Từ Excel lên Python/SQL: lộ trình chuyển ngành thành Data Analyst

Vì sao Excel không còn đủ (nhưng vẫn có giá trị)

Excel vẫn hữu ích cho phân tích nhanh, quy mô nhỏ — nhưng khi dữ liệu lớn hơn vài chục nghìn dòng, cần lặp lại phân tích thường xuyên, hoặc cần tái lập kết quả (reproducibility), SQL và Python trở thành bắt buộc. Nhà tuyển dụng đánh giá cao ứng viên hiểu rõ khi nào công cụ nào phù hợp, không phải chỉ "Excel là lỗi thời".

Lộ trình học SQL — ưu tiên trước Python

SQL nên học trước vì hầu hết dữ liệu doanh nghiệp nằm trong database quan hệ, và cú pháp SQL trực quan hơn để bắt đầu:

• Giai đoạn 1: SELECT, WHERE, GROUP BY, ORDER BY, các hàm aggregate cơ bản (COUNT, SUM, AVG).
• Giai đoạn 2: JOIN (INNER, LEFT, các loại khác), subquery, CTE (WITH) để viết query dễ đọc hơn.
• Giai đoạn 3: Window function (ROW_NUMBER, RANK, running total) — đây là ranh giới giữa "biết SQL cơ bản" và "thành thạo SQL" mà nhà tuyển dụng thường kiểm tra.

Lộ trình học Python cho phân tích dữ liệu

Không cần học Python như 1 kỹ sư phần mềm — tập trung vào:

• Pandas: đọc/xử lý dữ liệu dạng bảng (tương đương Excel nhưng mạnh hơn nhiều lần về quy mô và khả năng tự động hoá) — nắm vững groupby, merge, xử lý missing value.
• Visualization: matplotlib/seaborn cho biểu đồ nhanh, hoặc plotly nếu cần tương tác.
• Thống kê cơ bản: scipy.stats cho A/B testing, hồi quy tuyến tính đơn giản để hiểu tương quan.

Câu hỏi phỏng vấn dành cho người chuyển ngành

"Bạn dùng Excel nhiều, vậy khi nào bạn nghĩ cần chuyển sang SQL/Python?" — Câu trả lời tốt nêu rõ giới hạn thực tế của Excel (VLOOKUP chậm với dữ liệu lớn, khó tái lập phân tích, giới hạn ~1 triệu dòng) thay vì chê Excel một cách chung chung.

"Portfolio của bạn không có kinh nghiệm công ty, làm sao chứng minh năng lực?" — Dự án cá nhân với dữ liệu công khai (Kaggle, dữ liệu chính phủ mở) có giá trị nếu trình bày đúng cách: nêu rõ câu hỏi kinh doanh giả định, quy trình phân tích, và insight rút ra — không chỉ liệt kê "đã dùng pandas, matplotlib".

Lỗi thường gặp khi chuyển ngành

Học quá nhiều công cụ cùng lúc mà không thực hành đủ sâu 1 công cụ — nhà tuyển dụng thường thích ứng viên thành thạo SQL + 1 công cụ visualization hơn là biết sơ sơ 5 công cụ khác nhau. Ưu tiên chiều sâu ở giai đoạn đầu sự nghiệp.