nghiên cứu mới, còn về kiến thức nền tảng thì không đáng kể. Tất nhiên, những trường danh tiếng, đặc biệt là trên phạm vi thế giới, có chương trình mang tính cập nhật cao, thậm chí đi đầu xu hướng trong một số lĩnh vực.
• Giảng viên tuy đầy đủ bằng cấp nhưng chưa chắc đã có nhiều kinh nghiệm làm việc thực tiễn
• Kiến thức thiên về học thuật. Nếu xét trên khía cạnh có tính ứng dụng thực tiễn đi kèm nhiều bài toán trong doanh nghiệp thì có thể chưa bằng một số nguồn và hình thức học tập khác.

Học qua các khoá hoc online (MOOC) và nguồn tài liệu online trên các trang web, nền tảng học online:

Ví dụ: Youtube, LinkedIn Learning, Coursera, EdX, W3School, Khan Academy, Data Camp, Udemy, Google Learn Digital, Microsoft Training, website của một số trường đại học nổi tiếng của nước ngoài, …

Ưu điểm:

• Có rất nhiều, đa dạng các tài liệu và khoá học khác nhau để lựa chọn, từ miễn phí tới trả phí, từ khoá học gồm nhiều video ngắn cho tới các khoá bootcamp trong 10 tiếng liên tục, tài liệu và bài tập thực hành cũng như giao diện thực hành code có sẵn trên web … vì vậy dù bạn muốn tìm hiểu, học tập về lĩnh vực, nội dung gì thì hầu như các nguồn học nêu trên đều có khoá học, tài liệu phù hợp cho bạn, và có rất nhiều tài liệu, khoá học miễn phí được giảng dạy bởi những chuyên gia đầu ngành trên thế giới.
• Có những khoá học có cấp chứng chỉ để giúp ta tiện đưa vào CV chứng minh thêm năng lực với nhà tuyển dụng (giá trị của các chứng chỉ này sẽ được bàn đến trong một bài viết khác, mời các bạn đón đọc trong thời gian tới trên https://datatute.vn)
• Học gần như là mọi lúc, mọi nơi, trên mọi thiết bị miễn là bạn có kết nối internet. Điều này cực kỳ hữu ích cho những ai có quỹ thời gian eo hẹp hoặc không bố trí được thời gian để học theo các khung giờ học truyền thống
• Một số nền tảng, khoá học có cộng đồng học viên tương đối hữu ích trong việc hỏi bài, giải đáp thắc mắc

Nhược điểm:

• Cũng vì có quá nhiều lựa chọn nên người học thường bị mông lung, và cũng có những nền tảng có nhiều khoá học nhưng về cơ bản ai cũng có thể tạo khoá học trên đó được nên việc lọc ra các khoá học tốt thực sự là việc cần thiết và nó tốn lượng thời gian đáng kể của người học. Người học thường sẽ tốn khá nhiều thời gian xem review, thử qua vài khoá học trước khi thực sự tìm được khoá học, tài liệu phù hợp với mình.
• Đôi khi người học rơi vào tình trạng đăng ký quá nhiều khoá học nhưng không đủ kỷ luật để cố gắng theo cho hết được trọn vẹn 1 khoá nào cả.
• Dù có những nền tảng, khoá học có cộng đồng tương đối active, nhưng khó có thể so sánh với những lợi ích (đặc biệt là về networking) từ các cộng đồng mà có gặp gỡ trực tiếp (offline) hoặc gặp gỡ online những có nhiều tương tác qua video call như ở các nguồn học khác (trường đại học, trung tâm, …).

Học qua các khoá học được mở bởi các trung tâm dạy data:

Ví dụ: MCI, CoderSchool, MindX, tomorrowmarketers, …

Ưu điểm:

• Có cơ hội giao lưu, kết bạn với nhiều người khác có cùng mục tiêu nghề nghiệp và với các giảng viên là người làm việc thực tế về data
• Với các trung tâm uy tín, nhìn chung giảng viên sẽ có profile với kinh nghiệm làm việc thực tế rõ ràng, nếu là người có chuyên môn cao và nhiều kinh nghiệm thì cách giảng dạy cũng sẽ mang tính thực tiễn, ứng dụng cao, ít tập trung vào khía cạnh học thuật hay các định nghĩa hàn lâm hơn (tuỳ môn học).
• Giá cả hợp lý hơn do thường các khoá học được tổ chức thành nhiều module nhỏ và có nhiều hình thức thanh toán linh hoạt, thay vì phải đóng học phí và học tập trong vòng tối thiểu 1 năm như các trường đại học
• Môi trường học tập thoải mái hơn do các trung tâm mang tính chất tư nhân, dịch vụ nhiều hơn so với môi trường đại học. Cũng vì vậy mà có thể sẽ dễ có những mối quan hệ kết nối sâu hơn với bạn bè và giảng viên
• Biết được những insight mà chỉ những người trong nghề mới có (giảng viên, bạn cùng lớp)

Nhược điểm:

• Các trung tâm cũng giống như các doanh nghiệp, mục tiêu lợi nhuận được đặt lên hàng đầu, và nhìn chung mức độ chỉn chu về giáo trình giảng dạy không thể so sánh với môi trường đại học, các khoá học của các trường học danh tiếng, hay sách từ những nhà xuất bản uy tín.
• Giảng viên thường là người làm fulltime trong doanh nghiệp và giảng dạy parttime cho trung tâm và được trả lương theo giờ, vì vậy nhìn chung mức độ gắn bó, nhiệt huyết, đầu tư thời gian, công sức, thậm chí là cả tiền bạc vào việc giảng dạy có thể sẽ chưa so sánh được với các giảng viên đại học. Ngoài ra, mức lương theo giờ tại trung tâm thường nhỏ hơn tương đối so với mức lương fulltime quy đổi ra giờ của giảng viên, điều này cũng giúp ta giải thích phần nào vì sao giảng viên khó gắn bó cao, nhiệt huyết với việc giảng dạy trung tâm do họ coi đó là việc parttime, kiếm thêm đồng ra đồng vào, rèn luyện kĩ năng mềm của bản thân và network với các giảng viên khác. Tuy nhiên, cũng có những giảng viên trung tâm thực sự thích và đam mê việc giảng dạy.
• Giảng viên trung tâm thường có trình độ sư phạm kém hơn giảng viên đại học do bản chất công việc parttime, do không có nhiều quy định, ràng buộc chặt chẽ về sư phạm như trong trường đại học, và do thiếu đào tạo sư phạm từ các trung tâm. Kỹ năng sư phạm là vô cùng quan trọng trong giảng dạy. Giảng viên có sư phạm tốt giúp người học nắm bắt kiến thức nhanh, chính xác, biết liên hệ, móc nối các mảng kiến thức với nhau và với thực tiễn, và tạo động lực, hứng khởi học tập cho học viên, nhất là với những người mới tìm hiểu về ngành data.
• Người học đôi khi nhận được tư vấn không chính xác từ nhân viên sale của trung tâm (do sale chịu áp lực doanh số cao và chưa hiểu rõ về sản phẩm) nên có những kì vọng sai lệch so với nội dung, giảng viên của khoá học, từ đó tạo ra trải nghiệm tiêu cực, lãng phí tiền của và thời gian của người học.
• Các trung tâm dạy data chủ yếu vẫn là những doanh nghiệp đang ở quy mô nhỏ, thị trường giảng dạy về data cũng mới phát triển mạnh mẽ trong khoảng 3, 4 năm trở lại đây, nên cách thức tổ chức, vận hành khoá học, marketing, … khó tránh khỏi còn nhiều thiếu sót. Một số trung tâm có quy mô lớn với nhiều chi nhánh thì thường sẽ gặp phải vấn đề kiểm soát chất lượng giảng dạy do: 1) nguồn giảng viên chất lượng có hạn, 2) đào tạo giảng viên và đội ngũ nhân viên vận hành chưa tốt, 3) kiểm soát chất lượng tài liệu giảng dạy và việc giảng dạy chưa tốt (tài liệu giảng dạy không tốt, giảng viên dạy không theo chương trình đã đề ra do chương trình không đủ tốt hoặc do giảng viên không đủ kiến thức và kinh nghiệm để dạy theo chương trình)

Học qua các khoá học của các thày, cô cá nhân mở ra:

Ưu điểm:

• Thường sẽ được tư vấn kỹ và chính xác về nội dung chương trình học hơn so với trung tâm vì được chính giảng viên tư vấn.
• Nội dung học thường tương đối chỉn chu và có mức độ chính xác nhất định tuỳ thuộc vào trình độ của giảng viên, mức độ thực tiễn thường tương đối cao vì giảng viên cá nhân (nếu là giảng viên tốt, có tâm) sẽ chỉ giảng dạy những cái mà họ biết chắc chắn và đã có kinh nghiệm thực tế
• Giá thành nhìn chung mềm hơn so vói trung tâm vì không phải chịu nhiều chi phí marketing, vận hành
• Cơ hội có mối quan hệ sâu với giảng viên có thể cao hơn so với học trung tâm hay học trong trường đại học do môi trường lớp học nhỏ và thân mật hơn
• Giảng viên thường sẽ rất nhiệt tình với học viên do 1) học đam mềm giảng dạy và chia sẻ kiến thức, nên mới mở lớp; 2) họ lấy sự nhiệt tình làm điểm khác biệt để lôi kéo học sinh, cạnh tranh với các trung tâm, trường đại học và các nguồn học khác

Nhược điểm:

• Tương tự như giảng viên trung tâm, giảng viên cá nhân tự mở lớp thường không được đào tạo bài bản về sư phạm, tuy nhiên điều này có thể được khoả lấp phần nào bởi sự nhiệt tình của họ
• Giảng viên cá nhân thường cũng chưa có nhiều kinh nghiệm về vận hành lớp học, chăm sóc khách hàng, … nên có thể còn nhiều thiếu sót trong các khâu này
• Tài liệu giảng dạy được soạn bởi 1 người duy nhất, thiếu khâu review/audit (rà soát, kiểm soát chất lượng) cộng thêm hạn chế về kiến thức, kinh nghiệm, network của giảng viên nên nếu giảng viên không chịu khó trau dồi kiến thức và research tài liệu thì các nội dung giảng dạy sẽ dễ bị: 1) đưa ra kiến thức chưa thực sự chính xác hoặc không đầy đủ; 2) các chia sẻ tổng quát, định hướng, hướng nghiệp, … dễ bị mang tính phiến diện
• Môi trường lớp nhỏ, học viên lại là những người chưa có nhiều kiến thức và kinh nghiệm, tài liệu giảng dạy không được public, không có cam kết về tài chính cũng như cam kết chất lượng cũng là những yếu tố gia tăng thêm rủi ro tiếp nhận kiến thức, kinh nghiệm chưa chuẩn xác cho học viên với nguồn học này

Học trong công việc thực tiễn (on-job Learning):

Ưu điểm:

• Kiến thức học được mang tính thực tiễn cao, là nguồn tốt để kiểm định lại các kiến thức học thuật đã được học trong sách vở, trường lớp.
• Việc học đem lại kết quả trực tiếp, tương đối dễ thấy (được lãnh đạo và đồng nghiệp ghi nhận, được khen thưởng, …) nên dễ tạo động lực cho việc học.
• Hầu như là miễn phí do sử dụng nguồn lực sẵn có của doanh nghiệp (không tính các chi phí như trà đá, cà phê, ăn trưa với đồng nghiệp, sếp…)

Nhược điểm:

• Thường chỉ biết kiến thức trong những công việc mình được giao làm. Các doanh nghiệp càng lớn, càng nhiều bộ phận chuyên môn hoá cao thì việc tiếp xúc, học hỏi các mảng kiến thức ở các bộ phận khác hay thậm chí từ đồng nghiệp khác trong cùng bộ phận nhìn chung càng khó. Điều này khiến nhiều người sau nhiều năm làm việc nhưng không gia tăng được kiến thức đáng kể, số năm làm việc tăng nhưng trình độ không tăng tương ứng.
• Nhìn chung khó chọn giảng viên vì giảng viên sẽ là người quản lý trực tiếp hoặc người được giao mentor trực tiếp mình. Tuy nhiên, điều này còn tuỳ thuộc vào doanh nghiệp có nhiều hoạt động khuyến khích học tập lẫn nhau, đào tạo, … hay không. Việc học từ đồng nghiệp đôi khi còn khó hơn vì nhiều lí do, trong đó có chính trị, cạnh tranh giữa các đồng nghiệp, mức độ công việc của bản thân và của các đồng nghiệp, văn hoá doanh nghiệp và văn hoá của từng bộ phận, …
• Nếu quản lý trực tiếp hoặc người mentor trực tiếp không có nền tảng kiến thức vững chắc thì dễ dẫn đến việc học và làm thuần tuý dựa trên kinh nghiệm. Tuy điều này không phải là không tốt, nhưng việc thiếu nền tảng lý thuyết/kiến thức vững chắc sẽ khiến việc học, phát triển trở nên chậm hơn, thiếu định hướng và xa rời các best practice hơn.

Với rất nhiều nguồn học data và với các ưu, nhược điểm như vậy, ta cần có phương pháp học sao cho hợp lý để với nguồn lực có hạn, ta học được chính xác và nhanh nhất, đúng mục tiêu của bản thân nhất có thể. Mình sẽ có bài viết tiếp theo về các nguyên tắc học tập về data mà mình đã đúc kết được.